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

Авинаш Мисра является генеральным директором и сооснователем Skan. Авинаш – предприниматель с многолетним опытом, имеющий доказанный опыт вывода проектов из стадии семян до ликвидности. Он построил успешные проекты в области цифровой трансформации бизнеса, и его последний проект был приобретен компанией Genpact (NYSE: G). Идея Skan у Авинаша возникла в результате крупномасштабных проектов по трансформации бизнес-процессов, которые он возглавлял в течение последнего десятилетия.

Ваш предыдущий компания Endeavour Software Technologies была в конечном итоге приобретена Genpact. Что это была за компания и какие были основные уроки, которые вы 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 корпоративные мобильные приложения для улучшения и трансформации бизнес-процессов, ориентированных на клиентов.

Мы извлекли два основных урока. Во-первых, когда технология применяется только ради нее самой, она создает как технический, так и процессный долг. Во-вторых, наибольшую ценность можно получить, когда технология подходит к конечному пользователю с сочувствием и мыслительным подходом дизайна.

Можете ли вы рассказать историю о создании 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, это становилось еще одним пропущенным вариантом работы. Это был бесконечный цикл развертывания и неудач.

Итак, почему мы не знаем все нюансы бизнес-процессов?

Мы не знаем все нюансы бизнес-процессов, потому что вся открытие процессов осуществляется человеческими бизнес-аналитиками, которые просят процесс-агентов описать работу. Люди невероятно ненадежны в описании вещей, которые имеют чувство знакомства или привычные и рутинные. Это часто вещи, которые они могут сделать хорошо, но никогда не могут описать с необходимой точностью. Поэтому мы создали 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 для процессов, 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 измерить, проанализировать и улучшить KPI, которые стимулируют бизнес-результаты, такие как опыт клиента, доход и стоимость. Мы называем эту более широкую возможность интеллектом процессов или систематическим сбором данных и применением этого знания для контроля бизнес-результатов или для обучения, понимания и принятия решений.

Согласно исследованию, проведенному Ernst & Young, 30% до 50% проектов автоматизации терпят неудачу. Почему, по вашему мнению, это происходит так часто?

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

Например, чтобы квалифицировать проект автоматизации, нам нужно установить базовые KPI и создать бизнес-кейс. На этапе экспериментов нам нужно определить технологические закономерности и определить целевые (будущие) KPI на основе текущих KPI. На этапе проектирования, разработки, тестирования и операционизации нам нужно согласовать с коренной причиной проблемы, которую необходимо решить.

Наконец, на этапе проверки, где мы измеряем окупаемость инвестиций и реализацию выгод, нам нужно отслеживать текущие KPI и коренные причины. Итак, мы видим, что на протяжении всего жизненного цикла необходима прозрачность и отслеживаемость текущих KPI и коренных причин. И, однако, согласно исследованию Forrester Research (FORR ) (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 конфиденциальных 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 текстовые, так и изображения), абстрагирование 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 измерить, проанализировать и улучшить KPI, которые стимулируют бизнес-результаты. Некоторые примеры выводов:

Эффективность:

• Себестоимость производства
• Использование ресурсов (рабочей силы)
• Улучшение NPS

Эффективность:

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

Каково ваше видение будущего интеллекта процессов?

Наше видение будущего интеллекта процессов – трансформировать способ, которым люди работают, чтобы они могли улучшить производительность и достичь своего полного потенциала.

Сегодня глобальная пирамида работы имеет широкую основу невalue-adding задач и очень узкую вершину value-adding задач. Наше видение – инвертировать эту пирамиду с помощью открытия процессов.

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