Automation Readiness Score dan Cara Kerjanya

Di suatu tempat di organisasi Anda saat ini, sebuah tim sedang melobi untuk mengotomatisasi proses paling menyakitkan mereka. Tim lain diam-diam mengotomatisasi sesuatu dengan skrip dan makro spreadsheet. Tim ketiga dijanjikan otomasi delapan bulan lalu dan masih menunggu. Tanpa cara sistematis untuk mengevaluasi dan memprioritaskan proses mana yang harus diotomatisasi terlebih dahulu, keputusan-keputusan ini dibuat oleh siapa pun yang berargumen paling keras atau yang memiliki akses paling banyak ke eksekutif.

Skor kesiapan otomasi menggantikan hal itu dengan evaluasi terstruktur. Skor ini melihat setiap proses berdasarkan beberapa kriteria dan menghasilkan skor komposit yang memberi tahu Anda tidak hanya apakah proses tersebut dapat diotomatisasi, tetapi seberapa siap proses tersebut saat ini dan berapa kemungkinan pengembalian yang akan diperoleh.

Kriteria Inti

Setiap kerangka kerja kesiapan otomasi mengevaluasi proses terhadap serangkaian kriteria yang dapat diukur. Kriteria spesifik bervariasi antar kerangka kerja, tetapi dimensi-dimensi esensialnya konsisten.

Volume dan Frekuensi

Proses yang berjalan sepuluh ribu kali per bulan memiliki kasus otomasi yang fundamental berbeda dari proses yang berjalan sepuluh kali per bulan. Proses bervolume tinggi menawarkan pengembalian lebih besar per unit investasi otomasi karena keuntungan efisiensi berlipat ganda di setiap eksekusi. Frekuensi memiliki arti penting yang serupa. Proses yang berjalan setiap hari memberikan nilai otomasi lebih banyak daripada yang berjalan setiap kuartal, bahkan jika proses kuartalan lebih menyakitkan ketika dijalankan.

Pendekatan penskoran: Beri peringkat pada skala 1 hingga 5 di mana 1 mewakili kurang dari 50 eksekusi per bulan dan 5 mewakili lebih dari 5.000 per bulan. Bobot kriteria ini sekitar 20% dari total skor.

Berbasis Aturan vs Berbasis Penilaian

Ini adalah prediktor tunggal paling penting dari keberhasilan otomasi. Proses yang mengikuti aturan yang jelas dan dapat didokumentasikan dengan input dan output yang ditentukan adalah kandidat otomasi yang kuat. Proses yang memerlukan penilaian subjektif, interpretasi kontekstual, atau pengambilan keputusan kreatif adalah kandidat yang buruk untuk otomasi penuh, meskipun mungkin mendapat manfaat dari augmentasi yang dibantu AI.

Pengujian praktis: Apakah Anda dapat menulis pohon keputusan yang lengkap untuk proses ini? Jika ya, proses tersebut berbasis aturan. Jika Anda terus menemukan pengecualian yang memerlukan interpretasi manusia, proses tersebut condong ke berbasis penilaian. Sebagian besar proses adalah campuran, dan penskoran harus mencerminkan persentase yang berbasis aturan.

Pendekatan penskoran: Beri peringkat 1 hingga 5 di mana 1 berarti terutama berbasis penilaian dan 5 berarti sepenuhnya berbasis aturan. Bobotnya sekitar 25%, menjadikannya kriteria terberat.

Tingkat Kesalahan dan Dampak Kualitas

Proses dengan tingkat kesalahan tinggi adalah kandidat otomasi yang kuat karena otomasi menghilangkan kesalahan manusia dalam tugas yang berulang. Jika proses entri data manual memiliki tingkat kesalahan 3% pada 10.000 transaksi bulanan, itu berarti 300 kesalahan per bulan yang memerlukan koreksi. Mengotomatisasi entri menghilangkan kesalahan-kesalahan tersebut dan biaya hilir untuk memperbaikinya.

Pendekatan penskoran: Beri peringkat 1 hingga 5 berdasarkan tingkat kesalahan saat ini dan biaya kesalahan. Bobotnya sekitar 15%.

Format Data dan Standardisasi

Otomasi bekerja paling baik dengan data terstruktur dalam format yang konsisten. Proses yang mengambil file CSV terstandar dan menghasilkan laporan yang diformat jauh lebih mudah diotomatisasi daripada proses yang memerlukan pembacaan email yang tidak terstruktur, menafsirkan catatan tulisan tangan, atau mengurai format dokumen yang tidak konsisten.

Perbedaan antara data terstruktur dan tidak terstruktur sangat penting. Data terstruktur (field basis data, formulir terstandar, output API) ramah otomasi. Data tidak terstruktur (email teks bebas, dokumen yang dipindai, instruksi verbal) memerlukan kemampuan AI tambahan seperti natural language processing atau computer vision, yang meningkatkan kompleksitas dan biaya.

Pendekatan penskoran: Beri peringkat 1 hingga 5 di mana 1 berarti terutama input tidak terstruktur dan 5 berarti data sepenuhnya terstruktur dan terstandar. Bobotnya sekitar 15%.

Jumlah Sistem yang Terlibat

Proses yang ada dalam satu sistem lebih sederhana untuk diotomatisasi daripada yang mencakup lima platform berbeda. Setiap batas sistem memperkenalkan kompleksitas integrasi, titik kegagalan potensial, dan beban pemeliharaan. Ini tidak berarti proses multi-sistem tidak boleh diotomatisasi. Ini berarti upaya dan biaya otomasi akan lebih tinggi.

Pendekatan penskoran: Beri peringkat 1 hingga 5 di mana 1 berarti lima atau lebih sistem dan 5 berarti satu sistem tunggal. Bobotnya sekitar 10%.

Stabilitas Proses

Proses yang sering berubah adalah target otomasi yang buruk karena setiap perubahan memerlukan pembaruan otomasi. Proses yang telah stabil selama dua tahun tanpa modifikasi signifikan adalah kandidat yang lebih baik daripada proses yang direvisi setiap kuartal berdasarkan regulasi atau aturan bisnis baru.

Pendekatan penskoran: Beri peringkat 1 hingga 5 berdasarkan seberapa sering proses tersebut berubah. Bobotnya sekitar 15%.

Menghitung Skor Komposit

Kalikan skor setiap kriteria dengan bobotnya dan jumlahkan hasilnya. Proses yang mendapat skor 4,2 dari 5 adalah kandidat otomasi yang kuat. Proses dengan skor 2,1 entah belum siap atau tidak cocok untuk otomasi dalam bentuknya saat ini.

Sebagian besar organisasi menemukan bahwa proses mereka berkelompok menjadi tiga grup ketika diberi skor. Tingkat teratas, biasanya 15 hingga 25 persen dari proses yang dievaluasi, mendapat skor di atas 3,5 dan mewakili kandidat otomasi yang kuat. Tingkat menengah mendapat skor antara 2,5 dan 3,5 dan dapat menjadi siap dengan pekerjaan persiapan seperti standardisasi data atau dokumentasi proses. Tingkat bawah mendapat skor di bawah 2,5 dan entah tidak cocok untuk otomasi atau memerlukan rekayasa ulang yang signifikan sebelum otomasi masuk akal.

Membangun Roadmap yang Diprioritaskan

Skor kesiapan mentah memberi tahu Anda apa yang dapat diotomatisasi. Prioritisasi menambahkan dimensi kedua: apa yang harus diotomatisasi terlebih dahulu. Hal ini memerlukan pelapisan dampak bisnis pada skor kesiapan.

Untuk setiap proses yang mendapat skor di atas ambang batas otomasi, perkirakan penghematan biaya tahunan (jam tenaga kerja yang dibebaskan dikalikan biaya yang dimuat), peningkatan kualitas (pengurangan kesalahan dan nilai hilirnya), kepentingan strategis (apakah ini memengaruhi pengalaman pelanggan, kepatuhan, atau keunggulan kompetitif), dan biaya implementasi serta lini waktu.

Rasio manfaat tahunan terhadap biaya implementasi menghasilkan estimasi ROI yang, dikombinasikan dengan skor kesiapan, menciptakan daftar yang diprioritaskan. Kesiapan tinggi ditambah ROI tinggi diutamakan. Kesiapan tinggi tetapi ROI rendah masuk ke antrian sekunder. Kesiapan rendah tetapi ROI tinggi mendapat investasi dalam pekerjaan persiapan. Kesiapan rendah dan ROI rendah ditunda atau dikeluarkan dari roadmap otomasi sepenuhnya.

Jebakan Umum

Kesalahan paling umum adalah memberi skor pada proses berdasarkan seberapa menyakitkan rasanya alih-alih seberapa dapat diotomatisasinya. Sebuah proses bisa sangat membuat frustrasi karyawan tetapi kurang cocok untuk otomasi karena memerlukan keputusan penilaian yang konstan. Sebaliknya, proses yang tidak dikeluhkan siapa pun mungkin merupakan kandidat otomasi yang sempurna karena murni mekanis dan menghabiskan banyak waktu.

Jebakan kedua adalah memperlakukan skor sebagai permanen. Proses berkembang, kualitas data meningkat, dan alat otomasi baru memperluas apa yang layak. Proses yang mendapat skor 2,0 hari ini mungkin mendapat skor 3,5 dalam dua belas bulan setelah pekerjaan standardisasi data.

Jebakan ketiga adalah melewatkan penskoran sama sekali dan mengotomatisasi berdasarkan demo vendor atau kegembiraan teknologi. Skor kesiapan ada untuk mencegah pola umum yaitu membeli alat otomasi dan kemudian mencari proses untuk menggunakannya, alih-alih mengidentifikasi kebutuhan proses dan memilih alat yang sesuai.

Latihan penskoran yang dilaksanakan dengan baik biasanya membutuhkan dua hingga empat minggu untuk organisasi yang mengevaluasi 30 hingga 50 proses. Outputnya adalah roadmap berperingkat yang memberi pimpinan panduan yang jelas dan dapat dipertahankan tentang di mana harus menginvestasikan sumber daya otomasi untuk probabilitas keberhasilan dan pengembalian tertinggi.

Bacaan Terkait

• Membangun Kebiasaan Inteligensi Kompetitif yang Memakan 15 Menit Sehari
• Bagaimana Perusahaan Mengelola Tim Hibrida antara Manusia dan Agen AI
• Proyeksi ROI untuk Otomasi yang Benar-Benar Dipercayai Eksekutif
• Ekonomi Karyawan AI vs Perekrutan Tradisional
• Biaya Tersembunyi dari Proses Manual yang Tidak Dilacak Siapa Pun