Po zidentyfikowaniu konkretnego źródła nieefektywności organizacja staje przed wyborem między automatyzacją danego kroku, jego reorganizacją bez użycia narzędzi informatycznych, lub akceptacją istniejącego stanu, jeśli koszt interwencji przewyższałby spodziewaną korzyść.
Czynności o wysokiej powtarzalności i jasno określonych regułach decyzyjnych — takie jak przepisywanie danych między systemami czy weryfikacja zgodności dokumentu z checklistą — nadają się do automatyzacji za pomocą robotów programowych, które przejmują wykonanie danego kroku bez udziału człowieka.
Skuteczna automatyzacja wymaga, aby analizowany krok miał stabilną, powtarzalną strukturę — proces o dużej liczbie wyjątków i przypadków szczególnych jest trudniejszy i kosztowniejszy do zautomatyzowania niż proces o ograniczonej liczbie wariantów.
Część zidentyfikowanych problemów wynika nie z braku automatyzacji, lecz z organizacji pracy — na przykład nierównomiernego przydziału zadań między zespołami. W takich przypadkach rozwiązaniem bywa zmiana zasad przydziału pracy, a nie wdrożenie nowego narzędzia informatycznego.
Po wdrożeniu zmiany — niezależnie od jej charakteru — powtórna analiza process mining na danych z okresu po wdrożeniu pozwala zweryfikować, czy zaobserwowana wcześniej nieefektywność rzeczywiście uległa zmniejszeniu, oraz czy zmiana nie wygenerowała nowego wąskiego gardła w innym miejscu procesu.