Мы исследовали, как связка процессной аналитики и искусственного интеллекта меняет управление бизнес-процессами. Вместо разбора уже возникших отклонений компании могут выявлять риск до завершения процесса и вмешиваться, пока потери еще можно предотвратить. Расчетный потенциал такой модели в России — 2,5–3 трлн рублей в год. Ниже — главное из исследования. Полная версия доступна по ссылке.
От анализа отклонений — к изменению результата
Традиционная модель управления реагирует на уже случившееся: процесс завершается, данные попадают в отчетность, после чего специалисты анализируют отклонение и принимают решение. На этом этапе исправить конкретный результат зачастую уже невозможно. Новая модель переносит управление на более раннюю стадию. Процессная аналитика восстанавливает фактическую картину работы, ИИ выявляет риск и прогнозирует последствия, а система или сотрудник выбирает действие, способное изменить исход процесса. Основания для такого перехода уже есть. По данным реализованных проектов, медианный резерв сокращения трудозатрат составляет 24,5%. Однако высвобожденное время само по себе еще не становится финансовым результатом: ресурс необходимо перераспределить, а полученный эффект — подтвердить.
ИИ нужен процессный контекст
Чтобы рекомендации ИИ были применимы на практике, модели недостаточно отдельного события или набора показателей. Ей необходим контекст: объекты и связи между ними, фактический маршрут процесса в информационных системах, действия сотрудников, действующие правила, цели и доступные ресурсы. Процессная аналитика формирует этот контекст, а ИИ помогает быстрее находить закономерности и проверять гипотезы. Например, интеграция Process Mining с AlfaGen в Альфа-Банке позволила ускорить подготовку аналитики в два-три раза и увеличить долю релевантных гипотез на 35–40%. Пока речь идет прежде всего об усилении аналитика, а не о полностью автономном управлении.
Потенциал — до 3 трлн рублей в год
Экономический потенциал опережающего управления мы оценили двумя независимыми способами. Расчет на основе фонда оплаты труда офисных сотрудников дал около 2,9 трлн рублей в год. Оценка через совокупный оборот организаций и международные данные об эффекте агентного ИИ — около 2,5 трлн рублей. Общий диапазон составил 2,5–3 трлн рублей ежегодно. Это не объем рынка Process Mining, Task Mining или ИИ и не сумма уже полученной экономии. Речь идет о потенциальном результате зрелой модели, в которой компания своевременно обнаруживает риск, принимает решение и проверяет, удалось ли предотвратить потерю.
Ограниченная автономность
Не каждое решение следует передавать ИИ. Стандартные и обратимые действия с низкой стоимостью ошибки можно выполнять автоматически. Решения с существенными, но понятными последствиями требуют подтверждения сотрудника, а высокорисковые и нестандартные ситуации должны оставаться под контролем человека. Главным показателем становится не количество найденных отклонений, а измененный исход процесса. Для этого результат вмешательства необходимо сравнивать со сценарием, при котором компания ничего не предприняла. Только такая проверка позволяет отделить реальный экономический эффект от формального улучшения показателей. Полная версия исследования содержит методику расчетов, архитектуру опережающего управления и подробное описание условий, необходимых для перехода от аналитики постфактум к предотвращению потерь.
Больше новостей о процессной аналитике, анонсов мероприятий и новых кейсов — в нашем телеграм-канале.
