5 technologii, które powinna znać osoba zajmująca się hiperautomatyzacją - edycja 2022

Praca w IT to ciągły rozwój. Niby to truizm, ale czasami, w natłoku bieżącej pracy zapomina się o tym. A to może niestety boleć. I to dosłownie ;).

Z rozmów, jakie przeprowadziłem w ciągu ostatnich kilku tygodni widać, jak mocno zmienia się również rynek dla specjalistów od hierautomatyzacji, w tym także od robotyzacji procesów biznesowych.

Okazuje się, że jeżeli myślimy o rozwoju zawodowym, to nie wystarczy znajomość jednego narzędzia do Zrobotyzowanej Automatyzacji Procesów (Robotic Process Automation) i VBA (Visual Basic for Application). Oczekiwania przyszłych pracodawców są o wiele większe.

Bazując na przeprowadzonych wywiadach postarałem się przygotować dla Was listę 5 technologii, które warto pielęgnować / rozwijać w 2022 r., aby nie wypaść z rynku. Oczywiście jest to lista bardzo subiektywna. I ktoś może krzyknąć - "Skandal, dlaczego tutaj nie ma Automation Anywhere / Blue Prism, przecież my tego tylko używamy". No właśnie - Wy :). Ale rynek się zmienia. Te dwa produkty zmniejszają swój udział w rynku (przynajmniej w Polsce).

A teraz obiecana lista.

1. UiPath - lider popularności w Polsce jeżeli chodzi o narzędzia do robotyzacji procesów. Dla części organizacji synonim narzędzia RPA.

2. Microsoft Power Automate - technologia, która najwięcej zyskała w Polsce w ciągu ostatnich 12 miesięcy. Można powiedzieć - od zera do milionera :). Bardzo często jest to rozwiązanie drugiego wyboru. Tj. firmy oprócz UiPath zaczynają wdrażać Microsoft Power Automate. Pytanie, czy w którymś momecie te technologie nie zamienią się miejscami.

3. Python - język uniwersalny, ale bardzo chętnie stosowany do automatyzacji. Część firm próbuje zastępować roboty napisane w UiPath - skryptami pythonowymi. Faktem jest, że do przetworzenia danych (np. na potrzeby Process Mining) to świetne narzędzie.

4. Zbiór bibliotek implementujących algorytmy / modele uczenia maszynowego (Machine Learning) - to nie jest produkt konkretnej firmy / konkretnego dostawcy. Raczej chodzi o umiejętność połączenia modeli machine learnigowych z automatyzacją procesów biznesowych (np. wywołanie modelu Machine Learning napisanego w Pythonie z poziomu robota napisanego w UiPath).

5. Wybrane narzędzie do zarządzania API (np. Google Apigee, Azure API Management, MuleSoft) - proponuję wybrać sobie jedno narzędzie (ulubionego dostawcy) do zarządzania API i zgłębić jego możliwości - jako uzupełnienie do typowego rozwiązania zbudowanego z wykorzystaniem narzędzi Robotic Process Automation.