สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

10 ข้อผิดพลาดของระบบอัตโนมัติที่ควรหลีกเลี่ยง

Oct 31, 2022
ภาพประกอบจาก freepik

ระบบอัตโนมัตินั้น ถ้าทำงานได้ไม่ดี ไม่ได้คุณภาพก็สามารถทำให้เกิดผลกระทบทางด้านลบกับการใช้งานข้อมูล กระบวนการทำงานต่าง ๆ ขวัญกำลังใจของพนักงาน รวมไปถึงความพึงพอใจของลูกค้า

การนำระบบอัตโนมัติมาใช้ในองค์กรนั้นรับรองได้ว่าจะสามารถช่วยปรับปรุงต้นทุน คุณภาพ และความเร็วได้อย่างมีนัยสำคัญ แต่ข้อดีต่าง ๆ เหล่านี้ จำเป็นต้องมีแผนปฏิบัติการในส่วนของผู้บริหาร และหัวหน้าด้าน IT ที่คอยรับผิดชอบต่อข้อผิดพลาดทั่วไปที่อาจเกิดขึ้น โดยเฉพาะอย่างยิ่ง ในกรณีที่มีการใช้งานระบบอัตโนมัติเพิ่มขึ้น และฝ่าย IT ต้องรับหน้าที่บริหารจัดการความคิดริเริ่มด้านระบบอัตโนมัติพร้อมกันหลายระบบ

จากการสำรวจล่าสุดของ Gartner แสดงให้เห็นว่าเกือบ 60% ขององค์กรกำลังดำเนินการตามความคิดริเริ่มด้านระบบอัตโนมัติ โดยเฉลี่ย 4 ระบบ หรือมากกว่านั้นพร้อมกัน

ผู้นำต้องปฏิบัติต่อระบบอัตโนมัติเหมือนเป็นหลักการที่น้อมรับ มากกว่าจะเป็นแค่โครงการที่ต้องทำให้เสร็จ และควรตระหนักถึงข้อผิดพลาดทั่วไปที่อาจนำไปสู่ความล้มเหลวได้

Nicole Sturgill รองผู้อำนวยการบริษัท ฝ่ายการวิเคราะห์ของบริษัท Gartner

10 ข้อผิดพลาดของระบบอัตโนมัติ

ความผิดพลาดที่ 1: หลงรักอยู่แค่เทคโนโลยีเดียว

เมื่อองค์กรได้ซื้อและนำเครื่องมืออัตโนมัติสำหรับกระบวนการที่เฉพาะเจาะจงมาใช้งาน เช่น กระบวนการอัตโนมัติโดยหุ่นยนต์ (RPA) เมื่อนำมาใช้ประสบความสำเร็จแล้วก็เป็นเรื่องปกติที่เพื่อนร่วมงานต้องนำมาปรับใช้ในวงกว้างขึ้น อย่างไรก็ตาม แนวทางที่ผิดคือการขับเคลื่อนการใช้งานระบบอัตโนมัติจากมุมมองของเทคโนโลยีเดียว แทนที่จะขับเคลื่อนจากผลลัพธ์ทางธุรกิจให้สอดคล้องกับชุดเครื่องมือที่ถูกต้องเป็นหลัก

การดำเนินการ: สร้างกล่องเครื่องมือ (Toolbox) ของเทคโนโลยีที่จัดเตรียมชุดความสามารถที่ครอบคลุม เพื่อให้สอดคล้องกับช่วงที่ยืดหยุ่นของผลลัพธ์ทางธุรกิจที่หลากหลาย และรองรับแนวทางการออกแบบใหม่

ความผิดพลาดที่ 2: มีความเชื่อว่าธุรกิจสามารถทำงานอัตโนมัติได้โดยไม่ต้องมี IT ดูแล

ผู้ใช้งานทางธุรกิจจำนวนมาก และมากขึ้นเรื่อย ๆ เชื่อว่าการนำกระบวนการอัตโนมัติ โดยหุ่นยนต์ (RPA) และการใช้แอปพลิเคชันแบบ low-code/no-code มาใช้นั้น ไม่จำเป็นต้องได้รับช่วยเหลือใดใดจากฝ่าย IT แต่ผู้ใช้งานทางธุรกิจทั่วไปอาจขาดความรู้เกี่ยวกับวิธีการทำงานของลูกค้า และการเก็บบันทึกข้อมูล เป็นต้น ส่งผลให้มีความเสี่ยงที่จะจัดการข้อมูลผิดพลาด นอกจากนี้ แอปพลิเคชันเหล่านั้น ยังเป็นการรวมระบบต่าง ๆ เข้าด้วยกัน ซึ่งระบบต่าง ๆ นี้ต้องมีการอัปเกรดระบบอยู่เป็นประจำสม่ำเสมอ และเมื่อทีม IT ไม่ได้เข้ามามีส่วนเกี่ยวข้องใดใด การเปลี่ยนแปลงที่เกิดขึ้นระหว่างการอัปเกรดระบบจะไม่สำเร็จ ซึ่งจะส่งผลให้กระบวนการต่าง ๆ ล้มเหลว

การดำเนินการ: จัดตั้งและสนับสนุนศูนย์ความเป็นเลิศด้านระบบอัตโนมัติ เช่นเดียวกับศูนย์ความเป็นเลิศของ DevOps (Development Operations) ซึ่งเป็นที่รวมบุคคลที่มีทักษะและความรู้ในองค์กรที่หลากหลาย เช่น ทักษะการวิเคราะห์ และประมวลผลเชื่อมโยงทักษะต่าง ๆ ทักษะทางเทคนิค ความรู้ทางธุรกิจ และประสบการณ์การดูแลด้าน IT

ความผิดพลาดที่ 3: คิดว่าระบบอัตโนมัติเป็นทางออกอยู่เสมอ

ระบบอัตโนมัติอาจเป็นตัวเลือกระยะยาวที่ดีที่สุดสำหรับกระบวนการทางธุรกิจและ IT แต่ผู้นำไม่สามารถนำระบบอัตโนมัติไปใช้ง่าย ๆ เพียงเพื่อต้องการปกปิดช่องว่างของกระบวนการที่ออกแบบมาไม่ดี ระบบอัตโนมัติไม่ได้มีไว้เพื่อชดเชยความล้มเหลวในระบบ หรือถ่วงเวลาเพื่อรอการเปลี่ยนระบบ การใช้ระบบอัตโนมัติในลักษณะดังกล่าวข้างต้นนั้น ง่ายต่อการช่วยยืดอายุของแอปพลิเคชันรุ่นเก่าที่ด้อยประสิทธิภาพ โดยการสร้างการประหยัดที่เอาไว้ปกปิดความไร้ประสิทธิภาพที่มีอยู่

การดำเนินการ: ประเมินประโยชน์ และข้อเสียของระบบอัตโนมัติมากกว่าการเปลี่ยนระบบ, เพิ่มฟังก์ชันการทำงาน และกลยุทธ์ที่ผสมผสานกัน

ความผิดพลาดที่ 4: ขาดการมีส่วนร่วมกับผู้ที่มีส่วนได้ส่วนเสียทั้งหมด

ระบบอัตโนมัตินั้น โดยปกติแล้วมีผลกระทบในวงกว้างต่อองค์กร ซึ่งหมายความว่าคุณควรมีส่วนร่วมกับผู้ที่มีส่วนได้ส่วนเสียจากทั่วทั้งองค์กรเพื่อการตัดสินใจและการอนุมัติ ตัวอย่างเช่น หากการนำกระบวนการอัตโนมัติใหม่ ๆ มาใช้นั้น ส่งผลเปลี่ยนแปลงลักษณะของบทบาทของผู้คน ก็จะไปเกี่ยวข้องกับฝ่ายทรัพยากรบุคคล การเปลี่ยนแปลงสิทธิ์การเข้าถึงและ ID หรือข้อกำหนดของเซิร์ฟเวอร์ ส่วนนี้ก็ต้องเกี่ยวข้องกับฝ่ายความปลอดภัย หรือ IT

การดำเนินการ: มอบหมายหน้าที่ความรับผิดชอบของการบริหารจัดการผู้ที่มีส่วนได้ส่วนเสีย ให้กับสมาชิกในทีมแบบเฉพาะเจาะจงภายในศูนย์ความเป็นเลิศของระบบอัตโนมัติ

ภาพประกอบจาก freepik

ความผิดพลาดที่ 5: ไม่มีเวลาเพียงพอในการทดสอบ

เทคโนโลยีเกี่ยวกับระบบอัตโนมัติจะทำงานก็ต่อเมื่ออัลกอริทึม และกฎต่าง ๆ ทำงานถูกต้องทุกประการเท่านั้น เทคโนโลยีอาจดูเหมือนใช้งานง่าย แต่มันจะไม่ยอมทำงานให้เลย ถ้าตั้งโปรแกรมไว้ไม่ถูกต้อง เทคโนโลยีสามารถทำลายข้อมูลทางธุรกิจได้อย่างรวดเร็วมาก และยังทำให้การส่งมอบผลลัพธ์ทางธุรกิจที่ต้องการล้มเหลวได้

การดำเนินการ: ตรวจสอบให้แน่ใจว่า มีการทดสอบที่ตรวจสอบกระบวนการทำงานตั้งแต่ต้นจนจบ และไม่ใช่แค่ตรวจสอบฟังก์ชันการทำงานอัตโนมัติ และการเขียนโปรแกรมเท่านั้น ต้องทดสอบและตรวจสอบความสมบูรณ์ของข้อมูลอย่างละเอียดด้วย เมื่อมีการเรียกใช้เครื่องมืออัตโนมัติที่คุณเลือก

ความผิดพลาดที่ 6: เปลืองแรงไปกับกระบวนการที่ซับซ้อนเกินไป

ในบางครั้ง องค์กรต่าง ๆ พบว่าตัวเองติดอยู่ในหล่ม เมื่อพยายามเปลี่ยนกระบวนการให้เป็นระบบอัตโนมัติ ซึ่งส่วนใหญ่มักเกิดขึ้นกับกระบวนการที่ไม่ได้รับการจัดทำเป็นเอกสารชัดเจน หรือขาดความเข้าใจอย่างดี ถ้ากระบวนการทำงานนั้น ไม่สอดคล้องกัน หรืออาจจะมีตัวแปรที่เกี่ยวข้องในกระบวนการตัดสินใจมากเกินไป โปรดอย่าเสียเวลา และความพยายาม โดยยังฝืนทำต่อไปอีกเลย

การดำเนินการ: พัฒนาชุดของกฎเกณฑ์ หรือแนวทางปฏิบัติ เพื่อยกเลิกกระบวนการ และงานที่ไม่พร้อมสำหรับการทำงานอัตโนมัติ ตัวอย่างเช่น แนวทางปฏิบัติพื้นฐานเกี่ยวกับจำนวนขั้นตอนของกระบวนการ, จำนวนการรวมที่จำเป็น หรือความชัดเจนของกระบวนการที่มีอยู่

ความผิดพลาดที่ 7: ทำเหมือนว่าระบบอัตโนมัติเป็นการจำลองงานอย่างง่าย

การใช้เครื่องมืออัตโนมัติเพื่อคัดลอกสิ่งที่กำลังทำเองได้ด้วยมือ ทำให้พลาดประโยชน์ที่สำคัญของระบบอัตโนมัติ การปรับปรุงกระบวนการตั้งแต่ต้นจนจบ เพื่อสร้างประสบการณ์ของลูกค้าและพนักงานที่ดีขึ้น หากการออกแบบกระบวนการใหม่ไม่ได้เป็นส่วนหนึ่งของกระบวนการอัตโนมัติ คุณอาจเลือกใช้เครื่องมืออัตโนมัติที่ผิด และสูญเสียผลลัพธ์ทางธุรกิจที่คุณคาดหวังจะสำเร็จ

การดำเนินการ: เมื่อต้องการปรับใช้เครื่องมืออัตโนมัติสำหรับกระบวนการใหม่ ขั้นแรกให้ประเมินและปรับรื้อกระบวนการ เช่น Six Sigma หรือ Design Thinking เพื่อให้แน่ใจว่าระบบอัตโนมัติสามารถก่อให้เกิดผลลัพธ์ที่สุดที่จะเป็นไปได้

ความผิดพลาดที่ 8: ล้มเหลวในการเฝ้าสังเกตหลังการใช้งาน

เหมือนกับการนำระบบไปใช้งานทั่วไป โครงการระบบอัตโนมัติก็จำเป็นจะต้องมีการมีส่วนร่วมทางด้าน IT “ภาคปฏิบัติ” อย่างกว้างขวางหลังการติดตั้ง ตัวอย่างเช่น การเริ่มใช้งาน RPA ให้สร้างการประเมินอย่างต่อเนื่อง การเฝ้าสังเกต และการตรวจสอบคุณภาพอย่างสม่ำเสมอ เพื่อให้แน่ใจว่าหุ่นยนต์ได้รับการเขียนสคริปต์อย่างถูกต้อง และสามารทำงานต่อไปตามที่คาดไว้ได้ ซึ่งส่วนนี้จะช่วยหลีกเลี่ยงงานล้างข้อมูลขนาดใหญ่

การดำเนินการ: โดยรวมแล้ว ให้กำหนดขั้นตอนหลังการใช้งาน เพื่อให้ผู้จัดการฝ่ายปฏิบัติการสามารถเฝ้าสังเกต และตรวจสอบเครื่องมืออัตโนมัติได้อย่างต่อเนื่อง

ภาพประกอบจาก freepik

ความผิดพลาดที่ 9: ใช้ตัวชี้วัดที่ไม่ถูกต้องในการวัดความสำเร็จ

เป็นเรื่องปกติที่จะวัดการใช้งาน การประยุกต์ใช้เทคโนโลยี และเครื่องมือต่าง ๆ เพื่อให้แน่ใจว่าเทคโนโลยีเหล่านั้น สามารถทำงานได้จริง ตรงตามที่ออกแบบไว้ อย่างไรก็ตาม สิ่งนี้ไม่ได้สะท้อนให้เห็นว่าโครงการประสบความสำเร็จหรือไม่ การวัดผลกระทบต่อกระบวนการ และองค์กรโดยรวมต่างหาก ที่เป็นกุญแจที่จะนำไปสู่ความสำเร็จของระบบอัตโนมัติ

การดำเนินการ: มุ่งเน้นการวัดความสำเร็จของระบบอัตโนมัติบน KPI ที่ระบุจำนวนผลลัพธ์ทางธุรกิจที่การปรับใช้ระบบอัตโนมัติควรจะทำได้สำเร็จ

ความผิดพลาดที่ 10: การละเลยวัฒนธรรมในองค์กร และผลกระทบของพนักงาน

แม้ว่าการมุ่งเน้นที่วิธีการปรับใช้ และปรับขนาดระบบอัตโนมัติเป็นสิ่งสำคัญ แต่การพิจารณาผลกระทบต่อพนักงานก็มีความสำคัญไม่แพ้กัน โดยเฉพาะอย่างยิ่งหากบทบาทนั้น ถูกตัดออก หรือถูกเปลี่ยนใหม่

การดำเนินการ: คาดการณ์ว่าพนักงานจะตอบสนองอย่างไร และทำให้แน่ใจว่าทีมระบบอัตโนมัติของคุณสื่อสารอย่างกระตือรือร้นว่าพวกเขาจะดำเนินการเปลี่ยนแปลงอย่างไร ซึ่งอาจจะต้องเกี่ยวข้องกับฝ่ายบริหารจัดการการเปลี่ยนแปลง และ HR เมื่อมีความจำเป็น

สรุป

การนำระบบอัตโนมัติมาใช้ในองค์กรเป็นสิ่งที่ก่อให้เกิดประโยชน์ และทำให้องค์กรสามารถพัฒนาเจริญก้าวหน้าต่อไปได้รวดเร็วยิ่งขึ้น โดยทั้งนี้ต้องอยู่บนพื้นฐานของการนำมาใช้อย่างถูกต้อง และระมัดระวังไม่ให้เกิดข้อผิดพลาดต่าง ๆ ดังที่ได้กล่าวมาแล้วข้างต้น หากทำได้ตามนี้องค์กรของท่านก็จะประสบความสำเร็จจากการนำระบบอัตโนมัติมาใช้งานได้อย่างง่ายดาย ก่อนจะลาไปกับบทความนี้ ผู้เขียนขอฝากบทความเกี่ยวกับ Low- and no-code platforms ไว้สำหรับท่านที่สนใจการทำงานของระบบอัตโนมัติในอีกรูปแบบหนึ่ง

แหล่งที่มา

เนื้อหาโดย เมธิยาภาวิ์ ศรีมนตรินนท์
ตรวจทานและปรับปรุงโดย นนทวิทย์ ชีวเรืองโรจน์

Methiyapha Srimontrinond

Data Scientist Government Big Data institute (GBDi)

Nontawit Cheewaruangroj, PhD

Project Manager and Senior Data Scientist at Big Data Institute (Public Organization), BDI