Představte si automatizaci, která každé pondělí připraví přehled zakázek a pošle ho týmu. Nastavíte zdroje, vyberete potřebné údaje a domluvíte čas odeslání. První report dorazí, čísla sedí a nikdo už nemusí ručně spojovat tři soubory. Přesně takhle to mělo fungovat.
O pár týdnů později se ale může změnit název sloupce, vypršet přístup nebo přibýt nový typ zakázky. Automatizace možná skončí chybou. Horší varianta je, že dál posílá report, který vypadá správně, jen v něm část dat chybí.
Taková chyba nemusí být na první pohled vidět. Report chodí dál a tým se podle něj rozhoduje. Právě proto patří k automatizaci i kontroly, které odhalí problém dřív, než na něj někdo narazí při práci.
Nejdřív ověřte, co opravdu vzniklo
Hláška „dokončeno“ je užitečná, ale sama o sobě nestačí. U našeho pondělního reportu se potřebujeme podívat, zda obsahuje očekávané zakázky, pracuje s aktuálními údaji a dorazil lidem, kteří ho mají používat.
Představte si třeba report, ve kterém zůstala data z minulého týdne. Soubor se vytvořil, zpráva odešla a systém nehlásí chybu. Pro tým je ale takový přehled zavádějící. Nestačí tedy kontrolovat odeslání; potřebujeme poznat i to, zda report obsahuje to, co od něj lidé očekávají.
Při prvním ověření pomůže porovnat report s několika konkrétními záznamy ve zdrojovém systému. Pak můžete část kontrol automatizovat: sledovat datum poslední aktualizace, dostupnost zdrojů nebo neobvyklý propad počtu záznamů. Ne každá odchylka znamená chybu, ale měla by jít vysvětlit.
Co když jeden ze zdrojů vypadne?
Při prvním testu obvykle chcete hlavně vidět, že všechno funguje. Pak ale stojí za to zkusit i opačnou situaci: jeden soubor chybí nebo služba neodpovídá. Udělejte to nanečisto, aby zkušební výsledek neodešel kolegům jako běžný report.
Co se stane, když jeden ze tří zdrojů není dostupný? Počká automatizace, nebo vytvoří přehled jen ze zbývajících dvou? Pokud pošle částečný výsledek, musí z něj být zřejmé, co chybí. Jinak může tým nižší počet zakázek považovat za skutečný pokles, přestože se jen nepodařilo část z nich načíst.
Podobně je potřeba promyslet opakované spuštění. Když odesílání zprávy skončí bez potvrzení, nemusí to znamenat, že zpráva neodešla. Než systém pokus zopakuje, měl by umět zjistit, co už provedl. U vytváření objednávek nebo faktur je tahle kontrola ještě důležitější.
Domluvte se, kdo se o problém postará
Upozornění na chybu pomůže jen tehdy, když dorazí někomu, kdo s ní může něco udělat. Obnovení přístupu možná vyřeší správce systému, chybějící údaje doplní obchodník a o odeslání neúplného reportu rozhodne vedoucí týmu. Každý potřebuje jinou informaci. Samotné „něco se pokazilo“ jim moc nepomůže.
Pro začátek stačí mít jasně domluvené, kdo hlídá výsledek, komu předává technický problém a kdo může změnit pravidla. Hodí se i krátká poznámka, kde úloha běží, odkud čerpá údaje a jak ji pozastavit. Až bude potřeba něco opravit, nebude se začínat pátráním, kdo to vlastně kdysi nastavoval.
Dobré upozornění řekne, co se nepodařilo, čeho se to týká a co má člověk udělat dál.
Malá změna si zaslouží krátké ověření
Pravidla se mění i u zdánlivě jednoduché úlohy. Report má nově chodit v úterý, přibude další tým nebo se přesune zdroj dat. Změna může být hotová během chvíle, přesto stojí za to ověřit, že běžící úloha opravdu používá nové nastavení.
Podívejte se přímo do nástroje, který automatizaci spouští. Je tam správný čas, zadání, zdroj i příjemce? Má úloha potřebné přístupy? Poznámka v dokumentaci nebo potvrzení o uložení ještě neukazuje, co se při dalším spuštění skutečně stane.
U změn, které mohou odeslat zprávu nebo zapsat údaje do jiného systému, pomůže nejdřív ověřit výsledek nanečisto. Pokud by se během úprav mohlo něco odeslat nebo zapsat špatně, úlohu dočasně pozastavte. Po zapnutí zkontrolujte první výsledek. U jednoduché změny to může být rychlá kontrola; u nového zdroje dat bude potřeba projít i jeho obsah.
Když nepřijde zpráva, je všechno v pořádku?
U pondělního reportu čekáte zprávu každý týden. Když nepřijde, něco chybí. U kontroly, která upozorňuje jen na zakázky po termínu, ale může být ticho správný výsledek. Právě proto je dobré rozlišovat, zda úloha proběhla a nic nenašla, nebo se vůbec nespustila.
Nemusíte kvůli tomu dostávat další zprávu po každé kontrole. Stačí mít možnost dohledat, kdy kontrola naposledy proběhla a s jakým výsledkem. Zpráva má přijít tehdy, když něco selže, úloha vynechá plánované spuštění nebo čeká na vaše rozhodnutí.
Když automatizace posílá příliš mnoho hlášení, lidé si na ně zvyknou a přestanou je číst. Důležitá zpráva pak snadno zapadne mezi desítky potvrzení, že se nic nestalo.
Používá ten report ještě někdo?
Automatizace může technicky fungovat bez chyby, a přesto už nikomu nepomáhat. Tým mezitím přešel na jiný přehled, zprávy chodí lidem, kteří už mají jinou práci, nebo si někdo každý týden přepočítává stejný sloupec.
Po nějaké době se proto vyplatí zeptat lidí, kteří výsledek používají: Je to pořád užitečné? Co vám chybí? Co musíte dodělávat ručně? Někdy z odpovědí vzejde drobná úprava. Jindy zjistíte, že úlohu můžete úplně vypnout.
Jak často se ke kontrole vracet, záleží na tom, co automatizace dělá a jaké následky by měla chyba. Jinou péči potřebuje interní týdenní přehled a jinou systém, který přímo mění objednávky. Domluvte se, kdo a kdy výsledek zkontroluje. Když se zjistí opakovaná chyba, upravte podle ní i automatickou kontrolu. Příště už na stejný problém nemusí upozorňovat kolega.
Co zkontrolovat u automatizace, kterou už máte
Vyberte si jednu úlohu, na kterou se dnes spoléháte, a projděte si těchto pár otázek:
- Kdy naposledy proběhla a kde je její skutečný výsledek?
- Jak poznáte, že pracovala se správnými a úplnými údaji?
- Co udělá při chybě a komu se ozve?
- Může při opakování provést stejnou akci dvakrát?
- Kdo umí změnit nastavení nebo úlohu zastavit?
- Používá její výsledek ještě někdo a pomáhá mu?
Pokud u některé otázky váháte, začněte právě tam. Třeba stačí doplnit kontrolu aktuálnosti dat nebo změnit příjemce chybových zpráv. Nemusíte předělávat celý systém. I malá úprava může znamenat, že se o problému dozvíte včas a budete vědět, co s ním.
Spolehlivosti nástrojů a AI agentů se věnuje také článek SaaS nekončí. Mění se důvod, proč za něj platíme. Pokud chcete začít jedním konkrétním procesem ve firmě, podívejte se na AI workflow sprint.