DigitalTransformation

UiPath AI Summit 2024

Turn AI hype into business results: Top takeaways from UiPath AI Summit 2024 – automat notes

สรุปใจความสำคัญ part 1 – รู้จัก เข้าใจ และใช้งานเพื่อเปลี่ยนจากความสนใจเป็นการยกระดับธุรกิจ

Turn AI hype into business results: Top takeaways from UiPath AI Summit 2024

ในทุกๆ ปีทาง UiPath RPA platform อันดับต้นๆในตลาดจะมีการจัดงาน ai summit โดยปีนี้มีการแบ่งเนื้อหาน่าสนใจออกเป็นทั้งหมด 4 ส่วนด้วยกันคือ

1.เนื้อหาในส่วนของการกล่าวเปิด การแชร์ความเห็นจากผู้เชี่ยวชาญจาก Forrester และการเล่า overview การเปิดตัวสิ่งใหม่ๆจาก UiPath

2.การประยุกต์ใช้จริง และประสบการณ์จริง อุปสรรคและการต่อยอดในอนาคต แยกตาม automation & ai ตามประเภทอุตสาหกรรม ธนาคาร ประกันภัย การผลิต สุขภาพ เป็นต้น

3.รายละเอียด แยกตาม module ใหม่ๆของ UiPath ในยุคต่อไป ที่เป็นการดึงเอาศักยภาพของ ปัญญาประดิษฐ์เข้ามามีส่วนและแบ่งแยก AI ออกเป็นสองส่วนคือ Specialized AI และ GenAI

4.แผนการออกบริการและผลิตภัณฑ์ใหม่ๆ การสนับสนุน (Platform Road Map) และการมองอนาคตของการเอา automation & ai มาใช้อย่างเห็นผล

ในเนื้อหาตอนแรกนี้ แอดมินของเล่าจากการฟังอย่างรวดเร็ว (เขียน blog นี้โดยฟังและจับเอาจากการนั่งฟัง live และจดสรุปใจความสำคัญออกมาได้ดังนี้ (key note session)

ในช่วงแรก ผบห UiPath คุยสัมภาษณ์ mr.Curran (Senior Analyst at Forrester) ถึงการนำเอา GenAI ต้องคำนึงถึงสามเรื่องคือ การเตรียมบริบท การเปิดและการให้เข้าถึงโมเดล และการนำไปใช้ ถ้าทำสามอย่างได้อย่างง่ายๆ จะทำให้การใช้งานจริงในธุรกิจ ประสบผลดี
ทั้งนี้ platform การใช้งานต้องอยู่ภายใต้ความมั่นคง ปลอดภัย และน่าเชื่อถือ
การทำให้บริบท พร้อมถึงขีดสูงสุดเพื่อให้ GenAI มี prompt ที่สมบูรณ์จริงๆ ก่อนนำไปสร้างผลลัพธ์ที่ถูกต้อง ไม่มีการตามมาหลอกหลอนของ AI ด้วยการทำการต่อสายดิน (อันนี้แปลตรงตัว แต่ก็ทำให้เข้าใจดี) ว่ามีการประยุกต์
ประสานแนวคิด RAG (Retrieval Augmented Generation) หรือที่เราเรียกย่อๆ ว่า RAG คือเทคนิคในการสร้างระบบการสนทนาปัญญาประดิษฐ์ (Conversational AI) ที่ใช้การผสมผสานระหว่างการถอดความ (Retrieval) จากฐานความรู้ขนาดใหญ่ และการสร้างข้อความ (Generation) โดยใช้โมเดลการสร้างภาษา (Language Model)โดยจะมีกระบวนการทำงานของ RAG มีดังนี้:
- ระบบจะวิเคราะห์คำถามหรือข้อความของผู้ใช้
- ระบบจะค้นหาข้อมูลที่เกี่ยวข้องจากฐานความรู้ขนาดใหญ่ โดยอาจเอามาจาก Enterprise Data warehouse หรือ Data mart ในเรื่องต่างๆ ที่องค์กรทำขึ้น
- โมเดลการสร้างภาษาจะนำข้อมูลที่ค้นพบมาสังเคราะห์และสร้างคำตอบด้วย GenAI
- จุดเด่นของ RAG คือช่วยให้ระบบ AI มีความรู้ที่ครอบคลุมและทันสมัยมากขึ้น เนื่องจากดึงข้อมูลจากแหล่งความรู้ภายนอก และประสานกันกับภายใน แต่คำตอบก็ยังคงความเป็นธรรมชาติจากการสร้างข้อความของโมเดลภาษา ทำให้การสนทนามีประสิทธิภาพมากขึ้นถูกต้องและหลอนน้อยลงไปมาก
เปิดตัว UiPath LLM อย่าง DocPath และ ComPath โดยตัว UiPath DocPath จะช่วยให้องค์กรประมวลผลเอกสารใด ๆ ทางธุรกิจที่ซับซ้อน และไม่มีโครงสร้างได้ดี ส่วนตัว UiPath CommPath มีความสามารถประมวลผลการสื่อสารที่หลากหลาย ตั้งแต่ข้อความ อีเมล chat ด้านธุรกรรมไปจนถึงคําขอที่ซับซ้อนซึ่ งมีคําขอหลายรายการและภาษาเฉพาะบริบทในแต่ละธุรกิจ แต่ละองค์กร ทั้งนี้จุดขายคือความแม่นยำ การเทรนโมเดลที่เร็ว และน่าเชื่อถือ
เปิดตัว UiPath AutoPilot ที่มีความเก่งในแต่ละด้านอาทิ สร้าง process flow program ได้ด้วย prompt หรือแม้กระทั่งสร้าง UiPath App (low-code) ด้วยการส่ง PDF ภาพตัวอย่างที่เราออกแบบมาคร่าวๆได้เลย ยังมีรายละเอียดที่จะเขียนต่อไปในบทความตอน div deep ต่อไปครับ

Process Discovery คืออะไร, สำคัญอย่างไรสำหรับโครงการ RPA

สำหรับผู้ที่มีหน้าที่ขับเคลื่อนโครงการ RPA หรือมีบทบาทในโครงการ RPA นั้น ขั้นตอนของ Process Discovery จัดว่าเป็นขั้นตอนหนึ่งที่สำคัญมากของโครงการ เนื่องจากเรื่องนี้เกี่ยวข้องโดยตรงกับความสำเร็จในการนำเทคโนโลยี RPA ไปใช้กับงานในองค์กรของเรา

เราลองนึกภาพดูถ้าองค์กรของเราเลือก process การทำงานที่ (ไม่ทราบมาก่อนว่า) ซับซ้อน เกิดปัญหามากมายในขั้นตอนการพัฒนาอันทำให้โครงการล่าช้ากว่ากำหนดมากและได้ผลลัพท์ที่สุดท้ายแล้ว ไม่ได้ช่วยให้ผู้ใช้งานมีชีวิตการทำงานที่ง่ายขึ้น โครงการนี้ก็จะหมดความน่าสนใจจากทุกๆฝ่ายไปในที่สุด

Process Discovery เป็นขั้นตอนที่สมาชิกโครงการ RPA (ผู้ที่มีบทบาทหลักคือ หัวหน้าโครงการ ผู้ใช้งาน นักวิเคระห์และออกแบบระบบ เป็นต้น) คัดเลือกและวิเคราะห์กระบวนการทำงานที่มีอยู่ภายในองค์กรเพื่อพิจารณาว่ากระบวนการใดเหล่านี้เหมาะสำหรับพัฒนา เป็นระบบทำงานอัตโนมัติด้วย RPA โดยเป็นการค้นหากระบวนการที่มีลักษณะต่อไปนี้ เช่น เป็นการทำงานซ้ำในรูปแบบเดิม ใช้เวลามากจนกระทบงานอื่น มีเงื่อนไขการทำงานที่แน่นอน เกี่ยวข้องกับงานที่ต้องอาศัยข้อมูลจากระบบต่าง ๆ ในองค์กรมาประกอบการใช้งานเป็นจำนวนมาก

เป็นต้นโดยเรียกคุณลักษณะเหล่านี้ว่าเกณฑ์การพิจารณา ส่วนผลลัพธ์ของการทำงานส่วนนี้จะเป็น Process List ที่ผู้ใช้งานหรือสมาชิกโครงการระดมความคิดออกมาว่า กระบวนการทำงานไหนบ้างที่สมควรถูกเลือกขึ้นมาศึกษาในเชิงลึกว่ามีความเหมาะสม คุ้มค่ากับการพัฒนาให้เป็นระบบทำงานอัตโนมัติบ้าง

ในการทำ workshop ของขั้นตอน Process Discovery เราอาจใช้วิธีแบ่งกลุ่มผู้ใช้งานออกเป็นกลุ่มต่างๆ ที่ค่อนข้างมีความเข้าใจการทำงานในปัจจุบันของแต่ละคน และเลือก process ที่เห็นร่วมกันออกมาชุดหนึ่งเพื่อหารือกันในที่ประชุมรวม

ผู้ใช้งานจะต้องพยายามคิดว่างานของตนยังมีสิ่งใดที่เป็นปัญหาหรือสามารถทำให้ได้ดีกว่าที่เป็นอยู่ หากไม่แน่ใจก็สามารถซักถามเพื่อนร่วมกลุ่มหรือวิทยากรที่มีหน้าที่ให้คำปรึกษา เพื่อที่ว่าสุดท้ายกลุ่มของตนจะสามารถได้ Process List ที่มั่นใจได้ว่าสามารถช่วยปรับปรุงการทำงานของเราให้ดีขึ้นได้

การทำ workshop นี้ ยังเป็นโอกาสอันดีที่

พนักงานบุคคลากรในกลุ่มสามารถแลกเปลี่ยนข้อมูลและความเข้าใจในการทำงานของแต่ละคนซึ่งอาจอยู่คนละแผนก ซึ่งการเข้าร่วม workshop ลักษณะนี้ไม่ใช่เป็นแค่การประชุมเฉพาะกิจเวลาที่เกิดปัญหาและต้องการการแก้ไขเฉพาะหน้า แต่เป็นเรื่องของการมองภาพใหญ่ของโอกาสในการปรับปรุงกระบวนการทำงานให้มีประสิทธิภาพมากขึ้น
ได้รับฟังความคิดเห็นและมุมมองในการทำงานที่กว้างขึ้นจากพนักงานที่ปกติอาจจะไม่ได้มีโอกาสแสดงความคิดเห็นออกมา เนื่องจากในแต่ละวันเราก็จะให้ความสนใจเฉพาะกับงานที่เราต้องรับผิดชอบ ทำให้ขาดโอกาสในการเห็นภาพรวม
ได้รับความรู้และข้อมูลจากฝั่งของเทคโนโลยีจากผู้เชี่ยวชาญที่นำมาถ่ายทอดแลกเปลี่ยนระหว่างการทำworkshop ซึ่งทำให้องค์กรสามารถรับทราบความเป็นไปของเทคโนโลยีที่ตนเองสามารถนำมาใช้ประโยชน์ แม้บางแนวคิดที่ได้จาก workshop อาจยังไม่เหมาะสมที่จะหยิบมาพัฒนาได้เลยทันที แต่ก็ยังสามารถุศึกษาเพิ่มเติมหากเป็นประโยชน์ในอนาคตได้

ทั้งนี้ Process List ที่สมาชิกโครงการได้รวบรวมออกมาจะถูกนำมาจัดกลุ่มเป็น 4 กลุ่มหรือ 4 Quadrants ตามการประเมินจากมุมมองแรกคือ มองประโยชน์ที่ผู้ใช้งานหรือองค์กรคาดหมายจะได้รับ และอีกมุมคือมุมมองของต้นทุนและความซับซ้อนของการพัฒนางานเหล่านี้ให้เป็นระบบ RPA

โดยที่กลุ่มของกระบวนการทำงานใน Process List ทั้ง 4 กลุ่มสามารถอธิบายได้ดังนี้

Quick-Win: กลุ่มกระบวนการทำงานที่จะก่อให้เกิดประโยชน์แก่องค์กรได้มาก ในขณะที่ต้นทุนหรือความซับซ้อนในการพัฒนากระบวนการทำงานให้เป็น RPA มีไม่มากนัก เหมาะสมกับการเลือกมาทำเป็นระบบ RPA เป็นกลุ่มแรก ซึ่งเราต้องการได้ผลลัพท์ที่รวดเร็วเพื่อรักษาโมเมนตัมของโครงการ
Low-Hanging Fruits: กลุ่มกระบวนการทำงานที่จะก่อให้เกิดประโยชน์แก่องค์กรได้พอประมาณ แม้ไม่มากเท่ากับกลุ่ม Quick-Win ในขณะที่ต้นทุนการทำงานก็ไม่ได้สูงมากหรือทำได้ไม่ยากเท่าไหร่ หากพิจารณาว่าสามารถได้รับประโยชน์ที่เพียงพอ ก็สามารถเลือกทำเป็นกลุ่มถัดไป
Must-Do Improvements: กลุ่มกระบวนการทำงานที่คาดหวังให้เกิดประโยชน์แก่องค์กรได้มาก แม้มีต้นทุนค่าใช้จ่ายที่สูงหรือมีความซับซ้อนในประเด็นต่างๆของการพัฒนาระบบอยู่พอสมควร ก็ยังคุ้มที่จะลงทุนทำ
Long-Term Improvements: กลุ่มกระบวนการทำงานที่มีประโยชน์หรือคุณค่าต่อองค์กรไม่มาก โดยเฉพาะเมื่อเทียบกับต้นทุนความซับซ้อนที่ต้องใช้พัฒนาโครงการ อาจมองกลุ่มงานนี้เป็นกลุ่มสุดท้าย อาจพิจารณายังไม่ต้องทำในตอนนี้ หรือรอพิจารณาเชิงคุณประโยชน์ที่มีโอกาสเพิ่มขึ้นได้ในอนาคต

เราสามารถใช้เกณฑ์การให้คะแนน (Automation Score) ที่คำนึงจากปัจจัยทั้งด้านประโยชน์ที่คาดว่าจะได้รับและด้านต้นทุนการพัฒนา มาช่วยเราในการจัดกลุ่มได้

อย่างไรก็ตามแม้การทำ workshop ในขั้นตอน Process Discovery นี้จะดูมีขั้นมีตอน มีเกณฑ์การคัดเลือก Process List ที่ค่อนข้างชัดเจนและสามารถคำนวนเป็นตัววัดเชิงปริมาณอย่างคะแนนที่จะช่วยให้เราจัดกลุ่ม process เหล่านี้ได้ เรายังมีข้อสังเกตบางประการจากการสังเกตกิจกรรมที่เกิดขึ้นใน workshop ซึ่งอาจทำให้เราไม่ได้ Process List ที่ดีที่สุดสำหรับการวางแผนโครงการ RPA ในระยะถัดไป คือ

การขาดบุคคลากรที่มีความเข้าใจจริงในกระบวนการทำงานที่กำลังประเมินอยู่ ในกรณีที่ผู้ใช้งานที่ลงมือทำเองหรือมีความเข้าใจในขั้นตอนและปัญหาการทำงานจริงๆไม่ได้อยู่ร่วมใน workshop ซึ่งทำให้ Process List ที่ทำออกมาไม่ได้แสดงถึงกลุ่มงานที่เหมาะสมที่สุดที่จะพัฒนาให้เป็นระบบ RPA
การขาดข้อมูลที่จำเป็นสำหรับการตัดสินกระบวนการทำงานที่กำลังประเมินอยู่ เวลาเราพูดถึงประโยชน์ที่คาดหวังจากการเพิ่มประสิทธิภาพการทำงานหรือความซับซ้อนของการทำงานที่เรากำลังเผชิญอยู่ เราควรมีวิธีที่จะเก็บค่าสถิติของการทำงานนี้ให้ได้อย่างครบถ้วนและใกล้เคียงความจริงให้ได้มากที่สุด เช่น ขั้นตอนและเงื่อนไขการทำงานที่เราทำอยู่ เวลาที่ใช้อยู่ เวลาที่คาดการณ์ว่าจะลดลงเมื่อมีระบบ RPA มาใช้เป็นต้น ถ้าสมมุติฐานหรือค่าสถิติเหล่านี้คลาดเคลื่อนจากความจริงไปมาก เราจะได้ Process List ที่ไม่เหมาะสมและจะส่งผลต่อความสำเร็จและการยอมรับของโครงการ RPA
การที่ผู้ใช้งานหรือบุคคลากรที่มีหน้าที่ประเมินความเหมาะสมของโครงการ ยังไม่ได้รับทราบข้อมูลด้านเทคโนโลยีที่จะนำมาใช้ออกแบบและทำงานจริงอย่างเพียงพอ ทำให้เป็นอุปสรรคต่อการประเมินความซับซ้อนของการพัฒนาและการเลือกรูปแบบการทำงานใหม่ที่เหมาะสม

การได้ Process List จากการทำ workshop เป็นเพียงผลลัพท์แรกเท่านั้น process ต่างๆที่คิดได้ยังต้องผ่านการพิจารณาในรายละเอียดและจัดทำเป็น business case ที่มีข้อมูลสนับสนุนในเชิง costs & benefits ที่เพียงพออีก เพื่อให้ผู้มีอำนาจตัดสินใจอนุมัติและรวบรวมเข้าไปในแผนการพัฒนาโครงการต่อไป

ปัญหาที่พบจากข้อสังเกตที่กล่าวถึงในบทความสามารถแก้ไขได้โดยการจัดการเวลาที่เหมาะสมเพียงพอ เช่นการให้ความรู้เชิงเทคโนโลยีกับผู้ใช้งานที่เพียงพอก่อนที่จะประเมินความเป็นไปได้ของการพัฒนากระบวนการทำงานต่างๆ และการใช้เครื่องมือหรือเทคนิคในการเก็บค่าสถิติของการทำงาน เช่น เวลาและขั้นตอนการทำงานที่แท้จริงไม่ใช่มาจากการคาดเดา จุด bottleneck ต่างๆของแต่ละกระบวนการทำงาน เป็นต้น เพื่อให้การทำ Process Discovery ได้ผลลัพท์ที่เกิดประโยชน์ที่แท้จริงแก่องค์กร

หุ่นยนต์นักบัญชีปี 2023 (Robotic Process Automation with Accounting use case)

ในช่วงต้นเดือน ต.ค. ที่ผ่านมานับเป็นเกียรติอย่างยิ่งของแอดมิน และทีมงาน automat consulting ได้รับความไว้วางใจให้เข้าไปมีส่วนในการแบ่งปันประสบการณ์ถ่ายทอดการใช้งานระบบ RPA ให้กับน้องน้องนิสิตปริญญาตรี และปริญญาโทคณะบัญชี จุฬาลงกรณ์มหาวิทยาลัย ซึ่งก่อให้เกิดการประชุมร่วมมือกันทำ MOU สามฝ่ายตั้งแต่คณะบัญชีจุฬา(CBS) รวมไปถึง UiPath Global และบริษัท Automat Consulting พวกเราหารือกันว่าจะร่วมกันแบ่งปัน แชร์เครื่องมือ และสอนการพัฒนา เพิ่มทักษะดิจิตตอลด้วยการใช้ RPA จาก UiPath ให้กับน้อง ๆ นิสิต บุคลากรในมหาวิทยาลัย และยังเล็งเห็นความสำคัญไปถึงภาคของสังคมอีกด้วย น่าจะได้เห็นกิจกรรมดีๆ จากความร่วมมือครั้งนี้กันต่อไปครับ

จากนั้นทาง อจ จากคณะได้ขอให้ช่วยไปทำ online session เพื่อแชร์เรื่อง “ความสำเร็จของหุ่นยนต์นักบัญชี” ในช่องบัญชีออนไลน์ที่จัดกันทุกๆเดือน แอดมินก็เตรียมข้อมูล เคส และ live demo หลายๆชิ้นไป ปรากฏว่าคุยไปมาเวลาหมดกันไปเสียก่อน ยังมีเรื่องที่เตรียมไว้แต่ไม่ได้เล่าจึงถือโอกาสมาเขียนแชร์ไว้ในบล็อกวันนี้เลย และหวังว่าโอกาสหน้าจะได้ไปเล่าใน Banshi Online ให้กับท่านนักบัญชีอีกครั้งครับ แต่สามารถตามไปดู-ฟัง ย้อนหลังกันได้ที่นี่ครับ (หนึ่งชั่วโมง)

บล็อกวันนี้เลยนำ use case ทางบัญชีที่เห็นกันประจำ และ automat ได้เข้าไปช่วยทำออกมาคร่าวดังนี้ครับ

การประมวลผลใบสั่งซื้อ (Purchase Order Processing) ใช้ในการอัตโนมัติกระบวนการสแกนใบสั่งซื้อเพื่อดึงข้อมูลสำคัญ, นำข้อมูลเหล่านี้เข้าสู่ระบบที่เหมาะสม และสร้างคำขออนุมัติ
การจับข้อมูลของใบกำกับสินค้า ใบส่งของ (Invoice, DO Data Capture) เราเอา RPA+AIไปใช้ในการสแกน แปลงรูปแบบ และอัปโหลดข้อมูลจากใบกำกับสินค้าที่เป็นกระดาษและเอกสารกระดาษที่เหมือนกันโดยอัตโนมัติเข้าสู่ระบบ ERP เช่น SAP, JDE, Oracle หรืออื่นๆ
การสร้างใบกำกับสินค้าอัตโนมัติ (Invoice Creation) เราใช้ RPA ไปอ่านข้อมูลอัตโนมัติคำขอใบกำกับสินค้าทางอีเมลและไฟล์แนบ บันทึกไฟล์ที่ได้รับโดยอัตโนมัติ และบันทึกข้อมูลในระบบบัญชี RPA สามารถใช้ในการอ่านไฟล์ Excel ในโฟลเดอร์ที่แชร์เพื่อดึงรายละเอียดและเก็บไว้ในฐานข้อมูล จากนั้นเข้าสู่ระบบบัญชีเช่น SAP, Oracle เพื่ออัพเดตข้อมูลกลับ คนก็ไม่ต้องพิมพ์อีก ลดเวลาไปเยอะ
การอัตโนมัติกระบวนการใบกำกับสินค้า (Invoice Process Automation) ประมวลผลใบกำกับสินค้าตั้งแต่เริ่มจนจบ สามารถดึงข้อมูล จัดประเภท และตรวจสอบข้อมูลจากใบกำกับสินค้าหรือบิลสาธารณ utilitiesได้โดยอัตโนมัติ
การตรวจสอบการปรับปรุงบัญชีระหว่างบริษัท Intercompany Reconciliations (ICR) ใช้ RPA ช่วยในการปรับสมดุลบัญชี และสร้างงบการเงิน (Excel with formula) โดยไม่มีข้อผิดพลาดใด ๆ

ตอนจบรายการ แอดมินยังได้มีการ live demo สั้นๆ ไปกับตัว UiPath Clipboard AI ซึ่งเป็นอีกเครื่องมือหนึ่งที่น่าจะมีประโยชน์กับนักบัญชี และไว้จะนำมาเล่าในโอกาสต่อไป

Source:

มาดูว่ามีอะไรใหม่ ๆ ในเวอร์ชั่นล่าสุดของ 1st RPA Platform จากค่าย UiPath – What’s New for UiPath Platform 2022.10

ประยุกต์คีย์ฟีเจอร์ล่าสุดของ UiPath และ RPA Trend 2023

ช่วงปลายปี 2022 นี้ก็ถึงเวลาของบทความแนวพยากรณ์ แนวโน้มอีกสามหรือห้าปีข้างหน้าทยอยออกมาให้อ่านกันพอสมควร แอดมินเห็นว่าเราควรเอาบทความแนว ๆ นี้มาประยุกต์ใช้กับเทคโนโลยีเวอร์ชั่นปัจจุบัน หรือเวอร์ชั่นล่าสุดที่จะถูกเรียกใช้จากผู้พัฒนา หรือ user เอง เพื่อการเรียนรู้ การทดลองใช้และประยุกต์ใช้ให้เกิดประโยชน์

จึงเป็นที่มาของบทความนี้ที่จะใช้ 2 context (แนวโน้ม + ความสามารถล่าสุดของ RPA software) มาเขียนร้อยกันไป ผู้อ่านจะเห็นว่าแนวโน้มที่จะมาในปี 2023-2025 จะถูกตอบสนองได้ด้วยความสามารถ หรือ feature ของ RPA + ai และสุดท้ายผู้อ่านจะสามารถเรียนรู้ และเลือกได้เลยจะใช้ feature ใดมาทำการ digital transformation องค์กร พร้อมแล้วไปอ่านกันเลยครับ (ผู้เขียนขอใช้แนวทางจากค่าย UiPath ที่คุ้นเคยที่สุด)

ปกติทางค่ายผู้พัฒนาจะทำการ launch new feature ในทุก ๆ สองสัปดาห์ แต่หากเป็นการรวบรวมทั้งหมด แล้ว pack มาทีเดียวในเวอร์ชั่น Enterprise ซึ่งมีลูกค้าใช้งานอยู่เป็นจำนวนมากจะทำกันในปลายเดือนเมษายน และปลายเดือนตุลาคมของทุกปี จากนั้นจะเป็นการ GA (general availability) จากฟีเจอร์ทดสอบ ผ่านการทดสอบ และมีเสถียรภาพสูงในที่สุด ในปลายปี 2022 เวอร์ชั่นล่าสุดซึ่งจะถูกใช้ต่อเนื่องไปในปีหน้า การออกแบบถูกทำตามเกณฑ์สี่อย่างดังภาพ (การสร้างระบบอัตโนมัติได้ง่ายดาย รวดเร็ว, การปรับปรุงพัฒนา process สม่ำเสมอด้วย ai, การใช้ ai + RPA ใน usecase ใหม่ และสุดท้ายคือการเลือกการติดตั้งได้อย่างไม่มีขีดจำกัด)

และหากนำเอาคีย์ฟีเจอร์มากควบรวมกับ trend 2023 ดั่งที่ได้เขียนไปในบทความที่แล้ว ภาพอาจจะออกมาประมาณนี้

สรุปออกมาได้เป็น 7 แนวโน้มดังนี้

#1 และ #2 แนวคิดเรื่องนวัตกรรม่รวมไปถึงความเสี่ยง ผนวกเข้าไปในกระบวนการหรือการปฎิบัติงาน ไปพูดถึงการนำเอา RPA+Aiมาใช้ในงานหน้าบ้าน งานหาลูกค้าใหม่ งานบริการรูปแบบใหม่ เช่นระบบ ai อ่านข้อความ ฟังเสียง หรือมองรูปภาพ แล้วตอบโต้หรือคัดแยกนำไปเอาช่วยสร้างกระบวนการใหม่เป็นต้น (youtube chat+ai+RPA = https://youtu.be/9UTW60z8DLQ) เป็นต้น

#3 #4 IT automation & process discovery or test automation เป็นการผนวกเอา ai มาช่วยในการวิเคราะห์กระบวนการ ถ้าหากนำไปเที่ยบกับเครื่องมือพัฒนาจะเป็น UiPath process mining tools หรือ UiPath task mining ซึ่งหลักการคือนำเอา RPA ไปมอง “insight” ที่ระบบหน้าจอ หรือ log file ของ ERP แล้วหาคอขวดในกระบวนการเป็นต้น

#5 #6 และ #7 มองฟีเจอร์ล่าสุดที่จะมาตอบโจทย์เรื่องการ integration เข้ากับ Enterprise Software ได้อย่างรวดเร็ว ง่ายด้วยด้วย UiPath Integration และเครื่องมือ UiPath App ที่เป็น low code ที่เชื่อมกับ automation process ที่สร้างเอาไว้ ทำให้ผู้พัฒนาสร้างได้ง่าย และผู้ใช้ก็ใช้งานได้ผ่านทุกอุปกรณ์เช่น โน้ตบุค มือถือ หรือแม้แต่แทบเล็ต อีกประเด็นคือแนวโน้ม citizen developer ซึ่งอนุญาตให้ผู้ใช้งาน เรียนรู้ผ่าน e-learning และสร้าง app low code หรือแม้กระทั่งโปรแกรมหุ่นยนต์ขึ้นมาใช้ในองค์กรได้เอง แต่อยู่ภายใต้การกำกับดูแล (Governance policy) เป็นต้น ซึ่งหากจะมองไปก็เหมือน UiPath Automation Launcher เป็นต้น

ภาพแนวโน้ม RPA trend ในโลกธุรกิจ (ที่เขียนไปใน blog ครั้งที่แล้ว = https://bit.ly/3WCg4ZE

ทั้งนี้แอดมินได้ไปเล่นใน FB live กับทาง อ.เวท จากทางสถาบัน 9Expert (https://youtu.be/wE2MhqTAVjE) มีเนื่องหาที่น่าจะเป็นประโยชน์ ลองตามไปดูในคลิปYoutube กันดูครับ

ในบทความต่อ ๆ ไปจะมาลงลึกถึง key feature ในแต่ละโมดูล ตามที่ได้เกริ่นเอาไว้ในบทความนี้ ไว้พบกันครับ Merry Christmas & Happy New Year 2023

Credit:

https://docs.uipath.com/action-center/docs

https://www.uipath.com/blog/product-and-updates/2022-10-release-overview

“อะไรใหม่อะไรมา” กับการดึงประสิทธิภาพสูงสุดจากระบบอัตโนมัติ – บทความเรื่อง Automation 2023

แนวโน้ม automation ในยุคปี 2023

เข้าใกล้วาระช่วงปลายปี ก็จะมีบทความในเชิงการรวบรวมข้อมูล การพยากรณ์ถึงแนวโน้มต่าง ๆ ออกมาให้อ่านกัน วันนี้แอดมินขอหยิบเอา blog จากค่าย UiPath RPA ที่เค้าไปรวบรวมเอาข้อมูลจากหลากหลายแหล่ง อาทิเช่น Gartner, Everest, IDC, McKensey, Lenovo และอื่นๆ มาสรุปเล่าเป็นแนวโน้มของระบบอัตโนมัติขึ้นมา 7 แนวโน้ม สรุปเอามาเล่าสั้น ๆ กันครับ

เก่าไป ใหม่มา… เมื่ออ่านจบคิดว่าน่าจะได้ประโยชน์สามเรื่องคือหนึ่งเราจะรู้ว่าเครื่องมือตัวนี้มีผลกระทบอย่างไรหากนำไปใช้อย่างถูกต้อง สองปัญญาประดิษฐ์ดูเหมือนจะเป็นตัวยกระดับการใช้งาน และสามผลกระทบและแนวทางปฎิบัติต่อผู้ที่เกี่ยวข้องเช่น CEO, CHRO, CIO เป็นต้น ไปอ่านกันครับ

สรุปออกมาได้เป็น 7 แนวโน้มดังนี้

#1 แนวคิดเรื่องนวัตกรรม ผนวกเข้าไปในกระบวนการหรือการปฎิบัติงาน จากการใช้ automation ในหน่วยงานขยายเป็นแผนก ขยายต่อข้ามแผนก (เชื่อมเข้าหากัน) จากแนวคิดเพียงลดภาระงานเป็น เพื่อให้ได้ “สิ่งใหม่” ที่เร็วกว่า ดีกว่า ถูกกว่า ประทับใจลูกค้ามากกว่า

#2 เมื่อโลกธุรกิจมีความเสี่ยงแบบไม่เคยมีมาก่อน ภาวะเงินเฟ้อรุนแรง แรงงานขาดแคลน เมื่อองค์กรคิดแบบ automation 1^st จะมาช่วยสองด้านคือเพิ่มประสิทธิภาพการทำงานทันที และเพิ่มแรงดึงดูดกับพนักงานใน generation ใหม่ที่มองเครื่องมือที่จะเป็นตัวช่วยกับองค์กรในฝันของพวกเขา

“จากการสัมภาษณ์การทำงานที่ USA มีพนักงานในสหรัฐอเมริกาถึง 72% ที่ต้องการถ่ายโอนงานทั่วไปต่าง ๆ อาทิ การบริหารจัดการใบแจ้งหนี้ ตรวจสอบบัญชี หรือการทำรายงานเบื้องต้นให้กับระบบ AI เพื่อให้พวกเขาจะได้เน้นการทำงานที่จะเติบโตได้มากขึ้น เป็นต้น”

#3 หมดยุคสำหรับการทำเพื่อให้ระบบ IT ในองค์กรทำงานได้ไม่ติดขัด แต่ CIO ในยุคใหม่ต้องมีความรับผิดชอบมากกว่านั้น เช่นการช่วย CEO, CFO ในแง่การสร้างผลลัพธ์ในรูปแบบใหม่ ๆ โดยประยุกต์ใช้ “นวัตกรรม” เช่นการประยุกต์ใช้ automation เพื่อลดต้นทุนเวลา ลดต้นทุนแรงงาน เพิ่มความเร็วสำหรับโครงการ ซึ่งระบบ automation จะมาตอบโจทย์ได้เร็วกว่าเทคโนโลยีอื่น ๆ

#4 ซึ่งจำเป็นใหม่ ๆ สำหรับองค์กรในยุคดิจิตอล อาทิ process mining (เครื่องมือที่ใช้ ai ช่วยขุดค้นหากระบวนการที่เป็นคอขวด ต้นตอของปัญหาที่มองไม่เห็น กระบวนการที่ข้ามระบบ ข้ามแผนก หรือข้ามบริษัทเป็นต้น) และautomation testing ที่จะมาช่วยให้การสร้างระบบใหม่เร็ว ขยายได้ไม่จำกัด ถูกต้องแม่นยำเพื่อนำไปใช้งาน

#5 เครื่องมือในยุค 2023 เอื้ออำนวยให้พนักงานที่ไม่มีทักษะ IT สามารถสร้างสรรค์ automation process หรือแม้แต่ application ได้ด้วยตัวเค้าเอง ไม่ต้องไปร่ำเรียนใช้เวลามากมาย ด้วยเครื่องมือ low-code ภาระงานที่เคยตกอยู่กับหน่วยงาน IT หรืองานprogrammer จะหายไปเยอะมาก

#6 เมื่อ ai เพิ่มความสามารถในงาน automation มากขึ้นไปอีกด้วยการนำ NLP มาใช้ (Natural language processing – ความสามารถของโปรแกรม ในเข้าใจความหมายของข้อความ และเสียงเหล่านั้นแบบสมบูรณ์ได้เหมือนกับที่มนุษย์ทำ อีกทั้งยังสามารถที่จะประเมินและเข้าใจถึงเจตนาได้อีกด้วย) อีกทั้งการเรียนรู้ประเภทเอกสาร แยกแยะข้อมูลอัตโนมัติ ก็เพิ่มและเก่งขึ้นเรื่อย ๆ

#7 ทักษะดิจิตอล จะกลายเป็นแหล่งขุมทรัพย์สำหรับองค์กรยุคใหม่ ทั้ง CIO และ CHRO ต้องทำงานร่วมกันเพื่อช่วยการสร้าง สอน ถ่ายทอดทักษะนี้เพื่อการเติบโตในยุคดิจิตอลต่อไป

Credit:

https://www.uipath.com/resources/automation-whitepapers/automation-trends-report

https://www.adpt.news/2022/11/24/report-72-of-us-workers-want-to-delegate-simple-tasks-to-ai/?

RPA Practical Use case (Thailand) Sharing – Webinar with IMC Institute

แบ่งปันเคสการนำ RPA + ai ไปใช้ในภาคธุรกิจของประเทศไทย เล่า Use case ผ่านการแบ่งออกเป็น 3 ประเภท

ช่วงกลางเดือนที่ผ่านมา มีโอกาสทำ Free webinar กับทางสถานบันไอเอ็มซี (IMC Institute) โดยตอนที่ได้พูดคุยกับทีมงานก็จะเน้นไปในเรื่องของการนำเอาการใช้งาน RPA + ai จริงมาเล่าผ่านการแยกประเภทต่างๆ ออกได้เป็น 3 แนวทางการแบ่ง use case คือ

แบ่งโดยมองไปที่เทคโนโลยี มองจาก ai เรื่อง image detection หรือ machine learning ในเรื่อง text classification หรือ NER (Name Entity Recognition)
แบ่งแบบตามกระบวนการเฉพาะของอุตสาหกรรม เช่นธนาคาร ประกันภัย ภาคการผลิต
แบ่งตาม business unit หรือตามแผนกต่าง ๆ เช่นการบัญชี การตลาดหรือแม้แต่หน่วยงาน HR

โดยตอนที่เริ่มเราก็ไม่ได้เข้าเรื่องทันทีทันใด แต่ขอไปเน้นพูดปูพรมความรู้กันก่อนว่า มันคืออะไร แนวโน้มยุคนี้ผู้บริหารเน้นให้ไปใช้ด้วยหลักอะไร เริ่มกันยังไง (มีแนวทางให้คิด) แล้วอธิบายถึงกระบวนการการคัดสรรในทางลึกด้วยเทคโนโลยี และการคำนวณ ROI ร่วมกัน

การนำ RPA มาใช้ควรเริ่มต้นตรงไหน อย่างไร
Deep dive process ตัวอย่าง
Use cases ในกลุ่มงานลักษณะต่างๆ

เข้าใจว่ามีการถ่ายทอดผ่าน zoom มีผู้เข้าฟังมากกว่า 100 ท่าน และยังไม่นับรวมการดูผ่านช่องทางอื่นๆ อีก (ดีใจมากมายที่ได้แบ่งปันกัน) และบันทึกเพื่อให้ดูย้อนได้ผ่าน FB live ของทางเพจ IMC เองและดูผ่าน youtube channel ของ IMC เช่นกัน ความยาวของคลิปประมาณ 80 นาที ก็ครอบคลุมในทุกเรื่องที่ได้กล่าวไป ไม่เร่งไม่ยืด ถ้ามีเวลาสามารถเข้าไปค้นหาในตามช่องทางต่างๆ ที่ให้ไว้ได้ครับ และหากต้องการ slide material ใด ๆ สามารถติดต่อได้ตลอดครับ

Credit:

From Research Paper – Magic Quadrant for Robotic Process Automation

เอกสารประจำปี บอกเล่าเรื่องผู้เล่นในตลาด RPA นวัตกรรม ฟีเจอร์ที่ต้องมีในปัจจุบัน แนวโน้มในอนาคต ขนาดตลาด และจัดลำดับผู้เล่น (ข้อดี ข้อต้องปรับปรุง)

เอกสารที่หลาย ๆ คนที่สนใจผลิตภัณฑ์ซอฟต์แวร์ ในตลาดไอทีต้องเคยตามอ่าน และก็เช่นกันในเดือนที่แล้วบริษัท Gartner เองก็ได้ปล่อยเอกสาร (หาโหลดได้ในอินเตอร์เน็ต) นี้ออกมาเพื่อบอกเล่าเรื่องราวต่าง ๆ ในซอฟต์แวร์แคตตาล็อกที่ชื่อ RPA ครับ ซึ่งในบทความจะเล่าแนวโน้มเครื่องมือ RPA รวบรวมข้อดี ข้อที่ต้องปรับปรุงให้ดีไปอีกของแต่ละค่าย ซึ่งผู้เขียนคงไม่ได้บอกว่า software RPA ค่ายไหนดีที่สุด เพราะสินค้าที่เหมาะกับองค์กรต้องเหมาะไปด้วยสามเรื่องครับ (ตามความเห็นแอดมินนะ)

สินค้า บริการไอที ที่ซื้อมาแล้วใช้ได้ และคืนต้นทุน (ROI) ได้ในระยะเวลาไม่เกินหนึ่งปี
สินค้ามีความยืดหยุ่น ปรับเปลี่ยนได้และเมื่อต้องต่อขยาย scope ออกไปก็ต้องทำได้ดี
บริการไม่ต้องใหม่เกินไป แต่ต้องพิสูจน์ว่าใช้ได้จริง และหานักพัฒนาบ้านเรา (คนไทย) มาต่อยอดออกไปได้เพื่อให้มันเข้ากับ process ของเราจริงๆ

มาดูภาพนี้กันเถอะ

credit: Gartner, Magic Quadrant for Robotic Process Automation, by Saikat Ray, Arthur Villa, Melanie Alexander, Keith Guttridge, Andy Wang, Paul Vincent , 25 July, 2022

แกนด้านแนวดิ่ง มองเรื่องการขยายตลาด จำนวนผู้ใช้งาน ประสบการณ์การใช้งาน จำนวนผู้ให้บริการ และแกนแนวนอนมองเรื่องฟีเจอร์ ฟังก์ชั่นที่เป็นนวัตกรรม โมเดลด้านธุรกิจที่ดี การวางกลยุทธของค่ายนั้นๆ เป็นต้น ซึ่งก็จะแบ่งเป็นสี่แกน โดยปกติแอดมินก็จะทยอยติดตามอ่านและพยายามหาซอฟต์แวร์มาทดลองเล่น สอบถามคนที่รู้จักให้ได้มากที่สุด ซึ่งมีทั้งค่ายจากยุโรป อเมริกา ญี่ปุ่น จีน ทั้งค่ายที่เก่าแก่ มาแต่แรก ๆ ไปยังค่ายที่เพิ่งปรับตัวมาจากแคตตาล็อกบริการอื่น ๆ

ในบทความยังพูดไปถึงเรื่องการเจริญเติบโตของ RPA ในแง่รายได้ (โตไปถึง 31%) ซึ่งโตกว่าค่าเฉลี่ยซอฟต์แวร์ (ปกติ 16%) และแนวโน้มเรื่องการใช้ APIs ควบคู่ไปกับการจับภาพจากหน้าจอ (scraping) เพื่อไปทำ automation process แบบเดิม มองไปถึงเรื่อง Integration API-first อันนี้ถูกผลักดันค่ายค่าย pure RPA เช่น UiPath เป็นต้น

มีการขยายตลาดกันด้วยการซื้อคู่แข่งมาอยู่ในค่าย (เป็นพวกกันเลย) เช่น SalesForce.com ซื้อ Servicetrace หรือค่ายที่มีลูกค้าในไทยใช้อย่าง Kryon RPA ก็ถูก Nintex ซึ่งเป็น BPM รายใหญ่ซื้อไป และยังมีอื่น ๆ อีกครับ

มองข้ามไปในปี 2024 ทุกค่ายในหมวดนี้ต้องไปในแนว APIs integration และค่ายผู้นำไปเน้นไปทำ automation นอกไปจากdesktop PC เช่น web, mobile หรือแม้กระทั่งเรื่อง voice interface กันครับ (ตื่นเต้นจริง ๆ)

บทความหน้า จะมาเล่าผู้นำในตลาดอย่าง UiPath RPA platform ว่าทำไปถึงไปอยู่ในแกน leader ได้ (นำโด่งขนาดนั้น) ติดตามตอนต่อไปครับ

Credit:

https://www.gartner.com/reviews/market/robotic-process-automation-software

https://www.uipath.com/resources/automation-analyst-reports/gartner-magic-quadrant-robotic-process-automation

Gartner, Magic Quadrant for Robotic Process Automation, by Saikat Ray, Arthur Villa, Melanie Alexander, Keith Guttridge, Andy Wang, Paul Vincent , 25 July, 2022.

Case Studies – Carlsberg Beer เบื้องหลังความสำเร็จ business automation ไปทั่วโลกของเบียร์พรีเมียม

อีกหนึ่งความสำเร็จของการใช้ RPA ไปทั่วโลกของลาเกอร์เบียร์พรีเมี่ยมจากเดนมาร์ก ด้วยการมองให้ครบกระบวนการ ให้เครื่องมือที่มีประสิทธิภาพและง่ายกับคนทำงานสร้าง RPA program ด้วยตัวพวกเค้าเอง คือกุญแจสู่ความสำเร็จของ Carlsberg

บริษัทเบียร์ลาเกอร์ยักษ์ใหญ่จากประเทศเดนมาร์ก ปัจจุบันขายดีเป็นอันดับหนึ่งในยุโรปตะวันออก และเหนือ โดยจำหน่ายกว่า 150ประเทศทั่วโลก โดยไม่ได้เริ่มที่การมุ่งเป้าไปที่เทคโนโลยีใดๆเลย แต่มุ่งตอบคำถามทางด้านธุรกิจมากกว่า และนำไปสู่การเพิ่มศักยภาพของคนในองค์กรให้รู้คุณค่า และสามารถ “สร้าง” ระบบอัตโนมัติขึ้นมาได้ โดยการเดินทางเริ่มจากหน่วยงานชื่อ CIA(Carlsberg Intelligent Automation) ฟอร์มทีมและมองหา zero-value activities มองไปที่ระบบรอบๆ ใกล้ๆตัวง่ายที่สามารถนำมาทำ automation business และทีมงานใช้กฎถ้าเราฝึกอบรมใครก็ตามให้ทำงานได้ภายในหนึ่งสัปดาห์ งานต่างๆเหล่านั้นจะถูกนำเอามาเป็นหนึ่งในกระบวนการที่จะพัฒนา และทดแทนแรงงานคนด้วย robots

ระบบการรับคำสั่งซื้อ เป็นอีกกระบวนการที่ถูกนำมาพัฒนา เนื่องด้วยเป็นระบบที่ทีม CIA ศึกษาและมองว่าคุ้มค่าหากนำมาใช้รับคำสั่งซื้อ ส่งคำสั่งซื้อไปยังระบบ back office สร้าง ticket ในระบบ ServiceNow (CRM) เชื่อมโยงข้อมูลเพื่อนำไปผลิตและสั่งกระบวนการด้านการเงินต่อไป (ERP) โดยในการพัฒนาทีมจะทำการแบ่งานออกเป็นโปรแกรมย่อย และแน่นอนว่าสามารถcustomize เพื่อให้การต่อขยายไปยังภูมิภาคอื่นๆ ที่มีกระบวนการคล้ายคลึงกันใช้งานได้ทันที และพร้อมสำหรับการ customizeเล็กๆน้อยๆได้ จนทุกวันนี้ระบบ Order management automation ถูกใช้ในสี่ภูมิภาค และเป็นต้นแบบของกระบวนการautomation อื่นๆก็มากกว่า 20 กระบวนการ

อีกหนึ่งแนวทางคือการขายไอเดียให้แต่ละ Business Unit จิตวิญญาณเชิง start-up ที่ต้องค้นหาและสร้างระบบอัตโนมัติด้วยตนเอง และพร้อมจะนำเสนอ “ขาย” ไปยังภูมิภาคอื่นๆอีกด้วย ซึ่งจะทำอย่างนั้นได้ต้องมีการให้ความรู้ความเข้าใจ การสร้าง automation ขึ้นเพื่อใช้งานเองโดยมีผู้เชี่ยวชาญสนับสนุนอยู่ มาดูตัวอย่างเช่น CFO ที่เข้าใจและมองเห็นประโยชน์ ความสำคัญ จะสนับสนุนให้เกิดการทำ end to end automation ในกระบวนการสร้างรายงานด้านการเงิน และยังสนับสนุนให้ทีมงานบัญชีการเงินเป็นผู้ช่วยสร้างระบบเองด้วย แนวคิด Citizen Developer Staff เกิดขึ้นก็ถูกผลักดันให้เกิดขึ้นด้วยความคิดที่ว่า “ใครจะไปรู้งานได้ลึกซึ้ง เท่ากับคนที่อยู่หน้างานจริงๆ”

เรื่องน่าจดจำที่เกิดขึ้นจริงสำหรับ automation journey คือเมื่อมีคนสวีเดน สร้างโปรแกรมอัตโนมัติขึ้นมาเพื่อช่วยงานต่างๆ และถูกนำไปใช้ในภูมิภาคอื่นๆ ทุกคนใน Carlsberg จะตื่นเต้นและใช้งานพร้อมให้ความเห็นเพิ่มเติมเข้ามาในเชิงบวกมากมาย เพราะเค้าเห็นว่า CIA ที่ทีมเลือก implement model และ Citizen Developer ช่วยลดงานน่าเบื่อ งานประจำวันของเค้าออกไปจากชีวิตได้จริง

ถ้างั้นคำถามจริงๆคือมีเครื่องมืออะไรที่มาช่วยให้ทราบว่ากระบวนการมีอะไรบ้าง ข้อมูลกระบวนการต่างๆต้องถูกส่งมาจากผู้ใช้งานจริงช่วยจัดลำดับความสำคัญอย่างเป็นวิทยาศาสตร์ ซึ่งเครื่องมือที่ Carlsberg ใช้คือ UiPath Automation Hub นั่นเอง…. อีกทั้งมีการปรับปรุงให้เครื่องมือตัวนี้ทำงานไปคู่กับรายละเอียดการประเมินกระบวนการ เชื่อมต่อกับ KPI ของทางองค์กรอีกด้วย มีการทำ benefits templates เพื่อเป็นต้นแบบของการคำนวณความคุ้มค่า เชื่อมโยงกับมาตรวัดขององค์กรทำให้ Automation Hub เป็นแหล่งที่นักพัฒนามักจะแวะเวียนเข้าไปดูว่ามีกระบวนการอะไรที่อยู่ในลิสต์ น่าทำและดึงออกมาพัฒนาต่อยอด พูดคุยแลกเปลี่ยนข้อมูลกันในนี้เลย

UiPath Automation Hub – Dashboard for RPA Pipeline

ในส่วนตัวผู้เขียนเองได้มีโอกาสใช้งาน UiPath Automation Hub และนำเสนอไปสู่ลูกค้าในองค์กรใหญ่ๆ อยู่หลายครั้งก็เห็นว่าเป็นประโยชน์มากๆสำหรับการทำ Scaling ของกระบวนการ automation แบบ bottom-up หลายครั้งที่ทุกคนมองว่ามันเป็นแค่โครงการที่เริ่ม และจบในคราวเดียว จึงไม่ได้มี “จุดนัดพบ” ทำเสร็จก็แยกย้าย ทำให้หลายองค์กรไม่สามารถต่อยอดความสำเร็จได้ ความคุ้มค่าจึงเกิดขึ้นได้น้อย แต่หากได้ลองมาใช้งาน Automation Hub นี้ดูจะเห็นว่ามีประโยชน์อยู่สามอย่างที่ไม่ได้เกี่ยวข้องกับเทคโนโลยี หรือกระบวนการใดๆเลยคือ

เชื่อมโยงผู้คน ดึงดูดให้เกิดความสนใจ ภาคภูมิใจ
เชื่อมโยงกระบวนการ ให้เห็นเป็นภาพ End to End ได้
มีความเป็นวิทยาศาสตร์ มีสูตรคำนวณที่ชัดเจน ไม่มั่วไม่อคติจากผู้ใช้งาน

ในบทความต่อไป ผู้เขียนจะได้มีโอกาสมาเล่าถึงเครื่องมือ Automation Hub ให้ละเอียดชัดเจนอีกครั้งหนึ่ง ขอบคุณครับ

Credit:

https://www.uipath.com/resources/automation-case-studies/carlsberg-leverages-intelligent-automation

เชื่อมคนกับโรบอทให้ทำงานประสานกันด้วย UiPath Action Center

เพิ่มความคุ้มค่าของการลงทุนใน RPA ด้วย เครื่องมือ UiPath Action Center โดยทีมงาน automat consulting

ข้อได้เปรียบอย่างหนึ่งของระบบ Robotic Process Automation หรือ RPA เมื่อเปรียบเทียบกับเทคโนโลยีประเภทอื่นสำหรับการเพิ่มประสิทธิภาพของกระบวนการทำงานในองค์กรก็คือ RPA สามารถเริ่มได้ด้วยต้นทุนที่ต่ำกว่า องค์กรสามารถนำเครื่องมือ RPA มาใช้ร่วมกับระบบหรือแอพพลิเคชั่นที่มีอยู่ได้โดยไม่ต้องรื้อของเดิมทิ้งอย่างขนานใหญ่ และก็เป็นการนำมาใช้แบบค่อยเป็นค่อยไปตามปริมาณงานที่ตั้งใจจะพัฒนาให้เป็นระบบอัตโนมัติ

แต่อีกปัจจัยหนึ่งที่ส่งผลต่อความคุ้มค่าของการลงทุนใน RPA ด้วยเหมือนกันก็คือ เวลาที่โรบอทใช้ทำงานให้เราหรืออีกนัยหนึ่งคือกระบวนการทำงานของเรามีโรบอทเข้ามาช่วยแบ่งเบาภาระการทำงานของพนักงานเราได้แค่ไหน

ความคุ้มค่าของการลงทุนจะเกิดขั้นช้าถ้า

ระบบงาน RPA ต้องหยุดชะงักเนื่องจากเกิดความผิดพลาดในขั้นตอนการทำงานทำให้ต้องรอพนักงานที่เป็นคนเข้ามาสั่งงานหรือตัดสินใจบางอย่างให้โรบอทเพื่อที่โรบอทจะสามารถทำงานต่อ หรือ
ระบบงาน RPA ที่มีการแตกออกเป็นระบบย่อยๆหลายระบบไม่สามารถรับมือกับการแก้ไขข้อมูลผิดพลาดได้อย่างยืดหยุ่นพอ ทำให้เจ้าหน้าที่ที่เป็นคนต้องใช้เวลามากในการค้นหาจุดที่เป็นปัญหาหรืออาจต้องย้อนกลับไปทำใหม่ในขั้นตอนเริ่มต้น

กรณีตัวอย่างทั้งสองนี้จะยิ่งเด่นชัดถ้าเรามีกระบวนการทำงานซึ่งมีลักษณะยาว คลอบคลุมงานของหลายแผนกหรือมีปริมาณธุรกรรมที่ต้องจัดการเป็นจำนวนมาก การหยุดชะงักเหล่านี้ถ้าเกิดขึ้นบ่อยและใช้เวลานานกว่าโรบอทจะได้รับคำสั่งจากผู้ใช้งานที่เป็นคนเพื่อทำงานต่อ ย่อมส่งผลต่อเวลาทำงานของโรบอทและความคาดหวังขององค์กรที่อยากให้ระบบ RPA เช้ามาแก้ปัญหาประสิทธิภาพและปัญหาสภาวะการทำงานที่เผชิญอยู่

เพื่อให้เห็นภาพ สมมุติบริษัทค้าปลีกน้ำมันแห่งหนึ่งต้องใช้เจ้าหน้าที่ฝ่ายบัญชี 10 คนทำรายการกระทบยอดบัญชีของยอดชำระผ่านธนาคารกับยอดหนี้ของลูกค้า (Bank Statement Reconciliation)ได้เฉลี่ย 500 รายการใน 1 วัน บริษัทตัดสินใจนำระบบ RPA เข้ามาช่วยในกระบวนการนี้ด้วยความคาดหวังให้โรบอททำงานนี้ได้ 3,000 รายการใน 1 วันซึ่งเป็นปริมาณธุรกรรมสูงสุดที่บริษัทเคยบันทึกไว้ อย่างไรก็ตาม ในหลายกรณีด้วยกันที่ยอดชำระกับยอดหนี้แตกต่างกันมากจนโรบอทต้องข้ามรายการเหล่านั้น และบันทึกรายการที่ไม่ได้ทำในรายงานสรุป เจ้าหน้าที่ผู้รับผิดชอบต้องใช้เวลานานในการค้นหาและแก้ไขข้อมูล หรือยอมรับข้อผิดพลาดที่เกิดขึ้น ผลลัพธ์ที่ได้คือปริมาณรายการที่โรบอททำได้ ต่ำกว่าความคาดหวังที่ 3,000 รายการต่อวันไปค่อนข้างมาก

สถานการณ์ดังกล่าวนี้ ในบางครั้งสามารถแก้ไขได้ด้วยการออกแบบระบบการทำงานเพื่ออำนวยความสะดวกในการให้เจ้าหน้าที่รับทราบและเข้ามาแก้ไขได้ในเวลาอันสั้น แต่ในระยะยาวแล้ว สมควรที่จะมีฟังชั่นเฉพาะที่เจ้าหน้าที่สามารถทำงานร่วมกับโรบอทได้อย่างราบรื่น ครอบคลุมทุกเงื่อนไขที่โรบอทไม่ต้องหยุดชะงักรอระหว่างการทำรายการหรือมีการแจ้งเตือนเจ้าหน้าที่ได้ทันทีเพื่อแก้ไขข้อมูลในจุดที่เป็นปัญหา

ก่อนหน้านี้ทาง Automat เราออกบทความหนึ่งชื่อ เมื่อคนและหุ่นยนต์ประสาน ทำงานร่วมกัน (Human-Bot Collaboration) ซึ่งกล่าวถึงรูปแบบลักษณะต่างๆของการทำงานร่วมกันระหว่างคนกับโรบอท แต่ในบทความนี้เรามาเจาะดูเฉพาะสถานการณ์ที่โรบอทต้องหยุดเพื่อรับคำสั่งหรือรับ action บางอย่างจากผู้ใช้งาน ซึ่งโดยทั่วไปจะมีอยู่ 3 แบบคือ

การอนุมัติ (Approval Scenario) เป็นสถานการณ์ที่โรบอทถูกโปรแกรมให้หยุดการทำงานเพื่อรอคำสั่งอนุมัติจากผู้ใช้งาน โดยอาจเป็นการอนุมัติลดราคาขายสินค้าของทีมขาย การรับของเข้าคลังสินค้า การยอมรับความต่างของค่าที่ใช้เปรียบเทียบ เป็นต้น ระบบงานลักษณะนี้มักมีการกำหนดค่าการยอมรับ (Threshold) เพื่อที่โรบอทสามารถทำงานด้วยตัวเองได้จนกว่าค่าที่เป็นเงื่อนไขจะมากกว่าหรือน้อยกว่าค่าการยอมรับที่ตั้งไว้ คนจะต้องเข้ามาอนุมัติงานดังกล่าว
การตรวจสอบ (Verification Scenario) เป็นสถานการณ์ที่การทำงานของโรบอทต้องหยุดรอการตรวจสอบของผู้ใช้งานว่ากระบวนการทำงานดัวกล่าวเป็นไปตามที่กำหนดไว้หรือไม่ เช่นการพิจารณากระบวนการขอสินเชื่อของลูกค้าที่ต้องมีการตรวจสอบความครบถ้วนของเอกสาร การเปิดใช้งานบัญชีซื้อขายหลักทรัพย์ (Account Activation) ที่ลูกค้าต้องผ่านขั้นตอน KYC ก่อน เป็นต้น
การยืนยันความถูกต้อง (Validation Scenario) เช่นกรณีการใช้โรบอท extract ข้อมูลจากเอกสารผ่านเครื่องมือ OCR แล้วต้องมีคนเข้ามาช่วยยืนยันความถูกต้องของข้อมูลที่ได้ในกรณีที่โรบอทไม่มั่นใจว่าตัวเองอ่านถูกหรือไม่

นอกจากสถานการณ์ทั้งสามลักษณะนี้แล้ว การแก้ไขธุรกรรมที่เกิดไปแล้วก็เป็นเหตุการณ์ที่สามารถเกิดขึ้นได้ และถ้ามีการแก้ไขอย่างทันท่วงที ไม่เสียเวลารอการตัดสินจากผู้ที่เกี่ยวข้อง ย่อมส่งผลโดยตรงต่อประสิทธิภาพของกระบวนการทำงานนั้นๆ

ผู้ผลิตซอฟท์แวร์ RPA อย่าง UiPath Inc. ก็มีการพัฒนาฟังชั่นการทำงานของแพลตฟอร์มตนเองขึ้นมาโดยเฉพาะสำหรับเรื่องนี้ เรียกว่า UiPath Action Center โดยกำหนดให้คนส่ง action ที่โรบอทต้องการเพื่อให้โรบอททำงานต่อ เช่น การอนุมัติหรือปฎิเสธ การยืนยันเงื่อนไขที่โรบอทเจอว่าถูกหรือผิด เป็นต้น นอกจากนี้ยังมีการ assign ผู้รับผิดชอบลำดับถัดไปเพิ่อไม่ให้เกิดปัญหาขาดคนอนุมัติหรือตัดสินใจ

ตัวอย่างในภาพเป็นการทำงานของโรบอทที่หยุดรอผลการอนุมัติเสนอราคาจากผู้ใช้งานตามเงื่อนไขที่เราได้ออกแบบไว้ Action Center จะรวบรวมงานต่างๆที่หยุดรอผลการอนุมัติหรือการตรวจสอบไว้ในสถานะ Pending เพื่อที่ผู้รับผิดชอบสามารถเข้ามาอนุมัติหรือแก้ไขงานให้ถูกต้อง จากนั้นโรบอทก็จะทำงานของตัวเองต่อไปได้

ด้วยฟังชั่นการทำงานของ Action Center เราสามารถนำกระบวนการทำงานอีกมากมายที่ครั้งหนึ่งอาจพิจารณาแล้วไม่เหมาะสมสำหรับการทำออโตเมชั่น เนื่องจากมีความจำเป็นต้องหยุดรอคำสั่งจากเจ้าหน้าที่ที่เป็นคน กลับมาพิจารณาใหม่ในการพัฒนาเป็นระบบ RPA

นอกจากนี้ ท่านที่ได้พัฒนางาน RPA สำหรับองค์กรของท่านไปบ้างแล้วในระยะเวลา 2-3 ปีมานี้ สามารถกลับไปพิจารณากระบวนการทำงานเหล่านั้นอีกทีว่ามีขั้นตอนไหนที่ยังคงมีลักษณะที่เป็นรอยต่อของขั้นตอนการทำงานหรือการสื่อสารกันระหว่างผู้ใช้งานที่ทำให้เกิดการรอ action จากผู้ตัดสินใจ แล้วดูว่าการทบทวนการออกแบบของกระบวนการทำงานนี้อีกครั้งหรือการนำเครื่องมืออย่าง Action Center เข้ามาใช้จะสามารถลดเวลาที่เสียไปเหล่านี้ได้หรือไม่และได้แค่ไหน

เพราะการลดเวลาที่โรบอทไม่ได้ทำงานย่อมหมายถึงประโยชน์ที่เราจะได้รับจากการลงทุนใน RPA ที่เต็มเม็ดเต็มหน่วยมากยิ่งขึ้นนั่นเอง!

ท้ายบทความมีคลิปประกอบเพื่อความเข้าใจเพิ่มขึ้นของ UiPath Action Center ครับ

Clip:

จัดการ process ง่ายๆ และให้คนเข้ามาช่วยตรวจงานด้วย Action Center – Youtube Channel “automat”

Case Studies – DHL ปรับทีมงาน เปลี่ยนกระบวนการ เพื่อเพิ่มศักยภาพ สินค้าถึงมือลูกค้าได้รวดเร็วด้วย RPA

Series ในตอนของ use case ที่น่าสนใจการนำเอา RPA ไปประยุกต์ใช้ในการจัดการธุรกิจ logistics ตอนที่ 3 โดยแชร์ถึงแนวคิดก่อนการปรับใช้เทคโนโลยี RPA ไปถึงการทำ quick-win ด้วย pilot process ที่ประสบความสำเร็จ ไปจนถึงอนาคตที่จะเลือกเอา Ai + OCR มาใช้ต่อไป มาติดตามกันครับ

แวดวงธุรกิจบริการโลจิสติกส์ ไม่มีใครไม่รู้จักพี่ใหญ่อย่าง DHL บริการขนส่งสินค้ารวดเร็วในทุกช่องทาง โดยเคสที่จะนำมาแชร์ในวันนี้คือ DHL Global Forwarding, Freight หรือ DGFF อยากจะเพิ่มศักยภาพกระบวนการขนส่งสินค้าให้บริการให้ดีขึ้นไปโดยเริ่มจากการจัดตั้งทีมภายใน ปรับทีมให้พร้อมรับการเปลี่ยนแปลง และพร้อมรับการต่อขยายเพื่อให้ใช้บริการนี้ไปในทุกภูมิภาคได้

โดยพื้นฐาน DGFF ให้บริการทั้งส่งด่วนทุกช่องทางทั้งพื้นดิน ทางทะเล ทางเครื่องบินโดยมีพนักงานให้บริการทั้งสิ้น 4,500 คน เมื่อผู้บริหารและทีมงานเลือกทั้งที่ปรึกษาและเครื่องมือ RPA ที่เหมาะสมคือ UiPath ก็เริ่มต้นทำ Pilot (Quick-win process) เรียกว่า “Post Flight” โครงการขึ้นมาโดยเริ่มจากการปรับกระบวนการภายในโดยเอาโปรแกรมอัตโนมัติมาเชื่อมข้อมูลจาก division operations systems มารวมกับข้อมูล flight data (จากสายการบิน) ทำรายงานเชิงลึก เพื่อตรวจสอบดูว่าไฟลท์บิน และการขนส่งถูกต้องตรงเวลาตามแผนงานหรือไม่ (delay) ถ้าไม่เป็นเพราะเหตุใด ทำให้เห็นข้อมูลเชิงลึกและนำไปปรับปรุงบริการในอนาคตได้ ในกระบวนการนี้ปกติถ้าเป็นพนักงานทำต้องใช้ถึง 30 คนแต่เมื่อใช้ RPA ลดเวลาให้พนักงานไปถึง 50% แล้วปรับพนักงานที่เหลือไปช่วยในกิจกรรมด้านอื่น ๆ เพื่อให้การขนส่งไปถึงมือลูกค้าได้เร็วกรณีไฟลท์บินดีเลย์เป็นต้น กระบวนการนี้เริ่มต้น พัฒนาและใช้งานจริงสำเร็จใน 1 เดือน ประหยัดแรงงานคนไปได้ 50% (300 FTE) เซฟเวลาที่ได้ให้คนไปทำงานสร้างสรรค์ด้านอื่น

ที่ DHL เมื่อกระบวนการแรกได้ผลลัพธ์ออกมาดี จึงได้ปรับทีมงานเรียกว่า CoE หรือ Center of Excellence แต่ที่นี่จะเรียกเป็นชื่อภายในเองว่า VDC หรือ Virtual Delivery Center ซึ่งประกอบไปด้วยคนประมาณ 30 คนโดยทีมนี้มีหน้าที่คัดสรรกระบวนการ ออกแบบกระบวนการทำงานเชื่อมกันระหว่างพนักงานและโปรแกรมหุ่นยนต์ (UiPath Robots) และในปัจจุบันขยายผลของกระบวนใหม่ทั่วโลก (ยุโรป จีน อเมริกาใต้) ซึ่งความท้าทายในแต่ละภูมิภาคที่มีกระบวนการแตกต่างออกไป เอกสารในแต่ละท้องถิ่นที่ใช้ไม่เหมือนกัน แต่ก็จัดการได้ด้วยการออกแบบที่ดี และเครื่องมือ RPA ที่ยืดหยุ่น

ปัจจุบัน DHL ใช้งานและพัฒนาโปรแกรมหุ่นยนต์อัตโนมัติมากกว่า 80 โรบอท และในขั้นตอนต่อจากนี้ไปทีมมองไปที่การนำเอา ai (ปัญญาประดิษฐ์) และ OCR technology มาเชื่อมโยงกับกระบวนการอัตโนมัติ RPA เพื่อทำความเข้าใจ แยกเยอะประเภทเอกสาร และสุดท้ายคือการมองไปทั้งกระบวนการ (End to End process)

ทั้งนี้ผู้เขียนจะขอนำเสนอการจัดการเอกสารในแวดวง logistic พวกใบขน manifest D/O และเอกสารต่าง ๆ ในโอกาสถัดไปครับ

source:

https://www.uipath.com/resources/automation-case-studies/dhl-global-forwarding-freight