怎樣挑選自動化供應商

挑選自動化供應商，先問一句：系統做錯的個案會怎樣處理。這條問題只需十秒，卻足以分辨真正把自動化推上線的人，與只示範過的人。這篇其餘部分，都只是把同一條問題問得更徹底的方法。

之所以由「失敗」而不是「能力」問起，是因為能力早已不是瓶頸。抽取、對數與分類今天都做得夠好，技術本身很少是項目沉沒的原因。

自動化項目究竟因為甚麼失敗？

不是技術。Ernst & Young 廣被引述的估計，指初次 RPA 項目的失敗率介乎三成至五成，而 Deloitte 訪問 478 間機構後發現，只有 3% 真正做到規模化。這些數字被轉載得太多，當作方向參考就好。真正值錢的是背後那幾種失敗模式，它們相當一致：

• 範圍從來窄不到可以完成。 一個「把應付帳款自動化」的計劃沒有完成條件；一個「為某一間公司把供應商發票對回採購訂單」的項目有。
• 客戶一方沒有負責人。 自動化其實是在把「甚麼才叫正確」寫成規則，而這些決定需要你公司裡一個能在一個下午拍板的人，而不是一個督導委員會。
• 對例外沒有安排。 每個真實流程都有系統處理不了的個案。如果沒有人設計過這些個案的去向，它們就會靜靜變成某人不在職責範圍內的第二份工。
• 成功條件無法量度。 「提升效率」查不到；「把對數由五天縮短到一天以內，行項目準確率 97%」查得到。

留意四項之中有三項屬於範圍與責任問題，而它們在寫下第一行程式之前就決定了，主要就在挑選供應商的階段。

那八條問題

第一次會議就問。答案比任何案例分享都有用。

一、做錯的個案會怎樣處理？

你想聽到的答案很具體：信心分數怎樣計、甚麼門檻會把個案轉交人手、覆核介面長甚麼樣子、預期例外率是多少。只用模型準確率來回答的供應商，未曾在生產環境跑過這類系統，因為在真實運作裡，整個營運問題就是「人手會看到哪些個案」。

二、你說的準確率，是甚麼意思？

準確率不是單一一件事。同一套系統上，字元準確率、欄位準確率與整份文件的端到端準確率，差距可以非常大。95% 的欄位準確率聽起來很好，直到你發現一份有十二個欄位的文件，出錯機會已經超過一半。請對方界定分母。

三、你能交付的最小而有用的東西是甚麼？

最好的答案是細小、具體、不起眼。一個未碰過任何文件、就先提出探索階段、平台選型與路線圖的供應商，賣給你的是一份計劃。計劃不是難的部分。

四、簽約之前，肯不肯用我們最差的文件試跑？

示範檔案永遠成功。拿出你最差的十份輸入：糊掉的掃描件、手寫更正、上季改了版面的供應商，要求對方試跑一次。這一個測試解決的不確定性，比整個採購流程其餘部分加起來還多，而供應商肯不肯試，本身就是訊號。

五、程式碼、模型與數據誰擁有？

寫進合約。抽取出來的數據會否用於訓練任何共用模型、你會不會拿到原始碼、數據在哪裡處理。在香港，這同時代表要問文件會否離開本地司法管轄區，而這是一條有事實答案的問題，不應該需要再約一次電話會議。

六、建置完成之後，每年要付多少？

建置費是看得見的數字，卻很少是最大的一個。請對方按你的量報出運行成本：授權費、每份文件收費、寄存，以及支援安排。一個以建置費計算八個月回本、但計入運行成本後永遠不回本的項目，很常見，也完全避得開。

七、供應商改了發票版面，由誰去修？

這件事一直在發生，而且是「兩年後這套自動化是否仍然運作」最可靠的預測指標。你要一個有名有姓的安排：怎樣偵測變更、多快處理、以及是否已包含在費用之內。

八、要離開的話，需要付出甚麼？

直接問。如果答案是要從頭重做一次，那就現在把這個風險計入決定，而不是等到續約談判時才發現。

一份好的建議書長甚麼樣子

它只針對一個流程。它寫出可量度的「之前」與「之後」。它描述例外處理的篇幅，與描述順利路徑的篇幅一樣多。它的第一批交付在大約兩個月之內，而且會說明到時會學到甚麼、那些發現可能怎樣改變其餘計劃。

它不會承諾把人完全拿走。在雜亂的營運文件上追求全自動，正是這類預算消失的方式；老實的目標是一個比例而不是一個總數：系統有信心的個案自動處理，其餘轉交人手。我們在對數自動化要做到 97% 準確率，關鍵在哪寫過一宗真實空運對數的做法，結果是一個五天的周期以大約兩小時完成，由一個人覆核例外。

開會之前，先自己計一次數

帶著自己的數字去見供應商：每月幾多份文件、每份幾多分鐘、那位同事連帶成本的時薪是多少。這會把一場推銷變成一次比較，也讓你在對方報價之前，已經知道獎品有多大。成本那一邊的計算寫在自動化一個流程要花多少錢，而我們的自動化 ROI 計算機一分鐘就計得出。

如果你寧願與一個「答案是『暫時不要自動化』時也會照直說」的人一起走一次，那正是我們免費 30 分鐘 ROI 診斷的用途。