Blog – หน้า 3

RPA for Human Resource #2

กระบวนการอัตโนมัติสำหรับงานบุคคล

บทความวันนี้จะลงรายละเอียดในเรื่อง RPA for HR ซึ่งจะเน้นไปในการยกตัวอย่าง use case ในกระบวนการ HR “From hire until retired” ตั้งแต่วางแผนกำหนดกำลังคน ไปยังประกาศหา (รับสมัคร) สัมภาษณ์ บรรจุ ฝึกอบรม จ่ายเงินเดือน การทำรายงาน คำนวณเวลาเข้าออกงาน ประเมินผลงาน และอื่นๆ ตลอดกระบวนการทั้ง HRM, HRD

โดยตัวอย่างภาพด้านล่างเป็นภาพกระบวนการต่างๆที่เราสามารถประยุกต์ใช้งาน robot มาช่วย HR ในภาระงานเช่นคำนวณเงินเดือน (robot ตั้งสูตร ดึงข้อมูลเวลาเข้าออกงานอัตโนมัติจากระบบเป็นต้น) ภาระงานทำรายงานต่างๆ (ใช้ robot ดึงข้อมูลตามเวลาที่ตั้งไว้ เอามาทำสูตรใน excel และทำกราฟนำเสนอเป็นสไลด์ใน powerpoint แบบคนไม่ต้องยุ่งเกี่ยวได้เลย) ทั้งนี้ยังมีตัวอย่างอีกหลากหลายมากที่นำมาใช้ได้

อีกหนึ่งตัวอย่างที่แอดมินเคยทำคือใช้ robot มาช่วยในการอ่านข้อมูลผู้สมัครงาน (resume) โดยวิธีนี้แอดมินใช้ robot เปิดระบบหลังบ้านของ jobsDB หรือ jobsThai แล้วเข้าระบบหลังบ้าน ใส่ filter เพื่อค้นเอาเฉพาะตำแหน่งที่เราต้องการ จากนั้นโหลดไฟล์resume ที่ไม่มีโครงสร้างออกมาอ่าน หรือในอีกทางหนึ่งหากเป็นระบบหลังบ้านที่จะทำการส่ง email มาให้ HR เมื่อมีผู้สมัครส่งข้อมูลเข้ามาก็ตั้งค่าให้ robot ทำการเช็คเมล และอ่านเอกสารแนบ (attachment files) ได้ทันที คลิปวิดีโอด้านล่างเป็นอีกหนึ่งตัวอย่างที่ใช้ robot ทำงานอ่าน resume

ใช้ RPA + ai ช่วยในการรับสมัครงาน

RPA + ai for HR

ใช้ RPA+ ai ช่วยในการผูกใจพนักงานรุ่นใหม่ที่บริษัทมีหุ่นยนต์เป็นตัวอย่างในการทำงาน

ภาวะการปัจจุบันส่งผลมากต่อการลาออกของพนักงานจำนวนมาก กระทบต่อสภาพกำลังใจ ภาระงานที่ต้องต่อไปสู่ทีมงานชัดเจน รายงานวิจัยบอกชัดเลยว่า 71% มองว่าการที่องค์กรมี RPA ช่วยงานพนักงานจะสามารถทำให้เค้าโฟกัสอยู่ที่งานที่มีคุณค่า ส่งผลให้ทีมงานสร้างผลงานได้มากขึ้น (หรือไม่น้อยกว่าเดิม) และในอีกมุมคือเป็นจุดที่ช่วยดึงดูดทีมงานรุ่นใหม่ๆ ที่เข้าใจและพร้อมปรับตัวไปกับโลกเทคโนโลยีอย่าง ai มาร่วมงานได้อีกด้วย และเมื่อ HR ทำหน้าที่ในการสนับสนุนช่วยหาระบบ RPA ที่ดีมาใช้ในองค์กร จากผลงานวิจัยบอกว่าพนักงานเมื่อมีหุ่นยนต์มาช่วยเค้าจะจัดสรรเวลาได้ดีมากยิ่งขึ้นไปอีกจาก จากผลวิจัยบ่งบอกว่างานหลักยังเป็นเรื่องเดิมๆ วนๆมาให้ทำซ้ำๆ เช่น งานการอ่านและตอบอีเมล 42% งานประชุม 35% และงานคีย์ข้อมูลเข้าระบบซ้ำๆถึง 34% ทั้งนี้หากได้มีการประยุกต์ใช้ robot มาช่วยพนักงานเชื่อว่าเค้าจะจัดสรรเวลาสำหรับงานสร้างสรรค์ใหม่ๆได้ดีขึ้น

22% เพื่อสื่อสารกับลูกค้าหรือทีมงาน
17% เพื่อคิดหาโอกาสใหม่ๆ
16% สำหรับการวางแผนงานเชิงกลยุทธ์

โดย 91% เชื่อมั่นว่าเมื่อองค์กรได้ใช้ automation อย่างเต็มที่งานของตนเองจะพัฒนาขึ้นได้ แต่ฝ่าย HR ที่ทำหน้าที่หลักเรื่องการพัฒนาทรัพยากรต้องเชื่อมั่นและเชิญชวนให้พนักงานเข้ารับการฝึกอบรมตามโปรแกรมที่เหมาะสม

อีกหลากหลายตัวอย่างที่จะนำเสนอเช่น

งานเอกสารที่ต้องรับส่งสำหรับพนักงานใหม่ (ที่ผ่านการสัมภาษณ์)
งานการคีย์ข้อมูลเข้าระบบสำหรับ new-hire onboarding ที่ต้องส่งต่อเพื่อร่วมงานกับทีมงานไอทีในการสร้าง “ตัวตน” ของพนักงานสำหรับระบบต่างๆขององค์กร สิทธิต่างๆ รหัสผ่านและอื่นๆ
งาน expense management งานเบิกจ่ายที่ยังต้องรวบรวมใบเสร็จ บิลจอดรถ ค่าอาหารและการเดินทางและนำเข้าสู่ระบบด้วยการคีย์งาน การอนุมัติ
งานประเภท attendance tracking หรืองานที่ต้องนำข้อมูลจาก time sheet ต่างๆ ทั้งมีระบบและเป็น excel เข้าสู่ระบบการคำนวนรายได้พนักงาน
งานการจ่ายเงินเดือน โดยเป็นการนำเอาหุ่นยนต์ไปช่วยดึงข้อมูลจากแหล่งต่างๆ มาวางตามตำแหน่งและจัดสูตรคำนวนเพื่อป้องการความผิดพลาดของมนุษย์เป็นต้น

ยังคงมีเรื่องราวของการประยุกต์ใช้งาน RPA กับงาน HR อีกอย่างมากมาย ซึ่งผู้เขียนจะนำมาเล่าในบทความต่อๆไปอีกครับ

Source:

https://www.uipath.com/blog/digital-transformation/hybrid-work-model-needs-new-tech-stack

https://www.uipath.com/newsroom/new-uipath-study-reveals-half-of-office-workers-seeking-resignation?utm_source=marketo&utm_medium=blog_weekly_email&utm_content=06may2022

มองกระบวนการงาน HR เมื่อโจทย์เปลี่ยน ตัวช่วยมีอะไรบ้าง? – RPA for Human Resource #1

ปฎิเสธไม่ได้ว่าหนึ่งในฟันเฟืองสำคัญของการดำเนินธุรกิจ งาน Human Resource (HR) เป็นหน่วยงานที่สำคัญโดยหน้าที่หลักน่าจะเป็นการ “ค้นหา” และ “รักษา” พนักงานที่มีคุณภาพสูงในเวลาที่ต้องการเพื่อตอบโจทย์โลกธุรกิจที่ขับเคลื่อนด้วยภาวะที่ไม่เหมือนยุคก่อนโควิด

บทความในซีรี่ย์นี้จะแบ่งออกเป็นสามตอน โดยผู้เขียนจะเน้นเล่าเรื่องผลสรุปงานวิจัยการทำงานในโลกอนาคต แยกออกมาเป็นงานด้าน HR แบบเฉพาะเจาะจง และตัวช่วยงาน HR ในด้านเทคโนโลยีใหม่ๆอย่าง ai และ RPA ดังนี้

โลกการทำงานที่เปลี่ยนแปลงหลังยุค covid-19 “Hybrid Work Model” และคำทำนายถึงฉากทัศน์สี่รูปแบบ และตัวช่วยเรื่องเทคโนโลยี
Robotic Process Automation for HR team – ระบบ RPA สำหรับทีมงาน HR
Prioritize HR process with RPA tools (Heatmap tools) คัดสรรกระบวนการ HR โดยนำหุ่นยนต์มาเป็นตัวช่วย

ผู้เขียนอ้างอิงงานวิจัยของ ดร.การดี เลียวไพโรจน์ จากสถาบันวิจัย FutureLab (https://www.futuretaleslab.com/th/topics/futureresearch/article/future-of-work) ได้ออกมาแชร์งานวิจัยถึงเรื่องอนาคตของการทำงาน (Work) ในยุคต่อไป

สัญญาณการเปลี่ยนแปลง (Signals of change) เหตุการณ์แนวโน้มที่ก่อตัวและเกิดขึ้นจนเป็นแรงผลัดแรงดัน เช่น

เทคโนโลยีที่จะมาช่วยแบ่งเบาภาระหน้าที่คนทำงานเช่น AI หรือ Robots Co-workers
Ai เสริมการทำงานของผู้เชี่ยวชาญ มาช่วยคิดช่วยตัดสินใจแทนมนุษย์
เครือข่ายใหม่ๆ เช่น 6G รองรับการทำ IOT และหรือการสวมชุดทำงานเฉพาะทาง

ปัจจัยขับเคลื่อนหลัก (Key Driver for change) เช่น

พฤติกรรมที่เปลี่ยนเพราะแรงงานเปลี่ยนแปลงไปอย่างมาก อายุ แนวความคิด ทัศนคติ ความคาดหวัง
การทำงานที่ออกแบบเองจากผู้ปฎิบัติงาน (ไม่ง้อนายจ้างแล้ว)
การทำงานควบคู่ไปกับ ai ชั้นสูง
การวัดผลการทำงานแบบใหม่ เช่น Agile การแบ่งงานเป็นชิ้นๆเล็กๆ ซึ่งอาจส่งผลให้ความจงรักภักดีต่อองค์กรน้อยลง หรือหายไป

ทั้งหมดทั้งหลายเป็นผลให้เกิดการคาดคะเนฉากทัศน์ (Scenarios) เป็นสี่รูปแบบซึ่งไล่ตั้งแต่แย่ทีสุดไปถึงดีที่สุด (get out human “คนตกงาน สังคมเลวร้าย” – Monday again “คนไม่พัฒนา สังคมเหลื่อมล้ำ” – happy work & life “ประยุกต์คนและเทคโนโลยีเช่น ai ได้สำเร็จ คนพัฒนา มีความสุขในการงาน” – UBI as a Life Funder “ขั้นสูงสุด สังคม เศรษฐกิจ การเมืองสู่ยุคคุณภาพชีวิตสูงสุด”)

ผู้เขียนคิดเสมอว่าไม่มีอะไรแย่หรือว่าดีที่สุด จึงมองไปว่าฉากทัศน์ที่ใกล้ตัวทีสุด ณ ปัจจุบันและมองไกลไปสักหน่อยสำหรับ 5-10 ปี โดยเฉพาะในประเทศไทยเราน่าจะเป็น Scenario ที่ 2,3 (ฉากทัศน์สุดท้ายคงไม่เกิดในประเทศเรา หากยังเดินไปข้างหน้าด้วยสปีดในแบบปัจจุบัน) ดังนั้นการทำงานแบบผสมผสาน “Hybrid Work” จะเกิดขึ้นอย่างทันทีหลังเหตุการณ์ covid-19 และจะเดินหน้าเปลี่ยนแปลงวิธีคิดการทำงานทุกอย่างตั้งแต่นายจ้าง พนักงาน คู่ค้า ลูกค้า และแน่นอน HR ก็ต้องถูกกดดันไปด้วยในตัว

เมื่อสถานการณ์โควิดเป็นทั้งแรงผลักและแรงดัน รวมไปถึงขับเคลื่อนอย่างรวดเร็วสู่การทำงานแบบรีโมท (ทำงานจากระยะไกล เช่นจากที่บ้าน co-working space) แต่ไม่ใช่ทุกคนจะหลงรักการทำงานในรูปแบบนี้เพราะหลาย ๆ งานมันยากมากขึ้น ใช้เวลามากขึ้นกว่าจะเช็คกว่าจะเคลียร์ความเข้าใจกับเพื่อนร่วมงานและนำข้อมูลเข้าประมวลผล เป็นผลให้งานวิจัยมากมายอย่างของ Saleforce research บอกเลยว่า 64% อยากกลับเข้าทำงานในออฟฟิศ (ในรูปแบบเดิม) เป็นที่มาของแรงบีบให้ผู้บริหารต้องปิดตา เปิดหู รับฟังมากขึ้นและต้องจัดเตรียมทรัพยากรในการรองรับการทำงานในรูปแบบใหม่ “Hybrid working” ให้ดีที่สุดดังตัวอย่างจากประเทศสหรัฐอเมริกาเรื่องการลงทุนด้านไอทีดังนี้

เครื่องมือสำหรับพนักงานในการประชุม online (72%)
ระบบรักษาความปลอดภัยในการเชื่อมต่อต่าง ๆ (70%)
การฝึกอบรมสู่พนักงานในการประชุม ทำงานรูปแบบ online (64%)
ปรับห้องประชุมเพื่อรองรับการทำ virtual connectivity มากขึ้น (อุปกรณ่ต่าง ๆ ในห้องประชุม การถ่ายทอดสด และอื่น ๆ)(54%)

อนาคตอันใกล้คำว่า “Hybrid work” จะเป็นสิ่งที่ทุกคนคุ้นเคยอย่างแน่นอนเนื่องด้วยปัจจัยที่กล่าวไปข้างต้น โจทย์จึงมาอยู่ที่ผู้บริหารต้องวางแผนการทำงานในรูปแบบนี้ให้มีประสิทธิภาพมากที่สุด ทั้งนี้ไม่ใช่คิดแค่ desktop PC สำหรับโต้ะพนักงาน และ notebook สำหรับแจกเพื่อให้ทำงานจากที่บ้านแค่นั้น แต่ต้องรวมไปถึงการคิดนอกกรอบอื่น ๆ เพิ่มขึ้นไปด้วยเช่นการวางแผนงบประมาณ การสนับสนุนการทำงานในรูปแบบใหม่ซึ่งต้องพิจารณารูปแบบว่า technology ที่องค์กรใช้อยู่ในปัจจุบันรองรับทั้งหมดหรือไม่ซึ่งพระเอก ณ ตอนนี้น่าจะเป็นระบบ cloud infra รวมไปถึงบริการ managed service ทั้งหลายที่จะมาช่วยองค์กร (การลงทุนใน hardware, software จะหดหายไปบ้าง) ระบบรักษาความปลอดภัยเองก็จำเป็นต้องถูกอัพเกรดให้แข็งแกร่งมากขึ้นไปตามสถานการณ์

และแน่นอนพระเอกคนสำคัญที่จะมาช่วยให้การทำงานในแบบ Hybrid Work รวดเร็วขึ้น ผิดพลาดน้อยลง ไม่เปลี่ยนแปลงแนวปฎิบัติมากมายนักคงเป็นระบบ “automation” อย่างที่สถาบันวิจัย Forrest research กล่าวไว้ว่า “เมื่อสถานการณ์โรคระบาดคลี่คลายลงไป องค์กรจะถูกปรับโครงสร้างอย่างรุนแรงด้วยความจริงที่ว่าพนักงานสามารถทำงานได้จากนอกออฟฟิศ ระบบอัตโนมัติจะเข้ามาปรับทรัพยากรที่ไร้คุณค่า จัดกระบวนการทำงานใหม่ให้องค์กรพร้อมสำหรับโลกธุรกิจใหม่”

ความจริงนี้ถูกส่งผ่านการลงทุน การ implement ระบบ RPA ในองค์กรใหญ่ๆมากมายโดยมีมากกว่า 56% ที่ใช้ระบบนี้อยู่ (และจะพัฒนาต่อไป) อีก 17% วางแผนจะใช้งานในปีหน้า และ 8% วางแผนจะใช้ในอีกสองปี นั่นหมายถึงการ shift to hybrid work model เกือบจะทั้งหมด … ลองคิดดูหากท่านยังไม่ได้พิจารณาในเรื่องราวเหล่านี้ในองค์กรของท่านจะถูกทิ้งห่างไปไกลขนาดไหน

common business process for RPA (potential)

ในบทความหน้าผู้เขียนจะมาขยายความของ RPA หรือระบบอัตโนมัติโดยเจาะไปที่งาน Human Resource ไว้รอติดตามกันครับ ขอบคุณครับ

Source:

https://www.futuretaleslab.com/th/topics/futureresearch/article/future-of-work

https://www.uipath.com/blog/digital-transformation/hybrid-work-model-needs-new-tech-stack

Process Heatmap เครื่องมือคัดสรร RPA process – ธุรกิจประกัน

สวัสดีครับ

คำถามหนึ่งที่มักเกิดขึ้นเสมอจากลูกค้าองค์ที่ให้ทีม automat เป็นที่ปรึกษาสำหรับโครงการ RPA คือเราควรใช้ robots กับกระบวนการทำงานไหนบ้าง ?

องค์กรของเรานั้นประกอบขึ้นด้วยกระบวนการทำงานหรือ Process จำนวนมาก โดยมีทั้งกระบวนการทำงานทั้งที่เป็นมาตรฐานขององค์กรทางธุรกิจทั่วไป เช่นการบริหารงานบุคคล การตลาด การขาย ระบบบัญชี เป็นต้น และกระบวนการทำงานที่เป็นเรื่องเฉพาะของอุตสาหกรรมใดอุตสาหกรรมหนึ่ง เช่นกระบวนการเคลมของธุรกิจประกัน กระบวนการ KYC/CDD ของกลุ่มสถาบันการเงิน กระบวนการลงทะเบียนผู้ป่วยของธุรกิจโรงพยาบาล เป็นต้น

องค์กรมีวิธีการคัดเลือกกระบวนการทำงานเพื่อพัฒนาเป็นระบบอัตโนมัติได้ทั้งแบบ top down หรือการวางแผนและเป้าหมายระดับองค์กร ผู้บริหารระดับองค์กรรับทราบและให้การสนับสนุนทรัพยากร มีการจัดลำดับความสำคัญของการพัฒนาระบบ RPA ตามเป้าหมายว่าเรื่องไหนควรหยิบมาทำก่อน กับอีกแบบหนึ่งที่เรียกว่า bottom up โดยมีผู้บริหารระดับหน่วยงาน หรือเจ้าหน้าที่ผู้ปฎิบัติงานเป็นผู้กำหนดความต้องการและขอการสนับสนุนไปยังหน่วยงานไอทีและผู้บริหารระดับองค์กรเพื่อทำโครงการ

ทั้งนี้เครื่องมือหนึ่งที่ผู้บริหารระดับองค์กรและระดับหน่วยงาน รวมถึงเจ้าหน้าที่และคณะทำงานโครงการ RPA สามารถนำมาใช้เป็นแนวทางในการเลือก Process ที่เหมาะสมก็คือ Process Heatmap

Process Heatmap เป็นผังของกลุ่มงานที่แสดงถึงระดับความเหมาะสมและโอกาสประสบความสำเร็จในการพัฒนากระบวนการทำงานให้เป็นระบบ RPA โดยแสดงเป็นความแตกต่างของเฉดสีของแต่ละระดับว่ากลุ่มงานไหนเป็น high potential, medium potential หรือ low potential

ในบทความนี้ผู้เขียนขอกล่าวถึง Process Heatmap ที่จัดทำขึ้นสำหรับธุรกิจประกันให้ท่านผู้อ่านรับทราบเป็นตัวอย่างก่อนครับ(Process Heatmap มีทั้งแบบที่แสดงเป็นรายธุรกิจและเป็นรายฟังชั่นงานในองค์กร)

กระบวนการทำงานที่เห็นเป็นสีนำเงินเข้มแสดงกลุ่มงานที่เป็น High Automation Potential กล่าวคือเป็นกระบวนการทำงานที่มีศักยภาพ มีความเหมาะสมกับการพัฒนาให้เป็นระบบงานอัตโนมัติด้วย RPA เนื่องจากมีกฎเกณฑ์การทำงานที่ชัดเจนสามารถสร้างเป็นคำสั่งให้โรบอททำงาน มีปริมาณธุรกรรมสูงใช้เวลามากในการจัดการซึ่งก็หมายถึงประโยชน์สูงที่จะได้รับถ้ากระบวนการทำงานถูกทำด้วยโรบอท มีรูปแบบและขั้นตอนการทำงานที่ซ้ำสำหรับแต่ละธุรกรรม

ตัวอย่างของกระบวนการทำงานที่อยุ่ในกลุ่มนี้ เช่น

Renewal Notices: เป็นการแจ้งเตือนต่ออายุกรมธรรพ์สำหรับผู้ถือกรมธรรพ์เดิม ด้วยความที่ข้อมูลทั้งหมดอยู่ในระบบ Core Insurance Systems อยู่แล้วทั้งข้อมูลลูกค้า ความคุ้มครอง ประวัติการเคลม ทำให้การออกใบเตือนต่ออายุและส่งให้ลูกค้าตามช่องทางต่างๆเป็นงานที่โรบอททำได้ทั้งหมด

Collection Management: เป็นกระบวนการจัดการการวางบิลและติดตามการชำระเงิน โดยโรบอทจะรวบรวมข้อมูลของกรมธรรพ์ที่ถึงกำหนดด้องชำระหรือค้างชำระ การจัดการเงื่อนไขการวางบิลต่างๆซึ่งขึ้นอยู่กับว่าเป็นการแจ้งการชำระเงินผ่านตัวแทน ผ่านบริษัทนายหน้า หรือแจ้งไปที่ผู้ถือกรมธรรพ์ ซึ่งจะมีเงื่อนไขและรูปแบบการวางบิลที่ต่างกัน เช่นเรื่องการคำนวนภาษี ค่าคอมมิชชั่น ตลอดจนถึงช่องทางการรับเอกสาร

Policy Changes: การเปลี่ยนแปลงข้อมูลในกรมธรรพ์เป็นเรื่องที่เกิดขึ้นได้เมื่อเวลาผ่านไป เช่นการเปลี่ยนนามสกุลภายหลังการแต่งงาน การเปลี่ยนที่อยู่ การเปลี่ยนชื่อผู้รับผลประโยชน์จากบิดามารดาเป็นชื่อสามี ภรรยาหรือบุตร เป็นต้น ซึ่งการยื่นคำร้องของแก้ไขข้อมูลเหล่านี้จะต้องมีเอกสารหลักฐานยื่นเข้ามาพร้อมกัน ซึ่งโรบอทสามารถเข้ามาช่วยทดแทนการทำงานของเจ้าหน้าที่ได้ตั้งแต่การตรวจสอบความครบถ้วนของเอกสาร การบันทึกข้อมูลที่ขอเปลี่ยนแปลงจากแบบฟอร์มคำขอลงในแอพลิเคชั่นงานประกัน การทำเรื่องขออนุมัติตามเงื่อนไขที่มี การเปลี่ยนแปลงข้อมูลจนถึงการแจ้งผลของคำขอเปลี่ยนข้อมูลและการส่งเอกสารกลับไปที่ผู้ถือกรมธรรพ์

KYC: การใช้โรบอทเพื่อทำความรู้จักและพิสูจน์ตัวตนลูกค้าว่าเป็นบุคคลรายนั้นจริง เพื่อป้องกันการทุจริตจากการปลอมแปลงหรือใช้ข้อมูลบุคคลอื่นในการทำธุรกรรมตามข้อกำหนดของสำนักงานคปภ ทั้งนี้โรบอทจะเริ่มทำงานตั้งแต่ขั้นตอนการรับข้อมูลคำขอเปิดบัญชีของลูกค้า การตรวจสอบความถูกต้องของเอกสารยืนยันตนเอง การกำหนด Risk Profile จนถึงการสร้างบัญชีลูกค้าตามคำขอเมื่อผ่านเกณฑ์การคัดกรองดังกล่าวแล้ว

Claims: กระบวนการเคลมประกันเป็นอีกหนึ่งกระบวนการของธุรกิจประกันที่มีการนำ RPA เข้ามาใช้ได้หลายส่วน ทั้งนี้โรบอทเริ่มทำงานตั้งแต่ขั้นตอนการรับแจ้งความเสียหายครั้งแรก (First Notice of Loss หรือ FNOL) โดยการอ่านข้อมูลจากอีเมล แบบฟอร์มออนไลน์ หรือเอกสารที่ถูกสแกน จากนั้นก็เป็นการตรวจสอบสถานะของกรมธรรพ์ ความครบถ้วนของเอกสารหลักฐาน การบันทึกข้อมูลเข้าระบบเคลมจนได้หมายเลขเคลม การแจ้งสถานะและค่าสินไหม ฯลฯ

ส่วนกลุ่มที่มีสีน้ำเงินจางลงมาขั้นหนึ่งเราจัดเป็นกลุ่ม Medium Automation Potential ซึ่งมีความน่าสนใจน้อยลงกว่ากลุ่มสีน้ำเงินเข้ม เนื่องจากบางขั้นตอนของกระบวนการยังต้องใช้คนเข้ามาทำงานอยู่ หรือมีกฎเกณฑ์การทำงานที่ค่อนข้างซับซ้อนต่อการสั่งงานโรบอท ยกตัวอย่างเช่นงาน Renewal Processing หรือกระบวนการต่ออายุกรมธรรพ์หลังจากที่มีการแจ้งเตือนต่ออายุไปและอาจมีทั้งผู้ที่ต่ออายุและผู้ที่ไม่ต่ออายุ ซึ่งถ้าเป็นการทำงานร่วมกับตัวแทน (agent) หรือนายหน้า (broker) ก็จะมีการสั่งงานการต่ออายุเข้ามาว่ากรมธรรพ์ไหนที่ต้องต่ออายุและกรมธรรพ์ไหนมีการเปลี่ยนแปลงข้อมูลไปจากเดิม เจ้าหน้าที่จะต้องเข้ามาจัดเตรียมข้อมูล (data preparation) เพื่อให้โรบอทใช้ทำงานต่ออายุประกันภัย รวมทั้งอาจต้องเข้ามา verify ข้อมูลที่เปลี่ยนแปลงว่าเป็นการเปลี่ยนจริงๆหรืออาจมีข้อผิดพลาดของการแจ้งข้อมูล

กลุ่มสุดท้ายหรือกลุ่มที่มีสีจางที่สุดคือกลุ่มที่ควรหลีกเลี่ยงหรือไม่ควรถูกนำมาพิจารณาในช่วงต้นของโครงการ

เราสามารถใช้ Process Heatmap เป็นแนวทางในการเลือกกระบวนการทำงานที่เหมาะสมสำหรับนำมาพัฒนาด้วย RPA ได้เนื่องจาก Process Heatmap เกิดจากการรวบรวมข้อมูลจำนวนมากของการพัฒนางาน RPA และผลลัพธ์ที่ได้ แต่อย่างไรก็ตาม สุดท้ายการตัดสินว่ากระบวนการทำงานไหนที่ควรหยิบขึ้นมาพัฒนาด้วย RPA ก็อยู่ที่ตัวเราเองครับ ทั้งนี้เพราะการพิจารณาเลือกกระบวนการทำงานจะต้องคำนึงถึงทั้งความยากของการพัฒนา (Complexity) และประโยชน์ที่จะได้รับ (Benefit) ถ้าเราพิจารณาแล้วเห็นว่าฝั่งของประโยชน์ที่จะได้รับมีน้ำหนักมากกว่า คุ้มค่ากว่า เราก็สามารถเลือกกระบวนการทำงานดังกล่าวเข้าสู่ pipeline ของโครงการได้

ก่อนจากกัน มีอีกหนึ่งประเด็นที่อยากกล่าวถึงคือ ธุรกิจประกันจัดเป็นธุรกิจที่มีเอกสารเกี่ยวข้องเป็นจำนวนมาก เอกสารที่มาจากภายนอก เช่น ใบสมัครขอรับประกัน เอกสารแนบ เอกสารหลักฐานที่ต้องใช้ประกอบการพิจารณา แบบฟอร์มต่างๆ เป็นต้น ซึ่งถ้าเรายังหาวิธีที่จะนำข้อมูลจากเอกสารเหล่านี้มาใช้งานได้ กระบวนการ RPA ของเราก็ยังไม่มีประสิทธิภาพเพียงพอ เนื่องจากต้องมีงานส่วนที่เจ้าหน้าที่ของเราต้องใช้เวลากับการนำข้อมูลเหล่านี้เข่าระบบในแบบ manual ในปัจจุบันเครื่องมืออย่าง intelligence Document Processing หรือ IDP ได้ถูกพัฒนาให้มีความสามารถในการอ่านข้อมูลที่ข้ามข้อจำกัดของการใช้เทคโนโลยี Optical Character Recognition หรือ OCR เพียงอย่างเดียว โดยมีการนำ Machine Learning Model เข้ามาช่วยในการอ่านข้อมูลทำให้การใช้งาน RPA ในองค์กรมีความสมบูรณ์แบบยิ่งขึ้น

ในบทความตอนต่อๆไป ถ้ามีโอกาสผมจะนำ Process Heatmap สำหรับฟังชั่นงานอื่นหรือกลุ่มธุรกิจอื่นมาเล่าในรายละเอียดครับ

ขอบคุณครับ

Credit: JOLT Advantage Group, UiPath Global Certified Professional Services Partner

เพิ่มพลังโรบอทด้วยเอไอ #1 AI in Manufacturing

ผู้เขียนเพิ่งได้มีโอกาสเข้ารับฟัง webinar session ที่จัดโดย UiPath ในงาน AI Summit 2022 ซึ่งจัดขึ้นทุกปีโดยปีนี้เป็นแบบ online มี session น่าสนใจมากมายซึ่งหนึ่งในนั้นเป็น break out session by industry แยกเฉพาะธุรกิจกันไปเลยว่าแต่ละภาคนั้นใช้ AI มาผลักดันให้ RPA ทำงานได้ดีมากขึ้นแค่ไหน use case ดี ๆ และแน่นอนบทเรียน ประสบการณ์ก่อน หลังการใช้ AI ได้ถูกแบ่งปันผ่านมาด้วย วันนี้เลยขอเอามาสรุปสั้น ๆ เพื่อเป็นประโยชน์กับผู้อ่านในภาคอุตสาหกรรมนั้น ๆ ครับ

โดยมีการแบ่งเนื้อหาเป็นสองเรื่องหลัก ๆ คือ แนวโน้มการใช้งาน ai + rpa ในภาคอุตสาหกรรม และการแบ่งปัน use case บทเรียนจากองค์กรที่ทำจริง ๆ และเนื้อหาที่ผ่านไปให้คิด ทำพัฒนากันต่อ … ในตอนแรกจะบอกไปถึงสาเหตุเริ่มต้นว่าทำไมโรงงานอุตสาหกรรมถึงต้องมาทำ automation โดยหลาย ๆ ที่เริ่มจากอยากช่วยพนักงานให้ทำงานเท่าเดิม แต่ได้งานเพิ่มขึ้น การเชื่อมต่อไปยังการเข้าถึงลูกค้าในช่องทางต่าง ๆ รวมไปถึงกระบวนการภายในและภายนอกในกระบวนการ SCM และสุดท้ายคือต่อยอดไปเรื่อง R&D ของทั้งสินค้าและบริการทั้ง ecosystems โดยตัวแนวโน้มจะเอ่ยไปถึงการใช้งานข้อมูลจำนวนมหาศาลถึง 1.812 petabytes (จะบอกว่าภาคโรงงานนี้ใช้ดิจิตอลเยอะมาก ๆ) มีมากกว่า 27% ที่ประยุกต์ใช้ ai จนสร้างมูลค่าเพิ่มได้แล้ว การนำเอา ai ไปใช่การพยากรณ์ที่จะแม่นยำมากขึ้น และสุดท้ายจะส่งผลให้ประสิทธิภาพของการผลิตโดยรวมดีขึ้นถึง 45%-60% นั่นเอง

มีเคสที่มาแชร์จำนวน 3 เคสจากยุโรป (REHAU, BSH และ Drager) ทั้งสามเป็นบริษัทในอุตสาหกรรมเฟอร์นิเจอร์ โพลิเมอร์ และสุดท้ายคือบริษัทผลิตอุปกรณ์ช่วยหายใจ ป้องกัน ตรวจจับ และวิเคราะห์ก๊าซจากเยอรมัน โดยทั้งสามองค์กรมีพนักงาน 15,000-60,000 คนขึ้นไป ทำการผลิต OEM การตลาดไปทั่วยุโรป และเอเชีย

REHAU (https://www.rehau.com/group-en/about-us)

นำเอา ai มาช่วยในการ automate ระบบ sales order จากข้อมูลที่ไหลผ่านมาทาง email, fax และแน่นอนไม่มีรูปแบบที่แน่ชัด
เหตุผลที่นำมาพัฒนาใช้งานเนื่องด้วยปริมาณการสั่งซื้อเข้ามามาก รับงานไม่ทัน และในขณะที่ไม่ต้องการว่าจ้างทีม sales admin มาเพิ่มเป็นต้นทุนที่สูง
โดย 25% เป็นคำสั่งซื้อที่มีความซับซ้อนจากแผนกโครงการ และ 6% เป็นจากการขายเฟอร์นิเจอร์
ความท้าทายในโครงการนี้คือการขาดความรู้ ทักษะสำหรับคนภายในทีม จึงไปติดต่อที่ปรึกษาที่เชี๋ยวชาญมาไกด์ การใช้งาน UiPath Document Understanding ในรูปแบบที่ไม่ใช่ Pre-Built ต้อง Train Model ใหม่ รวมไปถึงจำนวนเอกสารที่ให้ ML training ก็ต้องมีปริมาณในระดับหนึ่ง
ในอนาคตมองเรื่องการขยายการใช้งาน ai ในการอ่านเอกสารเพิ่มเติมนอกจาก order เป็น Shipment Tracking Status, Freight Invoice audit, HR process รวมไปถึงการประยุกต์ใช้ ai chatbot อีกด้วย

B/S/H (https://www.bsh-group.com)

บริษัทร่วมทุนยักษ์ใหญ่ในยุโรป ที่ผลิตเครื่องใช้ในบ้าน Bosch, GmbH และ Siemens AG
เริ่มศึกษา พัฒนาทีมพัฒนาคนในด้าน data science ปี 2017 จนในปี 2021 มี data science use case มากกว่า 20 เคส มีCitizen Data Scientists มากกว่า 400 คน
เมื่อทีมพร้อม และได้มาพบกับ RPA technology จาก UiPath ทำให้เกิด POC ที่ประสบผลสำเร็จเหมือนเจอกันถูกตัว
ปัจจุบันใช้งาน RPA มาช่วยในกระบวนการมากกว่า 100 process เลยทีเดียว
เริ่มเอา ai มาใช้ควบคู่เพื่อยกระดับการใช้ RPA มีการนำเอา ai ในรูปแบบText Classification for Quality Management Production (text mining) ai ช่วยอ่านเอกสารข้อมูลแนะนำ ปรับปรุงผลิตภัณฑ์ แยกหมวดหมู่และส่งต่อให้คนที่เกี่ยวข้อง, ai ด้าน internal chatbot ในองค์กร
เริ่มใช้ UiPath Document Understanding มาใช้แยกแยะ อ่าน และนำเข้าข้อมูลอีกด้วย

Dräger (https://www.draeger.com/th_th/Home)

ตั้งทีมในรูปแบบเล็ก ๆ แต่มี core team (HQ and Int) กำหนดนโยบาย และคอยช่วยตรวจสอบ (monitoring )กระบวนการที่ทำโดย RPA Dev จากบริษัทในประเทศนั้น ๆ มี (RPA Developer and Process Owner) คอยพัฒนาทดสอบ และใช้งาน
เริ่มจาก 14 RPA process ในปี 2018 จนมาถึง 82 RPA process ในปัจจุบัน
มองเป็น step จาก 4 step model for intelligent process automation
- Robotic process automation (ทำได้แล้ว)
- Cognitive automation (กำลังพัฒนา)
- Digital Assistants (วางแผน)
- Autonomous Agents (วางแผน)
ริเริ่มการใช้ DU (Document Understanding) โดยเป็น intercompany invoice ก่อน
ใช้ DU ดึงเอา contract no. แล้วสร้าง RegEx Extractor ดึงข้อมูลมาใช้งาน
ใช้ DU ดึงข้อมูลเอกสารมาทำ Order Entry ในระบบ Microsoft NAV

ทั้งนี้ผู้เขียนมีความเห็นว่ายิ่งมีการพัฒนาองค์ความรู้ทางด้าน ai มาผนวกเข้ากับความรู้ด้านการพัฒนากระบวนการ RPA ได้มากขึ้น จะทำให้เราใช้เทคโนโลยีเพื่อออกแบบกระบวนการ (ใหม่) ที่จะสั้น กระชับรวดเร็ว ตรวจสอบได้และไม่ต้องใช้แรงงานมนุษย์มากขึ้น สรุปคือ ai + rpa จะเป็นเทคโนโลยีที่จะก้าวหน้าขึ้นไปอีกดังนั้นผู้อ่านก็ควรติดตาม และพัฒนาทักษะตามไปด้วยกันครับ

แหล่งที่มา

https://gateway.on24.com/wcc/eh/3423204/lp/3644042/breakout-session-ai-in-manufacturing

https://www.uipath.com/events/ai-summit

การประยุกต์ใช้ระบบ RPA กับกระบวนการ Know-Your-Customer (KYC)

สวัสดีครับ

กระบวนการรู้จักลูกค้า (Know-Your-Customer or KYC) เป็นมาตรการที่เราคุ้นเคยกันดี เนื่องจากเรามักจะถูกขอให้ชี้แจงข้อมูลส่วนตัวอยู่เสมอเวลาที่ขอเปิดบัญชีเงินฝาก บัญชีซื้อขายหลักทรัพย์หรือกระทั่งการขอความคุ้มครองจากการซื้อกรมธรรพ์ประกันภัย กับสถาบันการเงินอย่าง บริษัทหลักทรัพย์ หรือบริษัทประกันภัย เป็นต้น

KYC จะมาคู่กับคำว่า CDD หรือ Customer Due Diligence ซึ่งเป็นการตรวจสอบข้อเท็จจริงเกี่ยวกับลูกค้า โดยมีกระบวนการประเมินและจัดการความเสี่ยง การติดตามความเคลื่อนไหวทางการเงินก่อนการอนุมัติรับลูกค้า พักหลังเราเลยจะได้ยินคำว่า KYC/CDD มากกว่า KYC เฉยๆ

บริษัทต่าง ๆ โดยเฉพาะบริษัทในกลุ่มสถาบันการเงินมีการใช้ KYC/CDD เพื่อทำความรู้จักและพิสูจน์ตัวตนลูกค้าว่าเป็นบุคคลรายนั้นจริง เพื่อป้องกันการทุจริตจากการปลอมแปลงหรือใช้ข้อมูลบุคคลอื่นในการทำธุรกรรมทางการเงิน รวมถึงเป็นมาตรการป้องกันและปราบปรามการฟอกเงิน และการสนับสนุนทางการเงินแก่การก่อการร้าย หรือการกระทำความผิดอื่น ๆ

ทั้งนี้หน่วยงานที่มีหน้าที่กำกับดูแล เช่น ธนาคารแห่งประเทศไทย สำนักงาน ปปง. สำนักงาน คปภ. เป็นต้น ต่างออกหลักเกณฑ์และข้อปฎิบัติของหน่วยงานภายใต้การกำกับดูแลของตนเองสำหรับการทำ KYC ก่อนการทำธุรกรรมกับลูกค้า รวมทั้งผลที่ตามมาเช่น ค่าปรับ ในกรณีที่บริษัทไม่มีกระบวนการกำกับ ควบคุมและกลั่นกรองการ KYC/CDD ที่เป็นมาตรฐาน

เรียกได้ว่างาน KYC/CDD นี้มีความสำคัญในลักษณะที่เป็นภาคบังคับที่ต้องทำของบริษัทหรือองค์กรที่ถูกกำหนดให้ต้องทำเรื่องเหล่านี้ และการที่ต้องรักษาขั้นตอนการทำงานให้เป็นมาตรฐานอยู่ตลอดเวลาก็ถือเป็นหน้าที่ และภาระของเจ้าหน้าที่ผู้รับผิดชอบที่ใช้เวลากับเรื่องนี้พอสมควร

การทำ KYC หรือ KYC/CDD นี้ สามารถเกิดขึ้นได้ทั้งผ่านระบบออฟไลน์ เช่นการไปทำธุรกรรมที่ธนาคาร เพื่อให้ธนาคารเทียบระหว่างหน้าบัตรกับหน้าจริง ๆ ของเรา หรือว่าทางออนไลน์ที่เรียกว่า E-KYC โดยมักเริ่มต้นด้วยการเก็บข้อมูลพื้นฐานของลูกค้า เช่น ชื่อ เลขประจำตัวประชาชน วันเกิด หรือที่อยู่ บริษัทสามารถให้ลูกค้าของตนเองทำ KYC ได้หลายรูปแบบแล้วแต่ข้อบังคับหรือความจำเป็นทางธุรกิจของแต่ละบริษัท

จากธรรมชาติของงานที่มีเงื่อนไขการทำงานที่ชัดเจน การที่องค์กรต่าง ๆ มีการใช้แอพพลิเคชั่นและช่องทางติดต่อกับลูกค้าแบบออนไลน์ และเป็นข้อมูล digital อยู่แล้วในสัดส่วนที่มาก และมีปริมาณธุรกรรมเป็นจำนวนมาก ทำให้กระบวนการ KYC/CDD มีความเหมาะสมในการนำโรบอทของระบบ Robotic Process Automation (RPA) เข้ามาช่วยทำงาน ส่วนที่ว่าโรบอทต้องทำอะไรบ้างนั้นผมขอใช้ Workflow Diagram ของ UiPath ในการช่วยอธิบายครับ

จาก Diagram ด้านล่าง เราสามารถนำ RPA เข้ามาทำงานในส่วนนี้ได้ตั้งแต่ขั้นตอนแรกคือการติดต่อกับลูกค้าจนถึงการเปิดบัญชีให้ลูกค้าได้ซึ่งเป็น output ของกระบวนการ

สถาบันการเงินที่เป็นธนาคารหรือองค์กรทางการเงินประเภทอื่น ๆ สามารถประยุกต์การทำงานจากขั้นตอนเหล่านี้ได้เหมือนกันโดยเริ่มจาก

Onboarding request: สถาบันการเงินที่มีช่องทางติดต่อหลายช่องทางกับลูกค้าตนเองหรือลูกค้าเป้าหมายจะได้เปรียบเพราะสามารถเปิดโอกาสให้ลูกค้าได้ส่งคำขอเปิดบัญชีได้หลายช่องทางทั้ง online ผ่าน website/Chatbot, ตู้ Kiosk หรือที่สาขา เข้ามาที่ส่วนกลางโดยมีโรบอททำหน้าที่รับข้อมูลที่เข้ามา ระบุจุดที่ข้อมูลมาไม่ครบหรือส่วนของข้อมูลที่น่าจะผิด เราสามารถใช้ทั้งโรบอทแบบ attended หรือ unattended เข้ามาจัดการตรงนี้ ขึ้นอยู่กับช่องทางที่คำขอเปิดบัญชีเข้ามา

2&3 Prove of identity/income verification: ขั้นตอนนี้จะเป็นการตรวจสอบความถูกต้องของเอกสารยืนยัน ตนเองซึ่งก็มักจะเป็นเอกสารที่ออกให้โดยหน่วยงานราชการอย่าง บัตรประชาชน สำเนาทะเบียนบ้าน รวมทั้งเอกสารอื่น ๆ ที่จำเป็นต้องใช้เพื่อแจกแจงที่มาของเงินทุนหรือความสามารถในการลงทุน ในกรณีการเปิดบัญชีด้านการลงทุน ก็ต้องใช้เอกสารอย่าง slip เงินเดือน สมุดปัญชีเงินฝาก ฟอร์ม FATCA เป็นต้น ทั้งนี้การตรวจสอบเอกสารดังกล่าวจะต้องใช้ฟังชั่น Optical Character Recognition (OCR) เข้ามาอ่านข้อมูลให้เป็นข้อมูล digital ก่อนจะนำไป validate เพื่อตรวจสอบความถูกต้องต่อไป

4. Sanction and Politically Exposed Person (PEP) screening: การตรวจสอบสถานภาพบุคคลว่าอยู่ในข่ายที่กำลังถูกแซงชั่น หรือคว่ำบาตรจากการกระทำผิดหรือมีความเสี่ยงเกี่ยวกับสถานภาพทางการเมืองหรือไม่ ในกรณีของประเทศเราสามารถประยุกต์เข้ากับความเสี่ยงของการเกี่ยวข้องกับผู้กระทำผิดหรือติด แบล็คลีสต์ที่เป็นข้อต้องห้ามของการทำธุรกรรม ซึ่งสามารถใช้โรบอทตรวจสอบชื่อหรือข้อมูลส่วนตัวกับฐานข้อมูลผู้กระทำผิดได้

5. Risk rating approval: โรบอทสามารถใช้ข้อมูลทั้งหมดที่ถูกรวมรวมจากขั้นตอนที่ได้กล่าวถึง มาสร้างเป็นโปรไฟล์ของลูกค้านั้น ๆ แล้วส่งต่อเข้ากระบวนการขออนุมัติตามลำดับขั้นของความเสี่ยง (Risk Category) ที่ถูกกำหนดขึ้น

6. Onboarding and account creation: เมื่อคำขอเปิดบัญชีได้รับการอนุมัติแล้ว โรบอทจะสร้างบัญชีของลูกค้าพร้อมข้อมูลต่าง ๆ ที่เกี่ยวข้องกับลักษณะของบัญชีนั้น ๆ ในระบบแอพพลิเคชั่นหลักเช่นระบบ Core Insurance, Core Banking, Loan Application เป็นต้น รวมทั้งการแจ้งผลการอนุมัติแก่ลูกค้าทางอีเมลและเปิดใช้บริการที่ร้องขอต่อไป

กระบวนการ RPA สำหรับงาน KYC/CDD ของสถาบันการเงินสามารถช่วยให้องค์กรประหยัดชั่วโมงการทำงานของเจ้าหน้าที่ลงได้มาก เนื่องจากปริมาณคำขอเปิดบัญชีประเภทต่าง ๆ มีจำนวนมากในแต่ละวัน ซึ่งเป็นผลมาจากการที่สถาบันการเงินต่าง ๆ มีผลิตภัณฑ์ใหม่ๆออกสู่ท้องตลาดอยู่ตลอดเวลา ประกอบกับวิถีชีวิตของประชาชนที่มีความสะดวกเพิ่มขึ้นในเรื่องการคมนาคมและการเชื่อมต่อกับโลกออนไลน์ทำให้การตัดสินใจขอเปิดบัญชีใหม่เป็นเรื่องง่ายและทำได้เร็ว ในขณะที่งาน KYC/CDD เองถือเป็นการปฎิบัติตามกฎของหน่วยงานกำกับดูแลซึ่งไม่ควรให้เกิดข้อผิดพลาดขึ้นได้

ส่วนการเลือกใช้ประเภทของโรบอทว่าควรใช้แบบ attended ในส่วนไหนและ unattended ในส่วนไหนสามารถยึดตาม Diagram หรือปรับใช้สำหรับการทำงานในสภาวะแวดล้อมของเราเองซึ่งขึ้นอยู่กับ ช่องทางการติดต่อกับลูกค้า ข้อจำกัดด้านบุคคลากร ปริมาณธุรกรรมที่มี เป็นต้น

ผมหวังว่าบทความนี้จะเป็นประโยชน์สำหรับทั้งท่านที่กำลังคัดเลือกกระบวนการทำงานเพื่อนำมาเป็นพัฒนาเป็นระบบงานอัตโนมัติไม่ว่าท่านจะมีการใช้งาน RPA อยู่แล้วในองค์กร หรือกำลังประเมินความคุ้มค่าในการเริ่มนำเข้ามาใช้ครับ

แล้วพบกันใหม่ครับ….

Case Studies – THREE (Ireland) กับภารกิจ RPA Heroes

เชื่อว่าหลายๆคนรู้จัก THREE (Ireland) บริษัทเทเลคอมยักษ์ใหญ่ผู้ให้บริการเครือข่ายโดยมีพนักงานมากกว่า 1,400 คน 60 สโตร์ มีลูกค้ากว่า 2.8 ล้านคนในประเทศไอร์แลนด์ (และหลายคนรู้จักเพราะไปเที่ยว UK หรือไม่ก็รู้จักเพราะสัญลักษณ์โลโก้สปอนเซอร์ของสโมสรใหญ่อย่างเชลซีในอังกฤษ)

เรื่องราวเริ่มในปี 2019 ในโดยมองว่าจะเริ่มนำเอาระบบ RPA มาใช้ในหลากหลายแผนกและเมื่อประสบความสำเร็จอย่างรวดเร็วก็เริ่มแผ่ขยายไปสู่กระบวนการอื่นๆ แต่ที่ THREE เลือกใช้เครื่องมือ RPA นำจะนำไปผสานกับแนวคิด Six Sigma (แนวคิดเรื่องการควบคุมคุณภาพกระบวนการ และปรับอย่างต่อเนื่อง) โดยมีทีมงานใน role ต่างๆ เช่น Business Analysts, Developers Testersและ Process Controller จนถึงตอนนี้มี 15 process ที่จัดการงานด้วย robots 5 ตัว ซึ่งหนึ่งใน ตย. ของกระบวนที่ THREE ใช้หุ่นยนต์ทำงานช่วยมนุษย์คือกระบวนการที่ต้องเรียกค้นข้อมูลเพื่อเปรียบเทียบ และนำเสนอข้อเสนอที่ดีทีสุดสำหรับลูกค้าในแต่ละกลุ่ม ข้อมูลต้องไปเรียกค้นจาก Spreadsheet Excel รวมไปถึงระบบ SalesForce และข้อมูลด้านการเงินที่ซับซ้อน โดยคำนวณเวลาเฉลี่ยในกระบวนการนี้มีมากถึง 160 วันการทำงานต่อปี และเมื่อใช้หุ่นยนต์ไปช่วยก็สามารถลดการทำงานไปได้ 52% (82 วัน) ทั้งนี้ยังลดความผิดพลาดจากมนุษย์ไปได้อีกด้วย และทีมยังพัฒนากระบวนต่อยอดไปยัง profit and loss และลดเวลางานสำหรับกระบวนนี้ไปได้อีก 246 ชั่วโมงต่อปี

ยังมีตัวอย่างกระบวนการที่น่าสนใจอย่าง credit application เมื่อลูกค้าสนใจเข้าสมัครเป็นสมาชิกรายเดือนจะมีกระบวนการตรวจสอบข้อมูล มีสองหน่วยงานทำงานร่วมกันทั้ง maker & checker และด้วยหุ่นยนต์กระบวนการนี้ช่วยลดภาระงานไปได้ 1,176 ชั่วโมงต่อปี ตัวอย่างสุดท้ายคือหุ่นยนต์ที่ไปช่วยกรอกข้อมูลเข้าระบบ CRM และเมื่อพิสูจน์ให้ผู้บริหารได้แล้วก็มีการต่อยอดไปจนถึงปี2021 โดยกระบวนที่มีหุ่นยนต์ RPA เข้าช่วยจะลดเวลาการทำงานไปได้ 53,949 ชั่วโมงต่อปี โดยมีถึง 15 กระบวนการโดย robots RPA UiPath (ชื่อเล่น robots ที่ THREE คืออแมนด้า เอมมี่ น้องขิง โอไรออน และเทอรี่ – เค้ามองเป็นผู้ช่วย มองหุ่นยนต์เป็นสมาชิกในทีมไปด้วยเลย) สร้างโปรแกรมที่เป็นมิตร ไม่ทดแทนคนแต่มาช่วยคนทำงานซ้ำซ้อนจนสุดท้ายมีแต่การต้อนรับ การแชร์ประสบการณ์และข้อเสนอแนะที่มีประโยชน์จากผู้ใช้ (มีการสร้าง เดโม่ต้นแบบ 11 กระบวนการสำหรับผู้เริ่มต้น ให้ได้เรียนรู้กัน)

ก่อน การสร้าง และหลังการใช้งานมีการควบคุมดูแลจากทีมงาน มีการใช้ cost-benefit model และ RPA framework สำหรับทุกๆกระบวนการที่ใช้หุ่นยนต์โดยศูนย์กลางจะอยู่ที่ Automation Hub และจากจุดนี้ทีมงานมองไปยังการต่อยอดการใช้งาน RPA ในสองส่วนคือการประยุกต์ใช้ ai กับ Robots messaging และการต่อยอดการใช้งาน robots ด้วยการสร้างจากผู้ใช้งานหรือ Citizen Developer โดยหัวหน้าทีมงานที่ผลักดันยังสรุปไว้ว่าโครงการจะพัฒนาได้อย่างต่อเนื่องต้องได้รับการสนับสนุนจากผู้บริหาร และผู้ใช้ที่จะแบ่งปัน ปรับปรุงให้กระบวนการนั้นดีขึ้นเรื่อยๆ ในรูปแบบของ Six Sigma

Source:

https://www.uipath.com/resources/automation-case-studies/three-ireland-rpa-deployment

Case Studies – Spotify มุ่งสู่นวัตกรรมด้านกระบวนการด้วย RPA (UiPath)

ชื่อของ Spotify คิดว่าทุกคนคงรู้จักว่าเป็นบริษัทสตรีมมิ่งจากประเทศสวีเดน (2006) ซึ่งเป็น tech start up เบอร์ต้นๆของโลกของคนรักเสียงเพลง และหลายๆคนน่าจะเป็นลูกค้าและใช้บริการฟังเพลง podcast อยู่ โดยองค์กรแห่งนี้เพิ่งเติบโตมาไม่นานนักแต่ DNA ที่ขับเคลื่อนไปสู่ความสำเร็จคงไม่พ้นการค้นหานวัตกรรมที่มาช่วยในธุรกิจของเค้า และทำสำเร็จออกเป็นรูปธรรม วันนี้มาดูเคล็ดลับเพื่อเป็นแนวทางที่ใช้แล้วเวิร์คกับ Spotify คือขับเคลื่อนด้วย CoE (Center of Excellence) เพิ่มจำนวนนักพัฒนา Robot จากผู้ใช้งาน (Citizen Developers) และทุกกระบวนการต้องวัดค่า ROI ได้แบบชัดเจน มาดูรายละเอียดกันครับ

อย่างที่กล่าวข้างต้นว่าองค์กรนี้มุ่งมั่นที่จะสรรหานวัตกรรม เครื่องมือใหม่ๆมาช่วยกระบวนการธุรกิจสตรีมมิ่งอยู่เสมอ เค้ามองว่า RPA (Robotic Process Automation) มาปรับใช้โดยเริ่มตั้งแต่ปี 2017 ในการคัดเลือกโดยมุ่งเน้นไปที่การใช้งานการสร้างโปรแกรมโดยการทำ coding robot การรักษาความปลอดภัย การต่อขยายในอนาคต Governance ขององค์กรและมุ่งสร้างให้เกิดทีม service center ทั้งหมดนี้ผ่านทีมงาน CoE ที่จะเป็นผู้กำหนดยุทธศาสตร์ กิจกรรมในระยะกลาง ยาว และเมื่อผ่านการลองผิดถูกไปสักระยะ Spotify เองก็ปรับตัวเองออกจากโปรแกรมมิ่ง robot ไปสู่ platform ที่สร้าง robot ได้ง่ายและเร็วกว่า สร้างด้วยทีมบัญชีการเงิน และทีมอื่นๆได้เลย ทีมที่ถูกกำหนดให้มาเริ่มต้นอาทิเช่น บัญชี การเงิน จัดซื้อ ไอที กฎหมาย และทีมลูกค้าสัมพันธ์

ทีม CoE เองได้เริ่มต้นค้นหา robotic platform ที่เหมาะกับ Spotify จนในที่สุดมาลงตัวกัน UiPath (2019) เป็นผลิตภัณฑ์เดียวที่รองรับการต่อขยายในอนาคต การรักษาความปลอดภัย การเข้ากันได้กันนโยบายไอทีของ Spotify เอง และสุดท้ายคือความง่ายและรวดเร็วในการสร้าง robots โดยทีมงาน CoE ควบคุมทั้งหมดตั้งแต่การพัฒนา การปรับปรุง robot การต่อขยายเพื่อตอบโจทย์องค์กรเพื่อให้สมดุลทั้ง Development & Maintained “Mindset เป็นสิ่งที่สำคัญที่สุด การอัพสกิลพร้อมสำหรับการทำงานกับหุ่นยนต์ และให้ทุกคนมองไปที่ automation 1st ”

ยุคเริ่มต้น Spotify ปรับเปลี่ยนจาก Coding robot มาเป็น UiPath RPA สำหรับ 11 กระบวนการด้านบัญชีก่อน เริ่มเข้าขั้นตอนการเลือกกระบวนการอื่นๆ เข้ามาเพิ่ม เมื่อพร้อมมากขึ้น CoE ก็เริ่มกิจกรรมเพื่อเพิ่ม ขยายศักยภาพ robot โดยมีทางเลือกของUnattened เข้ามา เพิ่มจำนวน robot ด้วยการให้ผู้ใช้งานมีความรู้และพัฒนางานได้ด้วยตัวเอง ระหว่างนี้มีทีมงานจาก PwC U.S. เข้ามาช่วยเสริมทักษะอีกด้วย และยิ่งในช่วงสถานการณ์ covid-19 การฝึกอบรมเพื่อสร้าง RPA training framework เป็นสิ่งสำคัญมาก ๆ

การใช้งาน robot เองก็มีเรื่องราวที่ต้องจัดการอย่างเช่นการบริหารความเปลี่ยนแปลง (change management) ซึ่งสำคัญมากๆ การเอา robot มาช่วยพัฒนาโปรแกรม ทดสอบโปรแกรม test automation และอื่นๆ เพื่อความรวดเร็ว เพิ่มจำนวน robot ที่พัฒนาด้วยผู้ใช้งานเอง ทีม CoE เองก็ออก Guide line สำหรับการพัฒนา robot มาเพื่อเป็นเหมือนไบเบิ้ลสำหรับการเริ่มต้นให้อีกด้วย -ในตัวอย่างเป็น UiPath Studio X สำหรับต้นแบบเพื่อนักพัฒนามือใหม่(มองให้เป็นมาตรฐานเดียวกัน เช่น คุณภาพ การทดสอบ UAT และอื่น) มีการออกเครื่องมือช่วยเหลือสำหรับการทดสอบ การทำ UI, api ออกมาให้อีกด้วย ทีมเรียกตรงนี้ว่า “Test automation” ซึ่งจะกลายเป็นกระดูกสันหลังของการ support RPA development นี้เลย

สุดท้ายคือการประเมินผลความสำเร็จที่สะท้อนถึงเครื่องมือที่มาช่วยประหยัดแรงงานมนุษย์ ทีมงาน CoE ให้ความสำคัญด้านนี้มากและไม่มองแค่จำนวนเชิงปริมาณที่เพิ่มของกระบวนการ แต่มองที่ “คุณค่าเชิงธุรกิจ” ROI ไม่ได้มองแค่ด้านการประหยัดเวลา จำนวนชั่วโมง แต่วัดเรื่องความถูกต้องแม่นยำ ความพึงพอใจพนักงานโดยทีมสร้าง visualization dashboard มาแชร์และโชว์กันเลยทีมเดียว ทั้งนี้ทีมไม่ได้หยุดนิ่งแค่นี้ ทีม CoE ยังได้ศึกษาเพิ่มเติมเกี่ยวกับระบบใหม่ๆ อาทิ process mining, test suite, document understanding ซึ่งเป็นการนำเอา ai มาช่วยเพิ่มศักยภาพของ RPA อีกด้วย โดยในปัจจุบัน Spotify มีจำนวนหุ่นยนต์มากกว่า 100ตัว ช่วยประหยัดจำนวนชั่วโมงไปมากกว่า 45,000 ชั่วโมง จำนวนนักพัฒนา robot มากกว่า 100 คน ซึ่งนับเป็นองค์กรที่ประสบความสำเร็จกับการนำ RPA มาใช้อย่างแท้จริง

Source:

https://www.uipath.com/resources/automation-case-studies/spotify-expands-commitment-automation

https://www.rpamaster.com/how-and-why-spotify-built-its-citizen-developer-program-with-help-of-uipath-pwc/

สอนโรบอทให้เข้าใจเอกสาร ตอนที่ 2 – Combining Intelligent Document Processing with RPA

สวัสดีทุกท่านอีกครั้งครับ

เรายังอยู่ในซีรี่การสอนโรบอทให้เข้าใจเอกสารซึ่งในตอนที่แล้ว เราได้พูดถึงเทคโนโลยี Intelligent Document Processing (IDP) ที่มีการนำ AI เข้ามาเสริมการใช้งานของฟังชั่น OCR และทำให้โรบอทสามารถอ่านข้อมูลจากเอกสารได้หลากหลายชนิดมากขึ้นทั้งเอกสารที่เป็นแบบ semi-structured และแบบ unstructured ผ่านการนำ machine learning models เข้ามาวิเคราะห์รูปแบบของเอกสาร นอกเหนือไปจากการอ่านข้อมูลของเอกสารแบบ structured ที่ OCR ทำได้อยู่แล้ว

ในตอนที่ 2 นี้ เราจะมาลงในรายละเอียดเพิ่มเติมสำหรับบางขั้นตอนที่สำคัญของงาน IDP อย่าง

การ classify ชนิดของเอกสาร
การ extract ข้อมูลจากตัวของเอกสาร
และการทำ validation ข้อมูลที่อ่านออกมาโดยผู้ใช้งาน เพื่อแก้ข้อมูลที่อ่านผิดและช่วยเหลือโรบอทให้พัฒนาการอ่านให้แม่นยำขึ้น

ส่วนขั้นตอนทั้งหมดของงาน IDP ผมได้อธิบายไว้ในตัวอย่างการอ่านข้อมูลจากใบแจ้งหนี้ของบทความที่แล้ว ท่านที่สนใจสามารถย้อนกลับไปอ่านในบทความตอนที่ 1 ได้ครับ

การ classify ชนิดของเอกสาร

เพื่อให้การนำ IDP มาใช้กับระบบอัตโนมัติที่เกี่ยวข้องกับเอกสารในองค์กร้เกิดความคุ้มค่า ระบบ IDP ควรจะต้องถูกใช้กับเอกสารหลายชนิดเพื่อลดงาน manual ในการ key ข้อมูลจากเอกสารเข้าระบบให้มากที่สุด การ classify ชนิดของเอกสารจะเกิดขึ้นเมื่อเรามีเอกสารที่ต้องการอ่านมากกว่า 1 ชนิด เช่นในกระบวนการสรุปยอดค่าใช้จ่ายที่ต้องรวบรวมทั้ง ใบเสร็จ ใบกำกับภาษี ใบรับรองแพทย์ บิลน้ำมัน ฯลฯ ซึ่งโรบอทต้องเข้าใจว่าเอกสารที่ตัวเองกำลังอ่านอยู่นั้น เป็นเอกสารชนิดใด

หรือในกรณีที่เราต้องการอ่านข้อมูลจากเอกสารเพียงบางหน้าเท่านั้นจากชุดเอกสารหลายหน้าที่ถูกส่งเข้ามา ซึ่งในกรณีนี้ เอกสารทั้งชุดต้องถูก classify เพื่อแยกเฉพาะหน้าที่โรบอทต้องอ่านข้อมูลออกจากหน้าอื่นในชุดเอกสารที่เหลือ

รูปภาพด้านล่างแสดงลักษณะการ classify เอกสารออกเป็นชนิดต่างๆของ UiPath Document Understanding ด้วยตัวคัดแยกหรือ classifier ที่ชื่อ Intelligence keyword Classifier ซึ่งจะให้ค่าระดับความเชื่อมั่นหรือ Confidential Level ในการ classify ชนิดหรือประเภทเอกสารมาด้วย เราสามารถใช้ค่าความเชื่อมั่นนี้มากำหนดเป็น threshold สำหรับเปิดหน้าจอValidation Station ให้ผู้ใช้งานที่เป็นมนุษย์เข้ามาแก้ไขหรือยืนยันความถูกต้องของการ classify โดยโรบอทได้ ซึ่งจากรูปภาพ ถ้าผู้ใช้งานพบว่าโรบอท classify เอกสารไหนผิด ก็สามารถทำการ drag and drop เอกสารไปอยู่ในกลุ่มที่ถูกต้องได้

ตัวคัดแยกหรือ classifier นี้มีให้เลือกใช้ได้หลายชนิดทั้งแบบที่ใช้ keyword กำหนดค่าตรงๆจากตัวอักษรบนเอกสารและแบบที่ต้องมองกลุ่มคำหรือรูปแบบข้อความในเอกสารเพื่อใช้เป็นเกณฑ์การจำแนกประเภท

UiPath Document Understanding – classifier

การ extract ข้อมูลจากตัวของเอกสาร

โรบอทใช้ extractor ในขั้นตอนการอ่านข้อมูลจากเอกสาร จากบทความตอนที่แล้ว ข้อมูลที่ยังไม่เป็น digital เช่นเอกสารกระดาษที่ถูกสแกนเป็นไฟล์รูปภาพ จะถูกทำให้เป็น digital ด้วย OCR เพื่อให้โรบอทอ่านได้ จากนั้นจึงเป็นการ classify เอกสารให้ตรงประเภทเพื่อที่ข้อมูลจะถูก extract ด้วย extractor ตามตำแหน่งและตาม field ที่กำหนดไว้อย่างถูกต้อง

ใกล้เคียงกับการเลือก classifier เรามี extractor หลายตัวให้เลือกใช้ขึ้นอยู่กับรูปแบบเอกสารและ field ที่โรบอทต้องการอ่าน ยกตัวอย่างเช่น ถ้าเป็นฟอร์มที่มีลักษณะตายตัว มีข้อมูลที่อยู่ในตำแหน่งเดียวกันทั้งเอกสารไม่ว่าจะมีกี่แผ่นก็ตามอย่างเช่น แบบฟอร์มเคลมประกัน เราสามารถใช้ Form Extractor ได้ แต่ถ้าเรามีเอกสารที่เป็นลักษณะ semi-structured อย่างใบแจ้งหนี้ (Invoice) ที่มีทั้งส่วนที่ค่อนข้างคงที่อย่างส่วนต้นเอกสารซึ่งประกอบด้วยเลขที่ใบแจ้งหนี้ วันที่ ชื่อบริษัท และส่วนที่ไม่ค่อยคงที่อย่างส่วนตารางที่ระบุชนิดและจำนวนของผลิตภัณฑ์หรือบริการที่เราซื้อมา อีกทั้งมีความต่างกันในแต่ละเจ้าหนี้ เราสามารถใช้ ML Extractor มาช่วยวิเคราะห์รูปแบบและตำแหน่งบนเอกสาร

รูปภาพด้านล่างแสดงการกำหนด extractor ให้อ่านเอกสารแบบต่างๆที่เราต้องการข้อมูล เราสามารถใช้ extractor มากกว่าหนึ่งตัวต่อหนึ่งเอกสารได้ เช่น ใช้ Intelligence Form Extractor สำหรับอ่าน field ที่เป็นลายมือเขียนหรือช่องลายเซ็นต์ และใช้ extractor แบบอื่นเพื่ออ่านส่วนที่เหลือของเอกสาร เป็นต้น

UiPath Document Understanding labelling and extractor

ระบบจะเลือก extractor ตามลำดับจากซ้ายไปขวาถ้าค่า confident ไม่ได้ตามที่ตั้งไว้หรือเลือกโดยค่าที่กำหนดผ่าน checkbox ตามภาพ ถ้าโรบอทอ่านข้อมูลได้เกินระดับความเชื่อมั่นหรือ threshold ที่กำหนด ข้อมูลจะถูกส่งต่อไปยังส่วนอื่นๆของกระบวนการทำงานตามที่ออกแบบไว้ แต่ถ้าค่าที่อ่านได้ต่ำกว่าค่า threshold เราสามารถออกแบบให้มีการใช้คนเข้ามา validate ข้อมูลก่อนนำไปใช้

การทำ validation ข้อมูลที่อ่านออกมาโดยผู้ใช้งาน

โรบอทจะ extract ข้อมูลจากเอกสารพร้อมกับให้ค่าระดับความเชื่อมั่นหรือ Confidential Level ว่าโรบอทมั่นใจกับค่าที่อ่านได้แค่ไหน เราสามารถกำหนดเป็น threshold ให้ระบบเปิด Validation Station ขึ้นมาให้ผู้ใช้งานที่เป็นมนุษย์เข้ามาแก้ไขหรือยืนยันการอ่านค่าของ extractor ตามรูปภาพด้านล่าง

UiPath Document Understanding – **validation**

ผู้ใช้งานที่เป็นมนุษย์จะแก้ไขข้อมูลที่โรบอท extract ออกมาทางด้านซ้ายหรือยืนยันความถูกต้องผ่าน checkbox (ถ้าข้อมูลที่อ่านมาถูกต้องตามเอกสารด้านขวามือ) ในกรณีที่เลือกใช้ ML model extractor เราสามารถกำหนดให้ข้อมูลที่ได้รับการแก้ไขหรือยืนยันแล้วกลับไป train model เพิ่มเติมได้

ทั้งนี้การที่เราสามารถเลือกใช้เครื่องมือที่เหมาะสมสำหรับงาน IDP ในแต่ละขั้นตอนตั้งแต่

การเลือก OCR Engine ที่แปลงข้อมูลรูปภาพเป็น digital ได้อย่างถูกต้องตามรูปแบบและคุณภาพเอกสาร
การใช้ classifier ที่เหมาะสมในการจำแนกชนิดเอกสาร
การเลือกใช้ extractor ตามชนิดเอกสารและ field ที่ต้องอ่านข้อมูล

จะทำให้คุณภาพของข้อมูลที่อ่านได้มีความถูกต้องแม่นยำขึ้น ไม่เป็นภาระให้ผู้ใช้งานต้องมา verify ความถูกต้องของข้อมูลที่โรบอทอ่านมากจนเกินไป

ผมหวังว่าบทความทั้ง 2 ตอนนี้สามารถให้ภาพแก่ท่านผู้อ่านว่าเราสามารถก้าวข้ามอุปสรรคหลายอย่างที่เกิดขึ้นอดีต ในการนำข้อมูลจากเอกสารขององค์กรมาใช้ในงาน RPA ได้หลากหลายชนิดขึ้น แม่นยำขึ้น ด้วยการใช้ AI เข้ามาเสริมการทำงานแบบ rule-based ที่ยังต้องมีอยู่

ในตอนถัดไปซึ่งจะเป็นตอนที่ 3 ของซีรี่การสอนโรบอทให้เข้าใจเอกสาร เราจะไปดูเรื่องการสอนหรือ train โรบอทจริงๆเพื่อให้ได้ ML model extractor ว่ามีขั้นตอนอย่างไรและมี model ไหนที่ได้รับการสอนหรือ pre-trained ไว้แล้ว สามารถหยิบมาใช้ได้เลยครับ

แล้วพบกันครับ

Source: UiPath Document Understanding

ปัจจัยแห่งความสำเร็จของ Intelligent Automation Transformation

แป๊บๆจะหมดไปอีกหนึ่งเดือนแล้ว นาฬิกาหมุนเร็วจริงๆครับ เมื่อโลกเทคที่เกี่ยวข้องกับการทำงานของพวกเราหมุนเร็ว เราเองก็น่าจะต้องเข้าใจ ปรับตัวตามกันไปนะครับมาอ่าน RPA blog พร้อมคำแนะนำเสริมของแอดมินเกี่ยวกับเรื่องปัจจัยสู่ความสำเร็จในการทำ “ระบบอัตโนมัติอัจฉริยะ” หรือ Intelligent Autoamtion กันครับ คำๆ นี้มันไปมากกว่าการ implement automation ในองค์กรเป็นเรื่องๆไป แต่หมายความถึงการยกระดับองค์กรให้ใช้ automation อย่างเต็มรูปแบบนั่นเองครับ มาดูกัน

Critical Success Factors (CSF) หรือ ปัจจัยแห่งความสำเร็จ มีหลายๆด้านเช่น การสนับสนุนจากผู้หลักผู้ใหญ่ การวางแผนล่วงหน้ารองรับอนาคต การจัดตั้งทีมงานดูแลเบ็ดเสร็จ และสุดท้ายคือการปรับเปลี่ยนวัฒนธรรมองค์กร (เรื่องใหญ่เลย) ทั้งนี้กว่าจะไปถึงเราจะพบอุปสรรคมากมายอาทิ การต่อต้านจากคนที่ไม่เห็นด้วย (ไม่ชอบเปลี่ยนแปลง) การพัฒนาทักษะที่ไม่ทันการณ์ ข้อมูลขยะล้นองค์กร บุคลากรที่ขาดแคลนเป็นต้น เยอะนะครับแต่อย่าเพิ่งท้อเพราะเมื่อเราก้าวข้ามเรื่องพวกนี้ไปได้เราจะพบกับทะเลใหม่คือ การลดต้นทุนองค์กร (ในกระบวนการต่างๆ) แบบมหาศาล การลดการคดโกงในทุกรูปแบบ ความพึงพอใจของลูกค้าที่เพิ่มจากกระบวนการ touch point ต่างที่เร็วขึ้น ทั้งนี้รวมไปถึงขวัญกำลังใจของผู้ปฎิบัติงานด้วย (work-life balance) ดีงามเพราะมีเครื่องมือ robot มาช่วยเป็นต้น… มาดูกันว่าเค้าว่ามี CSF ข้อไหนบ้าง

การสนับสนุนแบบไม่มีเงื่อนไขจากทางผู้บริหาร – แน่นอนว่าเรื่องใหญ่แบบนี้ เบอร์หนึ่งต้องลงมาเล่นเอง เพราะเราจะได้รับการสนับสนุนทั้งแผน ทั้งทรัพยากรบุคคล เงินทุนต่างๆ (อันนี้สำคัญมากๆ) ถ้าจะลุยด้วยแผนกไอทีและไม่ได้รับการหนุนจากผู้ใหญ่ ความผิดหวังรอคุณอยู่

แผนงานที่ครอบคลุมและยืดหยุ่น ขยายได้แบบไม่มีขอบเขต – ให้เริ่มจากการ “คิดใหญ่” มองภาพรวมในการทำแผน แต่ตอน implement ทำให้เล็กและประสบผลสำเร็จได้ไว วัดผลได้ชัดและขยายความสำเร็จออกไปได้ ทำแบบนี้องค์กรต้องมีการวางแผนอย่างดี (ประเมินกระบวนการ กำหนดแนวทาง จัดลำดับความสำคัญก่อนหลัง และการวัดความสำเร็จที่ชัดเจน)

ปรับเปลี่ยนกระบวนการ โดยมีทีมงานที่รับผิดชอบโดยตรง (COE หรือ center of excellence) – ด้วยการที่เรื่องนี้ไม่ได้เกี่ยวข้องเพียงเรื่องเทคโนโลยี และพัวพันไปถึงกระบวนการทางธุรกิจทุกฝ่าย จึงต้องร่วมกันวางแผนในส่วนต่างๆให้ชัดเสียแต่แรก การวางแผนเพื่อรับการเปลี่ยนแปลง การพัฒนาทักษะดิจิตอลให้พนักงาน ออกแบบกระบวนงานเพื่อรองรับการทำ automation สิ่งเหล่านี้ต้องทำแต่แรก กำหนดข้อปฎิบัติ กฎเกณฑ์ให้เรียบง่ายชัดเจนคลุมทั้ง business และ IT คำแนะนำในที่นี้คือ ติดตั้งทีมงาน CoE ในการทำเรื่องราวเหล่านี้

และเมื่อมีการก่อตั้ง CoE ขึ้นมา (รวบรวมเหล่าอเวนเจอร์จากหน่วยงานต่างๆ) สิ่งเหล่านี้คือหน้าที่หลักๆครับ

กำหนดแผน แนวทางออกมาเป็น framework หรือ roadmap ให้เดินตาม
คัดเลือก จัดสรร แบ่งปัน บริหารจัดการ บำรุงรักษาเครื่องมือต่างๆ ทั้ง software, hardware
นำเข้าเทคโนโลยีใหม่ๆเข้ามาใช้อย่างเหมาะสม รองรับอนาคต และให้อยู่ใน roadmap ที่วางเอาไว้

มองเป็นการเดินทางที่ยาวไกลที่ต้องเตรียมพร้อม – ต้องพร้อมทั้งแผนงานระยะยาว กำหนดทรัพยากรเอาไว้แต่ต้น IA (Intellignent Automation) ไม่เป็นเพียงโครงการระยะกลางที่ทำสำเร็จแล้วก็จบ แต่เป็นการพัฒนาปรับปรุงไปตามโลกธุรกิจที่ทุกวันนี้กระบวนการเปลี่ยนแปลงเร็วตามปัจจัยภายนอกต่างๆ รวมไปถึงเทคโนโลยีก็ปรับเปลี่ยนเร็วไปด้วย การวางแผนควรมองเป็นการเดินทางไกล ต้องมีเสบียงเพียงพอ ต้องมีการกำหนดเข็มทิศการเดินให้ชัด จัดตั้งทีมงาน CoE เฟ้นหาดาวรุ่งในโครงการเสียแต่เนิ่นๆ และเน้นหาคนในองค์กร์ที่พร้อมก่อนการหาหรือไปเพิ่งพา vendor ภายนอกไปเสียทั้งหมด

วัฒนธรรมองค์กรใหม่ รองรับการทำ digital workforce – ทุกวันนี้ผู้ปฎิบัติงานเองก็ต้องปรับตัวเพื่อรับการเปลี่ยนแปลง หากมีการสื่อสารที่ดี การเตรียมคอร์สฝึกอบรมพัฒนาทักษะที่ดี การจูงใจจะเป็นได้อย่างง่ายดาย ผู้คนจะมองเป็นโอกาสมากกว่าและไม่ต่อต้าน ทั้งนี้อยู่ที่ทีม CoE จะสามารถสื่อสารเพื่อให้ทราบว่าระบบ automation จะมาช่วยลดภาระงาน ไม่ได้มาทดแทน สือสารเชิงลึกและดึงคุณค่าของผู้ปฎิบัติงานเมื่อต้องทำงานคู่กับหุ่นยนต์ งานสร้างสรรค์ทั้งหมดจะตกไปสู่ผู้ปฎิบ้ติงานซึ่งจะเห็นคุณค่าอย่างชัดเจน (การตัดสินใจ การโน้มน้าวลูกค้า การจัดการความขัดแย้ง เป็นต้น) และแน่นอนว่าจะมีคนที่ไม่ได้ไปต่อซึ่งองค์กรก็ต้องเตรียมแผนในเรื่องนี้เอาไว้ด้วย

สุดท้ายคือการแบ่งบันอย่างเท่าเทียม ให้ทุกฝ่ายได้ออกเสียง ส่งความต้องการ การเข้าถึงและใช้งานระบบ automation ทั้งนี้ไปจนถึงการประยุกต์ใช้ low-code, no-code และการสร้าง Citizen Developer for RPA อีกด้วย ทั้งนี้แอดมินจะนำมาเล่าในบทความต่อๆไปครับ

Sources:

UiPath Blog (https://www.uipath.com/blog/digital-transformation/intelligent-automation-transformation-success-factors)
Amazon book (INTELLIGENT AUTOMATION: Learn how to harness Artificial Intelligence to boost business & make our world more human)

เมื่อคนและหุ่นยนต์ประสาน ทำงานร่วมกัน (Human-Bot Collaboration)

สวัสดีปีใหม่ 2565 ครับ

ประเด็นหนึ่งที่มักถูกนำมาพูดคุยเวลาที่ทีมงานเราได้มีโอกาสพบปะพูดคุยกับลูกค้าหรือผู้ที่มีความสนใจในการนำระบบ RPA เข้ามาใช้ในองค์กรคือ โรบอทสามารถทำงานแทนคนได้แค่ไหน ทำได้หมดเลยหรือแค่บางส่วน ผมคิดว่าเรื่องนี้น่าจะมีประโยชน์ถ้านำมาเล่าในบทความนี้

ก่อนอื่นต้องเข้าใจก่อนว่าเราสามารถแยกประเภทของโรบอทตามรูปแบบของการทำงานได้ 2 แบบคือ

Attended
Unattended

โรบอทประเภท attended ที่ทำงานเหมือนเลขาส่วนตัวของเรา ติดตั้งอยู่บนเครื่องคอมพิวเตอร์ของเราเอง โดยมีตัวเราเป็นผู้ออกคำสั่งให้ทำงานต่างๆแทนเรา เช่น ร้บส่งอีเมล ทำรายงาน นำข้อมูลเข้าระบบ เป็นต้นและโรบอทประเภท unattended ที่ทำงานได้เองโดยไม่ต้องมีคนสั่ง โดยมากมักเป็นงานในฝั่ง back office เช่นบัญชี ออกสัญญาเช่าซื้อ ออกกรมธรรม์ ที่มีปริมาณมาก ใช้เวลานานในการทำ โดยอาจนานกว่าขั่วโมงการทำงานปกติของผู้ที่เป็นพนักงาน

เรายังสามารถนำโรบอททั้งประเภท attended และunattended เข้ามาทำงานร่วมกันเกิดเป็นกระบวนการทำงานที่เรียกว่า hybrid ที่มีคนสั่งงานโรบอท attended ทำงาน โดยมีโรบอทประเภท unattended ทำงานบางอย่างอยู่เบื้องหลัง

คำถามที่ว่าโรบอทสามารถทำงานแทนคนได้แค่ไหน หรือคนสามารถทำงานร่วมกับโรบอทได้แค่ไหน สามารถอธิบายด้วยรูปแบบการทำงานหรือ scenario ดังต่อไปนี้ครับ

รูปแบบการทำงานแบบแรก คือการที่โรบอทประเภท unattended ทำงานเองทั้งหมดหรือที่เรียกว่า “fully automated” โดยโรบอทหนึ่งตัวหรือมากกว่าหนึ่งตัวจะถูกติดตั้งบนเครื่อง back office server ซึ่งมีเจ้าหน้าที่แอดมินเป็นผู้จัดสรรทรัพยากรต่างๆ เช่น workload ตามจำนวนโรบอทที่มี หรือ schedule การทำงานของโรบอทแต่ละตัวให้สอดคล้องกับกระบวนการทำงาน

ตัวอย่างของกรณีนี้เช่น บริษัทชั้นนำด้านการเงินแห่งหนึ่งต้องมีการรวบรวมข้อมูลด้านยอดขายจากหน่วยธุรกิจและสาขาของบริษัทในแต่ละประเทศ โดยดึงจากระบบแอบพลิชั่นองค์กรอย่างระบบ CRM, ระบบ ERP รวมทั้งฐานข้อมูลด้านการขายทั้งหมด แล้วนำมาจัดเป็นหมวดหมู๋ เรียงลำดับ ตรวจสอบความถูกต้องสำหรับทำเป็นเวอร์ชั่นสุดท้ายก่อนนำส่งให้ผู้บริหารระดับสูง

การทำงานรูปแบบนี้ โรบอทประเภท Unattended สามารถทำงานได้เองทั้งหมดตั้งแต่ต้นจนจบ โดยไม่ต้องมีพนักงานเข้ามามีส่วนร่วม ทำให้งานทั้งหมดเสร็จด้วยความรวดเร็วและถูกต้อง

รูปแบบการทำงานถัดมาเรียกว่า “partially automated” หรือ “partially unattended” ซึ่งจะแบ่งการทำงานกันโดยให้โรบอททำงานที่มีลักษณะซ้ำๆ มีกฎเกณฑ์ มีปริมาณมากซึ่งโรบอทจะทำได้ดีกว่าคน และเมื่อโรบอททำงานของตัวเองเสร็จแล้ว ก็ส่งต่อให้คนทำต่อในเรื่องที่ต้องมีการวิเคราะห์หรือตัดสินใจ ซึ่งเป็นเรื่องที่คนทำได้ดีกว่า

รูป flow การทำงานด้านล่างแสดงการทำงานในลักษณะ partially automated ของกระบวนการประเมินมูลค่าสินทรัพย์เช่นที่ดิน โรงงาน ซึ่งเริ่มจากพนักงานต้องคัดเลือกผู้ประเมินที่เหมาะสมมีประสบการณ์ กำหนดขอบเขตการประเมิน รวบรวมข้อมูลที่เกี่ยวข้องให้ครบตามเงื่อนไข จากนั้นส่งต่อให้โรบอททำการคำนวนและประเมินมูลค่าสินทรัพย์แต่ละรายการ ซึ่งเดิมพนักงานเป็นผู้ทำและใช้เวลามาก อีกทั้งยังมีข้อผิดพลาดระหว่างทางเกิดขึ้น โดยมีการตั้งเงื่อนไขให้โรบอทแจ้งพนักงานให้ทราบเพื่อเข้ามาช่วยในกรณีที่เกิดปัญหา

รูปแบบการทำงานร่วมกันระหว่างโรบอทกับคนแบบที่ 3 เรียกว่า “human in the loop” ซึ่งเป็นการกำหนดเงื่อนไขที่ค่อนข้างซับซ้อนแต่จำเป็นเพื่อให้คนเข้ามาเป็นผู้ตัดสินใจเพื่อให้การทำงานสามารถคืบหน้าต่อไปได้

รูป flow การทำงานด้านล่างแสดงขั้นตอนของกระบวนการทำงานที่เราคุ้นเคยกันดีคือ invoice processing ซี่งถึงแม้จะมีการนำเทคโนโลยี OCR เข้ามาเป็นใช้อ่านข้อมูลจาก non-digital document ให้เป็น digital แล้วก็ยังต้องให้คนเข้ามาช่วยตรวจสอบความถูกต้องของค่าที่อ่านได้ ซึ่งขึ้นอยู่กับหลายปัจจัยด้วยกัน

เราเรียกรูปแบบถัดมาหรือรูปแบบที่ 4 ว่า “attended in tandem” หรือการทำงานคู่ขนานกันไปทั้งโรบอทและคน กรณีที่ชัดเจนของรูปแบบนี้คือการทำงานของเจ้าหน้าที่ call center ซึ่งในอดีตนั้น เจ้าหน้าที่ call center ที่กำลังพูดสายกับลูกค้าอยู่ต้องผละจากการสนทนาไปค้นหาข้อมูลเพื่อกลับมาชี้แจงหรือแก้ปัญหาให้ลูกค้า ทำให้ใช้เวลานานต่อการให้บริการลูกค้าแต่ละราย

แต่จากตัวอย่าง flow การทำงานด้านบน เจ้าหน้าที่สามารถสนทนากับลูกค้าได้อย่างต่อเนื่องพร้อมกับออกคำสั่งให้โรบอท attended สืบค้นข้อมูลในระบบต่างๆที่เกี่ยวกับการให้บริการลูกค้า ทำให้กระบวนการทำงานโดยรวมมีประสิทธิภาพเพิ่มขึ้นมาก นอกจาก call center แล้ว การทำงานระหว่างคนกับโรบอท attended ยังสามารถแยกย่อยออกไปได้อีกหลายแบบ เช่นแบบ event-driven ที่โรบอทสามารถเริ่มทำรายงานค่าใช้จ่ายทันที่ที่เราอัพเดทข้อมูลในระบบบัญชีแล้วเสร็จเป็นต้น

ตัวอย่างอีกลักษณะหนึ่งเรียกว่าแบบ “hybrid” ที่ได้เกริ่นไว้ช่วงแรกว่า เป็นการนำโรบอททั้งแบบ attended และ unattended เข้ามาทำงานร่วมกัน เช่น พนักงานขายเป็นผู้เริ่มสั่งให้โรบอท attended รวบรวมข้อมูลเบื้องต้นที่จำเป็น จากนั้นโรบอท attended ก็ส่งงานต่อให้โรบอท unattended ทำงานส่วนต่อไปที่ต้องมีการขอข้อมูลจากหลายแหล่งเพื่อใช้เตรียมเป็นรายงานสรุปยอดขายให้ผู้บริหาร

การที่เราทำความเข้าใจกับรูปแบบต่างๆของการทำงานระหว่างโรบอทกับคนจะช่วยให้เราสามารถประเมินความคุ้มค่าและวางแผนการลงทุนได้ดีขึ้น โดยเลือกชนิดของโรบอทที่เหมาะสมกับประเภทของงาน และยังสามารถสร้างความคาดหวังที่ถูกต้องกับผู้ใช้งานได้ เช่นงานบางอย่างสามารถทิ้งไว้ให้โรบอท unattended ทำงานตอนกลางคืนได้ แต่ถ้าเราเลือกใช้เฉพาะโรบอท attended อย่างเดียว งาน back office ที่มีปริมาณมากก็ยังต้องรอให้คนเข้ามาสั่งงานทุกครั้ง ทำให้ผลลัพท์เหมือนไม่ได้ช่วยประหยัดเวลาการทำงานได้มากพอ (ซึ่งถ้าเลือกใช้โรบอท unattended ตั้งแต่แรก อาจแสดงผลลัพท์หรือ ROI ที่น่าประทับใจกว่า)

การทำงานร่วมกันระหว่างคนกับโรบอทพิสูจน์ความจริงได้ข้อนึงครับว่า อย่างไรเสียคนก็จะไม่ถูกแทนที่ด้วยโรบอทอย่างที่หลายคนกังวล จริงอยู่เรามีลักษณะการทำงานแบบ fully automated ที่โรบอททำเองได้หมดตั้งแต่ต้นจนจบ แต่เราก็เห็นตัวอย่างหรือ use case อีกจำนวนมากที่แสดงให้เห็นถึงวิธีการที่คนกับโรบอททำงานร่วมกันโดยใช้จุดเด่นของแต่ละฝ่ายเพื่อให้เกิดผลดีที่สุดต่อกระบวนการทำงานนั้นๆ

เมื่อปี 2020 มีบทวิเคราะห์ของ IDC ที่ตีพิมพ์ผลสำรวจของงานที่พนักงานออฟฟิศใช้เวลามากและอยากให้โรบอทเข้ามาช่วยทำงาน เช่น การเข้าหน้าจอและส่งข้อมูลผ่านหลายแอปพลิเคชั่น (42%), การจัดการงานเอกสารและธุรการ (32%), การเตรียมข้อมูลเพื่อการวิเคราะห์ (30%) โดยกว่า 70% ของพนักงานที่สำรวจพร้อมที่จะเปิดรับและเรียนรู้การทำงานร่วมกับโรบอท โดยยังมีพนักงานบางส่วนที่กังวลว่างานของตนเองจะหายไปหรือขนาดของทีมงานจะลดลงจากการเข้ามาของโรบอท

อีกเรื่องหนึ่งที่อยากพูดถึงคือรอยต่อระหว่างการทำงานของคนกับโรบอทซึ่งเป็นตัวกำหนดความ smooth ของการทำงานร่วมกันว่าดีแค่ไหน ซึ่งสำหรับประเด็นนี้ เจ้าของผลิตภัณฑ์หรือ software vendor ชั้นนำจะมีการนำเทคโนโลยี low-code เข้ามาใช้เพื่อสร้างฟอร์มหรือแอปพลิเคชั่นที่ใช้เป็นหน้าจอการทำงานร่วมกันเวลาส่งต่องาน (hand off) ระหว่างคนและโรบอทได้อย่างรวดเร็วสอดคล้องกับเวลาเฉลี่ยในการพัฒนาระบบ RPA

เราลองนึกภาพตามครับ ถ้าเราพัฒนาระบบ RPA แต่ละส่วนเสร็จแล้วแต่ยังต้องรอการเขียนหน้าจอเพื่อการทำงานร่วมกันซึ่งต้องมีการต่อเชื่อมหรือการทดสอบระบบ หรือถ้าไม่มีหน้าจออะไรเลยก็ต้องติดตามการทำงานด้วย excel และ email notification ซึ่งมีประสิทธิภาพน้อยกว่า

เรื่องนี้ถ้ามีโอกาสทางเราจะนำมาเขียนเป็นบทความอีกครั้งครับ

Sources:

IDC Robot for Every Worker Survey 2020
UiPath Inc