ป้ายกำกับ: UiPath

Case Studies – Future Generali Insurance รางวัลสู่ความสำเร็จในการ ยกระดับการให้บริการประกันภัยด้วย UiPath RPA Platform

บอกเล่าการ implement ระบบ RPA ขององค์กรระดับโลก ศึกษาอย่างถ่องแท้ ลองทำจริง ปรับปรุงและวัดผลให้เกิดความคุ้มค่า ต่อยอดและมุ่งทำอย่างต่อเนื่อง… ผลลัพธ์คือความสำเร็จในการทำ Digital Transformation ขององค์กรแห่งนี้ด้วย UiPath RPA Platform

วันนี้มาดูองค์กรประกันภัยระดับโลกแห่งนึง ว่าเค้าเริ่ม ปฎิบัติและสุดท้ายสามารถเก็บเกี่ยวประโยชน์จากการทำ Digital Transformation ในโครงการริเริ่มด้วย RPA ได้อย่างไรปัจจุบันเป็นอย่างไรและในอนาคตเค้ามองการต่อยอดอย่างไรกันนะครับ

เป็นการร่วมทุนกันของสองบริษัทที่มีชื่อเสียงจากสองอุสาหกรรมในประเทศอินเดีย Future Generali India Life Insurance Company Limited (FGILI) โดย Future จากธุรกิจ Retail และ Generali จากธุรกิจประกันภัย โดยกลธุรกิจประกันมีระบบที่ทำงานร่วมกันหลากหลายระบบทั้ง core insurance (ระบบหลักหลังบ้าน) ระบบ AS400 สำหรับการคำนวณการออกกรมธรรม์ ระบบการคำนวณค่าเบี้ยและอืน ๆ ตามขั้นตอนการดำเนินธรุกิจ และแน่นอนเมื่อมีการแบ่งแยกทีมงาน แบ่งแยกระบบออกจากกันเป็นส่วนๆ ก่อให้เกิดการทำงานแบบ manual เยอะมาก และแน่นอน RPA ถูกนำมาติดตั้งและใช้งานทดแทนตรงนี้ได้ดีที่สุด พวกเค้ามองว่าบริษัทใหม่แห่งนี้จำเป็นต้องใช้เทคโนโลยีที่มาช่วยลดขั้นตอน กระบวนการทำงานหากต้องการจะสร้างธุรกิจต่อยอดออกไปได้ RPA ถูกกำหนดให้เป็นมือวางอันดับหนึ่งในเครื่องมือลดต้นทุน เพิ่มประสิทธิภาพในกระบวนการทำงานเลย

มองย้อนไปในปี 2017 ทีมงานเริ่มศึกษา automation tool ด้วยโปรแกรม Python มาก่อนจะขยับมาใช้ platform ที่ครบเครื่องอย่าง UiPath RPA  และริเริ่มด้วยการใช้ RPA ในการช่วยออกกรมธรรม์ที่มีความซับซ้อนก่อนจะแตกขยายไปเพิ่มจำนวน flow ที่มากขึ้น (ปัจจุบันมีมากกว่า 30 กระบวนการทำงาน) มีหลายๆ กระบวนการที่ลดเวลางานอย่างการออกกรมธรรม์จาก 1 วันที่ต้องรอเป็น 15นาที หรือแม้แต่กระบวนการทำ bank reconcile ที่ประหยัดเวลาไปถึง 83% กันเลย ใน

ขั้นตอนที่ทำก็ไม่ได้ซับซ้อนอะไร หน่วยงานขายนำส่งข้อมูล และเมื่อลูกค้าตัดสินใจซื้อก็นำสู่ระบบ operation คำนวณค่าเบี้ย พิจารณาข้อมูลประกอบ และออกกรมธรรม์ เข้ารหัสไฟล์และส่งเมลติดต่อลูกค้า ทั้งหมดก่อนการมาของ RPA คือ manual ทั้งหมด ซึ่งในกระบวนการออกกรมธรรม์ก็จะมีความซับซ้อนอยู่บ้างใน sub process แต่ RPA ก็สามารถจัดการทำงานร่วมกับมนุษย์ได้ และเมื่อผ่านการ implement ระบบนี้สำเร็จก้าวต่อไปคือเอาไปใช้ก้บหน่วยงานการเงินการบัญชีใน Bank recollimation process โดยก่อนหน้า RPA จะเป็นคนทำงาน เอกสารจากธนาคาร และ Excel เมื่อศึกษากระบวนการทำงานเรียบร้อย RPA จึงเข้าทำงานทดแทนตามขึ้นตอนดังนี้

1.เข้าเว็บ อัพโหลดข้อมูลจากธนาคาร (หลากหลายธนาคาร)

2.ประมวลผลโดยดึงข้อมูล จับมา matching กัน ในขั้นตอนนี้สามารถทำ matching สมบูรณ์ไป 93% ที่เหลืออาจเป็นการแบ่งจ่ายเป็นงวดซึ่ง robot สามารถบันทึกแยกออกไป และแจ้งพนักงานต่อได้

3.ช่วย post ข้อมูลที่จับคู่สำเร็จเข้าระบบ core systems

4.robot ช่วยจัดเตรียมรายงาน statement และการทำ adjustment ก่อนเข้าสู่กระบวนการ GL

การต่อยอดโดยมองไปที่กระบวนการด้านบัญชี จะมีแนวคิดลดงาน day-to-day และการปรับปรุงให้ถูกต้องและรวดเร็วมากยิ่งขึ้น เน้นคำนวณโดยลด FTE ให้ได้มากที่สุด สำหรับ roadmap การนำไปใช้ต่อนั้นผู้ iimplement มองว่าระบบข้อมูลขาเข้านั้นยังเป็น “ข้อมูลแบบไม่มีโครงสร้าง” เป็นจำนวนมากอยากนำเอา และกระบวนการทำธุรกิจจริงๆเริ่มซับซ้อนมากขึ้น จึงจะศึกษาและพัฒนาต่อยอดเพื่อนำ RPA+AI ไปใช้ สรุปคือ กิจกรรมความสำเร็จGทั้งหมดเริ่มจากการทดสอบ ใช้งานจริงในกระบวนที่จำเป็น พัฒนาอย่างต่อเนื่อง วางยุทธศาสตร์ด้านนี้ทั้งระยะสั้น และระยะยาว

ผู้เขียนมองว่าแนวทาง และขั้นตอนปฎิบัติเองก็ไม่ได้แตกต่างอะไรกับองค์กรอื่นๆ แต่ที่ประสบความสำเร็จในการใช้งานคือความมุ่งมั่น ทำจริงอย่างต่อเนื่อง และในธุรกิจประกันเองมี RPA potential มากมาย หลายๆ องค์กรมองโอกาสในโลกการประกันภัยมาก แต่ระบบก็ไม่ได้ถูกยกเลิกหรือเปลี่ยนแปลงจาก legacy system อย่าง AS400 ยังเห็นได้จากบริษัทประกันในบ้านเรา และยิ่งอนาคตเกิดการแข่งขันด้าน InsureTech มากขึ้นเท่าไหร่ RPA ก็น่าจะถูกนำมาใช้งานมากยิ่งขึ้นไปอีกทั้งงานก่อนการขาย (digital marketing, channel, ai chatbot) งานกระบวนการ (policy operation) และงานด้าน data analytic ซึ่งอีกหน่อยเทคพวกนี้จะหลอมรวมกันทั้ง RPA, Chatbot, modern CRM, low-code, ML&AI, data analytic เป็นส่วนหนึ่งของ InsurTech ต่อไป

source:

https://www.uipath.com/resources/automation-case-studies/future-generali-india-life-insurance-rpa

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

  1. ระบบงาน RPA ต้องหยุดชะงักเนื่องจากเกิดความผิดพลาดในขั้นตอนการทำงานทำให้ต้องรอพนักงานที่เป็นคนเข้ามาสั่งงานหรือตัดสินใจบางอย่างให้โรบอทเพื่อที่โรบอทจะสามารถทำงานต่อ หรือ
  2. 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

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

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

เพิ่มประสิทธิภาพการใช้งานของระบบ Legacy ด้วย RPA

ที่ทีมงาน Automat เราได้ทำงานร่วมกับลูกค้าหลายราย ที่ยังมีการใช้ระบบงานที่ได้รับการพัฒนามาแล้วหลายปี เรียกว่าระบบ Legacy อยู่ เช่นระบบงานบัญชีหรือระบบ HR ที่พัฒนาบนฐานข้อมูลชนิดเก่ามากระบบ Core Leasing หรือ Core Insurance ที่ยังทำงานอยู่บนเครื่อง AS400 เป็นต้น องค์กรยังคงใช้งานระบบเหล่านี้อยู่ เนื่องจากความเสถียรของระบบ การประยุกต์ใช้ RPA, Lowcode จะเพิ่มความสามารถอย่างไม่มีขีดจำกัด รวดเร็วและไม่ต้องลงทุนมากนัก

การปรับเปลี่ยนแอพพลิเคชั่นหรือการจัดหาแอพพลิเคชั่นใหม่เข้ามาใช้งานในองค์กร นับเป็นเรื่องสำคัญที่ผู้บริหารและผู้ที่เกี่ยวข้องต้องมีการตัดสินใจอย่างรอบคอบ เพื่อให้บรรลุเป้าหมายในการเพิ่มประสิทธิภาพการทำงานของแผนกต่างๆในองค์กร การสร้างความสามารถในการแข่งขัน และการปรับตัวเข้ากับสภาพการทำงานและความต้องการของลูกค้าที่เปลี่ยนแปลงรวดเร็วขึ้นเรื่อยๆ

แต่เนื่องจาก “เวลา” และ “งบประมาณ” ยังคงเป็นปัจจัยที่สำคัญของการพิจารณาแนวทางการทำงานของโครงการไอทีอยู่เสมอ เราจึงได้เห็นเทคโนโลยีอย่างการทำ automation เพื่อปรับปรุงกระบวนการทำงานบนระบบงานที่มีอยู่แล้วให้รวดเร็วขึ้น มีข้อผิดพลาดน้อยลง หรือเห็นเทคโนโลยีในด้าน application integration ที่ทำให้ระบบงานต่างๆที่มีอยู่สามารถเชื่อมต่อกัน เพิ่มความสะดวกให้แก่ผู้ใช้งาน ซึ่งเป็นการเพิ่มประสิทธิภาพการใช้งานของระบบที่มีอยู่ ก่อนจะถึงเวลาที่ต้องลงทุนจริงๆเพื่อเปลี่ยนเป็นระบบใหม่

จากประสบการณ์ที่ทีมงาน Automat เราได้ทำงานร่วมกับลูกค้าหลายรายที่ยังมีการใช้ระบบงานที่ได้รับการพัฒนามาแล้วหลายปีหรือที่เรียกว่าระบบ Legacy อยู่ เช่นระบบงานบัญชีหรือระบบ HR ที่พัฒนาบนฐานข้อมูลชนิดเก่ามากระบบ Core Leasing หรือ Core Insurance ที่ยังทำงานอยู่บนเครื่อง AS400 เป็นต้น องค์กรยังคงใช้งานระบบเหล่านี้อยู่เนื่องจากความเสถียรของระบบเองที่ได้รับการพิสูจน์แล้วอย่างยาวนาน และการที่ต้องลงทุนสูงทั้งในแง่ตัวระบบเองและการเปลี่ยนขั้นตอนการทำงานถ้าคิดจะนำระบบใหม่เข้ามาใช้งานแทน แต่ปัญหาหรือความท้าทายของการใช้แอพพลิเคชั่นอายุยืนที่องค์กรเหล่านี้ต้องเจอก็คือ

  1. ขาดการเชื่อมต่อกับระบบอื่น – ในกรณีที่ผู้ใช้งานมีความต้องการเพิ่มขึ้นจากสภาพการทำงานในปัจจุบัน เช่นอยากเพิ่มการติดต่อกับลูกค้าผ่านช่องทางโซเชียลมีเดีย หรือต้องการแลกเปลี่ยนข้อมูลกับแอพพลิเคชั่นที่อยู่บนระบบคลาวด์ จะทำได้ลำบากเนื่องจากเป็นระบบที่ถูกพัฒนาขึ้นเมื่อนานมาแล้ว โปรแกรม API ต่างๆยังไม่มีให้ใช้หรือขาดบุคคลากรที่พัฒนาได้
  2. ไม่สามารถรองรับรูปแบบการเข้าใช้งานที่เปลี่ยนไป – ระบบแอพพลิเคชั่นสมัยใหม่รองรับการทำงานนอกสถานที่หรือการทำงานจากที่บ้าน อีกทั้งยังสามารถใช้งานผ่าน device ได้หลายแบบ สอดคล้องกับวิถีชีวิตของผู้คน แต่ระบบ Legacy ไม่สามารถทำได้แบบนี้ 
  3. ไม่สามารถเพิ่มเติมฟังชั่นการทำงานได้ – ระบบ Legacy ที่เก่ามากๆจะไม่มีการอัพเกรดเวอร์ชั่นใหม่ๆแล้ว ทางเดียวที่จะเพิ่มฟังชั่นการทำงานได้ก็คือการเปลี่ยนไปใช้ซอฟท์แวร์ตัวใหม่เลยหรือถ้าไม่เก่ามาก ยังพอหาทีมงานที่สามารถพัฒนาต่อยอดได้ ทางผู้บริหารก็จะเกิดความลังเลว่าเป็นการลงทุนที่คุ้มค่าหรือไม่ กลัวว่าเสียเงินลงทุนพัฒนาไปแล้วจะใช้ไปอีกไม่นาน ทำให้ผู้ใช้งานต้องอยู่กับระบบเดิมต่อไป

อย่างไรก็ตาม จากเคสที่เราพบ เครื่องมีอที่ใช้พัฒนาระบบงานอัตโนมัติอย่าง RPA (Robotic Process Automation) สามารถใช้กับระบบงาน Legacy ได้ค่อนข้างดี เนื่องจากความแม่นยำของการจับปุ่ม ตาราง และข้อความต่างๆผ่านหน้าจอแอพพลิเคชั่นตามแบบที่มนุษย์ทำงาน และเมื่อศึกษาเปรียบเทียบเทคโนโลยีหรือแนวทางต่างๆในการเชื่อมต่อระบบแอพพลิเคชั่น การใช้ RPA ก็นับเป็นทางเลือกที่น่าสนใจดังข้อมูลในตารางด้านล่าง

จากตารางดังกล่าว ถึงแม้การใช้ RPA จะมีความเหมาะสมหรือคะแนนในเรื่องการขยายระบบ (Scalability) ด้อยกว่าการทำ Integrated application หรือการใช้ API แต่ RPA ก็เป็นโซลุชั่นที่เหมาะสมมากกว่า ถ้ามองจากเรื่อง เวลาที่ทำได้เร็วกว่า ต้นทุนที่ต่ำกว่า และความหลากหลายของฟังชั่นการใช้งาน (Versatility) ที่มากกว่า

นอกจากนี้แล้ว ผู้ผลิตซอฟท์แวร์ RPA บางเจ้ายังมีการเพิ่มส่วนที่เรียกว่า Low-Code Application เข้ามาใน RPA Platform ของตนเอง ทำให้การสร้างฟอร์มหรือ Dashboard สำหรับนำข้อมูลเข้าหรือออกจากระบบแอพพลิเคชั่นทำได้อย่างรวดเร็ว เป็นการนำประโยชน์ของการสร้าง app ที่รวดเร็วของซอฟ์ทแวร์ Low-Code มาใช้งานร่วมกับ RPA ที่มีจุดเด่นของการทำงานกับแอพพลิเคชั่นที่การเชื่อมต่อผ่านการเขียนโปรแกรมหรือ API เป็นไปได้ยาก

ถ้าเราเป็นฝ่ายเทคโนโลยีขององค์กรที่มีหน้าที่แสวงหาระบบหรือเครื่องมือ เพื่อช่วยเหลือให้ผู้ใช้งานในแผนกต่างๆขององค์กรสามารถทำงานได้สะดวก มีประสิทธิภาพเพิ่มขึ้น การเพิ่มช่องทางให้ผู้ใช้งานให้ทำงานกับระบบหลังบ้าน ไม่ว่าจะเป็นระบบที่ทันสมัยอยู่แล้วหรือระบบ Legacy ที่กล่าวถึงในบทความนี้ ย่อมก็ให้เกิดประโยชน์ต่อองค์กรในภาพรวม

ตัวอย่างในคลิป YouTube ตอนท้ายของบทความนี้ เป็นการจำลองรูปแบบการทำงานที่ผู้ใช้งานไม่จำเป็นต้องทำงานผ่านหน้าจอของระบบ Legacy แต่เป็นสั่งงานผ่านเว็บที่พัฒนาขึ้นด้วยเครื่องมือ Low-Code ไปที่โรบอท และให้โรบอทป้อนข้อมูลเข้าหรือแสดงผลที่ได้จากระบบ Legacy กลับมาที่ผู้ใช้งานที่ทำงานผ่านหน้าเว็บหรือผ่าน Smart Phone นับเป็นการเพิ่มช่องทางให้ผู้ใช้งานทำงานของตนเองบนระบบ Legacy ได้สะดวกมากยิ่งขึ้น

UiPath low-code app to solve Legacy  systems process flow

ยังคงมีการประยุกต์แนวคิดในลักษณะการใช้ low code ในรูปแบบอื่น ๆเพื่อรองรับการทำ business workflow หรือการใช้ RPA ในการทำกระบวนการที่มีความซับซ้อนและขั้นตอนยาวๆ มากๆ มีคนเกี่ยวข้องด้วยหลายแผนกหรือหลายๆคน ผู้เขียนจะขอนำมาเสนอในบทความต่อไปครับ

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

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
Text Classification

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
UiPath Document Understanding – ai

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

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

THREE logo with Chelsea Football Club

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

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

ตย การจัดทีม CoE จาก Blog UiPath.com

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:

  1. UiPath Blog (https://www.uipath.com/blog/digital-transformation/intelligent-automation-transformation-success-factors)
  2. 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:

  1. IDC Robot for Every Worker Survey 2020
  2. UiPath Inc

สอนโรบอทให้เข้าใจเอกสาร #1 – Combining Intelligent Document Processing (IDP) with Robotic Process Automation (RPA)

ถ้าผมถามท่านผู้อ่านบทความที่มีการนำระบบ RPA มาใช้ในองค์กรของท่านแล้วว่า มีใครบ้างที่ไม่เคยคิดถึงหรือไม่ได้นำคุณสมบัติการอ่าน หรือสกัดข้อความจากเอกสารมาเป็นข้อมูลรูปแบบดิจิตอล (Text) ส่วนหนึ่งของโครงการ RPA ผมขอเดาว่าคำตอบคงมีไม่มากนักที่ไม่ได้คิดถึงเลย อันนี้นับรวมทั้งผู้ที่ได้ทำไปแล้วหรือกำลังวางแผนที่จะทำในเฟสถัดไปนะครับ

ที่คิดอย่างนี้ก็เพราะว่าปัญหาอย่างหนึ่งที่แทบทุกธุรกิจต้องประสบก็คือการจัดการกับเอกสาร (paper work) ในแต่ละวัน ข้อมูลปริมาณมหาศาลตั้งแต่งานทรัพยากรบุคคล เอกสารสัญญา ใบสั่งซื้อ ใบแจ้งหนี้ ไหลผ่านทุกองค์กรทั่วโลก ถ้าเราพัฒนาระบบ automation ให้โรบอทเข้ามาทำงานแทนตัวเราได้สารพัดอย่าง ไม่ว่าจะเป็นการนำข้อมูลเข้าออกระบบ ERP การทำรายงาน การรับสส่งอีเมล แต่เรายังต้องมา key ข้อมูลจากกระดาษหรือ scanned document ด้วยมืออยู่ดีก็เป็นเรื่องที่ไม่ค่อยมีประสิทธิภาพเท่าไหร่ 

ที่ผ่านมาตัวช่วยของเราในเรื่องนี้คือการนำเทคโนโลยี OCR เข้ามาอ่านเอกสารที่สแกนแล้ว แต่ความแม่นยำที่ได้จากการอ่านก็ยังเป็นปัญหาอยู่ดีเมื่อต้องเผชิญกับเอกสารที่

  •  มีหลายแบบหลายประเภท
  •  คุณภาพของเอกสารที่สแกนไม่คมขัดนัก มีตำหนิรอยเปื้อน หรือวางเอียงมา
  •  ต้องมีการอ่านลายมือเขียน
  •  ต้องมีการอ่านเครื่องหมายถูกผิดจากฟอร์มที่มี checkbox
  •  เป็นภาษาไทย
  • เป็นไฟล์ข้อความหรือรูปภาพสกุลต่างๆเช่น PDF, PNG, GIF, JPEG, TIFF

จากประเด็นปัญหาดังกล่าวทำให้บางครั้งต้องมีการลด scope ของโครงการให้รองรับการอ่านข้อมูลเฉพาะจากเอกสารบางกลุ่มหรือบางลักษณะ เกิดเป็นความท้าทายต่อการประเมินความคุ้มค่าหรือ ROI ของโครงการเนื่องจากเทคโนโลยี OCRเองก็มีค่าใช้จ่ายที่จะคุ้มค่าก็ต่อเมื่อถูกนำมาใช้กับเอกสารปริมาณมาก

นอกจากนี้การพัฒนาโครงการ OCR และ RPA ยังเป็นแบบแยกกันอยู่ กล่าวคือ ระบบ OCR ทำหน้าที่ดึงหรืออ่านข้อมูลตัวอักษรจาก scanned document หรือ image แล้วโรบอทของระบบ RPA เป็นผู้นำข้อมูลที่อ่านได้ไปใช้งานต่อ ทำให้การพัฒนาและการใช้งานไม่เป็นเนื้อเดียวกัน

แต่ถ้าเราสามารถรวบรวมความสามารถด้านการอ่านเอกสารเข้าไปอยู่ในโรบอทเลย ผ่านการเรียนรู้ด้วย Artificial Intelligence (AI) เกิดเป็นซอฟต์แวร์ที่เรียกว่า Intelligent Document Processing (IDP) ซึ่งแก้ปัญหาที่เล่ามาข้างต้นได้ องค์กรย่อมได้รับผลลัพท์ที่ดี (positive impact) จากการที่มี AI เข้ามาช่วยพัฒนาความสามารถของการทำงาน

ทางหน่วยงานของบริษัทวิจัยระดับโลกอย่าง Gartner Financial Practice ได้เคยประเมินไว้ว่า แผนกบัญชีและการเงินขององค์กรสามารถประหยัดชั่วโมงทำงานได้ถึง 25,000 ชั่วโมงจากการลดความผิดพลาดที่เกิดจากพนักงาน (human error) โดยนำเครื่องมือ RPA เข้ามาใช้ในระบบรายงานทางการเงิน ซึ่งตัวเลขของการประหยัดชั่วโมงทำงานนี้ยังสามารถเพิ่มขึ้นได้อีกเนื่องจากในปัจจุบันมีเพียง 1 ใน 3 ของแผนกบัญชีและการเงินในภาพรวมที่ใช้งานระบบ RPA

บทความชุดนี้จะเป็นการให้ข้อมูลแก่ผู้อ่านเกี่ยวกับแง่มุมต่างๆของเทคโนโลยี Intelligent Document Processing และการใช้งานในองค์กร โดยบทความนี้เป็นตอนแรกครับ

รูปภาพที่ 1 ผลลัพท์ที่ดีทางธุรกิจจะเพิ่มขึ้นเมื่อมีการนำ AI เข้ามาใช้ร่วม

Intelligent Document Processing คืออะไร

โดยคำอธิบายแล้ว Intelligent Document Processing หมายถึงความสามารถของซอฟท์แวร์โรบอทในการอ่าน การแปลความ และการจัดการกับข้อมูลในเอกสารได้อย่างอัตโนมัติ โดยการนำ machine learning เข้ามาสอนให้โรบอทเรียนรู้และเข้าใจเอกสารที่เราต้องการใช้งาน เราสามารถมอง Intelligent Document Processing เป็นจุดตัดหรือจุดบรรจบกันเทคโนโลยี 3 ส่วนคือ document processing, AI, และ RPA ดังรูปกราฟฟิกด้านล่าง

ในบทความนี้ ผมขอยก Intelligent Document Processing จากค่าย UiPath ที่ชื่อ Document Understanding มาใช้ในการอธิบายประกอบนะครับ

การที่เรานำความสามารถของ document processing และ AI เข้ามารวมกับ RPA ได้หมายถึงเรามีโอกาสที่จะสอนให้โรบอทคิดหรือเข้าใจลักษณะของเอกสารได้เอง แทนที่เราต้องเป็นฝ่ายคิดและสร้าง rule ในการทำงานให้กับโรบอท เพื่อที่โรบอทจะได้ทำงาน step by step ตามคำสั่งเรา  

ส่วนวิธีการสอนโรบอทนั้น ขึ้นอยู่กับความซับซ้อนของเอกสารแต่ละประเภทที่ต้องเผชิญ ถ้าเอกสารที่ไม่ซับซ้อนอย่างหนังสือเดินทาง ซึ่งถ้าเราต้องการทราบชื่อหรือสัญชาตของเจ้าของหนังสือเดินทางไม่ว่าเล่มไหน เราหรือโรบอทจะรู้ทันทีว่าต้องดูที่ตำแหน่งไหน แต่ถ้าเป็นเอกสารสัญญา bank statement หรืออีเมลติชมที่ส่งจากลูกค้าของเรา ปัญหาจะเริ่มเกิด เพราะไม่ว่าเราเองหรือโรบอทก็ต้องอ่านเอกสารนั้นทั้งหมดเพื่อจะได้เข้าใจทุกๆส่วนของเอกสาร

Intelligent Document Processing (หรือ Document Understanding ในกรณีของ UiPath) แก้ปัญหานี้โดยการสอนโรบอทให้สามารถแยกแยะประเภทของเอกสาร อ่านข้อมูลได้ถูกตำแหน่ง และนำข้อมูลไปใช้ต่อได้เลยอย่างถูกต้องด้วยความรวดเร็วอย่างที่เราหรือองค์กรของเราต้องการ

เทคนิคและกรรมวิธีในการอ่านข้อมูลจากเอกสาร

โดยทั่วไปเราสามารถจำแนกเอกสารเป็น 3 ประเภท คือ Structured, Semi-structured, และ Unstructured ซึ่งสามารถจัดการได้ด้วยวิธีการอ่านเอกสาร 2 รูปแบบคือแบบ rule-based data extraction (สำหรับเอกสารที่เป็น Structured) และแบบ model-based data extraction (สำหรับ เอกสาร ที่เป็น Semi-structured และ Unstructured)  

เทคนิคหรือวิธีการอ่านเอกสารแบบ rule-based หรือบางทีก็เรียก template-based จะเป็นการกำหนด rule แบบตรงไปตรงมา เหมือนการที่เราสร้าง rule ในการบล็อคอีเมลที่เราไม่ต้องการรับหรือการกำหนด key word search สำหรับการค้นหาเฉพาะคำๆนั้นในเอกสาร ถ้าเราต้องการเพิ่มอีเมลที่ต้องการบล็อคหรือ key word search ในการสืบค้น เราต้องเพิ่มชื่ออีเมลหรือ key word เข้าไปเอง

เทคนิคหรือวิธีการอ่านเอกสารแบบ model-based data extraction จะใช้ machine learning (ML) เป็นกลไกในการทำงานด้วยการเรียนรู้จากกลุ่มตัวอย่างจำนวนมาก โดยเราเป็นผู้สอน (train) ให้โรบอทเข้าใจว่าต้องทำอย่างไรในแต่ละสถานการณ์ที่ไม่เหมือนกัน อย่างในตัวอย่างของการบล็อคอีเมลข้างต้น ถ้าเราสามารถสอนให้โรบอทเข้าใจลักษณะของ spam email อันเป็นจุดเริ่มต้นของการที่เราต้องการบล็อคอีเมลไม่ให้เข้ามาได้ คราวนี้ถ้ามีอีเมลจำนวนมากนับร้อยนับพันเข้ามาในองค์กร เราก็ไม่ต้องสร้าง rule หรือกำหนดชื่ออีเมลแต่ละฉบับที่ต้องการบล็อค แต่ให้โรบอทแยกแยะอีเมลที่น่าสงสัยว่าจะเป็น spam email จากการเรียนรู้ของโรบอทเอง

ทั้งสองเทคนิคดังกล่าวหรืออาจรวมอีกหนึ่งเทคนิคคือ hybrid approach ที่เป็นการรวมทั้ง rule-based และ model-based เข้าไว้ด้วยกัน (เช่นกรณีที่บางครั้งการอ่านข้อมูลบางตำแหน่งจากเอกสารประเภท Structured ต้องอาศัย ML model เข้ามาช่วนเพื่อความม่นยำมากขึ้น) สามารถเรียกใช้งานได้จากแพลตฟอร์มของ Document Understanding ที่รวมความสามารถเหล่านี้ไว้ด้วยกัน

การข้ามข้อจำกัดเดิมของการใช้เฉพาะ OCR

คุณสมบัติของ Document Understanding ที่กล่าวมาทำให้เราสามารถก้าวข้ามขีดจำกัดของการใช้เฉพาะโซลูชั่น OCR ร่วมกับ rule-based approach ในการจัดการกับเอกสารที่ไม่ใช่ Structured ซึ่งบางท่านอาจเคยเจอมาบ้างแล้ว ยกตัวอย่างเช่น การจัดการกับกระบวนการใบแจ้งหนี้ (Invoice) ที่ทีม Account Payable (AP) พยายามสร้าง template และใช้ OCR อ่านเอกสารใบแจ้งหนี้ที่สแกนจากกระดาษ จากนั้นก็ส่งต่อให้ RPAนำเข้าระบบเพื่อไปทำการจ่ายหนี้ แต่เนื่องจากฟอร์มใบแจ้งหนี้มีความต่างกันในแต่ละเจ้าหนี้ ทำให้ต้องพัฒนา template จำนวนมากเพื่อให้รองรับความต่างนี้ หรือไม่ก็พยายามทำ template ที่ซับซ้อนให้รองรับฟอร์มใบแจ้งหนี้หลายๆแบบ ซึ่งต้องแลกกับความถูกต้องของการอ่านตัวอักษร ทำให้ผู้ใช้งานมีภาระเพิ่มขึ้นในขั้นตอน validation

แต่พอมาเป็นการใช้งานด้วย Document Understanding ทำให้เรามีทางเลือกเพิ่มขึ้นในการใช้ model-based approach ในการจัดการกับเอกสาร Semi-Structured อย่างใบแจ้งหนี้ โดยอาศัย ML skill model ที่โรบอทได้รับการสอนและเรียนรู้ได้ตลอดเวลาเพื่อเพิ่มความถูกต้องแม่นยำของการอ่านขัอมูล

รูปภาพที่ 2 ความสัมพันธ์ของ document processing, RPA, และ AI

จากข้อมูลการใช้งานจริงของบริษัทค้าปลีกขนาดใหญ่ของสหรัฐแห่งหนึ่ง ที่ว่าจ้างให้บริษัทที่ปรึกษาด้านระบบอัตโนมัติ ที่ชื่อ Accelirate Inc. พัฒนาระบบ RPA สำหรับกระบวนการใบแจ้งหนี้ (Invoice Processing) พบว่าใบแจ้งหนี้กว่า 93% ของทั้งหมดสามารถจัดการได้โดยไม่ต้องใช้คน (อ่านได้แม่นยำเกินค่าระดับความเชื่อมั่น) ซึ่งบริษัทค้าปลีกนี้มีปริมาณใบแจ้งหนี้โดยเฉลี่ย 200 – 500 ใบต่อวัน หรือกว่า 700 ใบสำหรับวันที่มากที่สุด

ขั้นตอนการทำงานของโรบอทจากเครื่องมือ Document Understanding ที่บริษัทค้าปลีกใช้งานอยู่ มี 6 ขั้นตอนดังต่อไปนี้

  1. โรบอทอ่านอีเมล คัดแยกอีเมลที่ไม่เกี่ยวกับใบแจ้งหนี้ออกมาแล้วส่งไปให้เจ้าหน้าที่ในทีม AP จัดการแบบ manual ส่วนอีเมลที่เป็นงานใบแจ้งหนี้นั้น โรบอทก็จะบันทึกเอกสารแนบของอีเมลลงบนไฟล์แขร์เพื่อไปเข้าคิวงานของระบบ Document Understanding
  2. โรบอท digitize ใบแจ้งหนี้ ด้วยเครื่องมือ OCR และหาตำแหน่งบนเอกสารของข้อมูลที่ต้องการอ่าน รวมทั้งแยกชุดเอกสารออกเป็นแต่ละหน้าโดยเรียงลำดับของหน้าอย่างถูกต้อง
  3. โรบอท extract ข้อมูลที่กำหนดไว้แล้วอย่าง วันที่ใบแจ้งหนี้ หมายเลขใบแจ้งหนี้ จำนวนเงิน วันที่ต้องชำระ เป็นต้น ด้วย machine learning ซึ่งในโซลูชั่นนี้ Accelirate นำ out-of-the-box pre-trained model สำหรับ Invoice ของ UiPathเข้ามาใช้งานร่วมกับการสอนโรบอทให้อ่านข้อมูลได้แม่นยำเพิ่มขึ้นบนแพลทฟอร์ม AI Center ซึ่งเป็นเครื่องมือที่อยู่ในกลุ่มเดียวกันกับ Document Understanding นอกจากใบแจ้งหนี้แล้ว โรบอทยังได้รับการสอนในให้เข้าใจเอกสารและสามารถค้นหาเอกสารแนบอื่นๆอยาง ใบตราขนส่งสินค้า (bill of lading) หรือ BOL ซึ่งเป็นเอกสารที่ต้องใช้ประกอบกระบวนการจ่ายหนี้การค้า ซึ่งโรบอทสามารถตรวจสอบได้ว่าอีเมลที่ส่งเข้ามามี BOL หรือไม่ ถ้าไม่ก็แจ้งทีม AP เพื่อแก้ปัญหาต่อไป
  4. โรบอทประเมินความถูกต้องของระดับความเชื่อมั่นในการอ่านเอกสาร
    1. ถ้าโรบอทอ่านข้อมูลจากใบแจ้งหนี้ได้ระดับความเชื่อมั่น 95% ขึ้นไป ข้อมูลจากใบแจ้งหนี้จะถูกส่งต่อแบบอัตโนมัตืไปยังคิวงาน reconcile เพื่อทำจ่ายต่อไป
    1. ในกรณีที่ระดับความเชื่อมั่นจากการอ่านต่ำกว่า 95% ข้อมูลจากใบแจ้งหนี้จะถูกส่งไปให้เจ้าหน้าที่ทีม AP ทำการ validation เพื่อยืนยันหรือแก้ไขความถูกต้อง
  5. การทำงานจะย้อนกลับไปที่ขั้นตอนที่ 1 สำหรับการทำงานของใบแจ้งหนี้ลำดับถัดไป จนกระทั่งใบแจ้งหนี้ที่ถูกส่งมาทั้งหมด จะไปอยู่ในคิวงาน reconcile เพื่อเตรียมการอนุมัติจ่าย
  6. โรบอทจัดทำรายงานสรุปการทำงานของใบแจ้งหนี้ batch นี้ ประกอบไปด้วย จำนวนใบแจ้งหนี้ทั้งหมด จำนวนใบแจ้งหนี้ที่อ่านได้สำเร็จด้วยโรบอทเอง จำนวนใบแจ้งหนี้ที่ต้องส่งให้ทีม AP ทำ validation เวลาที่โรบอททำงานในกระบวนการนี้

จากการประเมินความคุ้มค่าของโครงการ ทีม AP ของบริษัทค้าปลีกแห่งนี้สามารถลดเวลาโดยรวมลงได้ถึง 20% เพื่อที่สมาชิกทีม AP สามารถไปใช้เวลากับเรื่องอื่นที่สำคัญกว่า เนื่องจากเวลาในการจัดการกับใบแจ้งหนี้ลดลงเหลือ 30 วินาทีต่อใบเมื่อเทียบกับ 3-5 นาทีต่อใบก่อนที่จะนำ Document Understanding เข้ามาใช้

ผู้อ่านที่สนใจสามารถติดตามข้อมูลเพิ่มเติมจากบทสัมภาษณ์ของผู้รับผิดชอบโครงการจาก Accelirate Inc. ซึ่งเป็นบริษัทที่ปรึกษาที่พัฒนาโครงการดังกล่าวได้ตามลิงค์วิดิโอด้านล่าง

ในบทความตอนต่อไปของชุด สอนโรบอทให้เข้าใจเอกสาร จะให้ข้อมูลเชิงลึกที่มากขึ้นของ Document Understanding ขอให้รอติดตามทาง blog ของบ.ออโต้แมทนะครับ

แล้วพบกันใหม่ สวัสดีครับ