Vì sao chấm sẵn sàng tự động hóa sai khi phạm vi quá rộng?

Một phòng có thể gồm trả lời khách, sửa đơn, duyệt hoàn tiền và báo cáo. Bốn việc dùng dữ liệu, quyền và tiêu chí hoàn tất khác nhau. Gộp chúng vào một điểm khiến người đọc không biết phần nào thật sự có thể thử.

Điểm cao ở công cụ hoặc kỹ năng có thể bù số học cho quyền chưa rõ, nhưng không bù được rủi ro vận hành. Một trường quan trọng bằng 0 vẫn là điểm chặn dù tổng điểm nhìn đẹp.

Thứ nhất, nó lấy trung bình các luồng không cùng điều kiện. Thứ hai, nó dùng mô tả chính sách thay cho dấu vết việc thật. Thứ ba, nó làm mờ ngoại lệ ít gặp nhưng hậu quả lớn. Thứ tư, nó khiến quyền được mô tả bằng tên vai trò chung thay vì hành động cụ thể.

NIST nhấn mạnh việc lập bản đồ bối cảnh, đo và quản lý rủi ro theo vòng đời. Khi bối cảnh bị gộp quá rộng, cả phép đo lẫn người chịu trách nhiệm đều khó gắn vào một quyết định có thể kiểm tra.

Tên phạm vi như “chăm sóc khách hàng”, “vận hành đơn” hoặc “toàn bộ bán hàng” thường chưa đủ để chấm. Một dấu hiệu khác là nhóm không thể nêu một điểm bắt đầu, một điều kiện hoàn tất và một người chịu trách nhiệm cuối.

Phạm vi cũng quá rộng khi mẫu chứa nhiều kênh có trạng thái khác nhau, nhiều loại quyết định hoặc cả việc có thể đảo ngược lẫn việc khó hoàn tác. Nếu một câu trả lời phải dùng “tùy trường hợp” liên tục, cần tách luồng trước.

Tách theo một loại yêu cầu, một kênh, một nhóm khách, một trạng thái bắt đầu và một hành động kết thúc. Ví dụ, thay “tự động hóa chăm sóc khách” bằng “phân loại tin hỏi trạng thái giao hàng trên một kênh và soạn câu trả lời để người duyệt”.

Sau khi đặt ranh giới, liệt kê dữ liệu được đọc, hành động được phép, ngoại lệ phải chuyển và phép đo đầu ra. Nếu vẫn có hai loại quyết định với hậu quả khác nhau, tiếp tục tách thành hai phạm vi.

Lấy các trường hợp gần đây gồm đường thường, lỗi và ngoại lệ. Theo từng trường hợp từ lúc vào đến lúc xong; ghi mốc, người chạm, dữ liệu dùng và lý do đổi hướng. Nếu các mẫu đi qua những quyết định khác hẳn nhau, phạm vi vẫn còn rộng.

Microsoft cho biết process mining dùng nhật ký sự kiện để nhìn các bước thực và nơi vấn đề xảy ra; task mining giúp quan sát thao tác cụ thể. Doanh nghiệp có thể bắt đầu bằng nhật ký đơn giản, miễn dấu vết đủ nhất quán để kiểm ngược.

Lỗi thường gặp là thu hẹp theo tên bộ phận nhưng không theo quyết định, chọn chỉ đường thuận lợi và bỏ ngoại lệ, hoặc đổi ranh giới giữa lúc đo. Một lỗi khác là gọi bản thử quyền đọc là bằng chứng cho quyền tự sửa dữ liệu.

Cách kiểm là khóa phiên bản phạm vi trước khi lấy mẫu. Mọi trường hợp nằm ngoài phải được ghi, không xóa khỏi mẫu để làm đẹp kết quả. Khi đổi quyền hoặc đầu ra, coi đó là phạm vi mới và đánh giá lại.

Nhân sự số và Nhân viên số có thể được giao một hành động rõ trên nguồn dữ liệu rõ, với điều kiện chuyển người và dấu vết kiểm tra. Không dùng câu “hỗ trợ vận hành” thay cho mô tả quyền cụ thể.

Con người đặt mục tiêu, cấp quyền, duyệt ngoại lệ, kiểm mẫu và chịu trách nhiệm cuối. A Tech Economy khuyến nghị mở rộng từng ranh giới sau khi luồng trước có bằng chứng ổn định; không suy rộng một điểm chấm cho toàn bộ hệ thống.