Synergia współdziałania człowieka z maszyną: wizja pracy przyszłości w organizacjach SSC/GBS

Z Pawłem Płockim, Head of TRUMPF Shared Services Centre, rozmawiamy o rewolucji technologicznej, która dotyka sektor usług biznesowych. Dlaczego centra SSC/GBS powinny być szczególnie zainteresowane wdrożeniem tych rozwiązań i jak sztuczna inteligencja może przekształcić sposób pracy w tych organizacjach?

Wiktor Doktór, Pro Progressio: Podczas naszej poprzedniej rozmowy padło z Twoich ust stwierdzenie, że fala związana z zastosowaniem najnowocześniejszych technologii w sektorze usług biznesowych „nie była zbyt rewolucyjna”. Jak to wygląda teraz? Czy RPA (Robotic Process Automation) i AI (Artificial Intelligence) w centrach usług wspólnych to nadal marginalne tematy, czy może jednak coś, co jest wysoko na liście priorytetów?

Paweł Płocki, TRUMPF Shared Services Centre: Może zacznę od wyjaśnienia, co miałem na myśli mówiąc o „ograniczonej rewolucyjności" poprzedniej fali technologicznej, która przyniosła nam rozwiązania RPA. Mając na uwadze, jak wielkie były prognozy i oczekiwania, rzeczywistość w mojej ocenie zdecydowanie nie „dowiozła”. Management poddawał się często narracji dostawców technologii (i nie tylko), zakupiono wiele licencji, i okazało się, że istniejące procesy są albo jeszcze nie gotowe, albo ze swojej natury nie są dobrymi kandydatami na automatyzację przy użyciu RPA. Wyjątkiem są sektory bankowy i ubezpieczeń, które chyba najbardziej efektywnie wykorzystały tę technologię.

Automatyzacja jako taka niezmiennie jest wysoko na liście priorytetów i to wydaje się dość oczywiste, natomiast narzędzia wychodzą daleko poza RPA/AI. Mamy oczywiście VBA (mam wrażenie, że to narzędzie z kategorii „albo się je uwielbia, albo nienawidzi"), są Power Apps, są różne mniejszego kalibru rozwiązania a'la RPA (często open source) itd. Nie wspominając już o low-code/no-code.

Zatem mówiąc o priorytecie, jakim jest automatyzacja, raczej starałbym się mówić o tym w oderwaniu od konkretnych rodzajów narzędzi. Szczególnie, że proliferacja Generative AI (GenAI, generatywna sztuczna inteligencja), którą obserwujemy, otworzyła zupełnie nowe możliwości.

Dla przykładu, powszechna już w tej chwili dostępność platform i rozwiązań opartych na no-code/low-code umożliwia tworzenie wielu mikrorozwiązań i aplikacji, bezpośrednio przez użytkowników (tzw. Citizen Developer). To niesie ze sobą pewne ryzyka, którymi firmy muszą zarządzić (np. nieśmiertel ny GDPR), ale koncepcyjnie jest to duża zmiana w porównaniu do sytuacji jeszcze kilka lat temu. Nie mogę oczywiście nie wspomnieć w tym kontekście o GenAI, i to z dwóch powodów.

Po pierwsze, GenAI doskonale integruje się ze środowiskami no-code/low-code, znacznie wzbogacając zakres możliwych zastosowań. Po drugie, korzystając z AI każdy może pójść dalej niż no-code/low-code i samodzielnie (a raczej w ścisłej współpracy z AI i YouTube) przygotować swoją aplikację. Jestem świetnym tego przykładem – do listopada zeszłego roku nie widziałem na oczy kawałka kodu, a teraz przy użyciu dostępnych narzędzi i wykazując się całymi pokładami cierpliwości, buduję własne, proste aplikacje oparte na AI. Ciekawi mnie, co będzie dalej, szczególnie, że takie samodzielne budowanie małych rzeczy na własne potrzeby i w niewielkiej skali jest teraz znacznie prostsze niż było do niedawna. W efekcie spodziewam się, że nasi pracownicy albo już tworzą takie rzeczy, albo wkrótce zaczną, niezależnie od tego czy i jak szybko firma jako taka ruszy z AI.

Co zatem najczęściej podlega automatyzacji i robotyzacji w organizacjach typu SSC/GBS? Jakie technologie oparte na AI są obecnie używane w firmach GBS/SSC?

Warto spojrzeć na automatyzację i robotyzację przez pryzmat nie tyle tego, co już zostało zautomatyzowane, ale bardziej przez pryzmat możliwości i wyzwań, które stoją przed nami.

Rozważmy na przykład kwestię dokumentacji procesów, która była i często nadal jest bolączką wielu organizacji. Tradycyjne metody dokumentowania, choć niezastąpione w pewnych kontekstach, mogą sprawić, że dynamika operacyjna zostaje zakłócona, a dostęp do wiedzy jest utrudniony. Dzięki narzędziom technologicznym, takim jak AI, jesteśmy w stanie zrewolucjonizować ten obszar, automatyzując nie tylko proces tworzenia dokumentacji, lecz także dostępu do niej. Wyobraźmy sobie inteligentne systemy, które semi-automatycznie dokumentują nasze procesy, a następnie, przy wsparciu AI, ułatwiają dostęp do tej wiedzy, wpisując się w kulturę pracy opartą na wiedzy i ciągłym doskonaleniu. Mówimy o takich systemach, które umożliwiają odpytanie całej bazy w ciągu kilku sekund o do wolny temat, który został udokumentowany. Zamiast mozolnie przeszukiwać dokumentację w poszukiwaniu konkretnej kwestii, zadajemy pytanie i dostajemy odpowiedź wraz z podaniem źródła.

Dobrym przykładem są chatboty tworzone do dyskutowania z bazą danych, z dokumentami PDF, z filmem na YouTube, z danymi w pliku .csv... Można dowolne źródło zwektorować (zamienić słowa czytelne dla człowieka na liczby czytelne dla maszyny), a następnie stworzyć bota, dzięki któremu możliwe jest odpytanie tego źródła. A wszystko w pół godziny.

Możliwości, które stwarza sztuczna inteligencja i technologie pokrewne, mogą wydawać się w tej chwili nieco futurystyczne, ale dobrze obrazuje to prawo Amary. Związana z postacią amerykańskiego naukowca i futurologa Roya Charlesa Amary zasada mówi o naszej tendencji do przeceniania wpływu technologii w krótkim okresie, przy jednoczesnym niedocenianiu jej w perspektywie długoterminowej. I choć możemy teraz być sceptyczni co do zdolności AI do zmieniania naszego świata w przewidywalnej przyszłości, prawda jest taka, że zmiany te już zachodzą, często w sposób subtelny i niezauważalny na pierwszy rzut oka.

Chcę podkreślić, że takie technologie, jak AI nie są panaceum na wszystkie bolączki SSC/GBS, ale stanowią istotne narzędzie, które może i powinno być wykorzystywane, aby przeobrażać i poprawiać nasze procesy. Warto również pamiętać, że technologia jest jedynie narzędziem – to ludzie, ich kreatywność i umiejętność adaptacji są kluczem do prawdziwej innowacji i doskonałości operacyjnej. Właściwie zaimplementowane i przyjęte przez zespoły technologie oparte na AI mogą nie tylko poprawić efektywność, lecz także stać się katalizatorem zmian kulturowych, przesuwając organizacje SSC/GBS w kierunku bardziej elastycznego, adaptacyjnego i innowacyjnego modelu działania.

Dlaczego w ogóle centra SSC/GBS powinny być szczególnie zainteresowane wdrożeniem rozwiązań opartych na AI? Jak sztuczna inteligencja może usprawnić pracę w takich centrach?

Widzę centra usług wspólnych SSC oraz GBS jako unikatowe ogniwa w strukturze organizacji, które łączą w sobie ogromną wiedzę na temat procesów, dostęp do szerokiego zakresu danych oraz głębokie zrozumienie biznesowe i techniczne. Ich rola jako jednostek, które mogą nie tylko wspierać, ale i napędzać innowacje w organizacji, jest często niedoceniana. Dlaczego więc AI powinno stać się jednym z kluczowych graczy na ich pokładzie?

Z jednego, bardzo prozaicznego powodu: przewagi konkurencyjnej. W świecie, gdzie dane są nowym złotem, umiejętność efektywnego ich przetwarzania, analizowania i wykorzystywania staje się niezwykle istotna. SSC/GBS, z ogromną ilością danych, które przepływają przez ich systemy, mogą – dzięki AI – przekształcić te dane w wartościowe, działające w czasie rzeczywistym informacje, które mogą napędzać strategiczne decyzje na szczeblu korporacyjnym.

Załóżmy, że mówimy o przewidzeniu zachowań klienta, optymalizacji łańcucha dostaw lub nawet przewidywaniu przyszłych trendów na rynku. AI może pomóc w analizie danych i dostarczeniu wniosków, które umożliwiają organizacjom bycie krok przed konkurencją. Z kolei, centra usług, które zintegrują takie rozwiązania, mogą nie tylko zaoferować wyższą jakość usług, ale również stanowić ważne centrum innowacji w ramach całej firmy.

Nie możemy jednak zapominać o kluczowym elemencie równania, którym jest człowiek. Technologia i ludzie nie są ze sobą w opozycji – mogą współistnieć i wzajemnie się uzupełniać w przemyślany sposób. Przy odpowiednim wdrożeniu, AI może uwolnić pracowników od rutynowych, powtarzalnych zadań, dając im więcej przestrzeni na kreatywne myślenie i innowacje. Z kolei pracownicy mogą „nauczyć” AI, dostarczając maszynie odpowiednie dane i informacje, które pomogą jej w optymalizacji procesów.

I w tym miejscu pojawia się inne ciekawe zagadnienie – czy i jak organizacje powinny przyjrzeć się kwestii „digitalizowania” ekspertów. Mam na myśli proces uczenia modeli AI przez specjalistów w konkretnych obszarach tak, aby te modele mogły najpierw wspólnie z człowiekiem, a docelowo samodzielnie wykonywać ich pracę. Zdaję sobie sprawę, że to bardzo kontrowersyjny temat, niemniej jednak ciekawy i moim zdaniem warty zastanowienia.

Wizja synergii między człowiekiem a maszyną w SSC/GBS może być drogą do kreowania środowiska pracy przyszłości, gdzie technologia umożliwia ludziom skoncentrowanie się na bardziej wartościowych, strategicznych inicjatywach. Wprowadzając w życie takie podejście, centra SSC/GBS mogą stać się prawdziwymi liderami w dziedzinie innowacyjności i strategicznego partnerstwa biznesowego, przesuwając swoją wartość dodaną na zupełnie nowy poziom.

Na koniec przybliż nam proszę największe wyzwania i przeszkody, jakie napotykają organizacje typu GBS podczas wdrażania RPA i/lub AI.

Bez wątpienia, wdrażanie RPA oraz AI w organizacjach typu GBS jest procesem, który, choć obfituje w szereg korzyści, niesie za sobą także wyjątkowe wyzwania i przeszkody. Jednym z nich jest, bezsprzecznie, kwestia kompetencji. Kompleksowość i specyfika tych technologii wymaga nie tylko wiedzy technicznej, ale również umiejętności biznesowych, aby prawidłowo zidentyfikować i zoptymalizować procesy, które są najlepszymi kandydatami do automatyzacji i wykorzystania AI. Ponadto, poziom świadomości technologii GenAI jest nie najwyższy. W firmach brak jest dobrego zrozumienia, co ta technologia potrafi i jakie są jej ograniczenia.

Jednym z głównych wyzwań, a za razem obszarów wymagających szczególnej uwagi, jest zarządzanie zmianą i akceptacja pracowników. Często wprowadzanie nowych technologii spotyka się z oporem ze strony pracowników, którzy mogą obawiać się, że automatyzacja pozbawi ich pracy lub zminimalizuje ich wartość w organizacji. Kluczowe jest więc prowadzenie komunikacji i szkoleń, które pomogą zespołom zrozumieć korzyści płynące z AI i RPA oraz to, jak mogą one ułatwić ich codzienną pracę, zapewniając tym samym płynniejszą transformację i zwiększając akceptację wśród pracowników.

Ponadto, zanurzając się głębiej w dziedzinę AI, a w szczególności w Generative AI, napotykamy na nowy obszar wyzwań, które dotyczą nie tylko aspektów technicznych, ale także prawnych. Niejasności dotyczące własności intelektualnej oraz ochrony danych to tematy, które są często przedmiotem dyskusji i debat w kontekście implementacji AI. W miarę, jak technologia ta ewoluuje, również i ramy prawne będą musiały dostosować się, aby zapewnić odpowiednią ochronę i regulacje. Co ciekawe, Europa na przykład zdaje się iść bardziej w stronę szczegółowych regulacji, podczas gdy Japonia jest zdecydowanie bardziej wolnościowa w tym aspekcie.

Należy również wspomnieć o wyzwaniach związanych z integracją z istniejącymi systemami, które są często niestandardowe i złożone. Wiele organizacji korzysta z różnorodnych systemów IT, a integracja nowych technologii, takich jak AI i RPA, z istniejącymi systemami bywa często trudna i kosztowna, zarówno pod względem finansowym, jak i zasobów ludzkich. Zrozumienie istniejących systemów, infrastruktury technologicznej oraz danych, które są w nich przechowywane i przetwarzane, jest kluczowe dla zapewnienia efektywnej implementacji AI i RPA.

Równie istotne jest to, co nazywamy „czarną skrzynką” modeli językowych, które są rdzeniem wielu rozwiązań AI. Ta metafora odnosi się do braku przejrzystości i zrozumienia dotyczącego tego, jak dokładnie modele te generują swoje odpowiedzi. Odkrycia naukowe i badania ciągle rzucają nowe światło na modele, często ujawniając nieznane wcześniej cechy lub „zachowania", które mogą być zarówno fascynujące, jak i nieco niepokojące.

Ciekawe są na przykład niedawne badania, które eksplorują, jak modele te „zachowują się" lub „reagują" gdy jest im dana przestrzeń do „zastanowienia się" przed udzieleniem odpowiedzi. Interesujące są też rozważania, jak ograniczyć tzw. halucynacje modeli, czyli udzielanie odpowiedzi zgoła nieprawdziwych lub bezsensownych w niektórych przypadkach. Albo jak w sposób najbardziej efektywny pracować z modelem językowym na bazie danych tak, aby udzielane odpowiedzi były precyzyjne. Mam wrażenie, że sam ten ostatni element powoli staje się osobną dziedziną nauki – szczególnie kiedy widzę, jak wiele powstaje w tym zakresie opracowań i jak często zmieniają się przyjęte metody pracy z AI.

Reasumując – wyzwania, z którymi spotykają się organizacje GBS podczas implementacji RPA i AI, są zarówno złożone, jak i wielowątkowe, obejmując zarówno aspekty techniczne, jak i ludzkie. Choć potencjał tych technologii jest ogromny i niezaprzeczalny, to jednak zdolność do pełnego wykorzystania ich możliwości jest często utrudniona przez bariery, takie jak brak wiedzy specjalistycznej, opór ze strony pracowników, a także wyzwania prawne i techniczne. Znaczenie ma nie tylko technologia sama w sobie, ale również sposób, w jaki jest ona wdrażana, zrozumiała i przyjęta przez pracowników, oraz jak jest zarządzana w kontekście ciągłej zmienności i ewolucji technologicznej. Dlatego ważne jest, aby pamiętać, że prawdziwa wartość AI i RPA nie leży jedynie w technologii, ale także w ludziach, którzy jej używają, oraz w procesach, które są przez nią wspierane i usprawniane.

Ta technologia pomaga, nie zastępuje. Kiedyś padło już to stwierdzenie, ale uważam, że warto je powtarzać: AI = Amplified Intelligence.

Dziękuję za niezwykle inspirującą rozmowę.

Zdjęcia: Ewelina Szindler

Artykuł pochodzi z magazynu:
FOCUS ON Business #13 November-December (6/2023)