Vælg en opgave med en tydelig begyndelse og afslutning.
»Lad os automatisere kontoret« er et for bredt mål. »Når vi modtager rapporter fra leverandørerne, skal vi lave en oversigt over manglende poster« beskriver derimod en hændelse, et input og et resultat. Et afgrænset omfang gør det lettere at udpege en ansvarlig og sammenligne arbejdet før og efter ændringen.
Vælg ikke kun den letteste opgave. Undersøg, om den vender tilstrækkeligt ofte tilbage, og om nogen har brug for resultatet. Automatisk at lave en rapport, som ingen bruger, får blot en unødvendig aktivitet til at gå hurtigere. En god kandidat har en modtager, tilbagevendende data og regler, der kan forklares.
- Hvad sætter opgaven i gang?
- Hvad modtager personen eller systemet til sidst?
- Hvornår anser vi opgaven for korrekt udført?
Gennemgå processen med den person, der udfører den hver dag.
Bed personen vise et almindeligt tilfælde på skærmen, trin for trin. Notér, hvor data kopieres, hvor der foretages ekstra kontrol, og hvor der opstår ventetid. Læg mærke til uformelle regler: »Denne leverandør kontrollerer vi særskilt«, »denne fil retter jeg altid« eller »her er jeg nødt til at ringe«.
Netop de bemærkninger er ofte afgørende for, om automatiseringen lykkes. Proceduren kan beskrive sammenlægning af filer, mens medarbejderen først opdager forkerte enheder og frasorterer en forældet version. Overser vi den viden, genskaber automatiseringen kun den synlige del af arbejdet og begynder at producere upålidelige resultater.
Det vigtigste først
Beskriv én opgave gennem dens input, regler og forventede resultat.
Saml korrekte, usædvanlige og fejlbehæftede eksempler med det tilsvarende korrekte resultat.
Fastlæg grænsen mellem automatisk udførelse og menneskelig beslutning.
Saml eksempler, der viser variationen i data.
Ét korrekt dokument er ikke nok til at forstå processen. Forbered eksempler fra forskellige kilder, perioder og varianter. Tilføj en fil med mangler, en gentagelse og et tilfælde, som for nylig krævede en manuel rettelse. Data til den indledende analyse skal være renset for unødvendige fortrolige oplysninger.
Vedlæg det forventede resultat og en kort forklaring til hvert eksempel. Hvis to personer laver forskellige svar, som begge opfattes som korrekte, skal reglen først afklares. For dokumenter har også format, scanningskvalitet, tabellernes opbygning og versionsmærkning betydning.
- Et almindeligt tilfælde uden problemer.
- En usædvanlig, men gyldig variant.
- Fejlbehæftede eller ufuldstændige inputdata.
- Det samme dokument sendt igen.
Skeln mellem faste regler, vurdering og godkendelse.
Sammenligning af en sum, kontrol af et ordrenummer og beregning af en dato efter en fast regel er opgaver med et entydigt resultat. Vurdering af tonen i en besked, læsning af et dokument med varierende struktur eller fortolkning af en beskrivelse kan kræve en anden tilgang. AI kan hjælpe, men resultatet skal stadig kontrolleres på en passende måde.
Markér de handlinger, som fortsat skal være under menneskelig kontrol: afsendelse af et tilbud, godkendelse af en ændring eller offentliggørelse af information. Automatiseringen kan forberede alt materialet og fremhæve forskelle. Den behøver ikke træffe alle beslutninger selv for at gøre processen væsentligt enklere.
- Hvad kan kontrolleres efter en entydig regel?
- Hvad kræver fortolkning?
- Hvilket trin skal godkendes af en bestemt person?
Beskriv undtagelser lige så grundigt som det normale forløb.
Hvad gør vi, hvis en vedhæftet fil mangler? Eller hvis kildesystemet ikke svarer? Hvem afgør, om to lignende poster er dubletter? Hver situation kræver et udfald: et nyt forsøg, et stop, en besked eller overdragelse til manuel behandling.
Aftal, om en del af opgaven må afsluttes korrekt, selv om en anden del fejler. En rapport baseret på ufuldstændige data skal tydeligt vise sin status. I nogle processer er det bedre at holde offentliggørelsen tilbage end at sende et resultat, der ser komplet ud. Den person, som håndterer undtagelser, skal kunne forstå beskeden og vide, hvad næste skridt er.
Kontrollér resultatet, før det får lov til at sætte nye handlinger i gang.
Den første afprøvning kan køre parallelt med den manuelle proces. Sammenlign resultaterne på aftalte eksempler, og beskriv forskellene konkret: en udeladt post, en forkert enhed eller den forkerte dokumentversion. »Næsten alt stemmer« er ikke nok til at vurdere risikoen.
Planlæg også, hvad der sker, når den samme opgave udføres igen. Processen må ikke ved en fejl sende to beskeder eller oprette to poster. Test en afbrydelse af adgangen og genoptagelsen af arbejdet. Aftal acceptkriterier før idriftsættelsen, så de ikke bagefter tilpasses det resultat, I fik.
- Resultatet stemmer med det aftalte eksempel.
- Mangler er synlige og bliver ikke ignoreret i stilhed.
- Et nyt forsøg giver et forudsigeligt resultat.
- Brugeren kan kontrollere, hvor data kommer fra.
Følg hele processen efter start, ikke kun automatiseringens køretid.
Et hurtigere trin kan skabe kø i det næste. Hvis rapporten bliver lavet med det samme, men stadig venter flere dage på godkendelse, bør I se på den videre arbejdsgang. Indsaml viden om undtagelser, manuelle rettelser og spørgsmål fra modtagerne.
Lav en enkel beskrivelse: Hvor kontrollerer man udførelsen, hvem reagerer på fejl, hvordan sætter man behandlingen på pause, og hvornår vender man tilbage til manuel håndtering? Kildefiler og værktøjer vil ændre sig. Den automatiseringsansvarlige skal kende ændringerne, før de påvirker de næste resultater.
Tag idéen med til din virksomhed
- Test fejl, gentagelser og muligheden for at vende tilbage til manuelt arbejde.
- Følg også ventetid og håndtering af undtagelser efter idriftsættelsen.
