El futuro es prometedor para las organizaciones comprometidas con la gestion y automatizacion de procesos de negocio; capturar informacion desde fuentes no estructuradas (como la mayoria de documentos empresariales) es la llave que puede desbloquear ganancias exponenciales de productividad.
Aunque las ultimas tendencias en inteligencia artificial, machine learning y automatizacion robotica de procesos ( RPA ) parecen mezcla de marketing y ciencia ficcion, las soluciones actuales de automatizacion de procesos empresariales tienen una larga trayectoria que se remonta a las primeras aplicaciones de negocio de los anos 50.
El gran salto que vivimos hoy no proviene solo de automatizar un proceso simple y repetitivo, ni solo de ir mas alla de casos de uso acotados para abordar excepciones. La innovacion real en RPA ( RPA ) esta mas en el como que en el por que: concretamente, que se requiere para implementar, configurar y mantener estas soluciones que manejan tareas rutinarias a gran volumen cuando cambian las condiciones.
Historicamente, el mayor obstaculo para automatizar tareas como cuentas por pagar era que las soluciones tradicionales eran demasiado rigidas, complejas y costosas para competir con la adaptabilidad e ingenio humanos. Con demasiada frecuencia, las tareas asignadas a las personas no estaban a la altura de su talento: sus habilidades podrian aprovecharse mejor SI existiera un enfoque de automatizacion que no exigiera un esfuerzo enorme al inicio y demasiado mantenimiento despues.
Hasta hace poco, los empleados seguian sobrecargados con tareas repetitivas que una maquina podria manejar mejor, si no fuera tan fragil ante escenarios reales y dependiente de integraciones que se rompian con cada actualizacion de software.
Llega la nueva era de la automatizacion. Las soluciones de automatizacion inteligente de procesos (IPA) evolucionan hacia implementaciones mas simples, menos dependencia de TI, mayor adaptabilidad y retorno rapido.
Un area donde la IPA ha tenido amplio impacto es la captura y extraccion de datos de contenido semiestructurado o no estructurado, incluido correo y documentos como facturas de proveedores y pedidos de venta. La capacidad de "leer" esa informacion, identificar datos accionables y actuar ha sido un reto que demasiado a menudo dependia de reglas rigidas o intervencion humana, hasta ahora.
OCR ( reconocimiento optico de caracteres ) es una tecnologia establecida para convertir texto de imagen en datos digitales. Antes, ese proceso no permitia clasificar el tipo de dato capturado. En las ultimas decadas, las plataformas de captura aprovecharon OCR para ir mas alla de convertir imagenes en caracteres: identificar el TIPO de informacion presentada por ese texto y analizarla para extraer datos relevantes para un proceso.
Las plataformas de captura inteligente, por ejemplo, pueden identificar y extraer nombre de proveedor, numero de factura y otros datos de facturas AP enviadas por email o en papel que deben escanearse y digitalizarse.
El reto ha sido el tiempo y esfuerzo para configurar esos sistemas de modo que interpreten y extraigan de muchos formatos documentales: era prohibitivo porque seguian reglas rigidas sobre donde buscar informacion, con parametros estrechos. Solo organizaciones con volumen enorme o documentos bastante uniformes podian justificar la inversion.
Sin embargo, la captura de datos ha seguido evolucionando: las soluciones pasaron de aplicaciones de "OCR por zonas" a enfoques mas adaptables con multiples parametros e integracion con otros sistemas para manejar distintos formatos y tipos, validando informacion cruzando con ERP u otras bases de datos.
La inteligencia artificial y el machine learning impulsan nuevos niveles de innovacion en el desafio de extraer datos de documentos y usarlos para automatizar matching de facturas, codificacion contable o enrutamiento de aprobaciones.
Hoy los sistemas pueden identificar un documento, extraer la informacion correcta y ejecutar el siguiente paso sin codigo personalizado y con configuracion minima, descargando la mayor parte del trabajo de facturas o pedidos. Las excepciones a las reglas pueden seguir requiriendo un operador humano, HASTA que el sistema registre, procese y se adapte a la nueva informacion e instrucciones recibidas.
Como resultado, el sistema "aprende" y mejora con el tiempo, sin depender de que un humano programe conjuntos de reglas especificos.
En Artsyl Technologies nos hemos enfocado en resolver los principales obstaculos de la automatizacion de procesos que han acompanado a las empresas durante decadas. Nos emociona ver esta evolucion hasta el punto en que la innovacion real ocurre entre empleados que pueden enfocarse mas en enfoques centrados en el cliente que en las herramientas para transacciones basicas y tareas rutinarias.
Nuestra esperanza es que la tecnologia pase a segundo plano y permita a empleados de todos los niveles aprovechar mejor sus talentos y atender las necesidades de clientes, socios y proveedores.
Desde donde estamos hoy, ese futuro esta muy cerca.