Hyperautomation cos’è e come funziona dalla strategia al DigitalOps Toolbox

“L’attenzione alla crescita, alla digitalizzazione e all’eccellenza operativa hanno evidenziato la necessità di un’automazione migliore e più diffusa”. Con queste parole, Gartner spiega il motivo per cui Hyperautomation è stata nuovamente inclusa tra i top trend tecnologici dell’anno in corso.

D’altronde, qualche tempo addietro una survey di Deloitte quantificò nel 22% la potenziale cost reduction derivante dalla sua introduzione, nonché un aumento delle revenue pari all’11% nel corso di 3 anni. Guardando al futuro, è Gartner a sbilanciarsi, dichiarando una potenziale riduzione dei costi operativi fino al 30% (entro il 2024) a seguito della riprogettazione dei processi e dell’introduzione di tecnologie di hyperautomation. Inevitabile, sia pur soggetto a una naturale gradualità, il forte interesse che si registra nei confronti del fenomeno.

Automation vs hyperautomation, un nuovo paradigma di automazione

Saving e ricavi a parte, cosa spinge le enterprise a voler aprire un capitolo tanto innovativo quanto complesso nel libro dell’automazione dei processi? L’inarrestabile evoluzione tecnologica, in primis, ma anche l’approccio tattico che da sempre condiziona la digitalizzazione e l’automazione dei processi, causando inefficienze e silos.

La richiesta di soluzioni rapide ed efficaci rispetto a singoli processi di business spiega il successo di tecnologie non invasive come RPA, che di fatto rappresenta il punto di partenza di questo percorso. I suoi limiti, e soprattutto quelli dell’approccio a silos che ne determina l’adozione, sono alla base del focus verso forme di automazione più avanzata e sistemica. La complessità dei processi aziendali non richiede infatti unicamente una sinergia e un’orchestrazione tra diversi tool, ma soprattutto un approccio differente. Passare dai silos alla visione sistemica.

La definizione di Hyperautomation sottolinea quanto si tratti di un percorso. Quando si dice che il suo obiettivo è automatizzare il maggior numero di processi di business e IT, l’approccio non può che essere strategico, sistemico e indipendente dal toolbox tecnologico chiamato a implementarlo. Tutte le imprese i cui investimenti hanno accelerato il mercato di RPA negli scorsi annni, oggi guardano al passaggio successivo con l’obiettivo della differenziazione competitiva.

I principi che governano il percorso di adozione

Trattandosi di un modello flessibile, olistico e declinabile sulle esigenze di ogni azienda, è piuttosto complesso delineare l’attuale stato dell’arte. La certezza è che RPA si appresta a invadere il mondo delle PMI. L’Intelligent Automation è un tema forte in area enterprise. Hyperautomation conoscerà un’adozione massiva da oggi al prossimo futuro. Gli analisti sostengono che, a partire dai 481,6 miliardi di dollari del 2020, il mercato potrebbe raggiungere quest’anno quasi 600 miliardi. Inoltre, entro il 2024 le aziende avranno adottato almeno 3 dei 20 software process-agnostic che abilitano il fenomeno.

Le linee guida del percorso di adozione sono definite. Il punto di partenza deve essere sempre l’obiettivo di business, che comporta una collaborazione costante tra diversi ruoli, tra cui gli enterprise architect e gli owner dei vari processi da automatizzare end-to-end. A tal proposito, occorre definire gli obiettivi di crescita, di efficienza e di gestione del rischio. La stessa Gartner sottolinea come i processi inefficienti siano alla base dell’aumento del rischio di non compliance e che la loro riprogettazione intelligente possa determinare forti benefici in tal senso.

Segue la definizione degli use case e la riprogettazione del processo in sé, che dovrebbe in ogni caso – per via dell’approccio sistemico di cui sopra – basarsi su criteri di standardizzazione e scalabilità, così da poter servire l’intera enterprise, essere flessibile rispetto a esigenze future e, soprattutto, integrarsi al meglio nel paradigma di automazione 2.0.

Da Robotic process automation a iBPM: il toolbox di hyperautomation

Definiti gli aspetti strategici, la parola passa alla tecnologia, o meglio a ciò che Gartner definisce DigitalOps Toolbox.

L’aspetto particolarmente interessante del toolbox è la sua capacità di indirizzare e gestire l’intero ciclo di vita della process automation. A titolo d’esempio, le fasi di discovery e di analisi possono essere affrontate con l’ausilio del process mining. Questo, analizzando i log degli eventi, permette di identificare eventuali sacche di inefficienza e deviazioni dalle procedure standard. E anche generare simulazioni e identificare solide opportunità di automazione.

A livello base, infatti, il process mining può evidenziare tutti i segmenti ripetitivi e rule-based dei processi di business. Essi, com’è noto, sono candidati perfetti per la Robotic Process Automation. Nonostante il concetto di automazione intelligente pervada i progetti di hyperautomation, la non-invasività dei bot suggerisce la loro adozione ovunque possibile, previa identificazione di tutti gli impatti rilevanti.

Orchestrazione intelligente dei processi

Elemento cardine di qualsiasi percorso di hyperautomation è l’orchestrazione dei processi e delle tecnologie coinvolte. Detto in altri termini, l’orchestrazione intelligente dei processi. Ecco perché gli analisti pongono al centro del paradigma le piattaforme iBPM, acronimo di Intelligent Business Process Management. Il loro ruolo è centrale, poiché esse consolidano in un’unica piattaforma gli aspetti di discovery e analisi di cui sopra, ma anche di integrazione e automazione dei processi. Secondo il modello di hyperautomation di Gartner, iBPM è il master orchestator, aperto via API alle altre piattaforme enterprise e, di fatto, il perno attorno al quale ruota il paradigma.

Oltre l’Intelligent Automation

Hyperautomation è l’evoluzione di Intelligent Automation, o meglio è un modello più ampio che integra un layer di AI. D’altronde, l’impiego dell’Intelligenza Artificiale e degli algoritmi di auto-apprendimento non è una novità nell’ambito della process automation. Il fine tipico di AI è il miglioramento progressivo dell’automazione stessa, mediante l’apprendimento continuo dei dati di processo. Si pensi alla classificazione dei contenuti di documenti redatti in linguaggio naturale (NLP). Oppure al monitoraggio dei dati transazionali per finalità di antiriciclaggio. Oppure ancora ai processi di compliance e all’AI che fornisce suggerimenti sui processi da valutare, ottimizzare o riprogettare. Qualsiasi tool o layer del modello di hyperautomation può essere arricchito e potenziato con tecnologie afferenti all’universo dell’intelligenza artificiale.

Un modello esteso e in continua evoluzione: il ruolo del low-code

A chiusura del quadro, i modelli di hyperautomation integrano il concetto di sviluppo low code e le relative piattaforme applicative. Alla base di questo requisito c’è una considerazione piuttosto semplice e pratica. A livello enterprise, i processi sono migliaia e possono cambiare di continuo in virtù di policy, regolamenti o, più semplicemente, opportunità di renderli più efficienti ed efficaci.

Un’applicazione sistemica di così ampia scala non può fare perno sull’IT, almeno non completamente, poiché i tempi di implementazione non sarebbero mai allineati con le esigenze del business. Hyperautomation è un lavoro corale, e soprattutto considera l’ottimizzazione come un percorso graduale e progressivo. I tool che abilitano l’hyperautomation devono quindi essere veloci e accessibili anche con un limitato bagaglio di competenze tecniche, così da fornire risultati in giorni, non in settimane, mesi o anni. Il concetto di piattaforma Low-Code, No-Code, e più in generale il modello di Citizen Development, si adattano perfettamente alle esigenze dell’automazione 2.0.