Från AI-insikt till automatiserad handling

AI kan upptäcka avvikelser, analysera stora mängder data, skapa prognoser och identifiera mönster som annars kan vara svåra att se. Det ger företag nya möjligheter att förstå sin verksamhet och fatta bättre beslut. Men vad händer efter att AI har gjort sitt jobb? Vi dyker ner i ämnet här!

En insikt skapar inte automatiskt en förändring. Någon, eller något, behöver agera på informationen. Det kan innebära att en medarbetare fattar ett beslut, att en arbetsorder skapas eller att information uppdateras i ett annat system.

Nästa steg för många verksamheter blir därför att gå från AI som analyserar till processer där analysen också kan leda till handling.

AI är bra på att hitta det vi behöver veta

En av AI-teknikens stora styrkor är möjligheten att bearbeta stora mängder information på kort tid.

I en produktionsmiljö kan AI exempelvis analysera data för att identifiera avvikelser som kan tyda på ett kommande problem. Inom lager och logistik kan historiska och aktuella data användas för att skapa prognoser över efterfrågan. I en serviceorganisation kan inkommande ärenden analyseras och kategoriseras utifrån innehåll och prioritet.

AI kan också kombinera information från flera källor för att hitta samband som annars kräver omfattande manuell analys. Resultatet kan vara ett svar, en rekommendation, en prognos eller en varning. Allt detta är värdefullt, men analysen är bara en del av processen.

En insikt behöver nå nästa steg

Tänk dig att AI upptäcker en avvikelse i data från en maskin och bedömer att den bör kontrolleras. Denna information kan presenteras för en medarbetare som granskar resultatet, loggar in i företagets underhållssystem, skapar en arbetsorder och tilldelar den till rätt tekniker. Det är ett fullt fungerande arbetssätt. AI har redan gjort processen effektivare genom att upptäcka något som annars kanske hade missats eller krävt manuell kontroll. Men delar av processen är fortfarande manuella.

Om analysen är tillräckligt tillförlitlig och processen följer tydliga regler kan nästa steg istället automatiseras. Arbetsordern kan skapas direkt, relevant information kan hämtas från andra system och rätt person kan meddelas. Då går verksamheten från AI-insikt till automatiserad handling.

Ska människan eller systemet fatta beslutet?

Att en process kan automatiseras betyder inte alltid att den bör automatiseras.

I vissa situationer är det klokt att låta AI fungera som beslutsstöd medan en människa fattar det slutgiltiga beslutet.

Det gäller särskilt när beslutet är komplext, konsekvenserna är stora eller informationen behöver bedömas i ett sammanhang som är svårt att fånga i fasta regler.

Ett AI-system kan exempelvis identifiera en ovanlig förändring och rekommendera en åtgärd. En erfaren medarbetare kan därefter väga rekommendationen mot andra faktorer innan något görs.

Manuell hantering kan vara särskilt lämplig när:

• beslutet har stora ekonomiska eller verksamhetsmässiga konsekvenser

• situationen är ovanlig eller svår att förutse

• flera faktorer behöver bedömas tillsammans

• AI-resultatet behöver verifieras

• mänsklig erfarenhet och omdöme är en viktig del av beslutet

I de fallen kan AI fortfarande spara mycket tid. Skillnaden är att människan finns kvar som ett viktigt steg i processen.

När är automatiserad handling ett bättre alternativ?

I andra processer kan den manuella hanteringen främst innebära att en person bekräftar något som systemet redan har identifierat.

Där kan automation skapa ytterligare effektivisering.

Det kan exempelvis handla om återkommande processer med tydliga regler, stora mängder ärenden eller åtgärder där konsekvenserna är begränsade och det är enkelt att sätta gränsvärden.

Några exempel kan vara:

En leverans riskerar att bli försenad.
AI identifierar risken och en notifiering skickas automatiskt till ansvarig.

Ett kundärende kommer in.
AI analyserar innehållet, kategoriserar ärendet och processen skickar det vidare till rätt avdelning.

En avvikelse upptäcks i produktionen.
AI identifierar avvikelsen och en arbetsorder skapas automatiskt för kontroll.

Efterfrågan på en produkt förändras.
AI upptäcker trenden och ansvarig får automatiskt ett nytt beslutsunderlag eller en uppgift att granska lagernivån.

I samtliga fall används AI för att förstå informationen. Automation ser sedan till att rätt sak händer med resultatet.

EasyLogic kopplar samman analys och handling

För att automatisera nästa steg behöver AI kunna kommunicera med resten av verksamheten.

Det är här EasyLogic kommer in.

EasyLogic kan integrera AI med företagets befintliga system och låta data, regler och triggers styra vad som ska hända efter en analys.

Ett förenklat flöde kan exempelvis se ut så här:

Data samlas in → AI analyserar → ett villkor uppfylls → EasyLogic startar rätt process → berörda system uppdateras

En trigger kan vara att AI identifierar en viss typ av avvikelse, att ett värde passerar en bestämd nivå eller att ett inkommande ärende klassificeras på ett särskilt sätt.

EasyLogic kan därefter initiera de uppgifter som behövs. Det kan vara att skapa en arbetsorder, uppdatera ett affärssystem, skicka en notifiering, hämta kompletterande information eller starta ett nytt arbetsflöde.

På så sätt blir AI inte en separat funktion vid sidan av verksamheten. Analysen blir en del av processen.

Automatisera, men behåll kontrollen

Det behöver inte heller vara ett val mellan helt manuella och helt automatiserade processer.

I många fall är en kombination det bästa alternativet.

AI kan analysera informationen och EasyLogic kan automatisera delar av processen, men vid en viss punkt krävs ett godkännande från en medarbetare innan flödet fortsätter.

Ett företag skulle exempelvis kunna låta systemet hantera rutinmässiga avvikelser automatiskt, medan ovanliga eller mer kritiska händelser skickas vidare för manuell granskning.

Det skapar möjlighet att automatisera där det ger störst effekt, samtidigt som människor behåller kontrollen där deras kompetens och omdöme behövs.

Bygg vidare med fler funktioner och triggers

När en första process fungerar går den att utveckla.

En enkel integration mellan AI och ett affärssystem kan kompletteras med ytterligare datakällor. Fler triggers kan läggas till. Nya uppgifter kan automatiseras och fler system kan kopplas in i samma flöde.

Tänk exempelvis att ni börjar med att automatiskt skapa en arbetsorder när AI upptäcker ett produktionsfel.

Nästa steg skulle kunna vara att EasyLogic även hämtar information om maskinen och tidigare servicehistorik. Därefter kan rätt tekniker identifieras, en notifiering skickas och arbetsordern prioriteras utifrån hur kritiskt felet bedöms vara.

När arbetet är genomfört kan status uppdateras i affärssystemet och informationen sparas som ny data för framtida analyser.

En enskild automatisering har då utvecklats till ett sammanhängande arbetsflöde.

Börja med rätt balans

Den största nyttan med AI behöver alltså inte ligga i att automatisera allt.

För vissa processer räcker det långt att få bättre analyser och beslutsunderlag. För andra finns stor potential i att låta analysen automatiskt starta nästa steg.

Det viktiga är att förstå var människan tillför värde och var manuella moment istället skapar onödiga ledtider.

Med EasyLogic kan företag börja med ett enkelt flöde och sedan addera system, funktioner, uppgifter och triggers i takt med att behoven utvecklas.

På så sätt kan AI gå från att berätta vad som händer till att bli en del av vad som händer härnäst.

Vill du utforska hur AI-insikter kan omsättas till smartare och mer automatiserade processer i din verksamhet? Kontakta oss så berättar vi mer om möjligheterna med AI och EasyLogic.