Trzy lata temu wdrożyłeś RPA. Bot obrabia faktury, przepisuje dane między systemami, generuje raporty o stałej strukturze. ROI na papierze wyszedł dobrze - kilkaset godzin roboczych rocznie zaoszczędzonych na przypadkach standardowych.
Ale jest problem. Masz wrażenie, że te 30–40% spraw, które bot „odrzuca do człowieka”, pochłania więcej czasu niż przed wdrożeniem. Pracownicy obsługują coraz więcej wyjątków, a zaoszczędzone godziny na standardach dawno zostały zjadane przez rosnący wolumen. ROI nie rośnie.
To jest moment, w którym organizacje zaczynają pytać: „Czy to kwestia lepszego RPA, czy już czas na AI?”
Dlaczego RPA ucieka od wyjątków
RPA działa na regułach. „Jeśli pole A zawiera wartość X, zrób Y.” To potężne tam, gdzie dane wejściowe są przewidywalne, a logika - deterministyczna. Faktury od stałych dostawców w ustandaryzowanym formacie, wyciągi bankowe według szablonu, wnioski z formularzy z walidacją - tutaj RPA goni człowieka lub go bije.
Problem zaczyna się, gdy dane nie są perfekcyjne. A w realnych procesach - nigdy nie są.
Faktura przyszła skanem, który OCR odczytał niepoprawnie. Wniosek ma niestandaryzowany opis, który nie pasuje do żadnej kategorii w słowniku. Pismo zawiera wyrażenie wieloznaczne, które wymaga interpretacji kontekstu. Bot nie wie, co z tym zrobić - więc oddaje sprawę człowiekowi.
Im więcej wolumenu, im więcej źródeł danych, im bardziej zróżnicowani dostawcy czy klienci - tym wyższy odsetek wyjątków. W dużych organizacjach 20–40% spraw trafia do ręcznej obsługi. A to właśnie te sprawy są najtrudniejsze i najdłuższe.
Co AI robi inaczej
AI nie zastępuje RPA - uzupełnia je tam, gdzie reguły deterministyczne kończą się.
Trzy konkretne zastosowania, gdzie AI wchodzi po RPA:
1. Klasyfikacja i interpretacja dokumentów o zmiennej strukturze
Faktury od stu różnych dostawców, każda w innym formacie? AI klasyfikuje typ dokumentu, wyciąga kluczowe pola i przekazuje je do systemu - nawet gdy format jest niestandardowy lub skan jest niewyraźny. RPA oczekuje stałego układu; AI rozumie intencję.
2. Obsługa wyjątków z kontekstem
Zamiast „bot odrzucił - człowiek sprawdza od zera”, AI może: zidentyfikować typ wyjątku, zebrać kontekst z historii procesu, zaproponować decyzję z uzasadnieniem - a człowiek zatwierdza lub odrzuca. Czas obsługi wyjątku spada z 20–30 minut do 3–5 minut. To jest zmiana, która przekłada się na KPI.
3. Weryfikacja i kontrola jakości
AI może porównywać dane z różnych źródeł (dokumenty, systemy, bazy) i flagować niezgodności - automatycznie, bez potrzeby pisania reguł dla każdego możliwego przypadku. To jest szczególnie wartościowe w procesach, gdzie błędy wychodzą przy kontroli zewnętrznej lub audycie.
Kiedy AI to zły pomysł
Warto powiedzieć to wprost, bo rynek jest pełen dostawców, którzy AI sprzedają jako rozwiązanie na wszystko.
AI nie ma sensu, gdy:
- wolumen wyjątków jest niski (kilka dziennie), a ich typy się nie powtarzają,
- proces wymaga wyłącznie deterministycznej logiki bez interpretacji - tutaj RPA wystarczy i jest tańsze,
- dane wejściowe są tak złej jakości, że nawet człowiek ma problem z ich interpretacją - wtedy problem jest w źródle, nie w automatyzacji.
Zanim zdecydujesz, że potrzebujesz AI, sprawdź: czy faktycznie masz problem z interpretacją i zmiennością danych, czy masz problem z jakością danych lub procesem przed automatyzacją?
Jak wygląda przejście: od „bot odrzuca” do „AI obsługuje”
Praktyczny schemat, który stosujemy w dowód wartości dla procesów z RPA:
Krok 1: Zmierz, ile spraw jest odrzucanych i dlaczego. Skategoryzuj typy wyjątków.
Krok 2: Oceń, które typy wyjątków mają powtarzalny wzorzec - to kandydaci do obsługi AI.
Krok 3: Dla wybranego typu wyjątku: uruchom dowód wartości na próbce danych historycznych. Sprawdź, czy AI klasyfikuje lub proponuje decyzję z wystarczającą trafnością.
Krok 4: Zaprojektuj ścieżkę: AI propozycja + człowiek zatwierdza/odrzuca + feedback pętla.
Krok 5: Wdróż na produkcji z monitoringiem trafności i odsetek spraw przeniesionych do ręcznej obsługi.
Kluczowe: nie próbuj eliminować człowieka z wyjątków od razu. Celem w pierwszym etapie jest skrócenie czasu obsługi wyjątku - z kilkudziesięciu do kilku minut. Pełna automatyzacja może być etapem drugim, gdy masz wystarczającą historię wyników.
Pytania, które warto zadać przed decyzją
Jeśli rozważasz dodanie AI do procesów, gdzie masz RPA, sprawdź:
- Jaki jest aktualny odsetek spraw odrzuconych do człowieka i jak zmieniał się przez ostatni rok?
- Ile typów wyjątków masz i które są najczęstsze?
- Ile czasu zajmuje obsługa jednego wyjątku i ile osób jest zaangażowanych?
- Czy masz historyczne dane z przykładami spraw i decyzji, które można użyć do nauki lub testowania modelu?
- Kto odpowiada za jakość decyzji w wyjątkach i jak jest ona mierzona?
Odpowiedzi na te pytania wystarczą do wstępnej oceny sensowności dowód wartości.
