Automatyzacja bardzo często zaczyna się od narzędzia. Ktoś kupuje platformę workflow, uruchamia robota RPA, podłącza model AI albo tworzy agenta. Po kilku miesiącach okazuje się jednak, że narzędzie działa, a proces nadal nie. Problem polega na tym, że automatyzacja nie jest narzędziem. Jest systemem.
Od kilku lat obserwuję, jak pojęcie automatyzacji rozszerza swoje znaczenie. Najpierw automatyzowaliśmy pojedyncze czynności. Potem pojawiły się roboty RPA, systemy workflow, integracje API, platformy low-code, modele językowe, a wreszcie agenci AI.
Każda kolejna technologia miała rozwiązać problem poprzedniej. Robot miał zastąpić ręczne klikanie. Workflow miał uporządkować przebieg. API miało usunąć konieczność klikania. AI miało zrozumieć dane, których nie dało się zamknąć w formularzu. Agent miał połączyć wszystko i samodzielnie wykonać zadanie.
Na końcu tej drogi nadal pozostaje jednak jedno niewygodne pytanie:
Czy zautomatyzowaliśmy proces, czy tylko dodaliśmy do niego kolejne narzędzie?
Narzędzie wykonuje funkcję, ale nie rozumie celu
Robot może przepisać dane z jednego systemu do drugiego. Model AI może rozpoznać treść dokumentu. Workflow może przekazać zadanie do kolejnej osoby. API może zapisać wynik w systemie.
Żaden z tych elementów samodzielnie nie odpowiada jednak na pytanie, po co proces istnieje, jaki wynik powinien dostarczyć i co należy zrobić, gdy rzeczywistość nie pasuje do przygotowanego scenariusza.
A rzeczywistość ma nieprzyjemny zwyczaj nieczytania dokumentacji projektowej.
Brakuje załącznika. Dane są sprzeczne. System zewnętrzny nie odpowiada. Klient wysłał dokument w formacie, którego nikt wcześniej nie przewidział. Model AI zwrócił wynik z niską pewnością. Operacja została wykonana, ale odpowiedź zaginęła i system próbuje ją wykonać ponownie.
W takich przypadkach okazuje się, czy zaprojektowaliśmy automatyzację, czy jedynie szczęśliwą ścieżkę demonstracyjną.
Automatyzacja zaczyna się przed technologią
W artykule Analiza procesów pod automatyzację opisywałem, dlaczego wadliwego procesu nie należy od razu przenosić do nowego systemu. Automatyzacja chaosu nie usuwa chaosu. Pozwala mu jedynie działać szybciej i przez całą dobę.
Pierwszym krokiem pozostaje więc ustalenie celu, poznanie rzeczywistego procesu AS-IS i zaprojektowanie procesu TO-BE.
Na tym poziomie interesuje nas perspektywa biznesowa:
- jaki problem próbujemy rozwiązać,
- które czynności tworzą wartość,
- gdzie proces traci czas lub informacje,
- jakie decyzje są podejmowane,
- po czym poznamy, że zmiana przyniosła efekt.
Temu etapowi poświęcona jest podstrona Analiza procesu do automatyzacji. Jej rolą jest odpowiedź na pytanie: co i dlaczego warto automatyzować?
Proces biznesowy musi stać się systemem
Model TO-BE nadal nie jest gotowym rozwiązaniem. Pokazuje oczekiwany sposób pracy, ale nie mówi jeszcze, gdzie przechowywany jest stan sprawy, jak systemy wymieniają dane ani co wydarzy się po błędzie.
W tym miejscu rozpoczyna się analiza systemowa.
Trzeba określić:
- który komponent odpowiada za poszczególne działania,
- gdzie znajduje się źródło prawdy o danych i statusie,
- jakie interfejsy oraz zdarzenia łączą systemy,
- czy operacje mogą być bezpiecznie ponawiane,
- jak rozpoznawane są duplikaty, błędy i przekroczenia czasu,
- kiedy sprawę powinien przejąć człowiek,
- jak przebieg będzie monitorowany i testowany.
Ten poziom rozwijam na stronie Analiza systemowa automatyzacji procesu. Odpowiada ona na kolejne pytanie: jak automatyzacja ma działać jako system?
Automatyzacja jest układem kilku warstw
Z perspektywy systemowej automatyzację można przedstawić jako układ kilku współpracujących warstw.
| Warstwa | Główne pytanie |
|---|---|
| Cel | Jaki wynik chcemy osiągnąć? |
| Proces | Jak przebiega praca i gdzie podejmowane są decyzje? |
| Dane | Na jakich informacjach opiera się działanie? |
| Reguły | Co decyduje o wyborze kolejnego kroku? |
| Architektura | Który komponent odpowiada za wykonanie i stan? |
| Technologia | Jakie narzędzie najlepiej realizuje określoną funkcję? |
| Kontrola | Jak rozpoznajemy błąd, wyjątek i niepożądany wynik? |
| Pomiar | Czy proces rzeczywiście działa lepiej? |
| Doskonalenie | Co należy zmienić po zebraniu nowych danych? |
Żadna z tych warstw nie jest automatyzacją samodzielnie. Wartość powstaje dopiero wtedy, gdy tworzą spójny system.
AI jest komponentem, a nie całym procesem
Wokół agentów AI powstała wizja systemu, który otrzymuje cel, planuje działania, wybiera narzędzia i samodzielnie realizuje całe zadanie. Technicznie jest to coraz bardziej możliwe.
Nie oznacza to jednak, że agent powinien zostać jednocześnie właścicielem celu, procesu, danych, uprawnień, decyzji i oceny własnego wyniku.
W rozwijanej przeze mnie koncepcji Asystenta AI system ma wspierać człowieka w realizacji celu, działać proaktywnie, ale jednocześnie pozostawać w granicach ustalonych norm, odpowiedzialności i uprawnień.
Architektura Asystenta AI rozwija ten model o komponenty i relacje pomiędzy nimi. Agent może planować i wykonywać zadania, ale jego działanie nadal powinno być otoczone kontrolą procesu, dostępem do określonych narzędzi, walidacją wyniku i możliwością zatrzymania.
Autonomia bez granic nie jest dojrzałą automatyzacją. Jest przekazaniem problemu systemowi i nadzieją, że sam zrozumie regulamin.
Project Venom jako eksperyment z automatyzacją
W Project Venom wykorzystałem agentów AI do automatyzacji procesu wytwarzania oprogramowania. Agenci analizowali zadania, modyfikowali kod, wykonywali testy i przygotowywali kolejne zmiany.
Najciekawszy wniosek z projektu nie dotyczył jednak szybkości generowania kodu.
Okazało się, że wysokie tempo pracy jest użyteczne dopiero wtedy, gdy proces posiada:
- jasno zdefiniowane zadania,
- podział pracy na kontrolowane etapy,
- testy i bramki jakości,
- monitoring zmian,
- mechanizmy regresji,
- człowieka odpowiedzialnego za architekturę i wynik.
Szczegóły eksperymentu opisałem w materiale Automatyzacja procesu wytwórczego oprogramowania.
Project Venom potwierdził dla mnie prostą zasadę: agent może bardzo szybko wykonywać zadania. Nie powinien jednak samodzielnie definiować całego systemu, według którego będzie później oceniał własną pracę.
Najważniejsza jest pętla zwrotna
Wdrożenie nie kończy procesu automatyzacji. Jest dopiero momentem, w którym zaczynamy otrzymywać rzeczywiste dane o działaniu rozwiązania.
Możemy sprawdzić:
- ile spraw zakończyło się automatycznie,
- które przypadki trafiły do człowieka,
- gdzie występowały błędy,
- jak długo trwały poszczególne etapy,
- które reguły wymagały korekty,
- czy koszt procesu rzeczywiście spadł,
- czy wynik był zgodny z celem biznesowym.
Każdy wyjątek może ujawnić brakującą regułę. Każda ręczna korekta może wskazać niedoskonałość modelu. Każde przekroczenie czasu może ujawnić nowe wąskie gardło.
Automatyzacja staje się więc procesem ciągłego doskonalenia. Nie budujemy rozwiązania raz na zawsze. Budujemy system, który potrafimy obserwować, oceniać i zmieniać.
Dlaczego powstał serwis Automatyzacja.online?
Temat automatyzacji rozrósł się poza pojedynczy artykuł i poza samą sztuczną inteligencję. Obejmuje analizę procesów, dane, reguły, workflow, RPA, integracje API, platformy low-code, agentów AI, bezpieczeństwo, koszty, monitoring i utrzymanie.
Dlatego uruchomiłem serwis Automatyzacja.online, który porządkuje cały cykl:
- zidentyfikowanie problemu,
- poznanie procesu,
- opisanie danych i reguł,
- dobór technologii,
- wdrożenie rozwiązania,
- kontrola wyniku,
- ciągłe doskonalenie.
Nie jest to katalog narzędzi ani ranking dostawców. Punktem wyjścia pozostaje proces, a technologia jest dobierana do konkretnej funkcji.
Osoby rozpoczynające pracę mogą przejść od analizy procesu pod automatyzację, przez porównanie technologii automatyzacji, aż do przygotowania wdrożenia i monitoringu rozwiązania.
Automatyzacja jako system
Automatyzacja nie polega na zastąpieniu człowieka robotem, modelu formularzem albo workflow skrzynką e-mail.
Polega na zaprojektowaniu spójnego systemu, w którym:
- cel wyznacza kierunek,
- proces organizuje pracę,
- dane opisują rzeczywistość,
- reguły sterują decyzjami,
- technologia wykonuje właściwe funkcje,
- człowiek zachowuje odpowiedzialność,
- monitoring dostarcza informacji zwrotnej,
- a kolejne iteracje poprawiają wynik.
Narzędzie może być doskonałe. Model może być bardzo inteligentny. Agent może działać szybko i przez całą dobę.
Jeżeli jednak nie tworzą części spójnego procesu, nadal pozostają tylko zestawem imponujących funkcji.
Automatyzacja zaczyna się wtedy, gdy przestajemy pytać, co potrafi narzędzie, a zaczynamy projektować sposób osiągnięcia celu.
