AWS: чому формула годин не рахує вигоду агентів
AWS пропонує нову модель оцінки окупності агентних автоматизацій замість формули RPA «години × ставка мінус вартість розробки». Приклад: автоматизація 70% з 200 тис. заявок/рік звільняє ~28 тис. годин (~$1,26 млн потенціалу), але якщо штат скорочується лише частково, у P&L потрапляє близько $630 тис., не вся сума.
Формула RPA не бачить вартості виправлення помилок (1,5–4 рази дорожче за транзакцію) і витрат на підтримку агентів при зміні процесів. McKinsey: компанії, де трансформація вдалась, на $1 в технологію витрачають $3 на редизайн і $5 на навчання — більшість робить навпаки.
Що саме не враховує стара формула
AWS виокремлює чотири складові вартості, які формула RPA пропускає. Обробка помилок — одна з найдорожчих: за оцінками AWS, виправлення помилки коштує у 1,5–4 рази більше за саму транзакцію, а людські помилки можуть становити 2–15% операційних витрат. Формула, що рахує лише години, цього не бачить.
Друга складова — якість рішень. За словами AWS, «рідкісні, але дорогі рішення можуть виправдовувати застосування агентів заради якості, а не заради економії» — одне краще рішення щодо кредиту, ціни чи ризику може перекрити рік заощаджених хвилин. Третя — стійкість до змін: скрипти RPA ламаються при зміні процесу і вимагають переписування, агенти переживають частину змін без переписування, але це переносить витрати на оцінку, моніторинг і підтримку моделей, а не усуває їх.
Що дає розрахунок на прикладі заявок
У прикладі AWS із обробкою 200 тис. заявок на рік (12 хв на заявку, $45/год, база — $1,8 млн) окрема лінія — помилки: близько 8% заявок (16 тис.) потребують виправлення, а виправлення коштує у 3,5 рази більше за звичайну обробку заявки (~$9) — це дає базову експозицію близько $504 тис. на рік. Якщо агент знімає 40% цього навантаження з коефіцієнтом реалізації 75%, модельна вигода становить близько $151 тис. — і це ще без оцінки якості рішень щодо шахрайства.
Реальні впровадження
AWS наводить три приклади на базі Amazon Quick Automate. Kitsa, компанія з відбору сайтів для клінічних досліджень, автоматизувала вилучення понад 50 показників даних і повідомила про 91% економії витрат і 96% прискорення збору даних при покритті 96%, з маршрутизацією невизначених випадків на людей. dLocal, провайдер крос-бордерних платежів, у контрольованих тестах автоматизував до 75% перевірок комплаєнсу торговців, звільнивши фахівців для складних випадків. Genpact скоротив аналіз впливу збоїв у ланцюгах постачання з 2–3 днів до хвилин.
Як визначити пріоритети та подати керівництву
AWS пропонує оцінювати кожен процес за двома осями: складність завдання і ризик рішення. Низька складність і низький ризик — залишати на RPA; висока складність і низький ризик — автоматизувати заради пропускної здатності; висока складність і високий ризик — тримати людину в контурі заради якості рішень; низька складність і високий ризик — посилювати контроль, а не додавати агентів.
За даними McKinsey, майже дві третини компаній уже тестували агентів, але менш ніж 10% масштабували їх до реальної цінності. AWS радить представляти інвестицію як портфель із 3–5 пріоритетних напрямків, кожен зі своїм розрахунком за чотирма складовими, та встановлювати правило зупинки — заздалегідь визначені точки, де фінансування агентів, які не показують результату, припиняється.