Cos'è l'hyperautomation (iperautomazione)?

L'hyperautomation (iperautomazione) è un approccio organizzativo che punta a identificare e automatizzare sistematicamente il maggior numero possibile di processi aziendali, anziché automatizzarne uno alla volta su richiesta. Il termine è stato reso popolare da Gartner, che lo ha incluso fra le tendenze tecnologiche strategiche del 2020: non descrive una tecnologia nuova, ma una disciplina che combina più strumenti già esistenti, dalla scoperta dei processi tramite process mining all'orchestrazione con RPA, iPaaS, AI e piattaforme low-code, tenendo un inventario di ciò che è stato automatizzato e misurandone il risultato. La differenza rispetto a un progetto di automazione isolato sta nel governo: di solito un centro di competenza definisce priorità, standard e metriche comuni, invece di lasciare che ogni reparto scelga il proprio strumento senza coordinamento. La parola ricorre nel marketing dei fornitori di suite di automazione, dove finisce per indicare semplicemente "il nostro prodotto", perdendo il significato organizzativo che Gartner le aveva dato.

Leggi anche: Process mining · Tecnica che ricostruisce come si svolge davvero un processo aziendale partendo dai log di eventi dei sistemi gestionali.

Cosa cambia rispetto a un progetto di automazione isolato

La parte utile del concetto sta nel processo che precede l'automazione. Prima di automatizzare qualcosa bisogna scoprire cosa vale davvero la pena automatizzare, ed è qui che entra il process mining: ricostruisce il flusso reale di un processo dai log dei sistemi che lo eseguono, invece di fidarsi della procedura scritta sulla carta, spesso diversa da come le persone lavorano davvero. Una volta scoperto il processo, l'esecuzione può restare RPA pura su un passaggio meccanico, salire a IPA dove serve leggere un documento, o passare per un iPaaS quando il problema è far parlare due sistemi che non condividono un'API comune. L'iperautomazione non sostituisce nessuna di queste tecniche: le mette sotto un inventario comune, con un centro di competenza che decide dove investire, evita che due reparti costruiscano la stessa automazione due volte, e misura il risultato per spegnere ciò che non rende.

Un esempio enterprise

Un gruppo industriale con dodici stabilimenti scopre, passando i log ERP al process mining, che l'approvazione di un ordine d'acquisto richiede in media sette giorni e in un terzo dei casi torna indietro per un dato mancante. La prima soluzione isolata è un bot RPA che copia i campi da un modulo a un altro: accorcia il passaggio meccanico ma non tocca il tempo di attesa. Con un approccio di iperautomazione il problema si affronta come portafoglio: il process mining individua dove si blocca davvero il flusso, un connettore iPaaS fa arrivare il dato mancante direttamente dal sistema del fornitore invece di chiederlo a un operatore, e solo il passaggio residuo, la verifica finale, resta un compito umano con un'interfaccia più semplice. Il tempo di approvazione scende perché il dato mancante, che faceva tornare indietro gli ordini, ora arriva dal sistema del fornitore.

Perché conta per chi decide

L'iperautomazione vale come promemoria di due cose che un progetto di RPA isolato dimentica facilmente: non si automatizza finché non si è misurato cosa succede davvero, e un'automazione senza proprietario e senza metriche nel tempo diventa un debito tecnico invisibile appena chi l'ha costruita cambia ruolo. Vale molto meno come nome di prodotto: quando un fornitore lo usa per descrivere una singola suite, sta vendendo uno strumento sotto il nome di una disciplina, ed è la disciplina a determinare se l'investimento rende. La domanda utile da fare a un vendor non è se la piattaforma sia "hyperautomation", ma se aiuta a scoprire i processi prima di automatizzarli e a misurarne il risultato dopo.