Processautomatisering som håller över tid

Vad är processautomatisering?

Processautomatisering handlar om att få en hel arbetsprocess att “gå av sig själv” så långt det är rimligt. Från starttrigger till färdigt resultat, med rätt data, rätt regler och rätt spårbarhet. Det kan betyda allt från att ett ärende automatiskt skapas, kompletteras och fördelas, till att ett beslut fattas enligt policy, och att bara undantagen hamnar hos en människa.

I praktiken är processautomatisering en kombination av tre saker:

1. Processlogik: Stegen, reglerna och besluten, alltså “hur jobbet ska göras”.
2. Informationsflöde: Data som följer med, uppdateras och återanvänds, utan att någon behöver mata in samma sak flera gånger.
3. Orkestrering: Att människor, system och integrationer samverkar i rätt ordning, med tydligt ansvar och spårbarhet.

Det låter självklart, men det är skillnad mellan att automatisera enstaka uppgifter och att faktiskt automatisera en process. Poängen med processautomatisering är inte att automatisera för automatiseringens skull utan att effektivisera genom att minska väntetider, fel och dubbelarbete, och att helst också göra processen enklare att ändra.

Varför pratar alla om processautomatisering just nu?

Två skiften driver intresset.

Det ena är att mängden administration växer, ofta för att fler system, fler regler och fler integrationer skapar fler “små steg” som någon eller något måste hålla ihop.

Det andra är att möjligheterna ökar snabbt. McKinsey bedömer att aktiviteter motsvarande upp till cirka 30% av arbetade timmar kan automatiseras till 2030, drivet bland annat av genAI.

Det betyder inte att allt bör automatiseras. Det betyder att det lönar sig att bli bra på att välja rätt processer, och att bygga dem på ett sätt som går att förvalta.

Se processautomatisering som ett sätt att flytta tid från administration till beslut och värdeskapande. OECD lyfter att en betydande andel jobb påverkas av automatisering och teknisk förändring, och denna förändring kräver ofta dialog och förändringsledning.

Olika typer av processautomation

Det finns såklart en begreppsvärld som är tänkt att förenkla och förklara processautomation. Till viss del gör begreppen det svårare att navigera, men det går att se det som olika nivåer av komplexitet utifrån det behov du står inför: från RPA till verksamhetsanpassad processautomation.

Robotiserad processautomatisering

RPA (Robotic Process Automation) är bra när du vill automatisera repetitiva, regelbaserade uppgifter som annars görs manuellt i ett gränssnitt, till exempel att kopiera data mellan två system. RPA är en form av processautomatiseringsteknik som använder mjukvarurobotar för att automatisera uppgifter som utförs av människor.

Processautomatisering är bredare. Den handlar om flödet från start till mål, inklusive regler, undantag, loggning, integrationer och ofta är flera team inblandade. Ett enkelt sätt att tänka är: RPA kan vara en komponent i en process, men processen behöver fortfarande en “dirigent”.

Processautomatisering och workflow automation

Workflow automation fokuserar ofta på att fördela arbete mellan människor och steg i ett flöde, till exempel attest, uppföljning och notifieringar. Processautomatisering tar i regel ett större grepp och inkluderar också datamodell, systemintegrationer och hur du hanterar avvikelser.

Det är därför många organisationer blir besvikna när de exempelvis digitaliserar ett formulär. De har byggt ett workflow, men processens verkliga flaskhalsar ligger i data, undantag och beroenden mellan system.

Digital processautomatisering

Digital processautomatisering (DPA) handlar ofta om att automatisera processer som spänner över flera applikationer och som typiskt involverar mänsklig interaktion i vissa steg.

TechTarget beskriver DPA som automation av processer som kan omfatta flera applikationer och ofta stöds av plattformar/verktyg.

Ett bra sätt att se DPA är som “processerna i mitten”: där människor, regler och systemintegrationer behöver samspela, inte bara en enskild automationsbot.

Intelligent processautomatisering

Intelligent processautomatisering (ibland kallat intelligent automation eller IPA) bygger vidare på automation med AI-funktioner som kan tolka, klassificera och hantera mer variation än rena “om X så Y”-regler.

IBM beskriver intelligent automation som ett sätt att strömlinjeforma processer genom att kombinera automation med intelligenta tekniker.

Var passar AI in?

AI gör inte processautomatisering mindre viktig, den gör den mer aktuell. AI lyfter även värdet av din strukurerade data.

AI kan till exempel:

• Klassificera inkommande ärenden
• Läsa och tolka fritext eller dokument
• Föreslå nästa steg eller beslut
• Hitta avvikelser som ska till manuell handläggning

Men AI blir värdefull först när den är inbyggd i ett kontrollerat flöde med spårbarhet och ansvar. Hyperautomation är ett begrepp som utrycker intelligent automation som en tydlig strategisk riktning.

Gartner beskriver Hyperautomation som ett disciplinerat arbetssätt för att identifiera och automatisera så många processer som möjligt, ofta med flera olika tekniker i kombination.

Verksamhetsanpassad processautomatisering

Många processer passar bra i ett standardsystem eller i en plattform du redan har i din applikationsportfölj. Men när processen är affärskritisk, går tvärs över flera funktioner eller kräver ett skräddarsytt och förvaltningsbart stöd är det extra viktigt att ha rätt system på rätt plats. Du behöver ett systemstöd som hanterar roller, register, ärenden, regler och integrationer.

Om du hamnar i det läget kan en plattformsbaserad approach vara pragmatisk: du bygger ett anpassat flöde på standardiserade komponenter, och vidareutvecklar i takt med att processen förändras. Det blir ofta extra relevant när automatiseringen måste fungera i komplexa IT-miljöer där integrationer och spårbarhet är minst lika viktiga som gränssnittet.

Multisoft bygger processautomationslösningar genom low-code-plattformen Softadmin®, med fokus på flexibilitet och skalbarhet och kan även komplettera med AI-funktionalitet och en integrationsplattform som samlar och skapar överblick över integrerade system och flöden.

Så väljer du rätt process att automatisera först

Det största misstaget är att börja med det som verkar vara det största irritationsmomentet utan att kolla data, undantagen och beroendena. Börja i stället med att hitta processer som är stabila nog att automatisera, men viktiga nog att motivera insatsen.

En bra tumregel är att leta efter processer där mycket tid går åt till att flytta information, kontrollera regler och jaga kompletteringar.

Nedan är en checklista du kan använda i ett första urval:

• Hög volym eller hög frekvens: Processen händer ofta (många ärenden/beställningar) eller skapar många återkommande avvikelser – så nyttan av att automatisera blir tydlig.
• Tydliga start och mål: Det går att peka ut en klar starttrigger och ett tydligt “klart”-läge, så att du kan mäta och styra flödet.
• Regler går att uttrycka: Du kan formulera beslutsreglerna så att de går att bygga in i systemet (exempelvis policies, tröskelvärden, behörigheter och SLA:er).
• Datat finns, eller går att få på plats: Nödvändiga uppgifter finns i system (eller kan struktureras) och det är tydligt vilken källa som är “master” för respektive data.
• Undantagen går att styra: Du kan tydligt definiera vilka avvikelser som ska hanteras manuellt (och när processen ska eskalera till en människa), medan resten kan gå automatiskt.

En enkel scoringmodell som funkar i verkligheten

Om du vill hålla det riktigt enkelt kan du börja med fyra frågor:

1. Vad är den genomsnittliga handläggningstiden och var försvinner den, i väntan eller i arbete?
2. Hur ofta gör vi om samma sak, eller matar in samma data två gånger?
3. Vilka är de vanligaste undantagen och kan vi gruppera dem?
4. Vilka system behöver prata med varandra för att processen ska bli “hel”?

Svaren räcker ofta för att prioritera 2 till 3 processer som är värda en första satsning.

Hur en automatiserad process brukar byggas upp

En robust processautomation består nästan oftast av samma byggstenar. Det här är inte en “teknisk lista”. Det är snarare ett sätt att se vad som måste vara på plats för att automatiseringen ska fungera.

• Trigger: Något som startar flödet, till exempel en ansökan, en fil eller en händelse i ett annat system.
• Validering: Kontroller, behörighet, obligatoriska fält och referenser.
• Berikning: Hämta data från andra system, register eller tidigare historik.
• Regelmotor: Beslut enligt policy, avtal, risknivå eller prioritet.
• Orkestrering: Skapa uppgifter, skicka notifieringar, kalla API:er och uppdatera status.
• Undantagshantering: När något är oklart eller avviker ska det gå till rätt person.
• Spårbarhet: Loggning, versionshantering av regler och möjlighet att följa vad som hände.

Undantagen som bekräftar utmaningen

Många processer går att automatisera till stor del ganska snabbt. Utmaningen är att stora delar (avvikelserna) inte går att automatisera på ett lätt sätt. Detta har varit en utmaning länge.

En bra designprincip är därför: Automatisera standardflödet fullt ut, men gör undantag synliga, välstrukturerade och mätbara.

Då kan du:

• Se vilka undantag som ökar över tid
• Justera regler eller dataflöden
• Minska den manuella delen steg för steg, utan att riskera kvalitet

Vanliga fallgropar och hur du undviker dem

Processautomatisering blir sällan dålig för att tekniken inte går. Den blir dålig för att man automatiserar runt problem som egentligen är process och datakvalitet.

Här är ett antal klassiska fallgropar, och vad som brukar hjälpa:

• Du automatiserar en dålig process: Börja med att förenkla och standardisera där det går, annars kodifierar du bara röran.
• Otydligt ägarskap: Processen måste ha en ägare i verksamheten, annars blir den ett IT-projekt utan styrning.
• Data är inte tillförlitlig: Automatisering kan förstärka dataproblem. Lägg tid på masterdata och validering tidigt.
• För många specialfall från start: Börja med en kärna, bygg ut i iterationer.
• Ingen övervakning: Om du inte mäter ledtid, undantag och fel så vet du inte om automatiseringen fungerar.
• Säkerhet och behörighet kommer sist: Särskilt när många system kopplas ihop måste säkerhet, åtkomst och spårbarhet vara designkrav, inte eftertanke.