A che punto è la RPA?

L’RPA è uno strumento molto efficace che permette di svolgere azioni ripetitive e ligie alle regole senza alcuna presenza umana.

Basandoci su un sondaggio condotto da Gartner del 2019, circa l’86% delle aziende ha già attuato delle iniziative RPA. Sfortunatamente, solo il 58% di esse raggiunge i risultati sperati: questo succede a causa di alcune difficoltà che le compagnie si trovano ad affrontare nel processo di automazione. Durante il JTH, ovvero il viaggio verso l’iperautomazione, sono molti gli aspetti da considerare nel calcolo delle aspettative e nella lettura ed interpretazione corretta dei risultati ottenuti. Fino ad ora molti IT e business leader hanno implementato attività RPA a causa di una crescente pressione verso l’acquisizione di nuove tecnologie per diventare più efficienti e veloci: l’RPA, infatti, è attualmente nella fase di “peak of inflated expectation” del Gartner Hype Cycle, ovvero in un picco di aspettative spesso esagerate.

Specialmente nelle compagnie che hanno a che fare con tecnologia, finanza, costruzione, risorse naturali e materiali, l’RPA mostra quanto sia utile e quanto valga la pena investirci, anche perché robot individuali non sono molto costosi e possono essere implementati facilmente in una fase introduttiva dell’automazione.

Inoltre, all’inizio del viaggio verso l’automazione i robot sono generalmente integrati in una sola funzione dell’azienda, per avere risultati a breve e aumentare l’efficienza velocemente. L’ampiezza dell’RPA tra le circa 400 compagnie intervistate è di 1-2 funzioni, ma raggiunge anche picchi di più di 11: la maggior parte delle aziende attua iniziative RPA da un numero di 3 a 5 diversi dipartimenti. L’RPA può essere implementata in ogni funzione, ma in particolar modo in quelle dove ci sono procedimenti basati su regole ben definite e un grande affidamento sui dati.

Applicazione di RPA per funzione aziendale

In che modo l’RPA porta benefici a una azienda? Tre sono i principali vantaggi per chi decide di servirsi di robot: aumentare la qualità dei processi, accelerare l’esecuzione e migliorare la produttività dei dipendenti. In particolare, ridurre gli errori umani e migliorare la qualità dei dati sono considerati tra gli obiettivi più importanti per le aziende intervistate, insieme a diminuire il tempo di completamento dei compiti assegnati, aumentare la disponibilità e concentrarsi su attività di maggior valore.

Un altro elemento chiave nell’adozione dei robot sono i benefici economici: l’Emerging Tecnology Roadmap degli anni 2018-2020 stilato da Gartner calcola che il tempo medio di recupero del capitale investito inizialmente è di 1-2 anni. La maggior parte dei leader che investono in RPA, però, crede che la tempistica sia al massimo di 18 mesi, e un quarto di questi addirittura che sia meno di 6 mesi.

D’altro canto, quali sono le sfide più grandi di un sistema RPA? Il primo problema è la mancanza di conoscenza tecnica rispetto a questo tipo di tecnologia: capire il procedimento e il suo funzionamento è fondamentale per prevedere che effetto avrà sull’azienda come tale e sulle singole unità di lavoro.

Principali sfide RPA

Ostacoli significativi sono il finanziamento, l’identificazione e il dare priorità a nuove opportunità, ma, una volta compresi il potenziale e la comodità dell’automazione, i dipendenti saranno in grado di concentrarsi su attività più importanti e redditizie. Un’altra grande barriera è rappresentata dalla resistenza dei lavoratori verso l’implementazione di robot software (solo il 12% di essi non oppone resistenza): ridurre il numero di dipendenti può essere uno dei vantaggi dell’RPA, ma allo stesso tempo è tra gli obiettivi meno rilevanti per le aziende, perché lo scopo non è risparmiare tempo e denaro sostituendo i lavoratori, ma dar loro tempo da dedicare ad attività più produttive e preziose.  

Un ulteriore elemento da considerare è il Center of Excellence (CoE): l’81% dei leader ha un Centro D’Eccellenza, e nel caso della RPA questo rappresenta un modo per integrare questa nuova tecnologia nell’azienda e ridistribuire conoscenza e risorse, aiutando così l’implementazione. Il 50% di questi centri si concentrano sull’RPA, mentre l’altra metà su AI e Machine Learning.