Rubrika: Nezařazené

Umělá inteligence (AI) je v poslední době jedním z nejžhavějších technologických trendů a stala se
předmětem zájmu široké veřejnosti. AI była vždy pravidelně zveřejňována zpravodajskými portály,
ale nikdy nebyla tak populární jako ve čtvrtém čtvrtletí roku 2022. Důvodem je ChatGPT, což je
software schopný odpovědět na jakoukoli otázku. Co to je? Jak to použít? Kdo z toho může mít
prospěch a kdo může ztratit? Odpovědi si přečtěte níže.

Fenomén ChatGPT – o co vlastně jde?
ChatGPT získal milion uživatelů za pouhých 5 dní. Abychom viděli, jak obrovský je tento úspěch,
srovnejme jej s ostatními vůdci. Instagram čekal 2,5 měsíce, Facebook 10 měsíců, zatímco Netflix přes
3 roky, než získal tolik uživatelů!
Z technologického hlediska není AI novinkou. Studie o této technologii byly prováděny již několik
desítek let a je již dlouhodobě používána na denní bázi, například na rozpoznávání obličeje v
mobilních telefonech nebo v adaptačních systémech v autech. Tak proč je najednou ChatGPT tak
populární?

Co je ChatGPT?
ChatGPT, jak už jeho název napovídá, je založen na technologii GPT, tedy Generative Pre-trained
Transformer. Jedná se o jazykový model vyvinutý společností OpenAI, který umožňuje automaticky
generovat texty na základě vstupních dat. Toho bylo docíleno ”tréninkem” na obrovském množství
dat. Díky tomu je schopen předpovídat slova a věty na základě předchozího textu.
ChatGPT se opírá o jazykový model GPT-3, publikovaný v roce 2020. Skládá se z až 175 miliard(!)
parametrů.

Modely GPT se učí z obrovské základny online zdrojů:
• mnoho populárně vědeckých platforem, např. Wikipedie;
• všechny dostupné zdroje textů a knih, včetně akademických prací,
• veřejné online platformy a zpravodajské služby;
• různé blogy.
Celkem asi 45 TB dat! Je třeba zdůraznit, že tyto údaje nejsou průběžně importovány. To znamená, že
nemůžete získat informace o aktuálních událostech, dokud je ChatGPT znovu nezpracuje.
Důležité je, že první verze modelu GPT se objevila v roce 2018. To ukazuje, jak rychle takové
technologie rostou, a dokazuje, že nová řešení budou vznikat stále rychleji. Závěr je takový, že jsme
právě svědky nové revoluce v oblasti umělé inteligence.

K čemu můžete ChatGPT používat?
Tato technologie může být použita různými způsoby. V současnosti se nejčastěji využívá ke studiu
strojového učení a přirozeného jazyka.
Model Chat GPT je velmi flexibilní. Může být použit v různých situacích, které vyžadují lidské
komunikační schopnosti. A to znamená také velký potenciál v businesse!
Lze jej použít k následujícímu:
• generovat odpovědi na otázky uživatelů v systémech zákaznických služeb;
• vytvářet automatické odpovědi pro chatboty;
• psát odpovědi při rozhovoru s lidmi přes internet;
• vytvářet obsah pro PC nebo mobilní aplikace chatbotů;
• automatizovat překlady.
Výstupní obsah je působivý, protože se ukazuje jako správný z hlediska jazyka a přirozený z hlediska
zvuku. Očividně se vyskytují gramatické chyby – zejména v polštině, která je v tomto ohledu jedním z
nejobtížnějších jazyků.

Je ChatGPT připraven nahradit lidského partnera?
Skupina vědců z Fakulty IT a ICT Technické univerzity ve Vratislavi prověřila ChatGPT v rámci iniciativy
CLARIN. Tým položil AI přes 38 tisíc otázek ve 25 kategoriích.
Jejich cílem bylo zkontrolovat:
• jak by technologie mohla reagovat na sarkasmus,
• jak by mohla vykládat širší kontext řeči,
• jak je schopna porozumět vtipům.

Výsledky byly srovnatelné s výsledky použitelnými pro jiné aktuálně nejlepší modely zpracování
přirozeného jazyka (tzv. SOTA: state of the art).
Podle vědců z Wrocław University of Technology si ChatGPT vedl o něco hůře než jiné technologie
tohoto druhu. Studie ale ukázaly, že je velmi užitečný pro rychlé vyhledávání informací. Pokud však
upřednostňujete vysoce kvalitní závěry, výsledky vyhledávání se mohou ukázat jako nedostatečné.
Klíčovými výhodami ChatGPT se ukázalo být povědomí o kontextu a možnost přizpůsobení odpovědí.
Na druhou stranu chat se nebyl schopen adaptovat v případě náhlé změny tématu.
Abychom to shrnuli, ChatGPT je obrovská příležitost. Jeho využívání však s sebou nese četná
nebezpečí. Časté používání, může způsobit to, že uživatelé nebudou mít potřebu procházet zdroje
informací a budou považovat něco za správné, aniž by to musela být pravda.
Změny, které plynou z používání pokrokových technologií, se týkají i sociální oblasti. Stačí se podívat
na výsledky používání běžné GPS navigace nebo systémů, které automaticky navrhnou
„nejvhodnější“ produkty v internetových obchodech. V této souvislosti přicházejí otázky o svobodě
volby nebo lidských dovednostech – to je vlastní používání mapy nebo schopnost pohybovat se v
prostoru a hledat informace sami.
Navzdory tomu mají moderní technologie velký potenciál a lidé se musí naučit využívat je rozumně ve
svůj prospěch.

Autor: Monika Serafin – Service Delivery Manager

 

Source:

https://www.politykabezpieczenstwa.pl/pl/a/chatgpt-co-to-takiego-jak-z-niego-skorzystac

https://www.fxmag.pl/artykul/goracy-temat-inwestowanie-w-sztuczna-inteligencje-sprawdzamy-jakie-spolki-zajmuja-sie-sztuczna-inteligencja-i-na-jakie-elementy-zwracac-uwage-przy-inwestowaniu-w-ai

https://pwr.edu.pl/uczelnia/aktualnosci/chatgpt-wywolal-rewolucje-jak-wiele-zmieni-w-naszym-zyciu-12824.html

V IT průmyslu se nový rok 2023 ukazuje jako velmi zajímavý. Zvyšuje se význam automatizace,
umělé inteligence a analýzy velkých dat, stejně jako nových metod ochrany proti hackerům. Podle
odhadů Gartner Institute vzrostou celosvětové výdaje na IT v roce 2023 o více než 5 %, tj. 4,6
bilionu dolarů. Podle zprávy Deloitte budou v následujících měsících dominovat nové
technologické trendy, které budou mít brzy značný vliv na rozvoj společností. Výše uvedený růst
budou řídit následující tři aspekty: správa technologií, digitální bezpečnost a modernizace
platforem.

TECHNOLOGICKÝ TREND Č. 1 – METAVERSE, čas kdy podniky začínají využívat možnosti AR a VR
Metaverse je virtuální svět, který lze používat prostřednictvím AR aplikace a VR headsetu. Doposud
se takové zážitky omezovaly především na zábavu. Tato technologie má však obrovský potenciál I v
jiných oblastech. Odhaduje se, že do roku 2026 bude přibližně 25 % spotřebitelů trávit ve virtuální
realitě přibližně jednu hodinu denně.
V současnosti tuto technologii využívá pouze 30 % společnost, ale předpokládá se, že toto číslo bude
stoupat. Některé podniky již začaly využívat výhod „neomezené virtuální reality“ k budování business
modelů.
Současné trendy ukazují, že internet se brzy stane skvělým místem pro interakci se zákazníky. Díky
takovému přístupu bude možné lépe budovat loajalitu a oddanost k firemním produktům.

TECHNOLOGICKÝ TREND Č. 2 – UMĚLÁ INTELIGENCE, umístit bezpodmínečnou důvěru do umělé
intelligence?
Podniky, které úspěšně využívají umělou inteligenci (AI) mají v mnoha ohledech konkurenční výhodu.
Algoritmy založené na umělé inteligenci mohou provádět úkoly podobné lidským. Díky tomu jsou
schopny přijímat rozhodnutí, která přesahují jednoduchá obchodní pravidla, spoléhajíce se na
strojové učení.

Společnosti, které mají záměr rozvíjet a rozšiřovat vliv umělé inteligence ve svém podnikání, musí
znát význam důvěry v AI, zejména v ohledu bezpečnosti dat.
Z tohoto důvodu si zákazníci vyberou technologie, které dokážou prokázat důvěryhodnost.

TECHNOLOGICKÝ TREND Č. 3 – CLOUD, jak ovládat chaos nad cloudu
V současnosti již mnoho podniků využívá cloudová řešení a jejich potenciál se stále zvětšuje. Bohužel
se mnoho firem cítí přehlceno množstvím cloudových aplikací.
Řešením tohoto problému může být multicloud. V souladu s předpoklady této technologie jde o
optimalizaci složitosti cloudových prostředí a sloučení jejich správy do jednoho ovládacího panelu.
Multicloud však naráží v ohledu na kybernetickou bezpečnost.

TECHNOLOGICKÝ TREND Č. 4 – LIDÉ, jak důležitá je flexibilita IT personálu
Rychlý technologický rozvoj přináší obrovské výzvy pro lidi a jejich dovednosti. Organizace nejsou
schopny najímat nové zaměstnance, kteří mají specifické dovednosti použitelné například jen v
jednomu programu, programovacím jazyku. Proto zkušení manažeři volí flexibilní členy týmu, kteří se
dokáží rychle adaptovat na změny a rozšiřovat své kompetence.
Díky tomu jsou moderní společnosti schopné zaměstnat, podporovat a udržovat nejlepší odborníky.
Takové subjekty si zajistí trvalý přístup k profesionálům nabídkou atraktivních pracovních podmínek a
promyšlené organizační struktury. Ta je založena nejen na IT schopnostech, ale také na mezilidských
dovednostech. To umožňuje zaměstnancům pružně se rozvíjet v oblasti nových technologií uvnitř
společnosti.

TECHNOLOGICKÝ TREND Č. 5 – DECENTRALIZACE ARCHITEKTURY A EKOSYSTÉMŮ, to je technologie
blockchainu
Blockchain je seznam záznamů propojených pomocí kryptografie, který se používá v aplikacích,
busuiness modelech, systémech, IT architektuře, dodavatelském řetězci a kybernetické bezpečnosti.
Systémy založené na této technologii se staly klíčovými při vytváření a monetizaci digitálních aktiv.
Jsou také používány k budování digitální důvěry.
Zvýšené povědomí o potenciálu této technologie vychází z celkového pochopení její role při
posilování důvěryhodnosti. Toto řešení přináší neocenitelné výhody rostoucí skupině podniků.

TECHNOLOGICKÝ TREND Č. 6 – MODERNIZACE SYSTÉMU, jak mainframe získává na síle
Vzhledem k rychle se měnícím technologiím již není výhodné zbavovat se zastaralých a málo
používaných systémů. Proto se společnosti snaží je modernizovat a kombinovat s novými
technologiemi.
Technologie mainframe je zárukou podpory stávajícího softwaru po několik desetiletí. Díky tomu
umožňuje provoz některých IT řešení, která pocházejí z minulého století.
Velká skupina podniků se domnívá, že nezpochybnitelné výhody technologie mainframe nelze
přeceňovat. Samostatné servery mainframe se ukazují jako nejefektivnější na trhu. Navíc zajišťují
flexibilní škálovatelnost, vysokou dostupnost (HA) a nepřetržitý provoz v případě závažných poruch
(DR).

Jak je patrné, současné technologické trendy kladou velký důraz na automatizaci a integraci systémů
na jedné straně a bezpečnost na straně druhé. Výsledkem je, že se zdá výhodné je dlouhodobě
následovat.

 

Autor: Monika Serafin – Service Delivery Manager

Source:

https://www.rp.pl/analizy-rzeczpospolitej/art37619441-technologiczne-trendy-na-2023-r

https://www2.deloitte.com/pl/pl/pages/technology/articles/trendy-technologiczne-tech-trends-raport.html

https://www.computerworld.pl/news/10-trendow-technologicznych-na-2023-r-prognoza-Gartnera,441848.html

Roboti, stejně jako my, ne vždy dávají pozor na naše okolí. Rozdíl mezi nimi a námi je v tom, že robot musí předvídat všechna potenciální selhání a musí být připraven (samozřejmě s pomocí vývojáře) na nadcházející komplikace. Kdysi jsem se naučil, že správa chyb je klíčovým faktorem automatizačního projektu z cca 80%. S tím plně souhlasím. Kromě toho, když chybí část pro zpracování chyb, pak já – robot, nemusím fungovat tak, jak je po mě vyžadováno. Rozhodujícími body jsou interakce s lidmi. Když nejsou vstupní data extrahována nebo stažena z aplikací, ale jsou dodána člověkem, což znamená, že tento vstup je připraven ručně, pak existuje vysoké riziko, že robot obdrží chybná data nebo data související se scénářem, který není zpracován. V takovém případě je třeba zavést preventivní opatření.

Poka Yoke

Z metodologie Lean Six Sigma pochází přístup zvaný Poka-Yake (v japonštině: odolný proti chybám). Zabraňuje funkčnosti nesprávným používáním daných nástrojů. Například, když má být robot spuštěn pomocí e-mailu zaslaného operátorem, je připraven list aplikace Excel jako šablona pro uživatele, která poskytne vstupní data. Na základě kontrolního souboru XLSX robot zpracuje validaci dat a poté provede plánované kroky. Řešení lze navrhnout na základě jazyka Visual Basic nebo procedur ověřování dat. Uživatel tak získá účinný nástroj, který mu zjednoduší práci a zároveň zabrání robotovi v páchání chyb. Přirozeně to má tendenci vést k situaci, kdy chybné příkazy robot vůbec nedostane. Není-li na straně operátora možné předběžné ověření údajů.

Prostředí aplikace a práce robota

Dalším zdrojem chyb je chybějící kontrola nad prostředím, ve kterém robot pracuje. Například není znám stav robotické stanice:

• Zanechal za sebou proces, který dříve běžel, nepořádek?
• Byly pro spuštění nutné aplikace?
• Jsou licence dostupné pro každou z používaných aplikací?
• Jsou zdroje RAM dostatečné?

Lze se setkat s chybami při startu procesu i během jeho průběhu. Aby se proces správně rozběhl, musí mít robot možnost připravit si pracovní prostředí, tedy uzavřít všechny nepotřebné aplikace běžící jak v procesu robota, tak v dalších procesech spuštěných pro stroj, na kterém robot pracuje. Když necháme na počítači paralelně běžet několik relací, je důležité zavřít aplikace z příslušné relace. Možnost ukončit, bohužel, nerozlišuje mezi aplikací, kterou jsme právě spustili, a aplikací spuštěnou jiným uživatelem, takže musíme dávat pozor, aby robot nezavřel funkce věnované jiným procesům, než je ten náš.

Připravení na každý scénář

I když víme, jak daný program dobře funguje, neznamená to, že tento program funguje identicky na straně klienta. Nejprve musíte celý proces probrat s obchodním analytikem, abyste rozpoznali a pojmenovali kritické body, u kterých v případě manuálních operací existuje riziko selhání. S jejich znalostmi může dobrý vývojář definovat kroky procesu, které vyžadují zvláštní pozornost. Naštěstí existuje mnoho různých nástrojů pro správu takových scénářů, které lze mnoha způsoby kombinovat. Například pro strukturu „Try-catch“ můžeme vybrat více než jeden akční scénář v závislosti na typu vrácené chyby, abychom nechali některé z nich zpracovat ještě jednou. Takže chyba typu „Selector not found“ může vést k závěru, že webová aplikace ještě nezačala zpracovávat. Poté musíme počkat dalších 30 sekund. Zatímco ostatní chyby ukončí práci na transakci a robot sáhne po dalším úkolu z fronty.

XELTO DIGITAL rámec

Jakákoli dlouhotrvající analýza zaručuje, že robot je dobře připraven na jakýkoli scénář. Proto je velmi důležité postavit takovou strukturu robota, která dokáže předvídat různé druhy dosud neznámých chyb, které budou standardně zpracovávány. Tímto výchozím způsobem může být odhlášení z provozu aplikace, zavření prohlížeče a restart procesu. Již jsme se zmínili o našem frameworku – klikněte pro vyvolání – který se používá v každé automatizaci, kterou dodáváme. Jedním z jeho klíčových faktorů je toto výchozí zpracování chyb. Díky těmto zařízením lze v práci pokračovat, i když nastane nepředvídatelný scénář.

Standardizovaná nomenklatura chyb

V neposlední řadě je problémem při zpracování chyb komunikace. V závislosti na daném scénáři může být problém dočasný nebo může vyžadovat prošetření operátora nebo vývojáře. Xelto Digital Framework má vestavěný mechanismus pro rozlišení mezi systémovými chybami a obchodními chybami. Obchodní chyby jsou odesílány uživatelům pracujícím s robotem, zatímco systémové chyby jsou záležitostí opravných akcí poskytovatele. Pojmenování chyb je velmi důležitým prvkem zavedeným do Frameworku a pomáhá organizovat zpracování chyb v procesech, do kterých je zapojeno několik robotů. Tímto způsobem není důležité, u kterého robota je konkrétní chyba nalezena – důležitý je význam chyby a způsob řešení, které jsou pro všechny roboty stejné.

Nejdůležitější a nejtěžší

Sečteno a podtrženo, zpracování chyb je jedním z nejobtížnějších a nejzásadnějších kroků v návrhu automatizace. Automatizace musí být vícevrstvá, počínaje validací vstupních dat a online kontrolou připojení, přes monitorování rizikových míst až po zpracování nepředvídatelných scénářů.

Autor:  Rafał Korporowicz – Senior RPA Developer

První sezóna série o mých dobrodružstvích právě skončila. Rád bych tedy krátce shrnul, co se za posledních pár měsíců událo. Pokud jste kráčeli po mých stopách, pak dobře víte, že jsem se z obyčejného robota proměnil v docela avantgardního Eda Robotowského. Už nějakou dobu nosím oblek, vystupuji bezvadně, rád poznávám nové lidi a připojuji se k týmům našich klientů. Na konci první sezóny vám prozradím tajemství. V týmu XELTO DIGITAL jsem Ed, ale po automatizaci procesů a přijetí do týmů našich klientů od nich dostanu nové jméno a s každým z týmů se pouštím do nových, ještě zajímavějších dobrodružství. Pokud jste zvědaví na jména, která jsem zatím dostal, včetně těch ženských, pak sledujte druhou sezónu. Mezitím se ještě naposledy v letošní sezóně dozvíme o mém a Kamilově názoru na způsoby automatizace procesů v systému SAP ERP.

Jak to vidí expert:

ERP systémy jsou běžnou součástí velkých výrobních společností, se kterými se setkáváme v kontextu automatizace většiny procesů. ERP systémy sledují obchodní zdroje, jako jsou hotovost, suroviny nebo výrobní kapacity a stav obchodních závazků, například objednávky, nákup a mzdy. Aplikace tvořící systém sdílejí tato data a vytvářejí integrovaný a neustále aktualizovaný pohled na základní obchodní procesy s využitím sdílených databází určených k jejich správě.

Jako průkopník a lídr na trhu ve vytváření takového softwaru byl a stále je SAP. Při správné implementaci se systém SAP ERP vyznačuje vysoce rozvinutým výkonem a stabilitou, což z něj dělá dobrý základ pro automatizaci. Stačí říci, že samotný systém je navržen tak, aby umožňoval automatizaci některých akcí: má vestavěný registr maker, která lze použít i v našich robotech, ale k tomu se vrátím později.

POZNÁMKA: Je třeba mít na paměti, že abychom mohli využívat všechny výhody automatizace, musíme ji nejprve aktivovat na serveru. To se děje u transakce RZ10, kde musíme upravit příslušné parametry.

Nesporným přínosem automatizace systému SAP ERP je široká škála metod dostupných pro automatizaci. Roboti vytvoření pomocí UiPath mohou čerpat z celé databáze univerzálních akcí, které obvykle bez problémů komunikují s rozhraním SAP a vytvářejí velmi stabilní a jednoznačné selektory.

Kromě výchozích akcí UiPath navíc připravil sadu věnovanou pouze SAP. Jedná se o ty nejčastější, jako je přihlášení do systému, výzva k relevantním transakcím nebo přečtení aktuální zprávy na stavovém řádku. Práci na automatizaci zefektivňují a nemusíme trávit čas programováním všech akcí od nuly.

Další metodou, kterou jsem již zmínil, je záznam skriptů pomocí registru maker v SAP a jejich vyvolání pomocí kódu. Můžeme tak provádět akce, které nelze provádět v době, kdy rozhraní používáme standardním způsobem (např. kontrola více sloupců v tabulce najednou), nebo je můžeme provádět efektivněji. Může se také jednat o jakési řešení, kdy základní úkony neplní svůj účel, ale to se nestává příliš často.

Stručně řečeno: procesy podporované systémem SAP ERP se po splnění několika podmínek velmi dobře hodí pro automatizace. Způsob, jakým aplikace pracuje s UiPath a její stabilita nám umožnují domnívat se, že takto automatizované procesy nezpůsobí žádné problémy při používání a nebudou vyžadovat velké náklady na údržbu.

Author: Kamil Ga؜wl؜ista – RPA Developer

Foto: Freepik

Většina našich klientů užívala prázdniny a já díky tomu měl víc času rozšířit si obzory. Díky laskavosti mých kolegů jsem se naučil hodně o automatizaci a dalších souvisejících oborech. Můj přítel Rafał souhlasil, že se se mnou podělí o své znalosti filozofie LEAN SIX SIGMA.

Oko odborníka:

Lidé, se kterými často mluvím, se mě ptají, zda lze daný proces automatizovat. Do jisté míry sebevědomě vždy odpovídám ano, lze. Přesto vždy dodávám, že důležitější otázkou je, zda lze proces automatizovat v současné podobě.

Říká se, že jedinou konstantou v životě je změna.

Totéž platí pro procesy, které se neustále vyvíjejí změnami prostředí, ve kterém pracují. Mohou to být změny právní, technologické, vnitřní struktury nebo profilu zákazníka. Například: práce s papírovými dokumenty ustupuje jejich digitálním protějškům, což si například vynutilo implementaci nástrojů pro digitální podpis.

To také vede k nasazení metodiky pro řešení implementace kontinuálního zlepšování. Jedním z nich je LEAN SIX SIGMA, což je kombinace konceptů Lean a Six Sigma, která se snaží implementovat a kombinovat nejlepší řešení z obou směrů.

Genichi Genbutsu – volně přeloženo jako „jdi a uvidíš.“ Podstatou toho je, že manažeři by neměli trávit čas jen za stolem, ale také se jít podívat na příčiny problémové situace přímo ke zdroji, tedy tam, kde se konkrétní produkt vyrábí. Jde o to, že pro řešení konkrétních problémů je nutné se nejprve důkladně seznámit s každou fází procesu, provést analýzu a vyvodit závěry. Pro automatizaci podnikových procesů to znamená, že manažeři a ředitelé by také měli být obeznámeni s procesy prováděnými jejich podřízenými. To jim usnadňuje identifikaci, které procesy by měly být z pohledu firemní strategie automatizovány jako první. Rozhodnutí by měla být založena na následujících krocích:

1. Nastavení cíle
2. Výběr oblasti
3. Vizualizace procesu
4. Pozorování a kladení otázek
5. Kontrola pozorování
6. Identifikace rozdílů mezi současnou a budoucí situací
7. Prezentace výsledků

Sled těchto po sobě jdoucích událostí je velmi podobný dalšímu vydání Lean Six Sigma, což je cyklus DMAIC skládající se z pěti fází.

DEFINOVAT

Fáze Definování umožňuje přesně určit, o jaký problém se jedná a co je nutné k jeho vyřešení. Takto nastavený cíl by měl být SMART, tj. konkrétní (S), měřitelný (M), dosažitelný (A), relevantní (R) a založený na čase (T).

 MĚŘIT

To vám umožní přejít do další fáze, tedy měření, kde popíšeme, jak provádět pozorování, a poté provést příslušné výpočty k určení aktuální efektivity procesu.

ANALYZOVAT

To vede přímo k další fázi – Analýzy.

ZLEPŠOVAT

V této fázi již máme k dispozici základní data pro rozhodnutí, která nám umožňují realizovat potřebné změny ve fázi Zlepšení. Vymyšlené řešení by mělo být otestováno, zkontrolováno a nakonec implementováno. K tomu můžete použít cyklus PDCA a FMEA.

KONTROLOVAT

Poslední fází je kontrola, která je navržena tak, aby ověřila vytvořené předpoklady a určila, zda byl konkrétní problém vyřešen.

Již zmíněný PDCA, známý jako Demingův cyklus, je založen na rozdělení implementace vylepšení do čtyř fází:

1. Plánovat – hlavní zaměření na to, co nefunguje správně
2. Dělat – implementace změn jako test
3. Kontrolovat – kontrola výsledků, zda test prošel
4. Jednat – implementace do výroby

Metodická kruhovitost je zde charakteristická, protože konec fáze Jednat by měl vést k opětovnému zahájení fáze Plánovat. Pokud je však experiment neúspěšný, měli byste přeskočit implementaci do produkční fáze a vrátit se k přípravě nového plánu – dokud nebude problém vyřešen.

Jak lze FMEA implementovat do všech výše uvedených? FMEA (Failure Mode and Effects Analysis) je analýza typů a účinků možných chyb a je zaměřena na provádění preventivních opatření k zabránění účinkům vad, které se mohou vyskytnout ve fázi návrhu i výroby. Hlavním předpokladem je, že cca. 75 % chyb vzniká ve fázi přípravy výroby. Na druhou stranu jsou detekovány až ve fázi výroby a za provozu (cca 80 % chyb). Jak to funguje? V první fázi si nejprve musíme stanovit cíl, shromáždit tým, rozhodnout se, co budeme analyzovat, rozdělit proces na jednotlivé části, a nakonec shromáždit data. Ta nám zase poslouží v době kvalitativní i kvantitativní analýzy. Posledním krokem je naplánovat nápravná opatření, provést je a pozorovat.

Všechny prvky, o kterých jsem psal, lze velmi dobře implementovat jak při nasazení dalších automatizací, tak při optimalizaci již existujících procesů. Než programátor začne pracovat, musí společně s analytikem projít procedurou Genichi Genbutsu, aby dobře porozuměl procesu, který má být automatizován. Poté vytvoří hlavní pracovní plán, který je velmi podobný způsobu, jakým funguje cyklus DMAIC. Samotné programování má podobu: Plán => Programování => Test => Nasazení, což je klamně podobné metodice PDCA. Zároveň programátor společně s MSP a analytikem připraví seznam potenciálních chyb a určí, jak s nimi naložit v souladu s metodou FMEA. Možná ne vše běží podle knihy nebo obsahuje standardní dokumentaci, ale tvrdé jádro těchto metod je vždy stejné.

Autor: Rafał Korporowicz – Senior RPA Developer

Ten, kdo mě zná, by mohl tvrdit, že to bude jako obvykle, ovšem dnešní epizoda bude docela neobvyklá.

Nedávno jsem navštívil ateliér jistého malíře. Seděli jsme na verandě a živě diskutovali o umění. Obecně lze říci, že jsme každý z úplně jiné branže, ale čím déle jsme mluvili a čím více se každý z nás dozvídal o tajemstvích naší práce, tím rychleji jsme došli k závěrům, že toho máme více společného, než by se dalo čekat.

Začněme ale od začátku.

Malování mě vždy fascinovalo. Pamatuji si, že jsem jednou šel na výstavu uměleckých děl francouzských impresionistů do Národního muzea v Krakově. Díla dvou umělců, Clauda Moneta a Edgara Degase, se mi nejvíce vryla do paměti. Monetovy „Rybářské lodě“ a „Východ slunce“ nebo „Taneční lekce“ od Edgara na mě opravdu zapůsobily. Když mi malíř začal vyprávět, jak vzniká obraz, začaly se mi v hlavě promítat analogie k automatizaci obchodních procesů.

Pojďme dále:

 Jak se malba vytváří?

Prvním krokem je dokonalé a pevné natažení plátna na rám. Malíř pak pokračuje vytvořením skici, to je důležitá ovšem obtížná fáze, protože je základem celého díla, které později oko diváka bude obdivovat. Poté probíhá nejzajímavější a nejtvořivější proces, vlastní malování, hraní si s barvami, štětcem a dokonce … špachtlí! Pro dobrého umělce nejsou žádné techniky cizí a jakékoliv nové výzvy jsou vítány s nadšením. Po hodinách práce a sušení je obraz připraven.

Jak vzniká automatizace?

Prvním krokem je seznámení se zákazníkem a dokonalým pochopením jeho potřeb a prostředí. Na začátku je vytvořená „skica“, tedy v našem chápání se jedná o procesní dokumentaci, na základě které vývojář vytvoří robota. Toto je důležitá a obtížná fáze, protože je základem pro to, jak bude robot později fungovat. Poté proběhne nejzajímavější a nejtvořivější proces – vytvoření robota. Naši vývojáři znají spoustu různých technik a ke každé automatizaci přistupují jako k nové výzvě, kterou přijímají s velkým nadšením. Po hodinách práce a testování je automatizace podnikových procesů připravená.

Vidíte tu podobu?

Podobností je hodně, ale je tu jeden zásadní rozdíl.

Tvůrčí proces je dlouhý a náročný, má -li splnit očekávání, pak automatizace musí být rychlá a efektivní.

Na konci našeho rozhovoru jsme jednomyslně dospěli k závěru, že automatizace obchodních procesů je druh umění 21. století. Nakonec mi malíř řekl: „Víš co, Ede? Jsi umělec ve stejném duchu jako já a francouzští impresionisté.“

Autor: Edward Robotowski

Když jsme mluvili o platformě ServiceNow, zeptal se mě Tomek: „Ede, proč vůbec nosíš oblek?“. Už jsem Vám vyprávěl, jak vznikl můj dress code? Život bez něj si už dnes ani nedokážu představit. Všechno to začalo mým CVčkem. (O tom, jak mě napadlo si ho napsat, Vám povím raději někdy jindy). Jakmile se rozhodnete vytvořit si svůj vlastní životopis, měl by vždy vypadat profesionálně. Životopis je koneckonců Vaše vizitka, která ukazuje, jakým člověkem, pardon, robotem je uchazeč o pracovní místo a jakým tedy asi bude zaměstnancem. A kromě všech uvedených pracovních zkušeností je důležitou, ne-li nejdůležitější, součástí životopisu fotografie. Proto je potřeba koupit si oblek.

Jak to vidí Expert:

Oblíbenou platformou, kterou využívá stále více společností, je bezpochyby ServiceNow. ServiceNow je navržen tak, aby řídil různé projekty a procesy – provoz HR oddělení, HR procesy a také finanční oddělení. Zavedení této platformy dává společnostem možnost standardizace a zrychlení jejich procesů. Standardizace procesů nám tedy vytváří i prostor pro automatizaci úkolů, které se na platformě objevují.

Automatizaci platforem jako ServiceNow lze samozřejmě provést standardním způsobem prostřednictvím uživatelského rozhraní. Tento způsob je celkem efektivní, nicméně není jediný, jak bychom mohli vytvářet roboty. UiPath poskytuje dvě řešení pro automatizaci ServiceNow. Jedním z nich je připojení ke službě ServiceNow pomocí konektoru UiPath Orchestrator, tj. UiPath Spoke. Díky této možnosti lze robota ovládat pomocí zadání úkolů v ServiceNow.

Druhou možností je použít balíček aktivit, který dává možnost robotovi využít několik aktivit pro práci se ServiceNow. Jeho hlavní součástí je ServiceNow Scope, kde se můžete připojit k ServiceNow pomocí API. K vytvoření připojení je třeba zadat parametry jako: clientID, clientSecret, heslo a odkaz na platformu. V rámci aktivity ServiceNow Scope můžete provádět operace s úkoly, stahovat přílohy a aktualizovat stavy. V některých případech Vám ovšem soubor těchto aktivit nemusí stačit, proto bych Vám také rád doporučil podívat se na balíček aktivit vytvořených Cristi Negulescu. Tento balíček obsahuje až 90 aktivit souvisejících se ServiceNow.

Přestože mám možnost pracovat s rozhraním, jsem velkým zastáncem používání všech dostupných prostředků pro práci mimo uživatelské rozhraní. Výrazně to zrychluje práci robotů a zároveň také zajišťuje vysokou stabilitu řešení. Kromě toho Vám nehrozí riziko chyb souvisejících s nesprávným odkliknutím. Použití této metody je také velkým zjednodušením při práci s přílohami, kde je nutné při klasickém postupu udělat několik kliknutí, přičemž každé nese určité riziko chyby. Pomocí API je však dokážeme stáhnout jedinou aktivitou. Rád bych zde dodal ještě malou zajímavost. Ed dokáže nastavit status provedení úkolu podle sebe. Uživatel má možnost vybrat pouze z dostupných nabídek, ovšem robot taková omezení nemá.

Jediným problémem, se kterým se můžete setkat, je znalost vazeb mezi tabulkami. Přílohy lze například rozptýlit mezi dvě tabulky, kde klíč v jedné tabulce je číslo úkolu, a klíč v tabulce druhé je nadřazené číslo úkolu. Abyste neztráceli příliš mnoho času hledáním jejich vztahů, stojí za to si zobrazit strukturu objektů v tabulce, na kterou se chceme dotazovat. Tuto možnost nabízejí aktivity z balíčku UiPathTeam.ServiceNow.Activities, které také umožňují použití SQL dotazů.

Závěrem můžeme říci, že díky spolupráci s UiPath může ServiceNow fungovat jako nástroj pro řízení robotů, což umožňuje automatizaci interních procesů na této platformě. Pokud je ServiceNow pouze přechodným portálem, na kterém spouštíte nebo ukončujete proces, o to více se doporučuje použít nástroje, které běží na pozadí, aby se provoz robota omezil na minimum. To se může vyplatit, zejména pokud zbytek procesu pracuje v systému, který má určitá omezení zpracování, nebo je jen jednoduše pomalý. Je dobré tedy seznámit se s každou možností a vybrat si tu, která je nejvhodnější pro danou automatizaci.

Autor: Tomasz Sioła – RPA Developer

Nedávno se mi zdál docela neobvyklý sen. Já obyčejně nespím, protože pracuji 24/7, ale využil jsem chvilkové časové okno, které vzniklo z důvodu vynucené technické přestávky v provozu hlavního programu ERP mého zákazníka, no a na chvíli jsem si zdříml. Zdál se mi sen o tom, jak mluvím s jedním úžasným mužem, nositelem Nobelovy ceny – Albertem Einsteinem. Připadal jsem si divně, nacházeli jsme se totiž v jakési kavárně v padesátých letech minulého století, a já vypadal, jako z jiného vesmíru. Po probuzení, před návratem do práce, jsem rychle zavolal Monice a řekl jí, o čem jsme si s Albertem povídali.

Jak to vidí Expert:

“Obávám se dne, kdy vývoj technologie předčí vzájemné lidské vztahy. To potom svět bude mít generaci idiotů.“ – Albert Einstein

Nevím, jestli je to jen pověst, anebo to profesor skutečně řekl. Pokud ano, musel to říci nejpozději někdy v 50. letech minulého století. Od této doby jsme už dnes, co se týče technologie, na světelné roky daleko. Přesto, jeho obavy jsou stále aktuální.

Vytvořila technologie generaci idiotů?

Do tak silného prohlášení bych se raději nepouštěl.

Brání všudypřítomná technologie lidské interakci

Ano, to stoprocentně.

Možná je to proto, že žijeme v době plné technologických vymožeností, které jsou prakticky všudypřítomné, a my už ani nemáme čas se od nich distancovat. Jsme už do nich tak ponořeni, že nás ani nenapadne přemýšlet o tom, zda je vlastně vůbec potřebujeme? Kdysi jsme si říkali, jestli by se dalo žít bez televize. Dnes se ptáme, zda bychom se mohli obejít bez sociálních sítí. Ovšem, že bychom mohli, jen to ale vyžaduje nějaké úsilí a odhodlání. Ale my začínáme být línějšími. Dalo by se mluvit vlastně už i o závislosti. Zatím tu ještě není generace idiotů, ale technologie, která nám měla sloužit, pomalu, ale jistě přebírá kontrolu nad naším časem a role se obrací.  Jsme to my, kdo se stává jejími otroky.

Automatizace obchodních procesů je prozatím také jen inovací. Jednoduše řečeno to znamená vytvořit robota, který za Vás bude dělat nudnou a únavnou práci, aby vy jste měli více času na… Stojí za to se na chvíli zamyslet, jak vlastně tento ušetřený čas využít? Buď se můžeme otrocky ponořit do víru sociálních sítí, anebo je také možno tento čas využít nějakým kreativnějším způsobem. Robot za nás udělá spoustu práce, ale v důsledku je jen na nás, jak využijeme čas, který nám ušetřil. Někdo ho třeba použije pro zlepšení vztahů se zákazníky, rozvoj sebe sama, někdo zlepší organizaci úkolů, nebo svou interakci s kolegy. Někdo jiný ho jen promrhá.

Dobrá automatizace pomáhá budovat a rozvíjet nové mezilidské vztahy v podnikání. Tuto filozofii zastáváme i my v našem týmu XELTO DIGIAL. Protože dokud existují vazby mezi členy týmu, ve skupině, při řízení podniku atd., využití technologie se vyplácí. Ovšem tam, kde technologie nahrazuje tyto vztahy, svět „získává“ generaci samotářů a misantropů.

Autor: Monika Stawicka – Business Analyst

Dnes bychom Vám chtěli s Przemkem povědět něco o automatizaci systémů ERP, jiných než jsou JD Edwards nebo SAP, tedy systémů založených na cloudovém řešení. Jedním z takových systémů je NetSuite, pravděpodobně nejlepší cloudový production managment systém. Zajímavostí je i fakt, že tento článek o NS „uzrával“ velmi dlouho. Když jsme ho úspěšně dokončili, přemýšlel jsem, proč nám to s Przemkem vlastně zabralo tolik času? Koneckonců, toto téma je prostě úžasné.

Jak to vidí Expert:

NetSuite od společnosti Oracle je kompletní, plně škálovatelné řešení určené pro rychle rostoucí podniky. Je to jeden z produktů, který rychle zvyšuje svůj podíl na trhu cloudových ERP systémů. Toto řešení využívá k ukládání dat cloud, tedy jeho automatizace se mírně liší. Na příkladu procesu, který jsme implementovali pro jednoho z našich zákazníků, si můžeme ukázat některé rozdíly. Jednalo se o aktualizaci verze Bill of Materials (BOM).

Rád bych ještě na začátek dodal, že specializovaná řešení pro automatizaci backendu zavedla UiPath, ale… ne každý je může používat z důvodu konfigurace a přístupu. V našem případě řešení nedovolilo provést změny v celém NS, ale pouze v části aplikace. Proto jsme se rozhodli pro klasickou automatizaci UI.

Prvním rozdílem mezi klasickým ERP a NS je absence databáze, která by bránila extrahování požadovaných informací, jako například seznam úkolů (Work Order List), nebo součásti BOM revize, z úrovně SLQ. K vyřešení tohoto problému jsme použili Web Scraping – tedy čtení dat přímo z obrazovky.

Dále, když používáte mechanismus pro přechod na další Work Order (další „transakce“), v cloudové ERP nemůžete zadat do aplikace například číslo WO, ale musíte přejít na WO unikátním odkazem. Totéž také platí pro ostatní karty/aplikace. Pomocí pole Interní ID (ve výchozím nastavení skryté, ale v NS volitelné) a pevné části adresy se nám podařilo vytvořit mechanismus, který Vám umožnuje procházet systémem NetSuite bez otravného a dlouhého klikání na obrazovku – tj. přímá navigace.

Jednou z posledních nesrovnalostí byly selektory. Zatímco v klasických ERP má pole jeden pevný selektor, v NetSuite jsme se setkali s případy polí se dvěma (nebo někdy dokonce třemi) různými selektory, podle toho, zda to bylo aktivní (zakliknuté) nebo ne. Kouzlo webové aplikace navíc spočívá v tom, že někdy, i když některé vnitřní okno/tlačítko není na obrazovce viditelné (parametr viditelný/aktivní na stránce je vypnutý), pro robota, který hledá selektor ve skutečnosti viditelné je.

Poslední problém, na který jsme narazili, souvisel s jednoznačným výběrem názvu komponenty (produktu), pokud se objevovalo v seznamu „Hodnota pole“ několik položek začínajících stejnými znaky. To je dáno striktně povahou NS a jeho způsobu zobrazování seznamů. Navzdory počátečním obtížím se nám podařilo vyvinout mechanismus, který ověří, zda je výběr nejednoznačný, nebo nikoliv. Pro toto jsme použili rozšířené vyhledávání s možností nastavit hledání konkrétního textu. Možná Vás napadá, zda by nebylo lepší používat toto hned od začátku? Odpověď zní ne – takovéto hledání vyžaduje otevření nového okna, zaškrtnutí několika políček a čekání na výsledek, což znamená, že zpracování jedné komponenty (produktu) trvá až několik sekund. Nezdá se to moc, ale v kontextu celého procesu by nám čas výrazně narostl.

Ve zkratce můžeme říci, že automatizace cloudových systémů ERP má svá pro i svá proti. V některých případech bude určitě rychlejší než automatizace tradičních systémů ERP, i když to bude vyžadovat nalezení vhodných řešení.

Autor: Przemysław Wal – RPA Developer

Foto: iStock

Tento týden bych se Vám chtěl k něčemu přiznat. Během rozhovoru s Rafałem, kde jsme probírali problémy související s Frameworkem, jsem si uvědomil, že práce s celým týmem XELTO DIGITAL je vlastně čistým potěšením. Každý člověk v našem týmu je zodpovědný za konkrétní automatizaci procesů, ale pokud se někdo z nás potýká s problémem, s kterým nemůže hnout, vždy mu někdo jiný pomůže. I díky této podpoře, společným diskusím a „brainstormingu“ byl vyvinut model pro stavbu robotů. Než se s Rafałem blíže podíváme na jeho jednotlivé části, rád bych ještě také poděkoval všem svým kolegům za spolupráci.

Jak to vidí expert:

UiPath podporuje vytváření řešení založených na takzvaném ‚Robotic Enterprise Framework‘, který zajišťuje základní implementaci klíčových konceptů podporujících tvorbu automatizace. S týmem XELTO DIGITAL jsme zašli ještě o krok dále a vytvořili jsme rozšířenou verzi Framework, která tvoří základ pro naše roboty.

A co nám to umožňuje?

1. Standardizace

Pro každého klienta jsou všechny procesy sestaveny přesně stejným způsobem. Toto nám umožňuje již ve fázi návrhu implementovat mnoho běžných mechanismů. Při otevírání nového projektu si již vývojář nemusí dělat starosti s přihlašováním, zpracováním hlavních chyb nebo přípravou prostředí. Například: Pomocí procedury TypeIntoElement se vývojář jedním blokem přihlásí, pokud už nějaká položka existuje, zadá hodnotu pomocí metody podle svého výběru, zkontroluje, zda je zadaná hodnota správná a pokud něco nefunguje, může tento proces X krát zopakovat. Protokoly i chybové zprávy mají navíc jednotný formát a poskytují nám klíčové informace.

2.Zabezpečení

Díky vestavěným mechanismům může každý z procesů provést základní přípravu přístroje pro práci a zároveň nechat prostředí připravené pro dalšího robota. Navíc, ať se stane cokoli, robot je schopen jednoduše zavřít všechny otevřené aplikace a ponechat stanici ve stejném stavu, v jakém byla před začátkem jeho práce. Pokud robot pracuje na serveru Windows, ví, že musí vypnout procesy pouze pro konkrétní relaci uživatele, což umožňuje bezpečnému fungování více robotů současně.

3.Zrychlená produkce

Příprava modelu pro nový projekt trvá přibližně 30 minut. Během této doby vývojář obdrží balíček komplexních řešení, jejichž návrh, konstrukce a testování by zabralo nejméně několik dní. Použití opakovaně použitelných komponent Vám také umožňuje rychle vytvářet akce procesu. Mluvím zde jak o univerzálních postupech přítomných ve Framework, tak o těch připravených pro konkrétní aplikace, které jsou k dispozici v námi vytvořených knihovnách. Například již zmíněný TypeIntoElement a ClickElement poběží na každé webové aplikaci, zatímco NavigateFastPathJDE je procedura vytvořená výhradně pro zpracování rychlého tracku v JDE.

4.Lepší technická podpora SLA

Standardizace procesu vývoje robota zkracuje diagnostický čas v případě možného výskytu chyb. Toto má to dva důvody: Za prvé, ke konkrétním chybám může dojít pouze na určitých místech. Pokud připojení ODBC nefunguje, okamžitě víme, že problém by měl být hledán v oblasti „získat údaje o transakcích“. V důsledku toho se výrazně zkrátí čas potřebný k hledání místa problému. Za druhé, zavedli jsme jednotné chybové kódy pro všechny roboty a rozdělili je mezi ty, za které je zodpovědný obchod a na ty, které se objevují jako výsledky použitých aplikací. Pokud při sledování práce robotů vidíme zprávu jako je například „B0001“, je nám okamžitě jasné, že se robotovi nepodařilo přihlásit do aplikace, protože vypršela platnost hesla.

Jednoduše řečeno, implementace našeho vlastního modelu stavby robotů vede k tomu, že nové procesy jsou vytvářeny mnohem rychleji a bezpečněji, a snadno zapadají do jakékoli existující infrastruktury robotů u jakéhokoli zákazníka.

Author: Rafał Korporowicz – Senior RPA Developer

Foto: iStock

V roce 1983 se na obálce časopisu Times objevil robot, který veze na trakaři továrnu. Uvádí článek s názvem: Nová ekonomika. Článek je věnován prognózám v době recese a bankrotů v těžkém průmyslu, které předpovídaly snížení počtu dělníků. Byla to doba, kdy se začal rozvíjet průmysl v oblastech nových technologií, jako například mikroelektronika, laser, nebo genetické inženýrství. Vznikaly zcela nové oblasti vývoje, jako v případě společnosti Apple, která se právě tehdy transformovala z malé společnosti v garáži na silnou korporaci. V této době rostly obavy z rozvoje automatizace a možnosti nahrazení celých sektorů pracovišť dosud ovládaných člověkem roboty nebo automaty.

Koneckonců, člověk se automatiky bál už od spuštění prvních strojů. Možná jste zaslechli o ničení strojů v továrnách na počátku 19. Století. Šlo o dobře organizované hnutí takzvaných ludditů, kteří protestovali proti změnám ve způsobu jejich života a hrozbám, které přináší vynález a zavedení tkacích strojů. Noční útoky na tkalcovny, ničení strojů nebo zastrašování lidí ovšem nezvrátily proces industrializace, podobně jako zákaz používání pneumatických rozprašovačů uložený americkými odbory téměř o století později. Jasně se ovšem ukázalo, že strach z nového bude vždy doprovázet člověka, bez ohledu na dobu, ve které žije.

Čísla však ukazují, že mechanizace výroby vedla spíše k prudkému nárůstu, než ke snížení počtu pracovních míst. Například v USA v roce 1910 pracovalo v automobilovém průmyslu 140 tisíc lidí, zatímco v roce 1920, jak mechanizace postupovala, se počet pracovních míst zvýšil až na 250 tisíc a v roce 1930 už v tomto odvětví pracovalo 380 tisíc lidí.

Poté, co Carl Frey a Michael Osborn publikovali článek „Budoucnost zaměstnání: Jak náchylné jsou pracovní pozice k automatizaci?“ byla v roce 2013 dokonce vytvořena aplikace: WILL ROBOTS TAKE MY JOB?. Funguje dodnes a umí vypočítat pravděpodobnost, že vaši pracovní pozici nahradí roboti. Jste analytik počítačového systému? – pravděpodobnost, že bude vaše pozice nahrazena robotem je extrémně nízká, činí 0,7%. Pozice manažera nákupu, tedy zaměstnance pracujícího v oddělení nákupu velké společnosti, již má 98% riziko, přičemž v příštích dvou desetiletích dojde k dalšímu nárůstu o 59%. Riziko nahrazení analytika se v příštích 20 letech zvýší o jen 32%. Článek předpovídá, že nízké riziko nahrazení automatizovaným systémem se týká pouze jednoho ze tří pracovníků, zejména těch, kteří jsou zaměstnáni ve školství, zdravotnictví, dále pak umělců a manažerů na různých úrovních, a v neposlední řadě také IT profesionálů.

Jaké jsou ale vyhlídky pro následující roky?

Jak už jsme zmínili, strach z automatizace není novinka. Dnes se v důsledku automatizace některé skupiny zaměstnanců stávají nadbytečnými, ale současně se také vytvářejí nová pracovní místa (často lépe placená než ta, která zanikla). Obecně platí, že s výjimkou běžných obtíží v období transformace se celá situace spíše zlepšuje.

Podívejme se například na strojové učení a robotiku. Tato odvětví nacházejí způsoby, jak dělat stejné věci lépe, rychleji a levněji než specialisté, kteří bývali v tomto oboru zaměstnáni po celá desetiletí. Při takovéto konkrétní změně jsou zaměstnanci přesunuti do jiných rolí. A opět, stejně jako za průmyslové revoluce, je spíše nepravděpodobné, že přechodné období bude bezbolestné. Bude potřeba času, aby se lidé rekvalifikovali, a aby manažeři znovu objevili potenciál využití uvolněné pracovní síly. Dnes na to však mají mnohem méně času, než měli před stoletím. Změny totiž probíhají mnohem rychleji než kdy dříve a mají daleko širší dosah.

Vraťme se na závěr zpátky k článku z časopisu Time. Objevuje se v něm citát z roku 1950. Jde o názor Johna Diebolda, konzultanta managementu z New Yorku: „V různých dobách, obvykle v časech nejhlubší ekonomické recese, lidé vždy říkali, že kvůli automatizaci bude těžké dostat se z toho. Několik let později už je ale vše zapomenuto. Některá pracovní místa umírají a jiná zase rostou. To je znakem zdravé ekonomiky “. 71 let poté a stále není, co k tomuto tvrzení dodat…

Source: Will Robots Take My Job, Strach przed automatyzacją (Fear of Automation), https://en.wikipedia.org/wiki/Luddite, (TIME) The new economy

Autor: Monika Stawicka – Business Analyst

Vzpomínám si, jak všichni podnikatelé začínali pracovat s Whitelistem. A jak už to tak bývá, ze začátku vše probíhalo ve velkém chaosu. Někdy si říkám, jestli je vůbec nutné, aby každá změna musela takto začínat. A přitom, ve skutečnosti změny jsou dobré. Alespoň já mám rád, když se stále něco děje. Vraťme se ale zpátky k Whitelistu. Všichni byli nervózní a měli obavy, jak bude fungovat. Nakonec se ale ukázalo, že nic není tak horké, jak se uvaří. Po pravdě, Bond tuto frázi nikdy nevyslovil, ale jsem si jistý, že jí někde hluboko v sobě měl. Když jsem se potkal s Przemkem na kávě, pověděl mi trochu více o Whitelistu:

Jak to vidí expert:

 Od roku 2019 je v Polsku povinnost ověřovat obchodní partnery takzvaným Whitelistem. Jedná se o vládní seznam (vyhledávač) všech společností, který udává jejich status plátce DPH.

Na trhu jsou řešení, která umožňují hromadné dotazování databáze Whitelist pomocí API, ovšem jedná se o konkrétní řešení „šitá na míru“ danému zákazníkovi a systému ERP. Tato řešení také mají určitá omezení vyplývající přímo z ustanovení zákona, která se týkají maximálního počtu denních dotazů, které lze provádět, a také maximálního množství zpracovávaných dat (maximálně 300 záznamů).

V XELTO DIGITAL jsme vyvinuli vlastní způsob ověřování Whitelistu na základě automatizace vyhledávání na webu bez použití API.

Uživatel poskytne seznam daňových identifikačních čísel a/nebo čísel bankovních účtů obchodních partnerů. Poté robot každé číslo na stránce vyhledávače plátců DPH jedno po druhém zkontroluje a shromáždí potřebné informace, jako například: stav poplatníka, ověření, zda je číslo (čísla) účtu v seznamu ověřených účtů, datum vyhledávání a jedinečné ID. Dále pak robot tato data uloží do výsledného souboru, který lze kamkoliv uložit, anebo zákazníkovi zaslat e -mailem.

Na rozdíl od ostatních, již existujících řešení, je výhodou našeho řešení pro zákazníka jeho značná volnost v možnostech nastavení, která mu umožňuje přizpůsobit jej svým konkrétním potřebám.

Další velkou výhodou je obcházení limitů pro dotazy API, protože v našem řešení simulujeme přímo lidskou činnost, tedy otevírání webu a vyhledávání plátců „ručně“.

Pokud je proces automatizován pomocí uživatelského rozhraní, je pomalejší než odesílání dotazů prostřednictvím rozhraní API. I přesto je ale stále mnohokrát rychlejší, než by to udělal člověk, díky čemuž se můžete vyhnout limitu v počtu vyhledávání.

Technicky vzato, vývoj procesu vyžaduje, aby byla věnována pozornost volbám nastavení vyhledávacích tlačítek – po prvním hledání se tlačítko přesune na jiné místo na obrazovce, a přestože vypadá úplně stejně, jeho volba nastavení se v dalších dotazech liší. Pokud vstupní soubor obsahuje čísla DIČ i čísla bankovních účtů, v kódu robota by měl být seznam oddělen.

Robot nejprve zkontroluje bankovní účty, a teprve poté až čísla DIČ, čímž se vyhne zbytečnému přepínání mezi obrazovkami pro vyhledávání.

Autor: Przemysław Wal – RPA Developer