AUTEURS
Stefano Bighini
Robotic Process
Automation Chapter
Leader @Bip xTech
Andrea Lui
Data Science Team
Leader @Bip xTech
Basé sur un cas d’utilisation réel
Dans un passé récent, l’automatisation des processus de l’entreprise par l’adoption de la Robotic Process Automation a permis aux clients d’obtenir des améliorations significatives, principalement dans les tâches de backoffice et dans les processus très répétitifs, comme la comptabilité analytique ou le rapprochement de documents administratifs avec des données dispersées dans différents systèmes d’information.
Cependant, l’ensemble des processus que nous pouvons et devons améliorer grâce à l’automatisation s’accroît encore avec l’application de l'”hyperautomatisation” (un néologisme désormais couramment utilisé). L’adjectif “hyper” signifie que la fusion de différentes technologies entraîne des avantages exponentiels.
Les technologies fondatrices de l’hyperautomatisation sont l’automatisation robotique des processus, pour des raisons évidentes, mais aussi le Process Mining, les méthodes d’intelligence artificielle appliquées au traitement des données, les algorithmes d’informatique cognitive qui permettent la compréhension de données non structurées (comme le texte et la voix), et la gestion des processus d’entreprise pour redéfinir les processus afin qu’ils deviennent plus efficaces et efficients en engageant les employés au bon moment.
L’hyperautomatisation représente une approche évolutive pour améliorer les processus de l’entreprise : elle entraîne différents avantages autres que la simple réduction des coûts et du temps d’exécution : pour la plupart des opérateurs humains, le fait de disposer des informations correctes au bon moment et de n’être mobilisés que lorsque cela est nécessaire améliore les conditions de travail et, par conséquent, l’efficacité et le sentiment de fournir une exécution de qualité de leur travail.
L’innovation de l’hyperautomatisation est l’utilisation simultanée des technologies fondatrices pour traiter l’ensemble du processus : l’effet des technologies fondatrices utilisées séparément est autrement limité. Par exemple, nous avons développé différents processus d’acheminement des billets basés sur l’informatique cognitive, obtenant des résultats remarquables en termes de compréhension du contenu et de la classification par le client, mais si nous fusionnons cette capacité avec la possibilité de détecter et de redessiner (en utilisant l’exploration des processus) les processus exécutés pour chaque type de billet, nous pouvons voir les points d’inefficacité ou les étapes que nous pouvons automatiser en utilisant la RPA. Il s’agit d’une utilisation pratique de l’hyperautomatisation pour multiplier les points d’amélioration, augmentant ainsi les bénéfices potentiels globaux.
L’exemple suivant montre comment, grâce à l’application de certains principes de l’Hyperautomation, un processus entier (la ” gestion des demandes de services annexes ” pour un acteur de l’assurance) a été automatisé de bout en bout. De plus, la fusion de plusieurs technologies fondatrices a permis non seulement d’automatiser le processus mais aussi de revoir les points d’interaction homme/machine, en optimisant la contribution humaine en la concentrant uniquement sur les points décisifs où la machine ne pouvait être efficace : l’homme et la machine collaborent de manière optimisée en valorisant les forces de chacun et en harmonisant les moments d’échange.
Le projet est né à l’issue d’une analyse des processus réalisée à travers un outil de Process Mining, grâce auquel, en plus de détecter objectivement l’ensemble du processus opérationnel, nous avons identifié les points d’intervention possibles. Cette analyse, réalisée en utilisant uniquement les logs de tous les systèmes impliqués (impact informatique minimal), s’est également accompagnée de vérifications qualitatives qui ont permis de mettre en évidence les répercussions en termes de satisfaction et de qualité du service fourni au client final.
L’analyse a permis d’identifier les trois principaux points d’intervention, visant à résoudre les trois principaux problèmes commerciaux du processus :
- Classification du type de demande reçue, avec identification des demandes pouvant être traitées indépendamment par un robot, afin d’éliminer les activités manuelles de lecture et de tri des e-mails entrants.
- Lecture et interprétation du contenu des demandes, présentes dans le corps de l’e-mail et dans les éventuelles pièces jointes, afin d’éliminer les activités d’analyse manuelle visant à récupérer les données fondamentales pour vérifier la propriété du service demandé, la classe de service, le lieu d’émission du service et la durée.
- Exécution de l’opération de réservation du service afin d’éviter une nouvelle saisie manuelle des données collectées dans le système de réservation “historique”.
La séquence des opérations exécutées pour ce processus s’est avérée idéale pour une automatisation à l’aide de l’automatisation robotique des processus. Elle était dispersée dans plusieurs systèmes, dont certains n’appartenaient pas directement à l’entreprise, et se caractérisait par l’insertion d’un grand nombre d’informations à plusieurs reprises au cours du traitement de l’article.
Toutefois, sans l’insert de l’informatique cognitive, un simple RPA de base n’aurait pas été en mesure d’apporter l’automatisation à la maison et de justifier l’investissement.
En accord avec le client, sur la base d’un historique de plus de 12 000 documents, un algorithme de classification textuelle a été préparé qui, en utilisant une combinaison de techniques de Traitement du Langage Naturel et d’Intelligence Artificielle, peut classer les demandes en “apprenant” de la catégorisation effectuée par les opérateurs humains dans le passé. En détail, différents modèles de classification supervisée ont été évalués (XGBoost, CatBoost, LightGBM et Neural Network) en termes de performance de classification et de vitesse d’exécution. En outre, l’application ultérieure de critères de classification déterministes spécifiques (basés sur des mots-clés, des modèles prédéterminés et des adresses e-mail spécifiques) a permis d’obtenir un pourcentage de classification correcte supérieur à 99%.
Une fois le type de demande défini, un mélange d’OCR cognitif et de reconnaissance d’entités nommées permet d’extraire les informations nécessaires au traitement du dossier dans 95% des cas. Ces données sont détectées par “recherche” dans le fil de l’email et/ou dans les pièces jointes supplémentaires. La présence de documents scannés et probablement manuscrits nécessite l’utilisation de solutions OCR pour la reconnaissance de texte. Les outils appliqués simulent le fonctionnement de l’œil humain lors de la recherche d’informations, ne se limitant pas à un simple texte mais recherchant sa représentation visuelle à l’écran.
Comme mentionné, l’analyse approfondie du processus, réalisée à l’aide d’un outil de Process Mining, a également mis en évidence dans plusieurs cas la nécessité d’intégrer les informations fournies par l’utilisateur pendant la phase de demande avec d’autres informations plus précises connues uniquement par le destinataire final. Ce point a été indiqué comme un “goulot d’étranglement” à résoudre pour rationaliser davantage le processus.
Pour résoudre ce problème, dont l’impact n’avait pas été initialement perçu par l’entreprise, nous avons créé un système de demande d’information via un site mobile qui a immédiatement apporté des avantages considérables en termes de fiabilité de l’information et de rapidité de réponse des clients finaux. Cette nouvelle fonctionnalité est activée de manière autonome par l’outil RPA en cas d’information manquante en envoyant un lien dédié personnalisé par SMS au client final.
Grâce à un nouveau tableau de bord de suivi créé au cours de ce projet, quelques opérateurs de l’entreprise peuvent surveiller les situations où le client tarde à saisir les informations manquantes ou les données saisies ne sont pas cohérentes avec la demande identifiée, et “réparer” manuellement ces “éléments rejetés” par le biais d’un formulaire de saisie manuelle des données. Dans ce cas également, l’exécution du processus est plus fluide que par le passé, car l’opérateur peut bénéficier des informations partiellement reconnues par l'”algorithme cognitif” et la solution d’automatisation robotique des processus peut toutefois prendre en charge la demande une fois que toutes les informations ont été corrigées manuellement.
Enfin, un ensemble de KPI (Key Performance Indicator) de suivi a été défini, en plus de l’enregistrement de toutes les actions, exceptions et types d’intervention. Ces KPI et données ont été reflétés dans un tableau de bord analytique permettant de mesurer à la fois l’efficacité des algorithmes de reconnaissance de l’information et la performance du bot RPA qui effectue les opérations – ce qui permet de suivre l’amélioration du processus dans le temps.
Les avantages obtenus avec ce projet sont:
- Économique: le coût de la maintenance et des licences du système est bien inférieur au coût de la main-d’œuvre de l’ancienne gestion manuelle.
- Concentrer la valeur des personnes: assister les utilisateurs du centre d’opérations, qui ont ainsi la possibilité de consacrer leur temps aux seuls cas les plus difficiles.
- Augmentation de la satisfaction du client final, qui perçoit une rapidité opérationnelle et un meilleur temps de réponse même en heures de pointe / heures non ouvrables, même dans les cas où l’opérateur intervient.
- Gestion sans problème des pics de travail, grâce à l’affectation dynamique des activités à plusieurs BOT (évolutivité du processus).
- Mesure objective des performances tout au long du processus, tant au niveau de la composante humaine que de la composante robotique/cognitive.
Vous trouverez ci-dessous un résumé de la performance de l’efficacité des différents composants opérationnels:
que la seule RPA car elle permet d’aborder des processus plus articulés et complexes. Elle affronte tous les aspects de l’automatisation, non seulement l’émulation du “bras “humain (RPA), mais aussi l’émulation de la combinaison œil/cerveau humain (cognitive), l’interaction entre les humains (sites mobiles dédiés pour une interaction rapide), le contrôle des processus avant et après l’automatisation (process mining).
Cette combinaison permet, et nous le soulignons comme un véritable tournant, de changer radicalement la perspective de l’utilisation des outils d’automatisation. Les entreprises ne mettent plus des “rustines” sur des parties du processus avec une seule technologie : on procède à une réingénierie globale du processus, en passant en revue les moments d’interaction homme-homme et homme-machine.
L’hyperautomatisation est certainement réalisable dans toutes les entreprises. Cependant, les professionnels qui mènent à bien ce type de projet doivent posséder des compétences de très haut niveau dans tous les domaines décrits ci-dessus et doivent avoir développé une mentalité correcte pour les utiliser tous ensemble de manière coordonnée.
Les avantages pour le client sont substantiels et ont un spectre opérationnel exponentiellement plus élevé que tout autre processus d’automatisation.
Dans Bip xTech, nous avons toutes les compétences décrites ci-dessus dans une seule unité : RPA, IA et Cognitive, Process Mining, Automatisation des processus, développement d’outils de recherche d’information par Smart Coding.
Nous sommes le plus grand centre de compétences en IA en Italie et l’un des plus grands en Europe (source : LinkedIn Talent Insight, 2021), et nous travaillons avec toutes les technologies/logiciels de pointe dans les domaines de la RPA, de l’IA, du Process Mining.
Si vous souhaitez en savoir plus sur notre offre ou avoir une conversation avec l’un de nos experts, veuillez envoyer un courriel à [email protected] avec “Hyperautomation” comme sujet, et vous serez contacté rapidement.