Pracovní postupy jsou skutečným bojištěm pro AI

V mnoha organizacích experimentujících s umělou inteligencí se první zlepšení obvykle objevují v místech, kde je hlavním úzkým hrdlem znalostní báze. Systémy založené na velkých jazykových modelech dokáží shrnovat dokumenty, vyhledávat informace z interních databází a pomáhat zaměstnancům s výzkumnými úkoly, které dříve vyžadovaly značný čas. Tyto schopnosti se ukázaly jako cenné, zejména v prostředích, kde je třeba rychle zpracovávat velké objemy informací. Navzdory těmto pokrokům však každodenní mechanika obchodních operací často zůstává do značné míry nezměněna. Dokonce i společnosti, které široce přijaly nástroje AI, se stále silně spoléhají na lidskou koordinaci, aby práce procházela jejich provozními procesy. Důvod se obvykle stává jasným, jakmile se pozornost přesune z jednotlivých úkolů na pracovní postupy, které je spojují.

Kde se skutečně skrývá provozní složitost

Podnikové procesy se zřídka skládají z jediného úkonu. Typická interakce se zákazníkem může vyžadovat vyhledání informací o účtu, ověření způsobilosti, aktualizaci záznamů, spuštění následných akcí a upozornění dalších systémů. Každý krok může zahrnovat různé aplikace a různá provozní pravidla. Jednoduchá žádost o pojištění může zasáhnout platformu CRM, databázi pojistných smluv, fakturační systém a systém pro správu dokumentů. Ve zdravotnictví může plánování schůzky zahrnovat kontroly způsobilosti, dostupnost lékaře, ověření pojištění a regulační dokumentaci. Pracovní postupy existují právě proto, že se organizace spoléhají na více systémů k provozu – systémy, které byly často implementovány v různých letech a málokdy byly navrženy s ohledem na sebe navzájem. Ve velkých podnicích není neobvyklé, že jediný proces prochází softwarem zavedeným v naprosto odlišných desetiletích. Automatizace jediného kroku zřídka eliminuje potřebu koordinovat zbytek procesu.

Proč tradiční automatizace selhává

Tradiční automatizační technologie byly navrženy pro předvídatelná prostředí. Nástroje pro automatizaci robotických procesů (RPA), například, fungují dobře, když jsou kroky procesu pevně dané a vstupy zůstávají konzistentní. Provozní pracovní postupy se takto chovají zřídka. Požadavky se liší, informace mohou být neúplné a často dochází k výjimkám – často v přesný okamžik, kdy pečlivě navržený automatizační skript očekává, že vše bude fungovat předvídatelně. I malé odchylky, jako jsou chybějící data nebo neobvyklý požadavek zákazníka, mohou narušit rigidní automatizační toky. To vysvětluje, proč se mnoho organizací stále silně spoléhá na lidské operátory při koordinaci provozních procesů, i když části těchto procesů již byly automatizovány.

AI mění způsob koordinace pracovních postupů

Umělá inteligence přináší jinou schopnost: interpretaci kontextu. Místo provádění pevné sekvence akcí mohou systémy AI vyhodnotit požadavek, určit relevantní informace potřebné k jeho vyřešení a interagovat se systémy potřebnými k dokončení úkolu. To umožňuje automatizovat procesy, které dříve vyžadovaly lidský úsudek pouze pro koordinaci pracovního postupu. Dřívější automatizační nástroje se zaměřovaly na jednotlivé kroky v rámci procesu. Systémy AI stále více umožňují koordinovat samotný pracovní postup. Ekonomové studující technologické změny dlouho pozorují podobné vzorce. Výzkum ekonoma MIT Davida Autora ukazuje, že nové technologie mají tendenci automatizovat úkoly v rámci pracovních postupů, spíše než nahrazovat celé profese. Umělá inteligence se zdá sledovat stejnou trajektorii.

Vzestup agentních systémů pro pracovní postupy

Nedávné pokroky v architekturách AI tento vývoj urychlily. Agentní systémy dokáží interpretovat požadavek, určit akce potřebné k jeho vyřešení a interagovat s více systémy za účelem dokončení procesu. Tento model se již objevuje v několika odvětvích. Telekomunikační operátoři používají systémy řízené AI k diagnostice problémů v síti a spouštění nápravných pracovních postupů. Pojišťovny se stále více spoléhají na automatizované agenty při ověřování pojistných smluv a zpracování částí likvidace pojistných událostí. Logistické společnosti používají koordinační systémy AI k úpravě tras a jízdních řádů v rámci složitých provozních sítí. V každém z těchto příkladů spočívá skutečná hodnota umělé inteligence nikoli v odpovídání na otázky, ale v řešení provozních situací.

Řízení se stává klíčovým

Jakmile umělá inteligence začne provádět provozní pracovní postupy, řízení se rychle stává kritickým. Organizace potřebují vědět, jaké akce byly provedeny, proč byly provedeny a zda tyto akce jsou v souladu s interními zásadami a regulačními požadavky. Jakmile automatizované systémy začnou činit provozní rozhodnutí, schopnost tato rozhodnutí vysvětlit se stává stejně důležitou jako schopnost je provést. V regulovaných odvětvích, jako je zdravotnictví, pojišťovnictví a finance, jsou tyto požadavky posíleny právními rámci upravujícími automatizované rozhodování. Například AI Act Evropské unie zavádí požadavky na transparentnost pro systémy, které interagují se zákazníky nebo ovlivňují provozní výsledky. Provozní systémy AI proto vyžadují architekturu, která se integruje s podnikovými systémy, konzistentně aplikuje pravidla řízení a udržuje jasné záznamy o akcích provedených systémem.

Elba a orchestrace pracovních postupů

Toto je přesně ten typ provozního prostředí, pro které byly vyvinuty platformy jako Elba. Místo aby se Elba zaměřovala pouze na konverzační interakci, funguje jako agentní, omnichannel orchestrační vrstva schopná překládat požadavky – ať už přijaté prostřednictvím hlasu, zpráv nebo jiných kanálů – do pracovních postupů prováděných napříč podnikovými systémy. Jakmile je identifikován záměr, platforma načte kontext, interaguje s připojenými aplikacemi, aplikuje obchodní logiku a dokončuje definované provozní procesy v rámci hranic řízení stanovených organizací. Z pohledu uživatele interakce často začíná jednoduchým požadavkem. V zákulisí však systém koordinuje sekvenci provozních akcí potřebných k vyřešení tohoto požadavku napříč digitální infrastrukturou organizace.

Kam směřuje adopce AI

První fáze adopce podnikové AI se zaměřovala převážně na informace. Systémy odpovídaly na otázky, shrnovaly dokumenty a pomáhaly zaměstnancům s vědomostními úkoly. Další fáze se odehrává uvnitř provozních pracovních postupů. Organizace, které úspěšně integrují AI do procesů koordinujících práci napříč systémy, zaznamenají největší provozní dopad. Jak umělá inteligence nadále dozrává, její nejvýznamnější přínos nemusí spočívat ve generování lepších odpovědí, ale v umožnění organizacím efektivněji a spolehlivěji provádět pracovní postupy.