Vad är Intelligent Automation (IA) och hur fungerar det?

Vad är Intelligent Automation?

IA kombinerar artificiell intelligens, det vill säga system som kan tolka data och lära sig mönster, med olika typer av automationsverktyg som utför själva jobbet. IBM beskriver IA som en kombination av AI, processhantering och mjukvarurobotar som skapar mer konsekventa och effektiva arbetsflöden i hela organisationen.

IA är ett sätt att använda AI och maskininlärning tillsammans med en automationsplattform för att automatisera repetitiva uppgifter och samtidigt samla in data som ger bättre beslutsunderlag. IA skapar processer som kan tänka, lära sig och anpassa sig själva över tid, till exempel genom att tolka dokument och föreslå beslut.

Definitionen av Intelligent Automation

Intelligent Automation är när AI hjälper till att förstå vad som behöver göras, och automation ser till att det faktiskt blir gjort.

I praktiken handlar det om att du bygger arbetsflöden där system kan läsa, tolka, fatta beslut inom givna ramar och sedan utföra åtgärder i dina befintliga system.

IA består oftast av tre huvuddelar: artificiell intelligens, någon form av process- eller workflowmotor och verktyg som utför själva arbetet i systemen, till exempel genom integrationer och automatiseringsplattformar.

Vad ingår i IA?

De flesta beskrivningar landar i tre huvuddelar, även om orden kan variera något mellan leverantörer.

AI och maskininlärning

AI, artificiell intelligens, är ett samlingsnamn för tekniker som kan känna igen mönster och fatta beslut baserat på data. Maskininlärning är en del av AI där modeller tränas på historiska exempel, till exempel för att lära sig känna igen en viss typ av ärende eller upptäcka avvikelser.

Det är just kombinationen av AI och maskininlärning som gör automationen ”intelligent”, eftersom den kan hantera mer varierade och komplexa uppgifter än rena, förhandsskrivna regelmotorer klarar.

Automationsmotorer som utför jobbet

När AI har tolkat vad som behöver göras, behövs en motor som kan genomföra själva arbetet. Det kan vara ett ärende- eller workflow-system, en plattform som hanterar processer steg för steg, eller mjukvarurobotar som klickar runt i befintliga system.

AWS beskriver IA som just automation som förstärks av AI ovanpå underliggande verktyg och system.

Styrning, regler och uppföljning

IA blir värdefullt först när det kopplas till tydliga regler, behörigheter och mätetal. Ett vanligt sätt att beskriva IA är som en kombination av kognitiva tekniker som tillsammans optimerar både processer och beslutsfattande, inte bara enskilda moment.

I praktiken innebär det ofta att du har ett särskilt lager där du definierar hur processer ska gå, vilka undantag som kräver manuell handläggning och hur resultat ska följas upp.

Du kan alltså se IA som ett samspel. AI tolkar världen, en process eller automationsmotor styr flödet, och olika tekniker utför de konkreta stegen i dina system.

Vilka problem försöker Intelligent Automation lösa?

Om du tittar på din vardag finns det ofta tre återkommande problem som IA adresserar.

1. För det första finns alla de uppgifter som är nödvändiga men repetitiva. Det kan vara att registrera information i flera system, leta upp samma typ av data varje gång ett ärende kommer in eller kontrollera att underlag är kompletta. IA lämpar sig väl för att ta över just sådana flöden, så att du och dina kollegor kan fokusera mer på avvikande och värdeskapande arbete.
2. För det andra växer mängden information snabbare än vad människor hinner läsa. Det kan handla om mejl, formulär, bilagor, loggar eller kunddata. Här kan AI hjälpa till att läsa, sortera och tolka, medan automationsdelen ser till att rätt sak händer i rätt system beroende på vad som hittas.
3. För det tredje ställer kunder och användare allt högre krav på snabbhet, transparens och tillgänglighet. Många vill kunna följa sina ärenden, få besked i realtid och slippa vänta på manuella handläggningssteg som egentligen följer tydliga regler. Här kan IA hjälpa till genom att koppla ihop front end, till exempel e-tjänster eller kundportaler, med automatiserade processer i bakgrunden.

Centrala begrepp: IA, AI, RPA, DPA och Hyperautomation

Innan vi går djupare behöver vi reda ut några begrepp som ofta blandas ihop.

Artificiell intelligens och maskininlärning

Artificiell intelligens, AI, är samlingsnamnet för tekniker där system kan känna igen mönster och fatta beslut baserat på data. Maskininlärning är en del av AI där modeller tränas på historiska exempel (men även data i realtid). I IA-sammanhang handlar det ofta om att:

• Läsa och förstå text, till exempel mejl, formulär eller PDF:er
• Känna igen dokumenttyper
• Bedöma risk, prioritera ärenden eller föreslå nästa steg

En äldre analys från McKinsey uppskattar att bred automation kan höja den globala produktivitetstillväxten med omkring 0,8–1,4 procentenheter per år, medan en nyare studie om generativ AI pekar på ytterligare 0,1–0,6 procentenheter per år i möjlig produktivitetsökning fram till 2040, om tekniken införs brett och omställningen hanteras väl.

RPA – mjukvarurobotar i gränssnitt

RPA står för Robotic Process Automation. Det är mjukvarurobotar som gör samma typ av klickjobb som en människa skulle ha gjort i ett användargränssnitt. De loggar in, fyller i fält, kopierar och klistrar in information och följer fasta regler.

I en IA-lösning är RPA oftast bara ett av flera verktyg. När processen är definierad och AI har tagit fram underlag kan robotar till exempel:

• Lägga upp eller uppdatera poster i system som saknar bra API:er
• Hämta data från äldre system
• Genomföra komplexa men regelstyrda sekvenser

Det är lagom mycket RPA i en IA-arkitektur som brukar fungera bäst. Forrester betonar att lyckade initiativ kräver balans mellan ny AI-funktionalitet och mer traditionell automatisering.

DPA – processnivån där allt sys ihop

DPA står för Digital Process Automation och handlar om att automatisera hela processen i stället för att fokusera på enskilda klick eller delmoment. Du beskriver flödet i ett system som håller ihop processen, med vilka steg som finns, vilka roller som är inblandade och vilka system som ska uppdateras.

En DPA-lösning kan till exempel:

• Hålla ihop ärenden från start till mål
• Styra vilka steg som är automatiska och vilka som kräver manuell handläggning
• Kalla på AI eller robotar i rätt steg
• Ge uppföljning på ledtider, volymer och avvikelser

För Multisoft är DPA en naturlig del av hur vi använder vår plattform Softadmin. Processlogiken ligger i Softadmin, sedan kopplas integrationer, automation och regelverk på runtomkring.

Hyperautomation – strategin runt allt detta

Hyperautomation är ett annat ord som ofta dyker upp tillsammans med IA. Hyperautomation är ett affärsdrivet, disciplinerat angreppssätt där organisationer systematiskt identifierar, utvärderar och automatiserar så många affärs- och IT-processer som möjligt, med hjälp av flera olika tekniker som AI, low-code/no-code-plattformar, RPA och andra verktyg.

• IA beskriver hur tekniken fungerar i ett enskilt flöde
• Hyperautomation beskriver ambitionsnivån i hela organisationen

Hur fungerar IA i praktiken?

AI som läser och förstår innehåll

En typisk IA-lösning börjar med att systemet behöver förstå vad ett ärende handlar om. Det kan vara:

• Mejl från kunder
• Ansökningar via ett webbformulär
• Bilagor som PDF:er eller skannade dokument

Med naturlig språkbehandling och dokumenttolkning kan AI till exempel:

• Avgöra vilken kategori ärendet tillhör
• Plocka ut nyckelfält som personnummer, ärendetyp eller belopp
• Bedöma om något viktiga saknas

Här fungerar AI som en smart assistent som gör grovjobbet i första linjen.

Arbetsflöden som håller ihop processen

När informationen är tolkad tar en processmotor över. Den representerar hur ni vill att flödet ska se ut från start till mål. Där bestämmer du:

• Vilka steg som är helt automatiska
• När ett ärende ska gå till en mänsklig handläggare
• Vilka system som ska uppdateras
• Vilka regler som styr prioritering och undantag

I Multisofts värld innebär det ofta att processen byggs visuellt i Softadmin, sedan kopplas integrationer, automation och regelverk på runt omkring. Fördelen är att du kan ändra processen när verkligheten ändras utan att bygga om hela systemkartan varje gång.

Utförande i befintliga system

Till sist behöver något göra själva jobbet. I en IA-arkitektur kan det vara:

• Integrationer via API:er eller meddelandeköer
• Robotar som arbetar i gränssnitt där det saknas bra integrationer
• Inbyggd funktionalitet i plattformar och verksamhetssystem

Poängen är att IA inte kräver att du byter ut allt du redan har. Du lägger ett smartare lager ovanpå, som vet när något kan automatiseras end to end och när en människa behöver ta över.

Exempel: IA i vardagen

Kundservice och ärendehantering

I en traditionell kundservice läser medarbetare inkommande mejl, tolkar vad de handlar om, letar upp information i olika system och svarar eller skickar ärendet vidare. Det är tidskrävande och svårt att skala.

Med IA kan du i stället:

• Låta AI läsa varje mejl och avgöra ärendetyp
• Automatiskt skapa ärenden i ditt ärendehanteringssystem
• Skicka standardiserade svar när det är möjligt
• Låta mer komplexa ärenden gå vidare till en handläggare med färdig sammanställning

Den här typen av IA-lösningar gör det möjligt för support- och serviceorganisationer att gå från reaktiv till mer proaktiv hantering, där data och insikter används för att förutse toppar och mönster.

Ekonomi och backoffice

I ekonomi- och backofficeprocesser är kombinationen av dokument, regler och återkommande flöden som gjord för IA. En vanlig resa kan se ut så här:

• AI läser en faktura, tolkar belopp, leverantör, referenser och datum
• Processen kontrollerar mot order och regelverk
• Avvikelser flaggas för handläggare
• Allt som är grönt går automatiskt vidare till kontering och betalning

Onboarding och självbetjäning

När du arbetar med onboarding av kunder, medlemmar eller anställda, eller med ansökningar av olika slag, är IA ett sätt att knyta ihop hela resan:

• Formulär på webben eller i en portal
• En process som tar in ansökan, gör kontroller och skapar ärenden
• Automation som uppdaterar bakomliggande system
• Notiser och statusuppdateringar till användaren

Resultatet är att den som söker kan följa sitt ärende, samtidigt som du får bättre kontroll på ledtider och flaskhalsar.

Branschexempel: Effektivitetsvinster för industrin

För större organisationer innebär det att manuella mellansteg minskar, samtidigt som kontroll och spårbarhet ökar. I en analys från McKinsey beskrivs hur lyckade automationstransformationer inom industriföretag kan ge effektivitetsvinster på ungefär 20 till 40%, och i ett konkret fall handlar det om omkring 20-30%i just kärnprocesserna.

Samtidigt betonar de att vägen dit kräver tydliga satsningar på kompetens, teknik och förändringsarbete.

Hur kommer du igång med Intelligent Automation?

1. Börja i processen, inte i tekniken

Det mest praktiska sättet att starta är att välja en konkret process där:

• Volymerna är relativt höga
• Reglerna är kända eller dokumenterade
• Det finns tydliga problem med tid, kvalitet eller arbetsbelastning

Tillsammans med verksamheten beskriver du nuläget. Sedan tittar du på vilka steg som:

• Kräver genuint mänsklig bedömning
• Följer tydliga regler
• Handlar om att läsa och tolka information

Först därefter börjar du prata om vilka tekniker som passar var. Den ordningen minskar risken att du köper verktyg som inte hittar rätt användning.

2. Tänk plattform snarare än punktlösningar

För att IA ska skala är det klokt att tänka i termer av ett gemensamt nav för processer. Det kan vara en DPA- eller low-codeplattform som:

• Håller ihop ärenden och processlogik
• Erbjuder gränssnitt för användare internt
• Integrerar mot andra system
• Kan kalla på AI-tjänster och robotar vid behov

Multisofts erbjudande bygger på just detta. Med Softadmin® levererar vi skräddarsydda verksamhetssystem som fungerar som ett stabilt processnav i komplexa IT-miljöer. IT-avdelningen får en extra utvecklingsmuskel för att täppa igen hål i systemkartan utan att bygga allt från grunden, samtidigt som verksamheten får ett systemstöd som faktiskt följer deras processer.

3. Jobba tillsammans mellan IT och verksamhet

Intelligent Automation fungerar sällan om det enbart drivs av IT eller enbart av verksamheten. Ett pragmatiskt upplägg är att:

• Låta verksamheten beskriva problem, mål och verkliga scenarier
• Låta IT sätta ramar för arkitektur, säkerhet och teknikval
• Tillsammans ta fram en kravspecifikation och en första version av processen

Det är också så Multisoft typiskt arbetar. Vi börjar med kravinsamling tillsammans med dig. Sedan implementerar vi första versionen i Softadmin och vidareutvecklar lösningen när processer och behov ändras. Det gör att IA kan införas steg för steg i takt med att organisationen lär sig vad som fungerar.