จากการสำรวจล่าสุดของสถาบันด้านการจัดการอุปทานโดยถามคำถามง่ายๆ กับผู้ตอบแบบสำรวจว่า: “คุณเคยได้ยินเรื่อง RPA หรือไม่?” พบว่ามากกว่าร้อย 60 ของผู้ตอบแบบสอบถามทั้งสิ้น 432 คนตอบว่าไม่เคยได้ยิน
กระบวนการทำงานอัตโนมัติโดยหุ่นยนต์ หรือ RPA (Robotic process automation) เป็นเทคโนโลยีที่ช่วยให้งานซ้ำๆ บนคอมพิวเตอร์เป็นไปโดยอัตโนมัติ ตัวอย่างเช่นการป้อนข้อมูลหรือย้ายไฟล์จากที่หนึ่งไปอีกที่หนึ่ง ซึ่งเป็นกระบวนการที่ไม่เปลี่ยนแปลงและมีเส้นทางที่ชัดเจนที่สามารถตั้งโปรแกรมให้คอมพิวเตอร์ทำตามได้
แล้วทำไมคนในห่วงโซ่อุปทานต้องใส่ใจในเรื่องนี้? James Fleming ผู้จัดการโปรแกรมด้านการออกใบรับรองที่สถาบันด้านการจัดการอุปทานที่เข้าร่วมงานประชุมประจำปีขององค์กรซึ่งจัดขึ้นในเมืองฮูสตันเมื่อไม่นานมานี้ กล่าวว่า มันเกี่ยวข้องกับทรัพยากร ทุกวันนี้ในอุตสาหกรรมต่างๆ ใช้พนักงานขององค์กรราวร้อยละ 1.8 ไปทำหน้าที่ด้านการจัดการอุปทานโดยเฉพาะ และตัวเลขนี้มีแนวโน้มว่าจะยังคงลดลง
“ถ้าเราคิดว่าเรากำลังจะได้พนักงานมากขึ้น เราจะไม่มีทางได้” เขากล่าว “หากเราต้องการชั่วโมงการทำงานมากขึ้น พวกเขาจะไม่ปล่อยให้เราทำแบบนั้น และฉันคิดว่าคนมากมายเริ่มที่จะเข้าใจแนวคิดนี้ในการ ลองหาวิธีที่จะทำให้การทำธุรกรรมเป็นไปโดยอัตโนมัติโดยใช้ฐานทรัพยากรที่เรามี และเริ่มนำมาใช้ในเชิงกลยุทธ์อย่างจริงจัง”
ในขณะที่ผู้ตอบแบบสอบถามจำนวนมากไม่เคยได้ยินคำว่า RPA แต่ส่วนใหญ่บอกว่าพวกเขากำลังมองหาหรือกำลังอยู่ในขั้นตอนการปรับใช้ระบบอัตโนมัติบางประเภทผ่านทาง AI / RPA
ความท้าทายที่สำคัญที่สุดสำหรับองค์กรต่างๆ ที่ปรับใช้เทคโนโลยีระบบอัตโนมัติซึ่งจำเป็นต้องใช้ทรัพยากรด้านไอทีจำนวนมาก รวมถึงการขาดความเชี่ยวชาญด้านเทคนิคและบอทที่พวกเขาใช้ขาดความยืดหยุ่น แต่ข้อดีคือการปรับปรุงเวิร์กโฟลว์ให้มีประสิทธิภาพ ให้ผลผลิตในการทำงานมากขึ้น และมีเวลาเหลือสำหรับทำงานอื่นๆ เพิ่มขึ้น
ที่ต้องทำก่อนคือมีข้อมูลอะไรบ้างที่ต้องป้อนเข้าสู่ระบบ หรือกำลังผลักและดึงข้อมูลจากระบบหนึ่งไปอีกระบบหนึ่งนั่นเป็นกรณีการใช้งานในระยะเริ่มแรกที่ดีที่สุดในการเอาเทคโนโลยีนี้ไปใช้
เป้าหมายระยะยาวสำหรับองค์กรที่ใช้เทคโนโลยีเหล่านี้มีแนวโน้มที่จะเปลี่ยนจากงานง่ายๆ อย่างโครงการ RPA ไปเป็นโครงการประเภท AI และระบบที่สามารถเรียนรู้ด้วยตัวเองได้มากขึ้น การใช้งานระบบที่สามารถเรียนรู้ด้วยตัวเองจะไม่ได้เป็นไปตามชุดคำสั่ง และต้องให้ระบบ AI ทำการตัดสินใจโดยอิงกับข้อมูลในอดีตและสิ่งที่เห็นในข้อมูลที่ถูกป้อนเข้ามา ซึ่งนี่อาจเป็นการยกระดับครั้งใหญ่ขององค์กรที่จะนำไปปฏิบัติ
แม้ว่าส่วนใหญ่เป้าหมายจะเป็นการใช้เวลา และความคิดไปกับงานในระดับที่สูงกว่า แต่ Fleming แนะนำว่าหากองค์กรไม่เชื่อว่าพวกเขามีข้อมูลที่จะช่วยให้พวกเขาได้รับประโยชน์จากเทคโนโลยีเหล่านี้ได้ พวกเขาอาจต้องคิดใหม่