Авинаш Мисра, генеральный директор и сооснователь Skan.AI – Интервью-серия

Авинаш Мисра является генеральным директором и сооснователем Skan. Авинаш – предприниматель в течение всей жизни с доказанной репутацией вывода проектов от семян до ликвидности. Он построил успешные проекты в области цифровой трансформации предприятий, и его последний проект был приобретен компанией Genpact (NYSE: G). Идея Авинаша для Skan возникла в результате крупномасштабных проектов по трансформации бизнес-процессов, которые он возглавлял в течение последнего десятилетия.

Ваша предыдущая компания Endeavour Software Technologies в конечном итоге была приобретена компанией Genpact. Что это была за компания и какие ключевые уроки вы из нее извлекли?

Эта компания была специалистом по цифровой трансформации фронт-офиса. То есть, она специализировалась на создании и развертывании конкретных технологий, таких как компьютерное зрение, чат-боты/обработка естественного языка (NLP) и мобильные приложения для предприятий, для улучшения и трансформации бизнес-процессов, ориентированных на клиентов.

Мы выучили два ключевых урока. Во-первых, когда технология применяется ради самой себя, она создает как технический, так и процессный долг. Во-вторых, наибольшая ценность получается, когда технология подходит к конечному пользователю с сочувствием и мыслительным подходом.

Можете ли вы рассказать историю о возникновении Skan?

“Автоматизация начинается, когда автоматизация терпит неудачу.” В одной фразе, это было нашим началом. Когда мы создавали боты RPA для сложных бизнес-процессов, мы постоянно замечали, что как только бот был развернут, он быстро терпел неудачу, потому что не учитывал все нюансы, перестановки и исключения этого бизнес-процесса. Каждый раз, когда бот терпел неудачу, он становился еще одним пропущенным вариантом работы. Это был бесконечный цикл развертывания и неудач.

Итак, почему мы не знаем всех нюансов бизнес-процессов?

Мы не знаем всех нюансов бизнес-процессов, потому что все открытие процессов осуществляется человеческими бизнес-аналитиками, которые просят агентов процесса описать работу. Люди невероятно ненадежны в описании вещей, которые имеют смысл знакомства или привычки и рутины. Это часто вещи, которые они могут делать хорошо, но никогда не могут описать с необходимой точностью. Поэтому мы построили Skan, чтобы наблюдать реальную работу и понимать эту работу и процессы, а не интервьюировать и документировать людей.

Skan частично является платформой открытия процессов. Можете ли вы определить, что такое открытие процессов для наших читателей?

Открытие процессов – это широкий термин, который относится к акту открытия или изучения того, как процессы работают на операционном или структурном уровне. Это особенно сложно с процессами, которые включают взаимодействие человека и системы с сотнями или тысячами работников, десятками программных приложений и сложными рабочими процессами. Отличным примером является процесс управления претензиями.

Сегодня Skan на самом деле больше, чем платформа открытия процессов. Skan генерирует глубокое понимание работы (открытие процессов) и предоставляет расширенные аналитические инструменты, чтобы помочь владельцам процессов и лидерам трансформации измерять, анализировать и улучшать KPI, которые стимулируют бизнес-результаты, такие как опыт клиента, доход и стоимость. Мы называем эту более широкую возможность: процессный интеллект или систематический сбор данных и применения этого знания для управления бизнес-результатами или для обучения, понимания и принятия решений.

Согласно исследованию, проведенному Ernst & Young, 30% до 50% проектов автоматизации терпят неудачу. Почему вы считаете, что это так высоко?

На основе работы с нашими клиентами мы обнаружили, что одним из ключевых препятствий для успеха автоматизации является отсутствие видимости текущего состояния KPI на протяжении всего жизненного цикла проектов автоматизации.

Например, чтобы квалифицировать проект автоматизации, нам нужно установить базовый уровень текущего состояния KPI и создать бизнес-кейс. На этапе экспериментирования нам нужно выявить технологические закономерности и определить целевые (будущие) KPI на основе текущего состояния KPI. На этапе проектирования, разработки, тестирования и операционализации нам нужно согласовать с коренной причиной проблемы, которую необходимо решить.

Наконец, на этапе проверки, когда мы измеряем окупаемость инвестиций и реализацию выгод, нам нужно отслеживать целевые KPI. Итак, мы видим, что на протяжении всего этого жизненного цикла требуется прозрачность и отслеживаемость текущего состояния KPI и коренных причин. И, тем не менее, согласно исследованиям Forrester Research (2021), только 16% организаций заявляют, что имеют полную видимость того, как работают процессы. Неудивительно, что проекты автоматизации испытывают трудности в доставке ценности.

Можете ли вы объяснить, какие процедуры Skan принимает для защиты конфиденциальности людей, которые отслеживаются, и чувствительных бизнес-данных?

Важно отметить, что мы не отслеживаем людей. Мы наблюдаем только конкретные элементы работы (не весь экран). Эти элементы – конкретные рабочие приложения, которые определяются заранее.

Тем не менее, для любых наблюдаемых приложений все конфиденциальные рабочие данные удаляются. У нас также есть возможность анонимизировать связь между человеком, который выполнил работу, и процессом. Имена людей, работающих в процессе, также могут быть анонимизированы.

Можете ли вы обсудить, как Skan использует машинное обучение и, в частности, глубокое обучение?

Skan включает в себя несколько алгоритмов искусственного интеллекта и машинного обучения для решения различных проблем, таких как анонимизация конфиденциальной информации (как текст, так и изображения), абстракция низкоуровневых событий до бизнес-активностей, вывод процессов и открытие вариаций процессов.

Какие примеры действенных выводов, которые были получены из этого процесса?

Skan помогает владельцам процессов и лидерам трансформации измерять, анализировать и улучшать KPI, которые стимулируют бизнес-результаты. Некоторые примеры выводов:

Эффективность:

• Стоимость производства единицы
• Использование ресурсов (рабочей силы)
• Улучшение NPS

Эффективность:

• Обнаружение автоматизации
• Первый проход
• Соблюдение процесса
• Планирование емкости (рабочей силы)
• Снижение вариативности процесса

Каково ваше видение будущего процессного интеллекта?

Наше видение будущего процессного интеллекта – трансформировать то, как люди работают, чтобы они могли улучшить свою производительность и достичь своего полного потенциала.

Сегодня глобальная пирамида работы имеет широкую основу не добавляющих ценность задач и очень узкую вершину добавляющих ценность задач. Наше видение – для открытия процессов перевернуть эту пирамиду.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Skan.