In een wereld waar bedrijven steevast op zoek gaan naar manieren om vaart te zetten achter hun digitale transformatie wint robotic process automation (rpa) steeds meer aan terrein. Dankzij databots, de trainbaarheid van virtuele assistenten die uit rpa zijn ontstaan, kunnen bedrijven namelijk snel, flexibel en goedkoop systemen integreren, repetitieve taken uit handen nemen van hun werknemers en grote hoeveelheden data uit systemen halen en verwerken.
Rpa (robotic process automation) is allesbehalve een nieuwe technologie, maar het heeft een hele tijd geduurd vooraleer it-teams databots zijn beginnen te waarderen. De technologie heeft namelijk te kampen met heel wat onterechte vooroordelen. We zetten ze even op een rijtje:
Gevoelig voor proceswijzigingen
Databots maken meestal gebruik van de user interface van de onderliggende toepassingen en systemen waarmee ze werken. Een wijziging in de user interface kan dus inderdaad leiden tot een noodzakelijke aanpassing van de databot. We zien echter dat dit in de praktijk maar heel weinig voorkomt.
Databots beperken zich namelijk niet tot het pure screen scraping of ocr, maar bekijken ook de code waarmee het scherm wordt opgebouwd en gaan aan de slag met velden en labels. Ze kunnen dus heus wel tegen een stootje, zeker wanneer ze werken met moderne toepassingen die web- of .Net-gebaseerd zijn. Wanneer mainframe-toepassingen in het proces worden betrokken, neemt de mogelijkheid om de code te bekijken af, net zoals de wil om in deze oude programma’s nog wijzigingen aan te brengen. Bovendien verdwijnt de behoefte om wijzigingen aan te brengen aan de user interface wanneer een databot het proces overneemt.
Daarnaast gaat een wijziging in de presentatielaag in de meeste gevallen gepaard met de wijziging van de onderliggende businesslogica. Als die logica wijzigt doet het er weinig toe of je nu rpa, edi, api of ipaas gebruikt om een koppeling te leggen tussen verschillende systemen. Aanpassingen of uitgebreide testen zullen dan nodig zijn. Blijkt het dus toch onvermijdelijk om aanpassingen te maken in het rpa-script, weet dan dat dit meestal snel en goedkoop te realiseren is. In enkele uren of dagen is je databot weer volledig operationeel.
Ten slotte hoeft een databot niet eens aan een user interface gebonden te zijn om aan de data te geraken. De technologie gaat net zo gemakkelijk aan de slag met api of sql, al dan niet in combinatie met een user interface.
Maintenancekosten
Het idee dat databots hoge onderhoudskosten met zich meebrengen, is klinkklare onzin en komt voort uit het feit dat de technologie een extra laag aan de architectuur toevoegt. Daaruit concluderen dat dit tot extra complexiteit en dus hogere kosten leidt, is echter een brug te ver.
Het tegendeel is waar: doordat databots een afzonderlijke laag rond bestaande toepassingen leggen, kunnen ze eenvoudig worden afgesplitst waardoor wijzigingen geen kettingreactie in gang zetten. Doordat er minder maatwerk aan te pas komt, kunnen bedrijven makkelijker en sneller onderliggende systemen updaten, wat de totale onderhoudskosten verlaagt. Over de ganse lijn zijn databots dus een heel budgetvriendelijke oplossing.
Enkel wanneer een databot vaak vastloopt, zullen de maintenance-kosten de hoogte ingaan. Stel in dat geval vragen bij je implementatiepartner. Kies een partner met de nodige ervaring in rpa, enkel daaruit leer je namelijk hoe je een databot stabiel opbouwt.
Moeilijk schaalbaar
De vraag hier is wat er wordt verstaan onder schaalbaar? Gaat het om hergebruik van generieke componenten, over organisaties heen, dan zien we dat de belangrijke rpa-softwareleveranciers investeren in zogenaamde bot-stores. Scripts die bepaalde veel voorkomende taken automatiseren in bijvoorbeeld SAP, MS Dynamics of Salesforce, zijn daarin te downloaden.
Of gaat het eerder om hergebruik van bedrijfsspecifieke componenten? Een ervaren partner leidt databots zo op dat de componenten maximaal herbruikbaar zijn, net zoals bij microservices. Als één databot het werk niet meer rond krijgt, is het eenvoudig om een tweede te installeren en precies hetzelfde script te laten uitvoeren.
Succesvol databotproject
Databots en rpa hebben te kampen met heel wat misvattingen, toch willen wij niet beweren dat ze een magische en kant-en-klare oplossing bieden voor elke it-uitdaging. Net zoals elke technologie, heeft rpa ook zijn beperkingen. Zo wordt een databot het best ingezet op een vrij stabiel en repetitief proces waarvan de data reeds op enige manier gestructureerd zijn. De beslissingen die de databot moet nemen, moeten daarenboven regelgedreven zijn en eventuele uitzonderingen eenduidig identificeerbaar. Het zijn enkele eenvoudige richtlijnen, maar wanneer bedrijven hiermee rekening houden, zullen ze een succesvol databotproject opstarten die hun digitale transformatie kracht kan bijzetten.
Johan Van den Bulck, mede-oprichter Teroco