Osman Rana/Hayon Thapaliya/Unsplash

af Mads Krogh Munch Nielsen


– eller: Hvad sker der, når man smider raketbrændstof på en Ferrari?

Lige siden mit skifte fra SAS Institute til Carve Consulting her ved nytår er jeg blevet mødt med stor nysgerrighed om, hvad det var, der motiverede mig til at vælge lige netop Carve blandt de forskellige tilbud, jeg har modtaget. Det vil jeg gerne sætte lidt ekstra ord på her.

Jeg har opbygget en solid erfaring med anvendelse af avanceret analyse – AI, Machine Learning, netværksanalyse osv. Det har især været i forskellige scenarier med automatiseret beslutningsstøtte i den offentlige sektor, at jeg har gjort en forskel. Og så har jeg været heldig at specialisere mig i Fraud området – I ved, skattesvindel, hvidvask, svindel på socialområdet, terrorsager og sådan. Den slags opgaver bliver jeg aldrig træt af.

Men jeg øjnede en synergieffekt, da jeg blev præsenteret for nogle af de helt praktiske opgaver, som Carve Consulting løser med RPA – Robotic Process Automation. Her fik jeg nogle gode samtaler med folk i Carve, hvor vi fik øje på et kæmpe potentiale, hvis vi kombinerer RPA med AI-løsninger.

Præmissen er, at både små og store virksomheder er fulde af gentagne manuelle opgaver.

RPA søger at løse dette ved at aktivere software-bots til at gå ind og automatisere disse opgaver. Nogle processer er trivielle, men skal gøres ofte. Det tager tid og frustrerer medarbejderne (som fx at kopiere værdier mellem to IT-systemer med copy-paste). Andre opgaver kan være komplicerede, da man kun sjældent er nødt til at udføre dem, men de dukker op et par gange om året og opholder ressourcer i timevis.

I gamle dage blev den slags udfordringer løst gennem nye funktioner i ERP systemet eller ved at optimere forretningsproces-designet. Med flere og flere virksomheder, der bevæger sig i retning af distribuerede IT-systemer, er det blevet meget almindeligt at anvende RPA og at fokusere på at skabe gode API’er – brugerflader – imellem de digitale processer, der kan lette en sådan proces. For ældre systemer uden API eller -støtte har det ofte været muligt at integrere dem ved hjælp af simple skærm-klik-bots, som man kender dem fra test-industrien.

Ved at involvere AI-teknologier som Machine Learning er viften af opgaver, som RPA kan løse, eksploderet. Vor tids AI er ikke god til at løse generelle problemer, men specifikke opgaver kan gennemføres effektivt og solidt. Dette adskiller sig fra regelbaserede systemer, idet de udførte handlinger kan afhænge af flere inputvariable og drives af trænede eksempler i stedet for manuelt kodede handlinger. Det er specielt meningsfuldt, når man arbejder med ustrukturerede data som for eksempel tekstanalyse eller text mining. Dette giver mulighed for automatisering af processer som omdirigering af en kundes e-mail-anmodning til den rigtige afdeling. Det kan dog også være mere komplekse processer, der kræver meget specifik ekspertviden som at løbe gennem den langvarige proces med at fastslå en kundes kreditværdighed.

Skønheden ved at anvende AI er, at i dag kan du bruge meget forskellige former for data som input. At skabe en bot, der kan forstå, hvad der er i et billede, forstå tekst, eller endda et telefonopkald er ikke længere science fiction. Jeg har været med til at implementere bots til højt specialiserede applikationer som optælling af folk i overvågningsbilleder, vurderinger baseret på tekstbeskrivelser og andre opgaver, som normalt ellers ville have krævet lange gentagne arbejdsprocesser.

Jeg ser et kæmpe potentiale i kombinationen mellem de operationelle RPA processer, og de automatiserede beslutningsfunktioner man kan udarbejde med AI. Dét spændingsfelt har jeg fundet her i Carve, og med de opgaver vi løser for vores kunder.

Mads Krogh Munch Nielsen

Mads Krogh Munch Nielsen

Tlf: (+45) 20542422
E-mail: mkn@carve.dk
LinkedIn