निराशाजनक ८०%: जहाँ पहले ऑपरेशन में एआई काम करती है

बोरिंग कार्यों की जीत

दो कारण हैं, और दोनों जोखिम से जुड़े हैं, न कि महत्व से।

पहला कारण यह है कि पुनरावर्ती कार्य मापनीय है। आप पहले से ही जानते हैं कि कितने इनवॉइस आते हैं, किसी दावे को कतार में कितना समय लगता है, एक सपोर्ट टिकट को हल करने में क्या लागत आती है। जब आप कुछ स्वचालित करते हैं जिसे आप माप सकते हैं, तो आप एक तिमाही में परिणाम साबित कर सकते हैं। जब आप कुछ नवीन स्वचालित करते हैं, तो आप एक तिमाही बिताकर यह तर्क करने में व्यस्त रहते हैं कि क्या यह काम कर रहा है।

दूसरा कारण यह है कि 80% का बोरिंग हिस्सा जहाँ आँकड़े जीवित रहते हैं, और आँकड़े एक छोटे सुधार को एक वास्तविक संख्या में बदलते हैं। दो बार एक महीने में पूरा होने वाले कार्य से चार मिनट काट देना एक गोल करने योग्य त्रुटि है। एक ऐसे कार्य से चार मिनट काट देना जो नौ सौ बार एक महीने में होता है, उसे मुक्त करता है। अर्थशास्त्र आवृत्ति पर निर्भर करता है, न कि स्वचालन की चतुरता पर।

हालाँकि, 20% कठिन 80% में - मूल्य निर्धारण अपवाद, विवादास्पद दावे, नियामक पूछताछ करने वाली चीजें - अभी भी आपके लोगों के पास होनी चाहिए। यह वास्तव में कठिन है, यह वह जगह है जहाँ आपका मार्जिन और आपकी प्रतिष्ठा बैठती है, और यह व्यवसाय में AI के व्यवहार सीखने के लिए सबसे खराब जगह है।

इसे खोजना

लोगों से पूछने के लिए एक सर्वेक्षण न चलाएँ कि उन्हें क्या स्वचालित करना चाहिए। आप एक इच्छासूची मिलेगी। इसके बजाय, वहाँ काम की लाइनों पर नज़र डालें जहाँ काम कतार में लग जाता है और जानकारी फिर से टाइप की जाती है।

• सिस्टम के बीच रीकेयिंग। कोई भी मानव एक स्क्रीन पढ़ता है और दूसरे में टाइप करता है, वह चरण एक उम्मीदवार है। ईमेल से ERP, PDF से स्प्रेडशीट, पोर्टल से CRM।
• असंरचित इनपुट आगे के दरवाजे। इनवॉइस, डिलीवरी नोट्स, दावे, CVs, RFQs, इंस्पेक्शन रिपोर्ट। जो भी PDF, फ़ोटो, या पैराग्राफ़ के रूप में आता है जिसे किसी को फ़ील्ड्स में बदलना पड़ता है।
• ट्रिएज और रूटिंग। टिकट, शिकायतें, आंतरिक अनुरोध जिन्हें एक व्यक्ति केवल यह तय करने के लिए पढ़ता है कि उन्हें वास्तव में कौन संभालना चाहिए।
• ड्राफ्टिंग एक टेम्पलेट से। स्थिति अपडेट, मानक प्रतिक्रियाएँ, एक लंबे धागे या दस्तावेज़ का पहला मसौदा।
• संशोधन। दो सूचियों की तुलना करना जो मेल खानी चाहिए और उन्हें न समझने पर विवरण देना।

प्रत्येक उम्मीदवार को आँकड़ों की मात्रा, इनपुट की संगतता और एक गलती की लागत के आधार पर स्कोर करें। उच्च मात्रा, संगत इनपुट और सस्ती गलतियों के संयोजन से शुरू करें। वह अस्पष्ट और ठीक है।

अपवाद वास्तविक डिज़ाइन समस्या हैं

यहाँ अधिकांश पहले परियोजनाएँ गलत हो जाती हैं। एक टीम खुश पथ स्वचालित करती है, 85% सटीकता हासिल करती है, जश्न मनाती है, और फिर यह पता चलता है कि अब उन 15% मामलों को संभालने में अधिक समय लगता है जो पहले पूरे प्रक्रिया के लिए लेते थे। अपवाद बिना किसी संदर्भ के आते हैं, कोई उन्हें नहीं लेता है, और कतार बढ़ती जाती है।

प्रतिक्रिया के पहले अपवादों को डिज़ाइन करें। जब प्रणाली आश्वस्त नहीं होती है, तो तब क्या होता है? कौन उन्हें देखता है, उन्हें क्या देखता है, और उन्हें कितना समय मिलता है? एक प्रक्रिया जो अंत-से-अंत 70% मामलों को संभालती है और शेष को साफ़ तरीके से आगे बढ़ाती है, उसे एक ऐसी प्रणाली से हरा देगी जो 90% का दावा करती है लेकिन शेष को एक अनदेखे इनबॉक्स में डंकेल देती है।

सम्बन्धित स्तर पर विश्वास सीमा सेट करें। बिलिंग के लिए आप 2% त्रुटि दर स्वीकार कर सकते हैं क्योंकि नीचे की जाँच इसे पकड़ लेती है। लेकिन किसी भी चीज़ से जुड़े भुगतान या रोगी के लिए, आप अधिक मानवों को इसमें शामिल करें और कम स्वचालन दर स्वीकार करें। यह सीमा एक व्यावसायिक निर्णय है, न कि तकनीकी; और यह उस व्यक्ति के पास होनी चाहिए जो प्रक्रिया का मालिक है।

पहले छह महीनों में यह कैसा दिखना चाहिए

एक प्रक्रिया चुनें। इससे पहले कि आप कुछ बदलें, इसे उपकरण लगाएँ ताकि आपको बेस लाइन छूट, लेनदेन प्रति टच समय, त्रुटि दर जान सकें। 8 सप्ताह के भीतर कुछ संकीर्ण उपयोग में वास्तविक रूप से शिप करें। फिर उनी संख्याओं को फिर से मापें।

फिर इसे दोबारा करें, और तीन बार। संचयी लाभ उस तकनीक के वास्तविक रूप से अच्छे हैं जिसका आप उपयोग कर रहे हैं - आपकी टीम को इन प्रणालियों में विश्वास करना सीखना, आपके डेटा का साफ़ होना क्योंकि कुछ उन पर निर्भर करता है, और अगली परियोजना आधे समय में पूरी हो जाती है।

बोरिंग, उच्च-मात्रा कार्य वह तकनीक वास्तव में अच्छी तरह से कर सकती है जिसका आप उपयोग कर रहे हैं। उसे ऐसे कार्यों का बोझ दें, और अपने लोगों को उन निर्णयों पर ध्यान केंद्रित करने दें जिनके लिए वे आवश्यक हैं। यदि आपको पहले प्रक्रिया चुनने और संख्या साबित करने में मदद की ज़रूरत है, तो यह हमारा काम है।