Os últimos anos viram um enorme crescimento dos robots de software (RPA), utilizados para automatizar trabalhos monótonos e repetitivos, libertando assim as pessoas deste tipo de tarefas. Como em todas as vagas anteriores do IT (ERP, CRM ou até Cloud), o RPA está a passar por uma fase de bastante hype, onde por vezes surge como a panaceia para todos os problemas das organizações. Essa imagem de silver bullet, apesar de favorecer as empresas como a ARPA (afinal de contas, somos uma empresa cujo core é a implementação de serviços de RPA) não corresponde, na nossa opinião, à realidade das centenas de processos que já implementámos e pusemos em produção nos nossos clientes.
Sempre que surge uma nova tecnologia, há a tentação de mostrar que é muto diferente das anteriores, quando na prática estamos apenas a falar numa terminologia diferente. Essa tentação existe também no RPA mas é um facto que existe uma diferença real para outras vagas do passado: a mudança é, muitas das vezes, liderada pelas pessoas do negócio e não pelos departamentos de IT. Isso acontece pela conjugação de duas características das ferramentas de RPA típicas:
- Permitem interagir com os sistemas legados através do UI, sem necessidade de uso de APIs, nem acesso direto aos dados e, logo, sem necessidade de incluir as equipas que desenvolvem e mantêm as aplicações. Mais ainda, e quase por definição, o uso de UI como método de integração disponibiliza quase sempre todas as capacidades da aplicação, existe normalmente documentação (nem que seja um Manual do Utilizador) e os atuais utilizadores são uma boa fonte de conhecimento;
- A programação dos robots baseia-se em interfaces Drag&Drop e Point&Click (ou low-code) que facilitam o desenvolvimento por parte de pessoas que não são programadores. É fácil reutilizar uma pessoa não especialista e pô-la a fazer umas experiências de automatização, logo após de umas sessões de formação na ferramenta. Para além disso, o desenvolvimento e o conhecimento do negócio residem nas mesmas pessoas, agilizando a produção dos primeiros exemplos de automatização. É normal ouvir dizer que o RPA permite o citizen-developer, ie, qualquer colaborador da empresa pode passar a ser um programador.
Infelizmente, se esta abordagem é boa para provas de conceito, a verdade é que não escala bem. A automatização de processos através do RPA, que é uma contribuição fundamental para a tão desejada Transformação Digital, não deixa de ser desenvolvimento de software, potencialmente em grande escala, com toda a complexidade e riscos que conhecemos. Um RPA-developer, com pouca experiência de software, terá dificuldade em criar robots reusáveis, sem erros, que sobrevivam a desvios do happy path e que sejam fáceis de manter.
O uso do UI como ponto de entrada para acesso a sistemas, com todas as vantagens que tem, é muito dependente de pequenas alterações que podem fazer falhar catastroficamente uma série de robots já em produção, só porque alguém decidiu mudar o nome a um campo no écran, ou mudar o logo numa listagem. Mais ainda do que noutros campos, a programação defensiva, a gestão da mudança e o versionamento controlado são fundamentais na evolução saudável de projetos de RPA, conceitos e ferramentas que são normalmente desconhecidos a pessoas que nunca desenvolveram software.
Por fim, quando falamos de processos end-to-end, é muito natural precisar de reusar subprocessos, que devem ser concebidos por forma a serem usados assim. Isso envolve noções e experiência de abstração e encapsulamento, triviais para alguém com formação em programação, mas provavelmente não tão familiares para alguém que não a tem.
Por tudo isto, e apesar de ser uma tecnologia onde é fácil e rápido produzir resultados iniciais, a introdução em larga escala do RPA pode estar votada ao insucesso a médio prazo se não for devidamente planeada, executada, monitorizada e gerida, usando as metodologias e ferramentas corretas para cada fase do processo e envolvendo pessoas com formação e experiência em IT. É o que aconteceu em vários dos nossos clientes, que a meio de um esforço interno de bootstrap, nos pediram ajuda para continuar. Um pouco como quem começa uma remodelação de uma casa e a meio descobre que vai precisar de ajuda profissional, quando percebe que a pintura é fácil, mas corrigir a mancha na parede implica partir a parede e trocar a canalização.
Isto não quer dizer que um projeto de RPA tenha que ser algo muito grande, ou que tenhamos que traçar todo o caminho e ter uma grande equipa, antes de começar. Pelo contrário, um projeto bem pensado de RPA, até pela sua natural divisão em Processos, encaixa muito bem com os métodos Ágeis. Com o framework adequado, é simples decidir o que podemos fazer com recursos internos e no que precisamos de ajuda externa, bem como ir escalando o projeto de forma incremental e suportado pelos sucessos ao longo do caminho. A tecnologia low-code é poderosa o suficiente para ser usada por profissionais, com a garantia que a sua endogeneização é mais simples do que as tecnologias mais convencionais.
Outro “mito” com o qual nos deparamos em muitos clientes é que o RPA vai substituir totalmente as pessoas. As organizações que mais avançaram neste caminho já perceberam que é essencial combinar robots com pessoas, especialmente quando começamos a endereçar processos grandes e complexos. Saber partir o trabalho em subprocessos, e coordená-los, é um skill fundamental para o sucesso de uma iniciativa de longo prazo e de abrangência organizacional.
Parte desses subprocessos terão que ser ainda executados por pessoas. Em cooperação com robots, por certo, combinando o que os humanos têm de melhor (uso de informação não estruturada, decisão com dados incompletos, etc) com as capacidades dos robots (tarefas simples e repetitivas sem erros, maior velocidade, etc). Aliás, um projeto de RPA bem-sucedido tem sempre um equilíbrio correto entre Pessoas, Ferramentas (tecnologia) e Metodologia, que depende de cada Organização.
Automatizar deve ser visto como uma forma de aumentar as capacidades humanas e é vital que o processo de Transformação Digital seja centrado nas Pessoas, em todas as fases do seu ciclo de vida, combinando as capacidades humanas com Ferramentas que suportem uma Metodologia robusta.
Descoberta – As ferramentas de Process e Task Mining devem ser combinadas com a sensibilidade e o know-how de negócio das pessoas. Apesar da AI ser uma ferramenta muito importante, avanços como a extração de tarefas a partir de gravações, necessita ainda de muita intervenção humana, sob pena de obter robots muito pouco otimizados e com dificuldade em gerir as exceções.
Análise – Devem ser definidos claramente os critérios de valorização das automatizações e o processo de scoring deve ser gerido de forma automática. Os critérios não devem ter apenas em conta poupanças de FTE’s mas também a qualidade, níveis de serviço, accountability e a capacidade de poder fazer coisas que não eram feitas.
Desenho – Deve ser aproveitada a oportunidade para repensar os processos, orientando os mesmos para as novas capacidades “digitais”, tirando partido das capacidades humanas de raciocínio e decisão com pouca informação, e combinando, quem sabe, outras tecnologias para lá do RPA.
Implementação – É crucial usar uma metodologia clara de desenvolvimento. Não devemos reinventar a roda, RPA é desenvolvimento de software. O uso de interfaces low-code pode criar uma falsa sensação de “facilidade” para os processos mais simples, mas não escala tão bem para processos mais complexos. Com uma metodologia bem definida, é fácil fazer o trabalho completamente dentro de portas, externalizar o desenvolvimento ou trabalhar de forma híbrida.
Produção – Deve ser dimensionada a infraestrutura correta para que a entrada em produção dos processos seja simples e os mesmos possam trabalhar de forma robusta. Dado que o normal, no RPA, é o uso extensivo do UI como via de acesso às aplicações legacy, e é também normal e frequente acontecerem de mudanças no mesmo, é muito importante prever a possibilidade de versionamento dos scripts de automatização dos processos, por forma a garantir entregas mais consistentes e rápidas.
Operação – Devem ser criadas condições para uma melhor interação com o humano, na coordenação da força de trabalho híbrida, que envolve robôs, inteligência artificial e pessoas. Os trabalhadores digitais passam, muitas das vezes, a ser pontos críticos de falha. É importante criar medidas de salvaguarda e mitigar os riscos, criando redundância ou até circuitos alternativos que passam por pessoas. É importante garantir a segurança, tarefa complicada pelo aumento da complexidade. Da automatização à autonomia.
Medir, Realimentar e Escalar – É muito importante criar cockpits inteligentes com indicadores e controlo da operação e garantir a sua evolução, criando novas métricas à medida que as metas evoluem. Só com indicadores fiáveis podemos gerir, melhorar o ciclo de trabalho em todas as suas fases e garantir a qualidade da transformação digital centrada nas pessoas.
Em todas estas fases, é importante o equilíbrio entre a Metodologia, as Ferramentas e as Pessoas e cada organização é potencialmente um caso diferente. Mais uma razão para procurar o apoio de parceiros com experiência e que podem ajudar a encontrar o ponto ideal.
Esta fusão criteriosa vai implicar a reformulação de alguns conceitos. No passado, assistimos a uma abordagem à “automatização” de processos que passava por ferramentas de BPM e Workflow, onde as pessoas eram o centro da decisão, e o software era responsável pelo encaminhamento automático de dados. O RPA surgiu do extremo oposto do mapa, com a promessa original de substituir totalmente as pessoas, através da automatização das suas tarefas.
Na prática, será a combinação equilibrada das duas abordagens que levará ao caminho do sucesso. Neste caminho, os macroprocessos end-to-end são analisados, partidos em subprocessos e alguns destes escolhidos para serem automatizados, provavelmente com RPA. No entanto, nem todos esses subprocessos podem, ou devem, ser automatizados e continuarão a ser feitos por humanos, que terão que ser envolvidos no “loop” dos robots e cooperarem com estes.
No fundo, a nossa visão é que haverá uma nova geração de sistemas de Workflow, focados nos grandes processos, que combinam e coordenam todos os tipos de trabalhadores, quer robots, quer pessoas. Estes sistemas são conhecidos por “Orquestradores”, que são fundamentais num processo global de Automatização, e que ajudam a implementar o human-in-the-loop.
Tal como muitas empresas decidem avançar para o RPA usando apenas recursos internos, muitas também não equacionam, no início, o uso de um Orquestrador. Porém, a verdade é que quase todas as organizações se deparam com a necessidade de recorrerem a um Orquestrador, quando começam a ter mais de uma dezena de processos automatizados e em produção.
Para além de permitir um workflow híbrido entre pessoas e robots, um bom Orquestrador é um aliado vital das pessoas para suportar a Operação, especialmente quando temos muitos processos, em sistemas multi-tecnologia, altamente paralelos e com uma infraestrutura complexa. Este é o panorama normal numa grande empresa que decide fazer roll-out geral de um piloto de RPA que correu bem.
Permitem ainda a recolha automática de estatísticas e a sua exploração em dashboards, ajudando a otimizar o sistema e a aferir o ROI. São informações como essas que ajudam a gerir o escalamento de uma solução, em passos seguros, reusando a experiência anterior para escolher os bons caminhos.
A automatização é importante, mas serve de muito pouco se não for bem gerida por pessoas, garantindo que estas têm o controlo absoluto dos trabalhadores digitais, interagindo com eles sempre que necessário, corrigindo problemas, tomando e validando decisões, tudo de forma simples e completamente integrada.
Referimos atrás a questão da multi-tecnologia e ela é muito relevante no âmbito da orquestração. Deparamo-nos, por vezes, com a falsa ideia de que o RPA tem que ser mono-tecnologia. O mundo é diverso e por isso devemos também assegurar que a automatização pode ser realizada através de várias ferramentas e que a orquestração sabe lidar com esta diversidade. Escolher um produto de orquestração mono-tecnologia é muito limitativo para a verdadeira gestão da capacidade de transformar a organização com todas as ferramentas disponíveis para o fazer.
A partir do momento que estas atividades são automatizadas, os empregados podem ser libertados para desempenhar funções estrategicamente mais relevantes, e que promovem mais facilmente o seu e o bem-estar no seio empresarial onde estão inseridos.
Também ouvimos muito os nossos clientes falar de Inteligência Artificial (AI) e das dúvidas que têm sobre como isso se integra com o seu programa interno de Automatização. Tal como com o RPA, há a expectativa que a AI pode permitir a automatização de mais tarefas. Essa expectativa é legítima e alimentada por notícias de feitos muito avançados da AI. Porém, se bem que o avanço da AI seja enorme e inexorável, especialmente na área do Deep Learning, a verdade é que a “pacotização” desses avanços e a sua incorporação nos workflows do dia-a-dia é tudo menos trivial. As soluções que chegam ao mercado tendem a ser de três tipos:
- Módulos fornecidos pelos fornecedores de RPA, que não são especialistas em AI e são normalmente pouco avançados em relação ao melhor que se faz no momento. A evolução rápida do R&D leva a muitas disrupções significativas e que tornam obsoletas, de um dia para o outro, soluções não especializadas;
- Pacotes integrados na oferta mais abrangente dos grandes fornecedores de software, normalmente ainda muito generalistas e difíceis de parametrizar para um problema concreto;
- Sistemas verticalizados end-to-end, incorporando muitas das vezes soluções de AI poderosas, mas que implicam a substituição de todo o workflow.
A alternativa é o uso de soluções mais modulares e recentes, mas que muitas das vezes são apenas suportadas sob a forma de bibliotecas open-source, obrigando à criação de alguma “cola” com os sistemas existentes e capacidade de suporte interno ou de terceiros. Pelo menos, esta opção permite o uso de AI state-of-the-art em pontos específicos, sem grande disrupção do workflow atual, nem apostas dispendiosas em grandes pacotes integrados, dos quais vamos apenas usar uma ou duas capacidades.
A integração criteriosa da AI nos sistemas de RPA é algo que irá acontecer cada vez mais e permitirá, de facto, que cada vez mais tarefas sejam automatizadas. Mas, mais uma vez, acreditamos que as pessoas continuarão a ser imprescindíveis, por muito tempo.
Apesar dos grandes avanços do Deep Learning em áreas como o reconhecimento de imagem, ou a interpretação de texto livre, a verdade é que estes avanços são essencialmente na forma como as máquinas conseguem tratar dados de entrada em formatos pouco estruturados e internalizá-los num modelo poderoso (“compreendê-los”).
A capacidade de tomar decisões complexas sobre os dados, por outro lado, não avançou ainda tanto. Quando, ainda por cima, muitas dessas decisões precisam de ser encadeadas (ou seja, em que as decisões seguintes dependem do impacto das anteriores no mundo exterior), a AI está nitidamente na sua infância, mas os humanos fazem-no sem dificuldade. Acreditamos que os avanços no Reinforcement Learning podem vir a melhorar este panorama, mas muito do que hoje se faz está ainda ao nível laboratorial e muito longe da disponibilidade empresarial.
Apesar de sabermos que se conseguem treinar modelos para decidir no âmbito de uma certa aplicação, há ainda questões difíceis de resolver, como por exemplo as seguintes:
- Problemas em que a decisão é muito complexa e onde é mais simples ter acesso a um perito do que a aprender por exemplos;
- Áreas de aplicação onde a liability é crítica e tem que haver um humano que assuma a responsabilidade;
- Necessidade de explicabilidade, ou seja, porque é que a máquina tomou uma certa decisão e não outra;
- Enviesamento das decisões por escolha menos acertada dos dados de treino;
- Informação em falta, que só pode colmatada com pesquisa autónoma (ex: telefonema);
Tal como o RPA não é uma panaceia universal, a AI também não é. A combinação de ambas as tecnologias é seguramente poderosa, mas não evitará tão cedo (se alguma vez) o envolvimento de pessoas nos processos e a necessidade de pensar na Automatização como a cooperação entre robots e pessoas.
Por falar em pessoas, se achamos que elas são fundamentais para uma solução pragmática, temos a certeza de que elas são imprescindíveis na programação e achamos que há uma excelente oportunidade no RPA para qualificação e requalificação de pessoas. Não devemos esquecer que o RPA é, de facto, uma tecnologia pensada para ser aprendida por pessoas sem grande formação em programação.
Acreditamos que há muitas pessoas válidas, que poderiam entrar no mercado de trabalho sem dificuldade, se recebessem formação adequada em RPA. Essa formação não precisa de ser muito extensa, especialmente no contexto de projetos bem pensados e com as valências corretas. Caberia aos Centros de Emprego, por exemplo, a sugestão de cursos de desenvolvimento de RPA a pessoas não empregadas, mas que mostrem afinidade e interesse na automatização de processos, nem que seja na fase (crítica!) da sua análise.
Também as Universidades poderiam e deveriam fazer esse reconhecimento, focando parte dos seus cursos nos skills que são importantes para a uma boa análise de processos. Acreditamos que existam vários cursos, até não técnicos, onde há muito material relevante para esta atividade, como Sociologia, Gestão e outros. Afinal de contas, as organizações que querem automatizar os seus processos são constituídas por pessoas, e é falando com elas que podemos perceber quais os que são simples de automatizar e quais os que continuarão a ser feitos por humanos. Se uma pequena parte dessa decisão é tecnológica, uma grande parte não é. Não é preciso ter um curso de Engenharia, por exemplo, para fazer boa análise de processos.
Houvera mais espaço e poderíamos alongar esta pequena contribuição para o esclarecimento de alguns “mitos” que rodeiam o RPA e a sua implementação, dado que a lista não acaba aqui. Como todas as tecnologias emergentes, o RPA está a ter o seu ciclo de hype e é expectável que ainda venha a passar pelo Vale da Desilusão, antes de atingir o Planalto da Produtividade. A ARPA foi das primeiras empresas portuguesas a apostar nesta tecnologia e está aqui para ficar, ajudando os nossos clientes a navegar nesta paisagem que muda todos os dias. Para isso, temos uma equipa jovem, mas com muita experiência, resiliência e vontade de prestar o melhor serviço que sabemos, mesmo quando as coisas se complicam.
No fim de contas, e como esperamos ter ficado claro neste artigo, estamos a trabalhar para a automatização, mas acreditamos que o que importa são as pessoas.
