Connect with us

Avinash Misra, VD och medgrundare av Skan.AI – Intervjuserie

Intervjuer

Avinash Misra, VD och medgrundare av Skan.AI – Intervjuserie

mm

Avinash Misra är VD och medgrundare av Skan. Avinash är en livslång entreprenör med en beprövad meritlista av att ta företag från start till likviditet. Han har byggt framgångsrika företag inom området företagsdigitalisering och hans senaste företag förvärvades av Genpact (NYSE: G). Avinashs insikt om Skan fick sin början i storskaliga affärsprocessförändringsprojekt som han har lett under det senaste decenniet.

Ditt tidigare företag Endeavour Software Technologies förvärvades slutligen av Genpact. Vad var detta företag och vad var några av de viktigaste lärdomarna du lärde dig?

Detta företag var en specialist inom digital transformation av företags frontoffice. Det vill säga, det specialiserade sig på att bygga och distribuera specifika teknologier som datorseende, chatbots/naturlig språkbehandling (NLP) och företagsmobila appar för att förbättra och transformera kundorienterade affärsprocesser.

Vi lärde oss två viktiga lärdomar. Först, när teknologi används för sin egen skull, skapar det både teknisk och processrelaterad skuld. Andra, det största värdet erhålls när tekniken specifikt närmar sig slutanvändaren med empati och en design-tänkande inställning.

Kan du dela berättelsen om Skans ursprung?

“Automatisering börjar när automatisering misslyckas.” På ett par ord, detta var vår början. När vi byggde RPA-robotar för komplexa affärsprocesser, noterade vi upprepade gånger att när en robot distribuerades, misslyckades den snabbt eftersom den inte tog hänsyn till alla nyanser, permutationer och undantag i affärsprocessen. Varje gång en robot misslyckades, blev det en mer saknad permutation av arbete. Det var en oändlig cykel av distribution och misslyckanden.

Så varför känner vi inte till alla nyanser av affärsprocesser?

Vi känner inte till alla nyanser av affärsprocesser eftersom all processupptäckt görs av mänskliga affärsanalytiker som ber processagenter att beskriva arbetet. Människor är spektakulärt opålitliga när det gäller att beskriva saker som har en känsla av bekantskap eller som är vana och rutin. Dessa är ofta saker de kan göra bra, men aldrig beskriva med den nödvändiga noggrannheten. Därför byggde vi Skan för att observera riktigt arbete och förstå att arbete och processerna, snarare än att intervjua och dokumentera människor.

Skan är delvis en processupptäcktsplattform. Kan du definiera vad processupptäckt är för våra läsare?

Processupptäckt är en bred term som hänvisar till handlingen att upptäcka eller lära sig hur processer fungerar på en operativ eller strukturerad nivå. Detta är särskilt utmanande med processer som involverar mänskliga systeminteraktioner med hundratals eller tusentals arbetare, dussintals programvaruapplikationer och komplexa arbetsflöden. Ett bra exempel är anspråkshanteringsprocessen.

Idag är Skan faktiskt mer än en processupptäcktsplattform. Skan genererar en djup förståelse av arbete (processupptäckt) och tillhandahåller avancerad analys för att hjälpa processägare och transformationsledare att mäta, analysera och förbättra KPI:er som driver affärsresultat som kundupplevelse, intäkter och kostnader. Vi kallar denna bredare funktion: processintelligens eller den systematiska insamlingen av data och tillämpningen av den kunskapen för att styra affärsresultat eller för att lära, förstå och fatta beslut.

Enligt en studie som utfördes av Ernst & Young, misslyckas 30% till 50% av automatiseringsprojekten. Varför tror du att detta är så högt?

Baserat på arbete med våra kunder, finner vi att en av de viktigaste hinder för automatiseringsframgång är brist på insyn i nuvarande tillstånd för KPI:er över hela automatiseringsprojektets livscykel.

Till exempel, för att kvalificera ett automatiseringsprojekt, behöver vi baslinjen för nuvarande tillstånd KPI:er och bygga en affärsfall. I experimentfasen behöver vi identifiera teknologimönster och definiera mål (att vara) KPI:er baserat på nuvarande tillstånd KPI:er. Under design-, utvecklings-, test- och driftsättningsfasen behöver vi anpassa oss till roten till problemet som ska lösas.

Slutligen, i valideringsfasen där vi mäter investeringsavkastning och fördelar, behöver vi spårbarhet till mål-KPI:erna. Så, vi ser att över hela denna livscykel, transparens och spårbarhet till nuvarande tillstånd KPI:er och roten till problemen är nödvändig. Och, ändå, enligt Forrester Research (2021), säger endast 16% av organisationerna att de har fullständig insyn i hur processer fungerar. Det är ingen överraskning att automatiseringsprojekt kämpar för att leverera värde.

Kan du förklara vilka procedurer Skan tar för att skydda integriteten för personer som övervakas och känsliga affärsdata?

Det är viktigt att notera att vi inte övervakar människor. Vi observerar endast specifika element av arbete (inte hela skärmen). Dessa element är specifika arbetsapplikationer som fördefinieras i förväg.

Det sagt, för alla applikationer som observeras, raderas all känslig arbetsdata. Vi har också möjlighet att anonymisera länken mellan den person som gjorde jobbet och processen. Namnen på de personer som arbetar i processen kan också anonymiseras.

Kan du diskutera hur Skan använder maskinlärning och specifikt djupinlärning?

Skan integrerar flera AI- och maskinlärningsalgoritmer för att hantera olika problem som att anonymisera känslig information (både text- och bilddata), abstrahera lågnivåhändelser till affärsaktiviteter, härleda processgrafer och upptäcka processvarianter.

Vilka är några exempel på handlingsbara insikter som har erhållits från denna process?

Skan hjälper processägare och transformationsledare att mäta, analysera och förbättra KPI:er som driver affärsresultat. Några exempel på insikter är:

Effektivitet:

  • Produktionsenhetskostnad
  • Resurs (arbetsstyrka) utnyttjande
  • NPS-förbättring

Effektivitet:

  • Automatiseringsupptäckt
  • Första passningsgrad
  • Processkompatibilitet
  • Kapacitetsplanering (arbetsstyrka)
  • Minskad processvariation

Vad är din vision för processintelligensens framtid?

Vår vision för processintelligensens framtid är att transformera sättet människor arbetar så att de kan förbättra produktiviteten och nå sin fulla potential.

Idag har den globala arbetspyramiden en bred bas av icke-värdeskapande uppgifter och en mycket smal topp av värdeskapande uppgifter. Vår vision är att processupptäckt ska vända på denna pyramid.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Skan.

Antoine är en visionär ledare och medgrundare av Unite.AI, driven av en outtröttlig passion för att forma och främja framtiden för AI och robotik. En serieentreprenör, han tror att AI kommer att vara lika omstörtande för samhället som elektricitet, och fångas ofta i extas över potentialen för omstörtande teknologier och AGI. Som en futurist, är han dedikerad till att utforska hur dessa innovationer kommer att forma vår värld. Dessutom är han grundare av Securities.io, en plattform som fokuserar på att investera i banbrytande teknologier som omdefinierar framtiden och omformar hela sektorer.