Process selection and economic evaluation in IPA: a comprehensive framework for implementation

Latest significant advancements in Artificial Intelligence (AI) have fueled expectations about its potential for automation, opening new possibilities for companies to streamline their processes. Given the growing interest surrounding the theme, it is crucial to obtain a critical perspective of AI’s true impact on automation, in order to help organizations navigate and approach the phenomenon strategically. Intelligent Process Automation (IPA) — a technology integrating advanced AI with a more rudimental approach to digital process automation (Robotic Process Automation)— emerges as one of the most disruptive solutions: integrating AI techniques such as Machine Learning (ML), it promises to handle complex, high-value tasks end-to-end, pushing the boundaries of what can be automated. Recognizing its transformative potential, the main objective of this thesis is to identify and recommend best practices for IPA implementation, while simultaneously assessing AI’s current role in it. This required to delve deeper into the themes of process selection for automation and subsequent economic evaluation, with the aim of proposing an overall framework to guide IPA adoption. The method followed, combining an extensive literature review with empirical results from interviews with automation experts, enriched findings with varied perspectives and maturity levels, offering insights into practical challenges and strategies. The research conclusions culminated in a comprehensive list of ideal process characteristics for automation, a complete overview of benefits and costs to assess in automation projects, and structured methods proposals for both process selection and economic evaluation. Together, these outcomes contribute to IPA research by providing a thorough collection of implementation considerations and a critical assessment of AI’s impact on each aspect.

I recenti e significativi progressi nel campo dell’Intelligenza Artificiale (IA) hanno alimentato le aspettative riguardo al suo potenziale impatto sull’automazione di processo, aprendo nuove opportunità di ottimizzazione ed efficienza per le aziende. Considerato il crescente interesse verso questo tema, è fondamentale sviluppare una prospettiva critica sul reale impatto dell'IA sull'automazione, e supportare le organizzazioni per affrontare il fenomeno in modo strategico. L’Intelligent Process Automation (IPA) —tecnologia che integra l’IA avanzata con un approccio più semplice all’automazione dei processi digitali (Robotic Process Automation) — emerge come una delle soluzioni più innovative: grazie a tecniche di IA come il Machine Learning (ML), promette di gestire compiti complessi e di alto valore, ampliando i limiti di ciò che è possibile automatizzare. Riconoscendo il valore dell’innovazione, l’obiettivo principale di questa tesi è identificare e raccomandare le pratiche ottimali per l’implementazione dell’IPA, valutando al contempo il ruolo attuale dell’IA in questo ambito. Ciò ha richiesto un approfondimento sui temi della selezione dei processi da automatizzare e della successiva valutazione economica dei progetti, con l’intento di proporre un framework complessivo per guidare all'adozione della tecnologia. Il metodo adottato, che combina un’ampia revisione della letteratura con risultati empirici tratti da interviste con esperti, ha arricchito i risultati con molteplici prospettive e livelli di maturità, fornendo approfondimenti sulle sfide e strategie pratiche ritrovabili nelle aziende. Le conclusioni della ricerca culminano in un elenco completo delle caratteristiche di processo ideali per l'automazione, in una panoramica dettagliata dei benefici e dei costi da considerare nei progetti di automazione, e in delle proposte di metodi strutturati sia per la selezione di processo che per la valutazione economica. Nel loro insieme, questi risultati contribuiscono alla ricerca sull'IPA offrendo una raccolta completa di considerazioni per l'implementazione e una valutazione critica dell’impatto dell’IA su ciascun aspetto.