1.4 Технология RPA как средство оптимизации процессов и минимизации ручного труда
Современные исследования архитекторов процессов крупных компаний, ведущих аналитиков, консалтинговых корпораций и ученых сообщают о преимуществах применения RPA в различных бизнес-процессах, а некоторые авторы предлагают критерии выбора процесса для автоматизации. Одним из этих критериев являются высоко структурированные задачи, обычно соответствующие бизнес-процессам бэк-офиса, таким как финансы, закупки и человеческие ресурсы.
С помощью RPA, как правило, автоматизируются бизнес-процессы обслуживания, такие как формирование счетов за коммунальные услуги, оплата страховых взносов на здравоохранение, поддержание актуальности записей о сотрудниках. При этом технология используется и в таких сферах, как информационные технологии, риск-менеджмент, маркетинг, производство и изготовление, НИОКР. На практике RPA внедряют в разные отрасли, начиная с ритейла, заканчивая топливной промышленностью, но нужно отметить, что одним из основных критериев при выборе технологии автоматизации является большое количество внутренних систем, «переписывать» которые экономически нецелесообразно. При этом важными преимуществами применения RPA являются отсутствие реинжиниринга бизнес-процессов, зачастую отсутствие необходимости в развертывании базы данных, а также (что немаловажно) возможность работы Робота с оператором, т.е. внедрение RPA не всегда замещает человека, иногда оно способствует ускорению работы текущих сотрудников за счет автоматизированного выполнения части наиболее трудоемких задач. Стоит отметить, что все эти нюансы нередко встречаются в банках (детали зависят от процесса) и, в частности, поэтому RPA является одной из наиболее подходящих технологий в том числе для данной сферы.
Со стороны ИТ один «робот» равен одной лицензии на программное обеспечение [26]. Такой робот интегрируется в ИТ-системы через интерфейс, в отличие от традиционного программного обеспечения, которое обменивается данными с другими ИТ-системами через API и интеграционные сервисы, - это говорит о том, что RPA можно интегрировать практически с любым программным обеспечением, используемым человеком, независимо от его открытости для сторонней интеграции.
Однако, несмотря на преимущества экономии средств благодаря RPA, заявленные компаниями-вендорами и интеграторами, не каждый бизнес-процесс подходит для его использования. Например, главный архитектор Hewlett-Packard Хан Пинг Фунг предлагает некоторые критерии наиболее подходящих бизнес-процессов для применения RPA:
* низкие когнитивные требования: к ним относятся задачи, которые не требуют субъективного суждения, творчества или навыков интерпретации;
* большой объем транзакций - задачи, которые выполняются часто;
* необходимость доступа к нескольким системам - процессы, требующие доступа к нескольким приложениям и системам для выполнения работы;
* ограниченная обработка исключений - задачи, которые очень стандартизированы с ограниченными исключениями (или без них) для обработки;
* подверженность человеческим ошибкам - задачи, при решении которых часто встречаются ошибки из-за ручного труда [9].
Согласно этим критериям, сильными кандидатами на RPA являются области бэк-офиса, в которых процессы более стандартизированы, чем процессы фронт-офиса, требующие обработки нескольких исключений. При этом все зависит от конкретной ситуации: зачастую процессы, не по всем параметрам подходящие для автоматизации, в результате дают большие экономические выгоды (а порой достаточно и качественных изменений), чем идеально подходящий, исходя из имеющихся критериев, процесс. Так, для наиболее точного выбора технологии для того или иного процесса необходимо проводить полноценный сравнительный анализ и делать вывод, исходя из прогнозируемых цифр, а не заявленных учеными критериев.
В данной главе были проанализированы различные технологические решения, позволяющий существенно упростить как бытовую жизнь, так и трудовую деятельность людей. При этом, разумеется, технологии в той или иной степени постепенно вытесняют людей, занимающихся низкоквалифицированным, рутинным трудом. По различным оценкам исследователей респонденты разных стран с течением времени и приближением бума роботов все более настороженно относятся к реальным роботам. Государства, с одной стороны, видят перспективы и экономические выгоды, с другой - угрозу повышения безработицы. Компании-вендоры и интеграторы, разумеется, получают выгоду от развития подобных технологий. Для клиентов, по большей части, автоматизация выгодна в плане снижения цен на товары и услуги ввиду снижения затрат на производство товаров и обслуживание. В теории и согласно исследованиям (п. 1.2), сотрудники относятся, в целом, положительно к роботизированным ПО (не физическим роботам), однако на практике часто встречается непонимание исполнителями глобальной цели автоматизации, нежелание сотрудничать по внедрению по причине обычного страха оказаться без рабочего места. Но, стоит отметить, что квалифицированные сотрудники в действительности трезво оценивают все возможные выгоды (в том числе и для них) от внедрения RPA, поэтому в крупных компаниях, в том числе в банках, как правило, на всех этапах проектирования RPA-решения у пользователей не возникает проблем с этической и моральной стороной вопроса: все заинтересованы в выгоде компании, снижении ошибок и ускорении самого процесса при минимальных финансовых и трудовых затратах.
Итак, подходя к теме нашего исследования, а именно, автоматизации банковского процесса, рассмотрим более подробно практические критерии, в том числе, исходя из потребностей клиента, на основе которых будет произведен выбор проектируемого IT-решения и платформы автоматизации.
2. ВЫБОР ОПТИМАЛЬНОГО РЕШЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ БАНКОВСКОГО ПРОЦЕССА
2.1 Критерии выбора решения для автоматизации банковского процесса
Как было отмечено в предыдущем разделе, выбор оптимального решения на проекте начинается с определения бизнес-целей заказчика и критериев, согласно которым необходимо подобрать подходящие решения. Для начала кратко рассмотрим сам исследуемый процесс (Рисунок 3), исходя из схемы в нотации IDEF0, отражающей основные входные, выходные, управленческие потоки и механизмы.
Рисунок 3 Реализация исполнения запрашиваемых документов для ИФНС (диаграмма А-0)
Функциональный блок (контекстная диаграмма А-0) на рисунке 3 отражает главное действие в процессе взаимодействия Инспекции Федеральной налоговой службы с компанией-заказчиком (в нашем случае, банком) - реализовать исполнение запрашиваемых документов для ИФНС. В качестве входных потоков выбраны следующие элементы: Поручение от ИФНС, инициирующей запрос (официальный документ, направляемый региональными или городскими налоговыми инспекциями в одну из головных ИФНС г. Москвы в качестве приложения к Требованию, в котором (приложении) указано, что документы запрашиваются в связи с мероприятиями налогового контроля при проведении выездной/камеральной налоговой проверки налогоплательщика-контрагента), в одном из следующий форматов: PDF, doc/docx, JPEG, PNG; Требование от головной ИФНС, которая является посредником и истребует данные документы у банка (официальный документ, направляемый Инспекцией Федеральной налоговой службы с целью получения документов по определенному юридическому(им)/физическому(им) лицу(ам)), в одном из следующий форматов: PDF, doc/docx, JPEG, PNG. Управляющими потоками являются нормативные документы, регулирующие взаимодействие компании-интегратора и компании-заказчика (банка), регламенты банка, регламенты ИФНС, ТЗ (техническое задание - документ, кратко описывающий процесс внедрения выбранного решения), ЧТЗ (частное техническое задание - документ, конкретизирующий ТЗ), PDD (Process Design Document - документ, отражающий функциональные, нефункциональные и бизнес-требования, а также use-cases, созданные для описания взаимодействия внутренних систем компании и роботизированной программы), DSD (Development Specifications Document - документ, содержащий подробные сведение о процессе автоматизации, в котором внимание сосредоточено на 2 основных категориях: «руководстве по выполнению» и «сведениях о разработке»). Механизмами выполнения действия являются сотрудники компании партнера-Abbyy (в частности, аналитик и команда разработки), обеспечивающие качественное распознавание текста и поступление данных на входе Роботу в виде цифровых значений полей в xml-файле; сотрудники компании-интегратора (руководитель проектов, аналитики, команда разработки); платформа UiPath Studio, обеспечивающая построение бизнес-процессов, которые впоследствии будут исполняться Роботом; сам Робот; верификатор (сотрудник банка, осуществляющий проверку данных на этапе распознавания документов и обеспечивающий корректную работу Робота путем исправления нечитаемых данных, добавления отсутствующих, исполнения случайных процессов, не заложенных в алгоритм работы Робота); IBM LotusNotes (интегрированный почтовый и Internet-клиент для объединения внутрикорпоративной деятельности и работы с документами), ExcelRep (прикладная система, позволяющая формировать различные виды отчетов, используемая для получения информации о клиентах банка (список счетов, обслуживающие филиалы и т.д.)), Новая Афина (автоматизированная банковская система, обеспечивающая оптимизацию банковских бизнес-процессов и ИТ-инфраструктур, хранящая истребуемые в рамках Требований документы), АКД (Архив клиентских дел - приложение, позволяющее организовать работу с большим массивом документов, которые образуют клиентские (в том числе кредитные) досье и прочие банковские документы (документы для ордера и др.)), SAP BO BI (комплекс аналитических приложений, обеспечивающий сбор, анализ данных и построение отчетов в разрезе требуемых показателей), Ритейл (прикладная система исследуемого, хранящая информацию по клиентам - физическим лицам). Выходными потоками данного процесса являются следующие: Упрощенный отчет работы Робота (файл в формате Excel, содержащий неполную информацию об исполнении Требования, формируемый Роботом в ходе выполнения процесса для упрощения визуализации результата работы робота), Детальный отчет работы Робота (файл в формате Excel, содержащий полную детальную информацию об исполнении Требования, формируемый Роботом в ходе выполнения процесса), Проект ответа для головной ИФНС (Файл в Word, содержащий официальный ответ банка по результатам исполнения Требования ИФНС), папка с проштампованным объединенным PDF-файлом и соответствующими ему xml-файлами. Более подробно данные и артефакты, являющиеся структурными компонентами потоков процесса, описаны в п. 3.3.
Итак, когда процесс стал более понятен и структурирован, перейдем к бизнес-целям заказчика. В результате внедрения системы должны быть обеспечены:
мониторинг поступления документов в папку на сетевом диске;
распознавание содержимого и сортировка требований с поручениями по заданному алгоритму;
выявление по ключевому слову запросов ИФНС;
формирование журнала требований и поручений (в рамках отчета «Результат работы робота»);
регистрация запросов от ИФНС в системе LotusNotes БД «Канцелярия»;
подготовка ответов на запросы ИФНС;
минимизация трудозатрат сотрудников действующего бизнес-процесса.
Следует отдельно отметить 2-ой элемент списка. Так как остальные пункты так или иначе реализуемы во многих современных IT-решениях, обеспечивающих автоматизацию процессов, то технология распознавания символов с изображений и других файлов формата, не позволяющего «считать» цифровой текст, встроена далеко не всегда. Следовательно, наличие технологии оптического распознавания символов, либо возможность интеграции с такими сервисами, является одним из обязательных критериев при выборе решения для данного процесса. Есть вероятность, что в обозримом будущем Инспекция Федеральной налоговой службы будет направлять запросы в цифровом формате, поэтому решение, позволяющее учесть и тот, и другой сценарий, будет оптимальным.
Система также должна частично автоматизировать процесс регистрации входящих запросов и подготовки проекта для ИФНС, сокращая трудозатраты на обслуживание процесса. Система должна повысить качество обработки данных, оперативность регистрации входящих запросов и подготовки проекта ответа для ИФНС, тем самым снижая риск возникновения финансовых последствий по несоблюдению сроков направления ответов. Дополнительно будет произведен частичный отказ от бумажного документооборота, что снижает стоимость обслуживания печатных устройств и бумажных носителей.
Так, общие критерии выбора решения можно отразить следующим образом:
1. Возможность пользователям вносить корректировки в результат работы автоматизированной системы на этапах:
А) распознавания данных;
Б) регистрации документов;
В) исполнения документов;
Г) подготовки Проектов ответа.
2. Снижение трудозатрат, как минимум, в 2 раза;
3. Повышение качества обработки документов (отсутствие ошибок на всех этапах до подготовки Проекта ответа для ИФНС) - как результат - отсутствие штрафных санкций от ИФНС по ст. 126 НК РФ за несвоевременное предоставление документов по требованию налогового органа, п. 2 ст. 126 НК РФ непредставление документов по ст. 93.1. НК РФ, п. 1 ст. 126 НК РФ за непредставление документов о клиенте;
4. Повышение оперативности предоставления данных (отсутствие просроченных ответов для ИФНС - предоставление ответа в течение периода, не превышающего 5 дней);
5. Обеспечение частичного отказа от бумажного документооборота за счет отсутствия процесса печатного штампования и согласования документов внутри компании (сокращение издержек на эксплуатационные расходы, связанные с данным процессом, на 2 млн.руб.);
6. Соизмеримая стоимость вложений полученному в результате эффекту.
7. Срок реализации не более 1 года с тестированием и периодом опытно-промышленной эксплуатации (максимум - 1,5 года с ОПЭ).
8. Встроенная OCR (Optical Character Recognition) или возможность интеграции с таким сервисом.
Детальными критериями успеха выполнения исследуемого банковского процесса являются следующие постусловия:
документ распознан, подготовлен файл с ключевой информацией;
создана учетная карточка входящего документа в IBM LotusNotes;
отчет с результатом работы робота построен корректно;
требуемые документы собраны и подготовлены (отправлены в соответствующую папку);
шаблон (проект) ответа корректно автоматически заполнен;
ответственные сотрудники получили уведомление о необходимости проверки и визирования подготовленного ответа;
произведена регистрация исходящего документа в привязке с входящим документом и проектом ответа, данные внесены в отчет;
итоговый процесс требует меньше трудозатрат, чем процесс до внедрения системы.
Таким образом, согласно бизнес-целям заказчика, критерии выбора решения для автоматизации данных предельно ясны, практически все измеримы и возможны с точки зрения реализации доступными техническими средствами. В следующем пункте, согласно данным критериям, мы выберем оптимальную технологию из описанных в п. 1.1 и обоснуем свой выбор с точки зрения повышения качества исполнения процесса и экономической эффективности.
2.2 Анализ оптимального решения для исследуемого процесса
Для решения проблемы избыточного ручного труда, чрезмерной длительности процесса, наличия ошибок, неточностей и нерационального использования трудовых ресурсов нужна система, которая либо будет сама принимать решения на каждом этапе сверки данных и самообучаться во время использования тестовой среды, либо позволит встраиваться на определенные этапы сотруднику, не влияя при этом на работу автоматизированной системы, с целью контролировать результат и отслеживать моменты, на которых могут возникнуть те или иные ошибки. Исходя из этого, мы понимаем, что ML (машинное обучение) в нашем случае не совсем подходит в качестве решения, так как не подразумевает наличия когнитивного мышления, позволяющего системе самой принимать решения подобно человеку. А встраивать сотрудника в такую систему, вероятнее всего, будет проблематично и даже невозможно в связи со сложностью механизмов разработки, контроля и сопровождения решения - то есть человек не только не сможет корректировать данный автоматизированный процесс, но и будет затруднять его работу. Что касается стоимости, специалисты (аналитики и разработчики) по машинному обучению обойдутся для компании-заказчика в разы дороже обычных разработчиков ПО и вряд ли принесут существенную пользу в том плане, что для конкретного процесса нет необходимости разрабатывать нейронную сеть и встраивать в процесс ML. Таким образом, для сравнительного анализа машинное обучение рассматриваться не будет.