לצוותי חיתום כמעט אף פעם אין רק בעיית קיבולת. יש להם בעיית תהליך עבודה: המידע מגיע בפורמטים שונים, אנליסטים מקלידים נתונים מחדש בין מערכות, חריגים נקברים בתיבות הדואר והחלטות ממתינות למסמכים שהיו זמינים כבר לפני שעות. ללמוד איך להפוך תהליכי חיתום לאוטומטיים פירושו לתכנן מחדש את מודל התפעול הזה בלי להחליש את בקרות האשראי, הסיכון והרגולציה.
המטרה אינה להוציא את שיקול הדעת האנושי מכל החלטה. המטרה היא להאיץ את העבודה השגרתית, לחשוף חריגים מוקדם יותר ולתת לחתמים תיק מלא וניתן למעקב כשנדרש שיקול דעת. עבור מלווים, מבטחים ועסקים אחרים שמונעים מסיכון, כאן האוטומציה מייצרת ערך מדיד.
התחילו מהחלטת החיתום, לא מכלי ה-AI
פרויקטי אוטומציה נתקעים כשצוותים מתחילים בבחירת פלטפורמת AI למסמכים או מוצר לתהליכי עבודה לפני שהגדירו את מסלול ההחלטה. חיתום אינו משימה אחת. זו שרשרת של קליטה, אימות, איסוף נתונים, ניתוח, הערכת כללים, הסלמה, קבלת החלטות, תקשורת ותיעוד.
מפו את תהליך העבודה הנוכחי מקבלת הבקשה ועד ההחלטה הסופית. תעדו כל העברה בין גורמים, מערכת, מקור נתונים, נקודת הזנה ידנית, סף אישור וסוג חריג. מדדו כמה זמן לוקח כל שלב, כמה פעמים מטפלים בכל תיק והיכן מתרחשת עבודה חוזרת. כך נחשפות המטרות בעלות הערך הגבוה ביותר לאוטומציה.
היקף ראשון מעשי הוא בדרך כלל תהליך עבודה צר, בנפח גבוה ועם כללים יציבים. לדוגמה, מבטח יכול להפוך לאוטומטי את החילוץ והאימות של נתוני היסטוריית תביעות (loss-run) לפני שחתם בוחן את הסיכון. מלווה מסחרי יכול להפוך לאוטומטיים את קליטת הדוחות הכספיים, בדיקות זהות הלווה וניתוב מבוסס מדיניות לבקשות בסיכון נמוך. תרחישי השימוש האלה מפחיתים עבודה ידנית ומשאירים את הסמכות הסופית היכן שהעסק צריך אותה.
בנו שכבת נתונים ואינטגרציה אמינה
אוטומציית חיתום נכשלת כשהיא הופכת לעוד ממשק מנותק. תהליכי עבודה בסביבת ייצור צריכים שהנתונים יזרמו בין המערכות שהצוותים כבר משתמשים בהן: CRM, פלטפורמות להפקת הלוואות או לניהול פוליסות, מאגרי מסמכים, מערכות ליבה בנקאיות, כלי תשלום, ספקי נתונים חיצוניים וסביבות דיווח פנימיות.
התחילו בהגדרת רשומת תיק קנונית. זהו הייצוג המובנה של בקשה, שכולל את פרטי המבקש, מסמכי המקור, השדות שחולצו, תוצאות האימות, היחסים המחושבים, אינדיקטורי הסיכון, סטטוס ההחלטה והיסטוריית האירועים. כל מערכת יכולה לשמור על תפקידה, אבל תהליך העבודה צריך רשומה עקבית כדי לתאם את הפעילות.
אינטגרציות API צריכות להתמודד עם תנאים תפעוליים אמיתיים, לא רק עם הדגמות של התרחיש האידיאלי. זה כולל הגשות כפולות, שדות חסרים, פסקי זמן אצל ספקים, שינויים בנתוני המקור, כשלים חלקיים בחילוץ וניסיונות חוזרים שלא יוצרים רשומות כפולות. יש לתכנן בקרות גישה מבוססות תפקידים, הצפנה, כללי שמירת מידע ולוגים מפורטים כחלק מהארכיטקטורה כבר מההתחלה.
בארגונים עם מערכות מורשת, החלפה ישירה היא לעיתים רחוקות הצעד הראשון הטוב ביותר. שכבת middleware או שירות אינטגרציה בהתאמה אישית יכולים לתזמר את האפליקציות הקיימות בזמן שיכולות חדשות מוכנסות בהדרגה. הגישה הזו מורידה את סיכון ההטמעה ומונעת מפרויקט לשיפור תהליך עבודה להפוך להגירת מערכות ליבה רב-שנתית.
הפעילו AI היכן שעבודה לא מובנית מאטה את התהליך
AI מועיל במיוחד בחיתום כשהמידע לכוד במסמכים, במיילים, בסיכומי שיחות ובתיאורים לא עקביים. הוא יכול לסווג הגשות, לחלץ שדות מדוחות ומבקשות, לזהות ראיות חסרות, לסכם היסטוריה רלוונטית ולהכין תקציר חיתום מובנה.
אין פירוש הדבר שמודל AI צריך לקבל כל החלטת אישור או דחייה. בהחלטות רגישות מבחינה רגולטורית, פלטי ה-AI צריכים ציון ודאות, הפניות למקור, כללי אימות ומסלול בקרה ברור. אם המערכת מחלצת הכנסה שנתית מדוח כספי, החתם צריך להיות מסוגל לראות את מסמך המקור, העמוד, תווית השדה ורמת הוודאות של החילוץ.
תכנון מבוקר מפריד בין לוגיקה דטרמיניסטית ל-AI הסתברותי. כללים עסקיים צריכים לטפל בדרישות מדיניות ברורות כמו גבולות כיסוי מינימליים, ספי יחס חוב להכנסה, מסמכים נדרשים, גבולות סמכות וקטגוריות סיכון אסורות. ה-AI יכול לטפל בפרשנות ובחילוץ, ואז לנתב ממצאים לא ודאיים לאדם.
ההבחנה הזו חשובה. מודל שפה יכול לסכם מסמך מורכב ביעילות, אבל אסור לו לעקוף בשקט את מדיניות החיתום. אוטומציה אמינה משתמשת ב-AI כדי להאיץ את הניתוח ולשפר את הכנת התיק, בעוד שמנועי כללים ואישורים אנושיים שולטים בגבול ההחלטה.
תכננו ניהול חריגים לפני עיבוד אוטומטי מקצה לקצה
עיבוד אוטומטי מקצה לקצה (straight-through processing) הוא בעל ערך, אבל הוא לא המדד היחיד להצלחה. בפעילויות חיתום רבות, ההזדמנות הגדולה יותר היא טיפול מהיר יותר בחריגים. מערכת מתוכננת היטב מזהה מדוע תיק אינו יכול להתקדם ומנתבת אותו לאדם הנכון יחד עם המידע הדרוש לפתרונו.
מסלולי חריגים נפוצים כוללים מידע סותר על המבקש, מסמכים שתוקפם פג, חילוץ ברמת ודאות נמוכה, נתוני צד שלישי שליליים, התנגשויות מדיניות, אינדיקטורים להונאה ותיקים שחורגים מהסמכות המואצלת. לכל חריג צריכים להיות בעלים, יעד רמת שירות, כלל הסלמה וקוד פתרון.
תהליך עבודה בסביבת ייצור צריך להציג את המצבים האלה בלוחות מחוונים תפעוליים. המנהלים צריכים לראות את הנפח שנכנס לכל תור, את משך ההמתנה לפי שלב, את שיעורי החריגים לפי מקור, את זמן התגובה להחלטה ואת הסיבות שבגללן תיקים יוצאים מהעיבוד האוטומטי. בלי הנראות הזו, צוותים יכולים להפוך את הקליטה לאוטומטית ופשוט להזיז את צווארי הבקבוק הלאה בתהליך.
איך להפוך תהליכי חיתום לאוטומטיים בשלבים
השקה מדורגת מגינה על התפעול ומוכיחה ערך כבר בשלב מוקדם. היא גם מאפשרת לבעיות של מדיניות, מודל ואינטגרציה לצוף לפני שהן משפיעות על כל הבקשות. רצף הטמעה מעשי כולל חמישה שלבים:
- אפיון ותכנון תהליך העבודה: הגדירו את תהליך היעד, סמכויות ההחלטה, דרישות הנתונים, קטגוריות החריגים, בקרות הרגולציה ומדדי ההצלחה.
- פיילוט על תרחיש שימוש אחד: הפכו לאוטומטי תהליך עבודה תחום, כמו סיווג וחילוץ מסמכים עבור קו מוצרים אחד או דרגת סיכון אחת.
- תיקוף מול תיקים אמיתיים: השוו את הפלטים האוטומטיים להחלטות של חתמים מנוסים, מדדו דיוק וזמן מחזור, וכווננו כללים ופרומפטים.
- פריסה עם פיקוח אנושי: נתבו את תוצאות האוטומציה לתורי הבקרה הקיימים, דרשו אישורים היכן שמתאים ונטרו כשלים מקרוב.
- הרחבה על סמך ראיות: הוסיפו סוגי מסמכים, מוצרים, מקורות נתונים ומסלולי החלטה אוטומטיים מקצה לקצה רק אחרי שהביצועים יציבים.
הפיילוט הנכון אינו בהכרח התהליך הפשוט ביותר. הוא צריך להיות תכוף מספיק כדי לייצר נתונים שימושיים, תחום מספיק כדי לנהל את הסיכון ומשמעותי מספיק כדי להדגים השפעה עסקית. תהליך עבודה שחוסך חמש דקות בעשרה תיקים בחודש לא יצדיק את אותו מאמץ הנדסי כמו תהליך שמסיר עבודה חוזרת מאלפי הגשות.
הגדירו בקרות שעומדות בביקורת ובשינויים
קריטריוני החיתום משתנים. הרגולציה משתנה. ספקי נתונים חיצוניים משנים את הפורמטים שלהם. יש לבנות את האוטומציה לבקרה מתמשכת, ולא להתייחס אליה כהטמעה חד-פעמית.
נהלו כללי החלטה בגרסאות, תהליכי אישור לשינויי כללים, מקרי בדיקה לתרחישים נפוצים ולמקרי קצה, ולוגי ביקורת שמתעדים אילו נתונים שימשו, איזה סט כללים הוחל, מי אישר את התוצאה ומתי התקבלה ההחלטה. בשלבים בסיוע AI, שמרו את מקור הקלט, הפלט, רמת הוודאות ופעולת הבודק, היכן שהמדיניות מחייבת זאת.
הבטחת האיכות צריכה לבדוק יותר מהתנהגות פונקציונלית. הצוותים צריכים לבדוק גבולות הרשאה, כשלי אינטגרציה, גרסאות שונות של מסמכים, סחיפת נתונים, ביצועי מודל ותנאי עומס שיא. תהליך עבודה שעובד על קבצי דוגמה נקיים אבל נכשל על מסמכים סרוקים, דוחות חלקיים או מבני מבקשים חריגים אינו מוכן לייצור.
גם הוגנות ויכולת הסבר מחייבות תשומת לב מכוונת. אם המלצות אוטומטיות משפיעות על תמחור, זכאות או סיווג סיכון, צוותי המשפט, הרגולציה והסיכונים צריכים לסייע בהגדרת הקלטים המותרים, ספי הבקרה, דרישות ההודעה על החלטה שלילית וקריטריוני הניטור. הבקרות הנכונות תלויות במוצר, בתחום השיפוט ובסוג ההחלטה, אבל הצורך הארכיטקטוני עקבי: כל תוצאה מהותית חייבת להיות ניתנת למעקב.
מדדו תוצאות תפעוליות, לא רק שיעורי אוטומציה
שיעור אוטומציה גבוה יכול להסתיר תוצאות גרועות אם החריגים עולים, אם ההחלטות דורשות יותר עבודה חוזרת או אם החתמים כבר לא סומכים על המערכת. עקבו אחר זמן המחזור מהגשה ועד החלטה, מספר הנגיעות הידניות לתיק, דיוק החילוץ, זמן פתרון החריגים, שיעור העבודה החוזרת, עמידה ברמות השירות ומדדי איכות החלטה שרלוונטיים לתיק שלכם.
מדדו גם אימוץ. אם חתמים מנוסים עובדים באופן קבוע מחוץ לתהליך העבודה האוטומטי, ההתנהגות הזו היא משוב על תכנון התהליך. היא עשויה להצביע על נתונים חסרים, סיכומי תיקים חלשים, כללים לא מעשיים או תור חריגים שלא תואם את העבודה בפועל. התגובה צריכה להיות שיפור תהליך העבודה, לא כפייה של שימוש במערכת לא אמינה.
תוכניות אוטומציית החיתום החזקות ביותר מתייחסות לטכנולוגיה כיכולת תפעולית. הן משלבות תכנון תהליכי עבודה בהתאמה אישית, אינטגרציות מאובטחות, לוגיקת החלטה שנבדקה ו-AI שמוגבל על ידי בקרות עסקיות אמיתיות. התחילו במסלול החלטה אחד שהצוות שלכם יכול למדוד, בנו אותו בסטנדרט של ייצור ותנו לראיות לקבוע לאן האוטומציה צריכה להתקדם.
