- Notas relacionadas
- Información general de Task Mining
- Instalación y configuración
- Assisted Task Mining
- Task Mining sin asistencia
- Recursos adicionales
- Guía de análisis de Task Mining sin asistencia
- Solución de problemas
- Glosario
- Preguntas frecuentes
Guía de análisis de Task Mining sin asistencia
Esta guía sirve como introducción al trabajo con los resultados del análisis de Unassisted Task Mining después de crear un proyecto, completar el registro de acciones y ejecutar un análisis. Está destinado a analistas empresariales, administradores de proyectos y otras personas que quieran aprender a interpretar los resultados de Unassisted Task Mining e identificar tareas con potencial de optimización. Esta guía también proporciona orientación sobre cómo manejar los resultados inesperados y el ruido del análisis.
Para generar resultados, el algoritmo de IA busca ocurrencias de la misma secuencia de pasos dentro de los datos registrados. Funciona sin ningún contexto y, por lo tanto, puede presentar candidatos a tareas que no capturan completamente las tareas de la vida real desde el principio hasta el final.
A veces, los resultados del análisis pueden incluir tareas y pasos que son irrelevantes desde una perspectiva empresarial. Esto se considera ruido. Para identificar los candidatos a la automatización, es importante que el revisor diferencie entre tareas de alta calidad y ruido.
Las tareas identificadas por el algoritmo de IA pueden alinearse con tareas de la vida real, pero también pueden diferir de lo esperado. No todos los candidatos a tareas son adecuados para la automatización, y el revisor debe estar familiarizado con los diferentes tipos de resultados que pueden encontrar. Los candidatos a tareas identificados pueden:
- No mostrar las tareas esperadas
- Mostrar tareas inesperadas
- Dividir una tarea de la vida real en varias
- Capturar parcialmente una tarea sin el inicio y el final reales
1. Los resultados no muestran las tareas esperadas
Unassisted Task Mining aplica un algoritmo para identificar tareas, que pueden ser buenas candidatas para la automatización o la optimización de procesos. No se garantiza que el algoritmo de IA detecte nada, y puede detectar un proceso parcial o incluso un proceso más grande de lo esperado. Siguiendo los pasos proporcionados en este documento, el revisor puede determinar si las tareas identificadas son adecuadas para la automatización. Dado que no se garantiza que Unassisted Task Mining detecte tareas conocidas o seleccione cada variación o iteración, no debe utilizarse únicamente para supervisar tareas conocidas. Assisted Task Mining se adapta mejor a los casos de uso para documentar o revisar tareas conocidas.
2. Los resultados muestran tareas inesperadas
Unassisted Task Mining identifica candidatos a tareas que luego se clasifican por su potencial como oportunidades de automatización. Algunos resultados pueden no ser representativos de una tarea de extremo a extremo de la vida real, pero el revisor aún puede identificarlos como buenos candidatos para la automatización en función de los pasos presentados en este documento.
3. Los resultados dividen las tareas reales en varias tareas de Task Mining
The Unassisted Task Mining algorithm looks for the most frequently occurring and consistent sequence of steps. Depending on how consistently users executed the task, a real-life task may be split up into multiple tasks in the result. The end of one task may be the start of the next one. The task might still be suitable for automation or process improvement actions. In that case, we recommend exporting these subtasks to Process description documents (.docx).
4. Los resultados capturan parcialmente una tarea sin el inicio o el final reales
El algoritmo de IA identifica las secuencias de pasos más consistentes como tareas. Dependiendo de la variabilidad de los usuarios que ejecutan la tarea, la mitad de una tarea puede ser más consistente que el inicio y/o el final, lo que hace que el algoritmo detecte esta subtarea como candidata en lugar de la tarea completa de extremo a extremo.
Es probable que esto ocurra cuando el inicio y/o el final de una tarea implican aplicaciones altamente multifuncionales como Outlook, Excel, etc. Es probable que estas aplicaciones se utilicen durante múltiples tareas, y es difícil para el algoritmo distinguir ocurrencias específicas de ellas como el inicio o el final de una tarea. En este caso, recomendamos centrarse en la mayor parte de las tareas, sin cubrir el 100 % de todos los clics que ha hecho un usuario. Si la tarea es candidata adecuada para la automatización, se puede añadir el inicio y/o el final que faltan al crear la automatización.
Dependiendo de los datos registrados, el algoritmo de Task Mining puede identificar muchas tareas. Por lo tanto, es importante que el revisor priorice qué candidatos analizar primero para no perder tiempo en tareas que probablemente no sean candidatas adecuadas para la automatización. La descripción general del análisis y la vista tabular Tareas en la pestaña Resultados proporcionan información para esta priorización.
Las tareas en los Resultados están ordenadas por la probabilidad de que sean un candidato de automatización adecuado. Cuanto más arriba esté la tarea en la lista, más probable es que sea una buena candidata a la automatización. La tarea con la 'Tarea 1' ha sido identificada como la mejor candidata a la automatización por el algoritmo Unassisted Task Mining, teniendo en cuenta varios factores, incluyendo la repetibilidad y la complejidad. Sin embargo, esta clasificación no indica la calidad general de los resultados de Task Mining, pero es más probable que la "Tarea 1" sea un mejor candidato para la automatización que la "Tarea 10".
Al analizar una tarea en función de la clasificación predeterminada, puede ocurrir que esta tarea tenga un alto potencial de automatización, pero la tarea de extremo a extremo no sea del todo correcta. En ese caso, se recomienda comprobar si hay candidatos a tareas alternativas en función de una clasificación diferente. Como revisor, puedes cambiar la clasificación estándar seleccionando el icono de ordenación para los encabezados de columna en la vista tabular Tareas. Esto te permite identificar tareas con un alto potencial de automatización en función de diferentes métricas. Una vez que hayas encontrado una tarea representativa, puedes seleccionarla y marcarla como Favorita.
Céntrese en las tareas de mayor rango. En general, las tareas de mayor rango son de mayor calidad. Los candidatos a tareas clasificados más allá de 10 o 20 suelen ser de menor calidad.
Investiga las métricas de las diferentes tareas. Cada tarea muestra diferentes métricas, como el tiempo total dedicado por los usuarios de grabación a esta tarea, el número de usuarios de grabación que han realizado esta tarea, el número medio de acciones en la tarea, etc. Ten en cuenta estas métricas en tu análisis y aplica tus propios criterios en función del contexto empresarial de tu proyecto.
Por ejemplo, si una tarea tiene una duración total, un número de seguimientos y acciones mucho más cortos en comparación con otra tarea, esto podría indicar que la tarea tiene un potencial de automatización más bajo. Sin embargo, ten en cuenta que no hay directrices generales sobre la duración total de todas las tareas identificadas por el algoritmo de IA. Duración total que se mantiene en todos los estudios de Task Mining. Estas métricas siempre deben interpretarse en el contexto empresarial del proyecto específico.
Utiliza la funcionalidad Favoritos y renombrar. Al priorizar las diferentes tareas para un análisis más profundo, es importante mantener una visión general de lo que se ha priorizado o incluso de lo que ya se ha analizado. Marcar tareas como Favoritos y renombrar tareas con un nombre descriptivo puede ayudar a estructurar el análisis.
Una vez que el revisor haya priorizado diferentes tareas, tu análisis puede comenzar. Para guiar al revisor, la siguiente sección proporciona primero algunas ideas a tener en cuenta durante el análisis y luego proporciona una guía paso a paso sobre cómo navegar por la vista de análisis.
Los pasos se basan en pantallas. La tarea y sus pasos se muestran a nivel de una interfaz/pantalla de usuario única y no representan acciones individuales de clic o escritura. El algoritmo de IA suele agrupar varios clics o acciones de escritura que se producen en la misma pantalla en un solo paso. Por lo tanto, el gráfico no muestra cada clic o acción de tipo individual.
Una tarea necesita al menos dos pasos (pantallas) para ser identificada como tal. Para que el algoritmo de Task Mining identifique una tarea, debe constar de un paso claro de inicio y final. Por lo tanto, una acción que solo se realiza en una pantalla no se identificará como una tarea.
Los pasos son los mismos en las diferentes tareas. Los pasos no están vinculados a una tarea específica. Un paso que ocurre en una tarea también puede ocurrir en otra.
El algoritmo de enmascaramiento de PII puede enmascarar incorrectamente o no como PII. El módulo Información de identificación personal (PII) es un algoritmo de IA que detecta la PII en las pantallas. Puede ocurrir que el algoritmo cometa un error y que parte de la PII no esté enmascarada o que el texto que no sea PII esté enmascarado. Estos errores dependen del texto detectado en la pantalla, así como del contexto de las propias palabras. Si el OCR no captura con precisión el texto o está parcialmente cortado, es posible que no se enmascare. Además, si otras palabras en la pantalla son diferentes, es posible que el mismo texto se identifique como PII en una pantalla y no como PII en otra.
Si una tarea no tiene sentido visual al examinar los seguimientos, es probable que no sea una tarea de alta calidad. El algoritmo puede detectar tareas ruidosas e irrelevantes, especialmente para tareas con rangos más bajos en la clasificación de tareas. Estas tareas pueden ser cortas o largas. Una vez que esto quede claro después de examinar algunos rastros, no debes perder el tiempo tratando de interpretarlos.
Busca la mayor parte del proceso (regla 80/20). Es posible que las tareas no se alineen completamente con la tarea de la vida real esperada, sino que solo cubran parcialmente una determinada parte de ella. Como ya se ha mencionado anteriormente, dependiendo de la variabilidad de las acciones realizadas por los usuarios de grabación que ejecutan la tarea, ciertos pasos de una tarea pueden ser más coherentes que otros, lo que hace que el algoritmo solo detecte ciertos pasos de la tarea en lugar de la totalidad de los mismos. finalizar tarea.
La tarea podría seguir siendo adecuada para la automatización independientemente de los pasos perdidos. Estos pasos perdidos se pueden añadir al crear la automatización.
Desplázate por los resultados. Los seguimientos de una tarea y las capturas de pantalla de los pasos se ordenan cronológicamente. Por lo tanto, se recomienda desplazarse por las listas para revisar los resultados en varios puntos.
Para analizar de cerca los candidatos a tareas descubiertos, sigue los pasos que se indican a continuación. Esto ayudará a diferenciar entre los candidatos a la automatización y el ruido.
Once you have selected tasks that are candidate for automation, we recommend to submit an idea for automation by exporting selected to Automation Hub.
Cambiar el nombre de los pasos tiene dos propósitos. En primer lugar, hace que los pasos sean más interpretables. En segundo lugar, te permite distinguir entre alta calidad y ruido. Dado que los pasos pueden ocurrir en varias tareas, cambiarles el nombre te ahorrará la molestia de volver a revisarlos en la siguiente tarea. Algunas mejores prácticas:
- Paso de alta calidad: cambiar el nombre a Nombre de la aplicación + verbo + nombre. No es posible filtrar por aplicaciones, pero puede filtrar por nombres de paso. Cuando se utilizan varias aplicaciones para la tarea, el análisis es más fácil.
- Pasos de ruido: cambiar el nombre a ruido.
