Viktiga slutsatser:
- Nästan vilket verktyg som helst kan automatisera repetitiva uppgifter. Att välja fel uppgift är det som dödar projektet, och det är steget som varje femstegsguide hoppar över.
- Poängsätt kandidater utifrån volym, regeltydlighet, indatans förutsägbarhet och undantagsfrekvens. Den uppgift som irriterar dig mest är sällan den rätta att börja med, eftersom irritation oftast innebär att bedömning krävs.
- Över 40 % av arbetstagarna spenderar minst en fjärdedel av sin arbetsvecka på manuellt, repetitivt arbete, med datainsamling och datainmatning i spetsen. Det är i dokument som dessa timmar läggs på hög, och de är den typ av uppgift som automationsprojekt ofta helt förbisett.
Någon på ditt företag läser nio siffror från en PDF och skriver in dem på en annan skärm. Inom fyra minuter, igen. Det jobbet finns inte på någons plan för automatisering, och det hör hemma nära toppen av din.
De flesta råd om hur man automatiserar repetitiva uppgifter börjar med en lista över verktyg. Det är fel ände att börja i. Väljer du fel uppgift kommer den bästa programvaran på marknaden inte att rädda dig. Väljer du rätt uppgift faller det ofta på något du redan betalar för.
Därför går den här guiden baklänges. Först, hur du räknar ut vilka av dina repetitiva uppgifter som är värda att automatisera, och i vilken ordning. Sedan verktygskategorierna, sorterade efter vilken typ av uppgift var och en faktiskt löser. Sist, den typ av uppgift som äter mest kontorstid och ändå hoppas över, eftersom den aldrig ser ut som ett automationsproblem förrän någon räknar minuterna.
Vad det innebär att automatisera en repetitiv uppgift
Att automatisera en repetitiv uppgift innebär att man överlåter ett regelstyrt jobb, som en person för närvarande gör för hand, till en programvara som gör det på samma sätt varje gång. Uppgiften försvinner inte. Tangenttryckningarna gör det.
Den definitionen inkluderar mer än folk förväntar sig, och utesluter mer än vad leverantörer medger. Regelstyrt är hela testet. Om en kompetent nyanställd kan utföra uppgiften utifrån en skriven sida, är det en kandidat. Om din egen förklaring av den kräver ett "nja, det beror på" mer än två gånger, är den inte det, åtminstone inte ännu.
Versionen av detta samtal som handlar om jobbförluster är mer högljudd än siffrorna bakom den. McKinseys analys fann att färre än 5 procent av jobben består helt av aktiviteter som fullt ut kan automatiseras, medan det i cirka 60 procent av yrkena fanns minst en tredjedel av de ingående aktiviteterna som kunde automatiseras. Roller förlorar sin tråkigaste tredjedel. De försvinner inte.
Hur man bestämmer vilka repetitiva uppgifter som ska automatiseras först
Alla känner till de fyra adjektiven: repetitiva, regelbaserade, tidskrävande, felbenägna. De är sanna och värdelösa i samma andetag, eftersom varje uppgift i din backlog får höga poäng på minst två av dem.
Vad som skiljer en första automatisering som stannar kvar från en som tyst överges är en svårare uppsättning frågor. Poängsätt varje kandidat 1 till 5 utifrån de sju faktorerna nedan, och summera sedan totalen. Behandla en bottenpoäng på regeltydlighet eller åtkomst som ett veto i stället för ett avdrag, eftersom ingen av dem kan åtgärdas av programvaran.
| Faktor | Frågan att ställa | Du vill ha |
|---|---|---|
| Volym | Hur många gånger körs detta per vecka? | Hög. Hundratals slår dussintals. |
| Tidsåtgång (timmar) | Hur många person-minuter i månaden, över alla instanser? | Hög. Detta är din avkastning. |
| Regeltydlighet | Skulle en nyanställd kunna följa det från en skriven sida utan frågor? | Ja, otvetydigt |
| Indatans förutsägbarhet | Anländer indatan i en konsekvent form, eller uppfinner den sig själv på nytt varje gång? | Konsekvent, eller AI-läsbar |
| Undantagsfrekvens | Hur stor andel av instanserna kräver att en människa tänker till? | Låg. Under 10 % är bekvämt. |
| Skadeverkningar (Blast radius) | Om det går fel i tysthet i två veckor, vad går sönder? | Inte mycket, och det märks tydligt |
| Åtkomst | Har du inloggningsuppgifterna, testdatan och en villig processägare? | Alla tre, idag |
Rangordna efter totalpoäng och börja i toppen. Inte med den uppgift som irriterar dig mest.
Den sista meningen är där de flesta första försök dör. Den uppgift du ogillar mest är oftast den som kräver bedömning, vilket är exakt varför den står emot automatisering och exakt varför den känns hemsk. Uppgiften som är värd att automatisera först är normalt en som ingen någonsin har klagat på, eftersom den helt enkelt är tråkig: tvåhundra små identiska handlingar som aldrig har skapat ett enda Slack-meddelande.
Uppgifterna som inte är värda det
Värt att säga högt, eftersom ingen leverantör kommer att säga det åt dig.
- Lågfrekvent arbete. En månadsrapport som tar tjugo minuter kostar dig fyra timmar om året. Lägg inte en veckas byggtid på det.
- Verkligt varierande indata. Inte rörig, vilket AI nu hanterar bra. Strukturellt annorlunda varje gång, där varje instans kräver sitt eget beslut.
- Allt med ett dyrt och tyst felande. Om ett felaktigt värde kan nå en kund, en tillsynsmyndighet eller en betalningskörning innan en människa ser det, behöver du ett granskningssteg, och ett granskningssteg förändrar matematiken.
- Processer som ekonomiavdelningen håller på att omforma. Du kommer att få bygga samma sak två gånger.
Frågar man arbetstagare direkt är de slående överens om var de vill ha hjälp. I Smartsheets undersökning var de tre främsta målen datainsamling (55 %), godkännanden (36 %) och statusuppdateringar (32 %). Två av tre är dokumentproblem i förklädnad.
Vilket verktyg för vilken uppgift
Söker du på automationsverktyg för repetitiva uppgifter får du femton produkter, en rad av beröm vardera, och inget sätt att veta vilket som är till för ditt problem. Det finns inte en enda kategori som kallas uppgiftsautomationsprogramvara. Det finns sju, och att sträcka sig in i fel kategori är standardmetoden för hur dessa projekt avstannar. Här är vad varje kategori är till för, och var den tar stopp.
| Kategori | Använd det när | Var det tar stopp |
|---|---|---|
| Integrationsplattformar Zapier, Make, Power Automate |
Två system har båda API:er och någon kopierar mellan dem | Kräver att strukturerad data matas in. Kan inte läsa en PDF åt dig. |
| AI-dokumenttolkning Parseur |
Uppgiften börjar med ett dokument eller ett mejl som någon läser och skriver in på nytt | Levererar strukturerad data. Kör inte ditt godkännandearbetsflöde. |
| RPA UiPath, Automation Anywhere |
Ett äldre system utan API och inget annat sätt att komma in | Bräckligt. Går sönder när en skärm ändras. |
| Skrivbordsskripting AutoHotkey, Apple Shortcuts, Keyboard Maestro |
Massfiloperationer, tangenttryckningsmakron, en maskin, en person | Lever på den maskinen. Ingen annan kan underhålla det. |
| Automation av kalkylblad och dokument Google Apps Script, Excel-makron, Power Query |
Datan är redan i bladet och behöver samma behandling varje vecka | Att få in datan i bladet är ett annat problem. |
| Schemaläggare Windows Schemaläggaren, cron |
Något måste köras klockan 02:00 och ingen ska behöva vara vaken för det | Kör saker. Beslutar ingenting. |
| Textutvidgare och webbklippare Text Blaze, Notion Web Clipper |
Samma stycken skrivs tjugo gånger om dagen | Mikroautomation. Verklig och liten. |
De flesta team slutar med att köra två eller tre av dessa. Det dyra misstaget är att anta att en täcker de andra, och den vanligaste versionen är att förvänta sig att en integrationsplattform hanterar dokument. Zapier är väldigt bra på att flytta strukturerad data mellan appar och kan inte läsa en leverantörsfaktura. Det var aldrig meningen heller. Om du väger plattformarna mot varandra jämför Zapier vs Make vs Power Automate dem ordentligt, och automationslösningar för småföretag täcker den billigare änden av varje kategori ovan.
En notering om RPA
RPA tjänar in sina pengar där det verkligen inte finns någon annan väg in, och det är fortfarande det första som de flesta sträcker sig efter när de säger "automatisera min dator". Att börja där är ofta ett misstag. En bot som skriver in fakturadata i ditt affärssystem automatiserar symtomet i stället för orsaken, och det går sönder första gången en leverantör ändrar sin layout eller IT flyttar en knapp fem centimeter till vänster. Läs dokumentet ordentligt så behöver ingen skriva in det på nytt, botar inkluderat. Datainmatningsautomation mot RPA har den mer fullständiga jämförelsen, och vad RPA faktiskt är om du vill ha definitionen först.
Uppgiftstypen som de flesta hoppar över: dokument
Kör poängtabellen över en normal vecka så kommer något obekvämt ut ur det. De mest volymstarka, regelstyrda och timkrävande uppgifterna i de flesta företag är inte de som folk föreställer sig när de tänker på automatisering. De är dokument.
Fakturor häftade i mejl. Inköpsordrar. Ansökningsblanketter. Följesedlar. Kontoutdrag. Vart och ett av dem öppnas, läses och skrivs in på nytt i något annat. Individuellt handlar det om tre minuter. Ett mellanstort team får in hundratals i veckan, och kostnaden dyker aldrig upp som en post på något papper, vilket är exakt varför det har överlevt varje effektivitetskampanj som någonsin genomförts på ditt företag.
Ärligt poängsatta hamnar dokumentuppgifter nästan alltid i topp: hög volym, tydliga regler, små skadeverkningar och ett granskningssteg som är lätt att lägga till. De hoppades över i ett decennium av en enda anledning. Regelbaserade verktyg kunde inte läsa dem.
Vad som förändrades
Äldre dokumentverktyg fungerade baserat på koordinater. Du talade om för dem var på sidan de skulle titta, vilket innebar en uppsättning regler per avsändare, så att automatisera tvåhundra leverantörer innebar att bygga och sedan underhålla tvåhundra mallar. Den matematiken fungerade egentligen bara för storföretag.
AI-extraktion läser mening i stället för koordinater. Beskriv fälten en gång, på klarspråk, och modellen hittar dem i en layout som den aldrig har sett förut. En ny leverantörs första faktura hanteras precis som den tiotusende. Den enda förändringen flyttade dokumentautomation ur kategorin projekt som kräver en budgetkod och en styrgrupp.
Hur en dokumentuppgift ser ut när den är automatiserad
Ta leverantörsfakturor, det flöde som de flesta team börjar med.
| Steg | Manuellt | Automatiserat |
|---|---|---|
| 1 | Fakturan landar i en gemensam inkorg | Fakturan landar i en inkorg för dokumenttolkning (parsing) |
| 2 | Någon öppnar den när de får en timme över | Fält extraheras vid ankomst |
| 3 | Läser av leverantör, nummer, datum, rader, totalsumma | Samma fält, redan strukturerade |
| 4 | Skriver in dem i bokföringssystemet | Värden valideras mot förväntade format |
| 5 | Märker avvikelser tre veckor senare, eller inte alls | Allt ovanligt dirigeras till en person, allt annat exporteras |
Fälten för det ena flödet är vanligtvis leverantörsnamn, fakturanummer, fakturadatum, förfallodatum, orderreferens, artikelbeskrivning, kvantitet, styckpris, moms och totalt. Skriv ner den listan så har du specificerat automatiseringen. Det mesta av arbetet i ett dokumentprojekt består i att komma överens om fältlistan, inte att bygga något.
Automatisera dokumentuppgifter med Parseur
Parseur är en AI-dokumenttolk (parser) som läser dokument allteftersom de anländer via e-post, uppladdning eller API och skickar de extraherade fälten till ditt kalkylblad, CRM, bokföringssystem eller databas. Det är steget som förvandlar ett dokument till data som dina andra automatiseringar kan agera på.
I praktiken:
- Dokumenten kommer till dig. Vidarebefordra eller dirigera dem till en Parseur-inkorg och varje dokument tolkas (parsed) vid ankomsten. Ingenting ligger i en mapp och väntar på att någon ska få en ledig timme.
- Formatet är inte längre ett argument. E-post och dess bilagor, PDF:er, skanningar, bilder, kalkylblad eller en vanlig textmassa. Text AI-motorn hanterar e-post och textdokument, Vision AI-motorn hanterar PDF:er, skanningar och bilder.
- Ingen mall per avsändare. Beskriv fälten en gång. AI:n hittar dem i varje efterföljande dokument, inklusive dem från den leverantör som du registrerade i morse.
- Avvikelser fångas upp på vägen in. Extraherade fält normaliseras och valideras till de format som dina nedströmssystem förväntar sig, så att ett europeiskt datum eller en lös decimal korrigeras innan den når din bokföring istället för under en avstämning i slutet av månaden.
- Datan hamnar där arbetet sker. Inbyggda anslutningar till Zapier, Make, Power Automate och tusentals andra applikationer, plus webhooks för allt som förväntar sig en direkt koppling.
Installationen består av en inkorg och en lista med fält snarare än ett integrationsprojekt, och prissättningen styrs av dokumentvolymen, så räkningen följer ditt pappersarbete istället för ditt personalantal. Dina dokument förblir dina: Parseur är GDPR-kompatibelt, behandlar endast data på dina instruktioner i egenskap av ditt personuppgiftsbiträde, och låter dig ta bort ett dokument, en brevlåda eller hela kontot när du vill.
Det ärliga sättet att testa detta är att skicka den värsta fakturan du får, den från leverantören vars layout ändras varje kvartal, och se vad som kommer tillbaka. För en bredare bild först, automatisering av datainmatning täcker kategorin, automatisering av dokumenthantering täcker hela arbetsflödet, och 10 användningsfall för dokumentautomation visar vad andra team har byggt.
Räkna ut avkastningen innan du bygger något
Matematiken bakom varje plan för att automatisera repetitiva kontorsuppgifter ryms på en servett, och nästan ingen gör det. Det är därför så många automatiseringar byggs för uppgifter som aldrig motiverade dem.
För varje kandidat, per månad:
Sparade timmar = antal körningar av uppgiften × minuter per gång ÷ 60
Sparade pengar = sparade timmar × fullt belastad timkostnad
Spenderade pengar = programvara + (byggtid ÷ 12) + löpande undantagshantering
En välvald första automatisering betalar sig på tre till sex månader. Om din uppskattning sträcker sig förbi ett år är problemet uppgiften, inte verktyget. Gå tillbaka till poängtabellen och välj en annan.
Två kostnader som folk glömmer. Undantagshantering försvinner aldrig. En automatisering som överlämnar 30 procent av fallen tillbaka till en person har inte sparat 70 procent av arbetet åt dig, den har sparat märkbart mindre, eftersom bytet mellan den automatiserade vägen och den manuella kostar uppmärksamhet varje gång. Och kostnaden för fel utgör oftast den större hälften av avkastningen. Ett felaktigt inmatat fakturanummer kostar dig inte de nittio sekunderna det tar att skriva. Det kostar den timme någon tillbringar med att leta upp det sex veckor senare, plus samtalet till leverantören.
För perspektiv uppskattade nästan 60 procent av arbetstagarna i Smartsheets undersökning att de skulle kunna spara sex timmar eller mer i veckan om de repetitiva delarna av deras jobb automatiserades. Det är större delen av en arbetsdag, varje vecka, per person.
Var man börjar på måndag
Välj ett flöde. Inte ett program, inte en strategi, ett enda flöde.
- Lägg en vecka på att räkna. Be teamet att notera varje uppgift de upprepar mer än fem gånger. Tjugo till trettio kandidater kommer att dyka upp snabbare än du förväntar dig, och en eller två kommer att överraska dig.
- Poängsätt dem utifrån de sju faktorerna ovan. Välj vinnaren, inte det mest högljudda klagomålet.
- Skriv ner fältlistan eller steglistan. Om du inte kan skriva ner det, är det inte redo. Att upptäcka detta på papper kostar en eftermiddag. Att upptäcka det halvvägs in i ett bygge kostar ett kvartal.
- Kör det parallellt med den manuella processen i två veckor och jämför sida vid sida. Alla hoppar över detta steg. Det är just detta steg som ger dig förtroendet att ta dig an nästa flöde.
- Sluta sedan göra det för hand.
Det är hela metoden. Automationsprogram misslyckas när de startas som program. De fungerar när de startar som ett enda flöde som synbart slutade kosta någon dennes tisdagsmorgon.
Om det flöde du landar i börjar med ett dokument, vilket det väldigt ofta gör, är det ingen tillfällighet. Det är där timmarna försvann. Och när du är redo att bredda linsen från ett flöde till hela det administrativa lagret, kartlägger kontorsautomation de sex funktioner ett kontor hanterar och vilka verktyg som hör hemma under respektive funktion.
Senast uppdaterad
