Az AI as a Service és az RPA as a Service modellek mára sok vállalatnál túljutottak a technológiai demonstráció szintjén. A kezdeti chatbotok, automatizált jelentéskészítő és dokumentumfeldolgozó megoldások után azonban felmerül a következő kérdés: hogyan lehet ezeket stabilan, (nagy)vállalati környezetben működtetni? A tapasztalatok szerint ugyanis a bevezető projektek elindítása jellemzően nem jelent különösebb problémát, a skálázás és az üzemeltetés viszont annál inkább.

A pilot és az éles rendszer között nagy a különbség

Sok automatizációs fejlesztés egy jól működő kezdeti mintaprojekttel indul, amely egyetlen folyamatot vagy részfeladatot céloz. Ilyenkor a fókusz jellemzően a technológiai képességek demonstrálásán van: működik-e a chatbot, felismeri-e a rendszer a számlaadatokat, képes-e a bot belépni az ERP-be. Éles környezetben azonban fontos a rendelkezésre állás, a naplózás, a hibakezelés, a jogosultságkezelés és az auditálhatóság is. Egy chatbot hibás válasza vagy egy rosszul működő RPA-folyamat könnyen üzleti kockázattá válhat.

Az AIaaS és RPAaaS projektek gyakran üzleti oldalról indulnak, mivel a felhőszolgáltatások és low-code platformok miatt a bevezetési küszöb jelentősen csökkent. Ez ugyan gyorsítja az innovációt, hosszabb távon azonban könnyen árnyék-IT (shadow IT) kialakulásához vezethet. Egy automatizmus ritkán működik önmagában: integrálódnia kell vállalatirányítási rendszerekhez, CRM-ekhez, dokumentumkezelőkhöz vagy éppen identitáskezelési platformokhoz. Az IT tehát megkerülhetetlen marad, különösen olyan területeken, mint az API-menedzsment, a hozzáférések kezelése, a monitorozás vagy a biztonsági megfelelés.

Különösen érzékeny kérdés az RPA esetében a jogosultságkezelés. A botok ugyanazokhoz a rendszerekhez férnek hozzá, mint a dolgozók, így egy hibásan konfigurált automatizmus komoly adatbiztonsági problémákat okozhat.

Az üzemeltetés során kezdődnek az igazi kihívások

A vállalatok jelentős része hajlamos úgy tekinteni az automatizációra, mint egyszeri projektre. A gyakorlatban azonban az MI- és RPA-rendszerek folyamatos karbantartást igényelnek. Utóbbi különösen érzékeny a környezeti változásokra: például az ERP-rendszer felületének módosítása vagy egy webes alkalmazás frissítése könnyen eltörheti a bot működését. Emiatt elengedhetetlen a folyamatos monitorozás és a változáskezelés.

Az MI-alapú rendszereknél más típusú problémák jelennek meg. A modellek teljesítménye idővel romolhat, megváltozhatnak a bemeneti adatok, vagy egyszerűen más eredményt adhat ugyanaz a modell egy későbbi verziófrissítés után. A generatív mesterséges intelligencia esetében ráadásul a hallucináció továbbra is valós kockázat, különösen megfelelő emberi ellenőrzés híján.

A nagy szolgáltatók - mint amilyen a Microsoft, az AWS vagy a Google - egyre fejlettebb megfigyelési és governance eszközöket kínálnak, ez azonban nem váltja ki a vállalati kontrollmechanizmusokat. A sikeres alkalmazás egyik fontos feltételen annak eldöntése, hogy ki felel az automatizmusokért, hogyan történik a hibakezelés, és milyen SLA-k vonatkoznak a kritikus folyamatokra.

Az MI-rendszerek használata compliance szempontból is érzékeny terület. Az Európai Unió AI Act szabályozása például külön hangsúlyt helyez az átláthatóságra, a dokumentálhatóságra és a kockázatkezelésre. Egy vállalatnak ezért tisztában kell lennie azzal, milyen adatokkal dolgozik az MI-rendszer, hogyan születnek a döntések, és ki viseli a felelősséget egy hibás működés esetén. Az RPA esetében a governance inkább működési oldalról válik fontossá. Ki módosíthatja a botokat? Hogyan történik a verziókezelés? Milyen folyamatokat lehet automatizálni, és melyeket nem? Nagyvállalati környezetben ezek nélkül gyorsan kaotikussá válhat az automatizációs környezet.

Platformstratégia: integráció vagy specializáció?

A vállalatok ebben a tekintetben ma két irány közül választhatnak. Az egyik lehetőség a globális felhőszolgáltatók - például a Microsoft, az AWS vagy a Google - integrált platformjainak használata. Ezek előnye az egyszerű integráció és az egységes ökoszisztéma: a mesterséges intelligencia, az automatizáció, a biztonság és a monitorozás is ugyanazon platformon érhető el.

A másik út a specializált szereplők - például UiPath vagy Automation Anywhere - megoldásainak alkalmazása. Ezek sokszor mélyebb automatizációs funkcionalitást kínálnak, ugyanakkor összetettebb integrációs és üzemeltetési környezetet is jelenthetnek. A kettő közötti döntést - ideális esetben legalábbis - nem maga a technológia, hanem a meglévő vállalati architektúra és az üzemeltetési modell határozza meg.

A sikeres AIaaS- és RPAaaS-bevezetések egyik legfontosabb tanulsága, hogy az automatizáció önmagában ritkán (még őszintébben: gyakorlatilag soha nem) old meg szervezeti problémákat. Egy rosszul működő vagy túlbonyolított folyamat automatizálása jellemzően csak gyorsabban termeli ugyanazokat a hibákat. Az automatizáció, legalábbis, ha jól szeretnénk csinálni, valójában működésimodell-váltást jelent. Ennek megértése és elfogadása tulajdonképpen az első, de alapvetően fontos lépés a bevezetés hosszú távú sikere felé.

Ez a cikk független szerkesztőségi tartalom, mely a One Solutions támogatásával készült. Részletek »