Компания «Инфомаксимум» опубликовала аналитический отчет о переходе от ретроспективного контроля в бизнесе к опережающему управлению процессами. Для этого предлагается использовать модель, сочетающую Process Mining (процессная аналитика), Task Mining (анализ рабочих процессов) и искусственный интеллект.

В работе анализируется эволюция процессной аналитики и значение процессного контекста для ИИ. Авторы провели два вида расчета потенциального объема предотвращенных потерь в российском бизнесе с помощью новой модели: на основе фонда оплаты труда офисных сотрудников, а также через совокупный оборот организаций и международные данные об эффекте агентного ИИ.

Ключевые выводы:

• традиционная модель управления реагирует на отклонения после завершения процесса. Сначала потеря отражается на сроках, затратах, качестве или клиентском опыте, потом попадает в отчетность, анализируется и становится основанием для решения. Новая модель управления переносит точку вмешательства на стадию формирования риска возникновения потерь;
• Process Mining в новой модели формирует сквозной контекст процесса, Task Mining раскрывает действия внутри операций, а искусственный интеллект прогнозирует последствия и готовит варианты реакции. Человек или автоматическая система воздействуют на ситуацию до того, как риск превратится в финансовую, временную или клиентскую потерю;
• по оценке «Инфомаксимума», основанной на анализе результатов реализованных проектов Task Mining, медианный резерв снижения трудозатрат в анализируемых операциях составляет 24,5%;
• Process Mining и Task Mining проходят путь от инструментов диагностики к основе активной процессной платформы. На первых уровнях система предоставляет человеку данные и гипотезы для последующих улучшений. На следующих — наблюдает за текущей ситуацией, прогнозирует ее развитие и готовит варианты воздействия. На наиболее зрелом уровне она способна самостоятельно выполнить допустимое действие и проверить результат;
• ИИ способен быстро классифицировать обращение, проверить документ, подготовить ответ или выполнить отдельную операцию. Однако ускорение одного этапа еще не означает улучшения сквозного процесса, считают аналитики. По их мнению, предиктивные, генеративные и предписывающие модели должны быть привязаны к фактическим процессам, объектам, событиям и связям конкретной организации. Вместе с тем Task Mining раскрывает действия сотрудников и собирают их в операции и сквозные цепочки, Process Mining дополняет эту картину событиями корпоративных систем и движением объектов между этапами;
• российская практика уже формирует основу для контекстного ИИ, пишут авторы. Совместное применение Process Mining и Task Mining пока преимущественно используется для диагностики, подготовки инициатив и контроля эффекта, а не для автономного управления. Тем не менее российские кейсы показывают, какую ценность создает объединение сквозного и операционного контекста, считают аналитики;
• без процессного контекста ИИ решает ограниченную задачу и не видит ее последствий для всего процесса. Это создает риски. Процессный контекст позволяет оценивать действие по его влиянию на всю цепочку;
• переход к автономному действию не означает, что весь управленческий цикл следует передать одной модели, отмечается в отчете. Автономность должна быть рамочной. Как считают аналитики, право системы на самостоятельное действие целесообразно определять по совокупности управленческих факторов, таких как цена ошибки, обратимость действия, уровень уверенности в ответах;
• по оценке авторов, 78% процессов потенциально пригодны для новой модели опережающего управления. Потенциально можно предотвратить около 60% потерь;
• новая модель опережающего управления может потенциально предотвратить потери у российского бизнеса на сумму 2,5–3 трлн руб. ежегодно. При расчете на основе фонда оплаты труда офисных сотрудников оценка составляет около 2,5 трлн руб., при расчете через совокупный оборот организаций и международные данные об эффекте агентного ИИ — около 2,5 трлн руб.