Avinash Misra, CEO & Co-Founder of Skan.AI – Wywiad

Avinash Misra jest CEO i współzałożycielem Skan. Avinash jest przedsiębiorcą od zawsze, z udokumentowanym rekordem prowadzenia przedsięwzięć od stadium zalążkowego do likwidacji. Zbudował udane przedsięwzięcia w dziedzinie transformacji cyfrowej przedsiębiorstw, a jego ostatnie przedsięwzięcie zostało przejęte przez Genpact (NYSE: G). Pomysł Avinasha na Skan zaczął się w dużych projektach transformacji procesów biznesowych, którymi kierował przez ostatnią dekadę.

Twoja poprzednia firma Endeavour Software Technologies została ostatecznie przejęta przez Genpact. Co to była za firma i jakie były najważniejsze lekcje, które się z niej wyniosłeś?

Ta firma była specjalistą w dziedzinie transformacji cyfrowej front-office, czyli budowy i wdrożenia konkretnych technologii, takich jak computer vision, chatboty/natural language processing (NLP) oraz aplikacje mobilne dla przedsiębiorstw, w celu poprawy i transformacji procesów biznesowych związanych z obsługą klienta.

Nauczyliśmy się dwóch ważnych lekcji. Po pierwsze, gdy technologia jest stosowana tylko dla samej siebie, tworzy zarówno dług techniczny, jak i dług procesowy. Po drugie, największą wartość uzyskuje się, gdy technologia jest stosowana z empatią i myśleniem projektowym, ukierunkowanym na użytkownika końcowego.

Czy mógłbyś opowiedzieć o historii powstania Skan?

“Automatyzacja zaczyna się, gdy automatyzacja zawodzi.” W jednym zdaniu, to było nasze początki. Gdy budowaliśmy boty RPA dla złożonych procesów biznesowych, wielokrotnie zauważaliśmy, że raz wdrożony bot szybko zawodził, ponieważ nie brał pod uwagę wszystkich niuansów, permutacji i wyjątków danego procesu biznesowego. Za każdym razem, gdy bot zawodził, stawał się jedną więcej brakującą permutacją pracy. Był to niekończący się cykl wdrożeń i niepowodzeń.

Dlaczego nie znamy wszystkich niuansów procesów biznesowych?

Nie znamy wszystkich niuansów procesów biznesowych, ponieważ cała odkrywanie procesów jest wykonywane przez ludzkich analityków biznesowych, którzy pytają agentów procesów o opisanie pracy. Ludzie są niesamowicie niewierni w opisywaniu rzeczy, które mają sensowną znajomość lub są rutynowe. Są to często rzeczy, które potrafią wykonać dobrze, ale nigdy nie mogą opisać z potrzebną dokładnością. Dlatego zbudowaliśmy Skan, aby obserwować prawdziwą pracę i zrozumieć tę pracę oraz procesy, zamiast przeprowadzać wywiady i dokumentować ludzi.

Skan jest częściowo platformą odkrywania procesów. Czy mógłbyś wyjaśnić, co odkrywanie procesów oznacza dla naszych czytelników?

Odkrywanie procesów to szerokie pojęcie, które odnosi się do aktu odkrywania lub uczenia się, jak procesy działają na poziomie operacyjnym lub strukturalnym. Jest to szczególnie trudne w przypadku procesów, które obejmują interakcje między ludźmi i systemami, z setkami lub tysiącami pracowników, dziesiątkami aplikacji oprogramowania i złożonymi przepływami pracy. Wspaniałym przykładem jest proces zarządzania roszczeniami.

Dziś Skan jest tak naprawdę więcej niż platformą odkrywania procesów. Skan generuje głębokie zrozumienie pracy (odkrywanie procesów) i zapewnia zaawansowaną analitykę, aby pomóc właścicielom procesów i liderom transformacji mierzyć, analizować i poprawiać wskaźniki KPI, które napędzają wyniki biznesowe, takie jak doświadczenie klienta, przychody i koszty. Nazywamy tę szerszą możliwość: inteligencja procesowa lub systematyczne gromadzenie danych i stosowanie tej wiedzy w celu kontrolowania wyników biznesowych lub uczenia się, zrozumienia i podejmowania decyzji.

Według badania przeprowadzonego przez Ernst & Young, 30% do 50% projektów automatyzacji kończy się niepowodzeniem. Dlaczego uważasz, że jest to tak wysoka liczba?

Na podstawie pracy z naszymi klientami stwierdzamy, że jedną z głównych przeszkód w sukcesie automatyzacji jest brak widoczności stanu bieżącego wskaźników KPI na całym cyklu życia projektów automatyzacji.

Na przykład, aby zakwalifikować projekt automatyzacji, musimy określić bieżący stan wskaźników KPI i zbudować biznesowy przypadek. W fazie eksperymentowania musimy zidentyfikować wzorce technologiczne i zdefiniować docelowe (do-być) wskaźniki KPI na podstawie bieżących wskaźników KPI. Podczas fazy projektowania, rozwoju, testowania i operacjonalizacji musimy dostosować się do pierwotnej przyczyny problemu, który ma być rozwiązany.

W końcu, w fazie walidacji, w której mierzymy zwrot z inwestycji i realizację korzyści, musimy mieć ślad do docelowych wskaźników KPI. Widzimy więc, że na całym tym cyklu życia wymagana jest przejrzystość i ślad do bieżących wskaźników KPI i pierwotnych przyczyn. I, według Forrester Research (FORR ) (2021), tylko 16% organizacji twierdzi, że ma pełną widoczność, jak procesy działają. Nie jest więc zaskakujące, że projekty automatyzacji mają trudności z dostarczaniem wartości.

Czy mógłbyś wyjaśnić, jakie procedury Skan stosuje w celu ochrony prywatności osób, które są monitorowane, oraz wrażliwych danych biznesowych?

Ważne jest, aby zauważyć, że nie monitorujemy ludzi. Obserwujemy tylko określone elementy pracy (nie cały ekran). Te elementy to określone aplikacje pracy, które są zdefiniowane z wyprzedzeniem.

Mówiąc o aplikacjach, które są obserwowane, wszystkie wrażliwe dane pracy są zredagowane. Mamy również możliwość anonimizacji połączenia między osobą, która wykonała pracę, a procesem. Nazwy osób pracujących w procesie mogą być również anonimizowane.

Czy mógłbyś omówić, jak Skan wykorzystuje uczenie maszynowe, a konkretnie głębokie uczenie?

Skan wykorzystuje kilka algorytmów sztucznej inteligencji i uczenia maszynowego, aby rozwiązać różne problemy, takie jak anonimizacja informacji wrażliwych(zarówno danych tekstowych, jak i obrazowych), abstrakcja zdarzeń na poziomie biznesu, wnioskowanie o grafach procesów i odkrywanie wariantów procesów.

Jakie są przykłady uzyskanych spostrzeżeń, które są użyteczne?

Skan pomaga właścicielom procesów i liderom transformacji mierzyć, analizować i poprawiać wskaźniki KPI, które napędzają wyniki biznesowe. Przykładowe spostrzeżenia to:

Efektywność:

• Koszt produkcji jednostkowej
• Użytych zasobów (wykorzystanie siły roboczej)
• Poprawa NPS

Wydajność:

• Odkrywanie automatyzacji
• Pierwszy wskaźnik przejścia
• Zgodność z procesem
• Planowanie pojemności (wykorzystanie siły roboczej)
• Zmniejszona zmienność procesu

Jaka jest twoja wizja przyszłości inteligencji procesowej?

Nasza wizja przyszłości inteligencji procesowej polega na transformacji sposobu, w jaki ludzie pracują, aby mogli poprawić produktywność i osiągnąć swój pełny potencjał.

Dziś globalna piramida pracy ma szeroką podstawę zadań bez wartości dodanej i bardzo wąski wierzchołek zadań o wysokiej wartości. Nasza wizja polega na tym, aby odkrywanie procesów odwróciło tę piramidę.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Skan.