管理資訊系統(MIS)/研究所

面對大量重複性的人工流程時，組織通常會尋求自動化以釋放員工的人力，讓他們能投入更具生產力的工作。然而這個挑戰在於如何以最適合組織的方式導入自動化，例如：哪些流程應該優先自動化？這項工作又應該由技術專家主導，還是由流程專家主導？本文將藉由分析兩家美國的醫院系統推行自動化的方式，來探索對於其他組織可行的做法。

2018年，波士頓麻州醫院布萊根醫療系統(Mass General Brigham, 下稱MGB)的財務部門，在追蹤專職醫療人員資訊時正面臨日益嚴重的問題，第一線員工必須收集數量不斷增加的醫療人員的最新資訊，但整個流程既緩慢又低效，往往需要三位不同的行政人員透過一連串繁瑣的點擊、手動收集以彙整出所需資料。為了協助將這項流程以及未來其他流程自動化，MGB成立了一支自動化團隊，招募開發人員來建置與管理自動化工具，並從財務部門延攬一位流程專家，一方面與財務部門合作，重新設計更適合自動化的工作流程；另一方面也與自動化團隊合作，打造能融入新流程的工具。他們開發出的工具能自動收集醫療服務提供者的資料，這不僅讓第一線財務人員得以投入更高價值的工作，也使整個系統更易於擴充，以因應未來醫療從業人員數量增加的預期需求。

兩百英里之外的紐約西奈山醫學中心，則選擇以不同方式解決類似的自動化情境，西奈山醫學中心的財務部門希望提升病患財務理賠處理的效率，因此請資訊科技部門找出適合導入自動化的流程，結果顯示，審查大型保險公司相關的理賠案件，是一個可透過技術提升效率的領域，這項工作量龐大，而且其僅需建置一套預先定義的指令，便可以有效的循序完成一連串作業。相較於MGB，西奈山的自動化案例不太涉及既有流程的重新設計，軟體工程師可以根據現有流程，寫個程式來處理每一筆理賠案件，使行政人員只需監控系統並處理例外狀況即可。

在推行自動化後的五年後，MGB與西奈山醫學中心已在多個行政與臨床部門開發出一百多項自動化應用，新技術的導入合計節省了數萬小時的工時，並間接節省數千萬美元的成本，而其中的亮點更是：兩家機構都沒有因此裁員，反而是讓員工將重心轉向更高附加價值的活動與專案。

兩間醫院的案例其實也體現了，許多組織在大規模部署新的IT工具時遇到的問題：專案團隊該如何辨識適合的流程，或以適合的技術輔助任務？在部署新技術時，又該如何整合適當的流程專業與技術專業？以結果論，MGB與西奈山能成功擴大自動化規模，但許多組織卻舉步維艱，其中的兩個差異原因便在於：這兩個案例都成功建立了一套內部流程，以辨識哪些任務真正適合自動化，並且整合了正確的知識，使技術得以順利應用於這些任務。

其實與所有想要導入自動化的組織相同，當MGB與西奈山醫學中心剛開始探索如何導入自動化時，哪些任務最適合作為候選對象其實並不明確，不過他們有一項優勢，他們認為有兩點非常清楚：第一，機器人流程自動化(RPA)工具最擅長處理規則明確的例行性任務、第二，組織執行這些任務的頻率越高、所需時間越長，透過自動化所能節省的工時潛力也就越大。

因此他們利用這個觀點，各自發展出一個自動化評分卡的機制(Automation Scorecard)來評估某項任務是否適合自動化，這個機制掌握評估任務的兩個面向：一是自動化的難度（複雜度），二是它可能為組織帶來的價值，在MGB的案例中，負責管理流程的團隊，會與負責技術的自動化團隊合作，根據11項因素，以1到5分的量表為任務評分，以判斷這個任務是否適合自動化，以及估計所需投入的工作程度。評估考量包括：資料的結構化程度、流程的標準化程度、有多少應用程式會依賴這項自動化，以及妥善完成該任務需要花費多少人力，團隊填寫完評分卡說明自動化任務的成本與效益後，再交由高階主管審核批准。

這個評分卡展現三個關鍵面向的效益：

1. 界定組織導入自動化時希望達成的核心目標，並促使業務團隊以這些目標來思考自動化構想。
2. 讓自動化流程更普及化，相較於讓技術專家單方面負責辨識自動化機會，評分卡的設計使第一線員工也能思考自己日常工作中的哪些任務可能適合自動化，並進一步提升工作生產力。
3. 評分卡會以節省工時為基準，為每一個自動化專案設定量化目標，讓團隊能將實際節省成果與原先目標進行比較。

在多個部門爭奪有限資源以建置自動化工具的情況下，這兩個案例都發現，決定自動化專案的優先順序並不容易，這個評分卡機制讓醫院的高層決策單位得以比較並排序各項自動化機會的優先次序，同時業務與臨床人員也可以審視評分卡，衡量各項機會的策略價值，而資訊科技領導者則能評估這些機會對其團隊及其他專案可能造成的影響。

一開始我們就有提到，為了導入自動化技術，組織不僅需要技術知識來客製化與操作技術工具，也需要流程知識來辨識哪些高影響力流程適合自動化，技術知識與流程知識都是成功部署自動化的關鍵。問題在於，技術知識與流程知識往往分散在組織中的不同部門中，技術知識通常集中於資訊科技部門與工程團隊，而流程知識則可能分布在第一線工作的團隊手中，這兩個案例分別展現了對這個問題兩種不同的看法。

MGB在建立開發自動化流程這個計劃時，負責編寫RPA軟體來執行行政任務的人是以流程知識為主，找來對醫院系統的流程運作方式具有經驗，但技術知識相對有限的流程專家來開發自動化工具，為了彌補潛在性的專業能力不足，MGB為這些人提供程式專業的訓練，讓他們得以學習使用RPA工具來編寫軟體機器人。這種做法的問題在於，流程專家的技術知識仍然有限，這些開發自動化的人員通常只受過使用RPA軟體的簡單訓練，因此未必能夠充分運用機器學習工具來進一步改善流程，因此MGB的組織自動化目標是先擅長修正不良流程，之後再進一步納入更複雜的工具，例如光學字元辨識(OCR)、人工智慧以及相關技術。

相對來說，西奈山醫學中心則採取了「讓技術專家擁有流程知識」的反向做法，他們招募了經驗豐富的軟體開發人員加入IT團隊，由他們在組織內尋找那些能夠透過自身技術能力加以自動化、並提升效率的流程，一旦定位出適合的目標後，IT團隊便會研究原本該流程如何執行，並在嘗試自動化之前，先將複雜流程視覺化並加以分析。擁有一支高度專業化的開發團隊，使西奈山醫學中心能透過建構更複雜的IT工具來自動化更多潛在流程。例如：開發團隊打造了一套OCR工具，用來自動處理手寫的病患同意書，其準確度遠高於先前使用的軟體，因而減少了行政人員人工再次核對表單的需求；但其風險則在於，技術專家能掌握的流程知識有限，即使技術專家對各業務團隊進行嚴謹的訪談與流程彙整，他們仍無可避免地會遺漏一些流程專家經年累月累積而成的內隱知識。

麻州醫院布萊根醫療系統(MGB)與西奈山醫學中心這兩個案例之所以能成功推動自動化專案，是因為他們將技術知識導入以流程為核心的團隊，或反之將流程知識導入技術團隊；透過這種做法，推動自動化的團隊可以發展出一套共享語言，更清楚理解流程如何運作，以及技術可以在哪些地方發揮影響力。

如上圖所示，透過這個案例的分析，我們可以發現在組織嘗試拓展自動化的過程中，流程知識與技術知識的平衡扮演了至關重要的角色，不同程度的流程知識與技術知識搭配，展現了不同的組織自動化推行策略。

MGB的做法凸顯了賦予第一線員工辨識適合自動化流程的能力的重要性，並進一步連結所需的技術技能，能夠擴大並加速組織可自動化流程的範圍，MGB有意識地讓具備流程知識的員工參與其中，這一點顯然與西奈山醫學中心側重資訊科技主導模式的方式有所不同；西奈山的案例則讓我們了解到培養組織內部對多種自動化工具的技術知識，能加快組織處理更複雜問題的能力，即使像醫學中心這類非資訊密集、IT工具主要依賴第三方供應商提供的組織中仍可發現，內部技術知識對於判斷什麼才是最適合自動化的對象，依然是推行成功自動化的關鍵。