Automação sem dados consistentes: um erro comum nas empresas

Porque a automação é frequentemente mal aplicada

A automação de processos tornou-se, nos últimos anos, uma das maiores prioridades no universo empresarial português. A pressão para reduzir tarefas manuais, acelerar operações e libertar as equipas para tarefas de maior valor, é real.

Isto é importante, mas revela também um risco: o de que muitas empresas estão a investir em automação antes de terem resolvido um problema mais fundamental. Quando a base de dados não está estruturada, em que a informação é inconsistente, duplicada ou circula de forma não controlada entre sistemas, a automação não elimina os problemas existentes, aumenta-os de forma silenciosa ao distribuir erros pelo sistema antes de alguém se aperceber do que está a acontecer.

O erro mais comum: automatizar tarefas isoladas

Na maioria das situações, a decisão de automatizar nasce da necessidade de reduzir trabalho manual das equipas. Alguém passa horas a exportar dados de um sistema e a introduzi-los noutro, os processos são lentos porque dependem de passos repetitivos que ninguém questionou ainda, pelo que, a solução 'óbvia' passa por automatizar essas tarefas.

O que muitas vezes acontece é que essa automação é implementada ao nível da tarefa em que cada solução resolve visualmente o problema de quem a pediu, mas não resolve a causa subjacente, sendo criada uma rotina automática que copia contactos entre plataformas, que sincroniza registos entre sistemas, que elimina a necessidade de introdução manual num passo específico.

O problema é que automatizar uma tarefa é diferente de estruturar um processo, pois uma tarefa é um passo e um processo é a sequência de passos, com as suas dependências, as suas origens de dados e as suas regras de funcionamento.

Quando se automatiza uma tarefa sem compreender o processo em que se insere, o que se obtém é uma solução mais rápida para algo que talvez não devesse existir dessa forma e é exatamente assim que surgem os chamados "atalhos operacionais": automatizações que resolvem problemas sem tocar nas causas, e que muitas vezes tornam as causas mais difíceis de identificar e corrigir posteriormente.

O papel dos dados na automação de processos

A automação de processos é a execução automática de lógica definida com base em informação disponível, e para que funcione de forma fiável, essa informação precisa de cumprir três condições básicas: tem de ser correta, tem de ter uma origem clara e definida, e tem de ser consistente entre os sistemas que a utilizam.

Quando estas condições não estão garantidas, a automação perde o controlo que era suposto ter, as decisões são tomadas com base em dados incompletos e os processos avançam sem que exista uma validação real do seu estado. Os erros ocorrem no momento em que a informação é processada, mas só são detetados muito mais tarde, quando os seus efeitos já se propagaram.

Há uma diferença fundamental entre trabalho manual e trabalho automatizado que raramente é considerada antes de implementar automação: no trabalho manual, existe sempre alguma forma de verificação implícita, isto é, quem executa uma tarefa vê o que está a fazer e tem a capacidade de detetar inconsistências, mesmo que informalmente.

A automação executa sem questionar, pois se a informação estiver errada, o processo avança na mesma, e é precisamente por isso que a qualidade dos dados deixa de ser uma questão secundária quando se automatiza, e passa a ser uma condição de funcionamento.

Quando a automação agrava o problema

Existem situações em que a automação não falha só na resolução de um problema, mas transforma-o num problema de natureza diferente e mais difícil de tratar, como por exemplo, a propagação automática de dados entre sistemas.

Por exemplo, uma empresa tem os respetivos dados de clientes num CRM e num sistema de faturação, com sincronização manual entre os dois. Esse processo manual é lento e sujeito a erros, pelo que se decide automatizá-lo e assim, passa a existir uma rotina que replica automaticamente os dados de um sistema para o outro, sempre que há uma atualização. O resultado parece imediato: menos trabalho e mais rapidez, mas se os dados de origem forem inconsistentes (se um contacto estiver duplicado, se uma morada estiver incompleta ou se houver campos com formatos distintos) a automação não resolve essa inconsistência, irá distribuí-la. Isto faz com que o erro que antes estava localizado num sistema passa a existir em vários pontos da operação, e rastreá-lo torna-se significativamente mais complexo.

Outra situação igualmente comum é o da atualização automática de estados em fluxos de trabalho. Se a lógica que determina quando um processo deve avançar não estiver bem definida, ou se os dados que alimentam essa lógica não forem fiáveis, um processo pode completar etapas que não deveria ter completado, sem que ninguém receba qualquer alerta.

Quando o problema era manual, havia sempre um momento em que alguém o via, mas com automação, este problema percorre o sistema antes de ser detetado, e quando for detetado, possivelmente já produziu efeitos difíceis de desfazer.

Porque a automação parece funcionar, mas não resolve

Um dos aspetos mais enganadores da automação mal aplicada é a perceção de melhoria que gera nos primeiros tempos:

• algumas tarefas deixam de ser executadas manualmente;
• o tempo de execução de certos processos diminui;
• a operação aparenta estar mais fluida.

Estas melhorias são reais, mas são superficiais, e tendem a ocultar problemas que estão simplesmente a acumular-se noutro nível.

Muitas empresas avançam para a automação sem ter a capacidade interna de avaliar se as condições de base estão reunidas para que essa automação produza os resultados esperados. O que resulta, frequentemente, numa operação mais dependente de regras automáticas que ninguém compreende completamente, onde os erros são mais difíceis de rastrear porque deixaram de ser visíveis no ponto em que ocorrem, e onde a manutenção técnica absorve tempo e recursos que não estavam previstos. Pelo que, a complexidade não desapareceu e a automação passou a funcionar como uma camada que esconde problemas em vez de os resolver.

O que precisa de estar resolvido antes de automatizar

O ponto de partida é a definição clara da origem dos dados, pois enquanto esta definição não existir, qualquer automação vai operar sobre dados cuja veracidade não pode ser garantida. Cada tipo de informação - dados de clientes, estados de processos, registos financeiros, informação operacional - deve ter um sistema de origem definido, onde é criado e mantido como fonte de verdade.

A isso junta-se a necessidade de limpeza e consolidação dos registos existentes através da eliminação de informação duplicada entre sistemas. Quando o mesmo dado existe em dois lugares com valores potencialmente diferentes, qualquer processo automatizado que dependa dessa informação vai estar sujeito a conflitos de atualização, onde cada sistema tenta impor a sua versão, e o resultado é a perda de consistência precisamente onde a automação devia garanti-la.

É necessário garantir que a circulação da informação entre sistemas está definida de forma controlada, através da interoperabilidade. No sentido de garantir que cada dado tem um percurso definido, que os sistemas o recebem da fonte correta, e que as atualizações se propagam de forma previsível e rastreável, pois sem interoperabilidade entre sistemas, a automação não tem base sólida onde operar.

Automação como consequência, não como ponto de partida

A automação de processos é uma consequência natural de uma operação bem estruturada e não um substituto para a estrutura que ainda não existe. Quando os processos funcionam de forma consistente, quando os dados têm origem clara e circulam de forma controlada entre sistemas, a automação passa a fazer pleno sentido: reduz tarefas sem introduzir inconsistência, acelera processos sem perder controlo, e melhora a eficiência sem aumentar a complexidade operacional.

Para a maioria das PME portuguesas, que operam com recursos limitados e onde cada decisão de investimento tem um peso significativo, é fundamental entender que automação sem dados consistentes não elimina trabalho manual, transforma-o em algo mais difícil de controlar para quem gere a operação e mais difícil de corrigir.

A prioridade, antes de automatizar, é garantir que aquilo que vai ser automatizado já funciona corretamente, e só a partir daí a tecnologia poderá produzir o impacto esperado.