Machine Learning активно используется в связке с процессной аналитикой более десяти лет. Однако бизнес-заказчикам зачастую трудно разобраться, как именно интегрируются ML-функции и какие преимущества они дают. То же самое касается и искусственного интеллекта.
Важно: классический инструментарий PM не подразумевает массового применения ИИ, чаще всего речь идёт о базовом исследовании логов. Тем не менее современные решения стремятся к трансгрессивному переходу от Process Mining к Process Intelligence – использованию связки PM+ИИ+ML с целью интеллектуальной автоматизации БП.
Process Intelligence – история про несколько направлений, первое из которых – создание «цифровых двойников». Благодаря ML компании могут моделировать выполнение бизнес-процессов, чтобы оценить вероятность возникновения ошибок на конкретных участках или успеха инноваций, готовящихся к реализации. Подобные цифровые симуляции дают возможность протестировать гипотезы и значительно сократить риски.
Следующее направление – описательный Process Mining, который фокусируется на уже случившихся событиях, включая в себя кластеризацию кейсов, автообнаружение аномалий и генеративную визуализацию процессов, которые требовали ручной настройки. В свою очередь, диагностическая процессная аналитика направлена на обнаружение первопричин возникающих проблем и отклонений. К примеру, в случае с логистическими задержками алгоритм определит, от чего именно они зависят.
Предписывающий Process Mining напрямую связан с прогностическими способностями ML-моделей. В данном случае системы не только своевременно предупреждают о возникших отклонениях, но и запускают конкретные действия в автоматическом режиме: отправку уведомлений, включение RPA-скриптов, обновление ERP- и CRM-систем и так далее. По сути бизнес получает возможность не просто наблюдать за процессами, а оказывать на них реальное влияние.
Отдельного внимания заслуживает мультипроцессная аналитика, которая анализирует дополнительные атрибуты события и учитывает влияние одних БП на другие. Machine Learning помогает фиксировать и учитывать необходимый контекст. Такой подход обеспечивает более точные и быстрые результаты анализа.
Таким образом, интеграция Process Intelligence в корпоративный контур обеспечивает переход от простого понимания процессов к непосредственному управлению. Административные единицы получают возможности значительного сокращения затрат и повышения эффективности за счёт своевременного обнаружения и устранения проблем, а также наличия предварительно готовых решений по устранению тех или иных отклонений.
Если говорить про конкретные рекомендации к внедрению, то бизнесу нужно ответить на вопрос о готовности к подобным преобразованиям. Начинать стоит с экспериментальных проектов и несложных «пилотов». Выбирая решение, можно обратить внимание на бенчмаркинг и наличие искомого функционала в продуктовом предложении вендоров.
Важный момент: Process Intelligence – не панацея, которая решит все проблемы здесь и сейчас. Для эффективной работы требуется корректная стратегия, а также предварительно подготовленные данные.
По материалам AiMultiple