Автоматизация часто начинается с очереди запросов от подразделений — один процесс кажется слишком медленным, другой перегруженным ручной работой, третий давно просят отдать ИИ. Но громкость запроса еще не показывает, где изменения дадут измеримый эффект.
Есть альтернативный вариант: сначала восстановить фактическое выполнение процессов с помощью Process Mining, а уже затем формировать бэклог автоматизации.
Сначала увидеть процесс
Аналитика бизнес-процессов — Process Mining — восстанавливает реальный путь его выполнения по цифровым следам из CRM, ERP и других корпоративных систем. Это позволяет сравнить участки по объему операций, длительности, количеству повторных действий и вариативности маршрутов.
Так очередь на автоматизацию формируется не по принципу «здесь много ручного труда», а по измеримому влиянию проблемы на процесс. Можно увидеть, какой этап увеличивает время цикла, где появляются возвраты и какие отклонения повторяются достаточно часто, чтобы заниматься ими постоянно.
Сначала причина, потом инструмент
Карта процесса показывает, что произошло, но не всегда объясняет почему. Если заявка несколько раз возвращалась на предыдущий этап, причина может быть любой.
Поэтому найденный проблемный участок не должен автоматом идти в очередь на автоматизацию. Сначала нужна проверка гипотез — интервью с владельцем процесса, изучение конкретных случаев и исходных данных. После этого уже можно выбирать изменение — убрать лишний шаг, скорректировать правило, перераспределить ответственность или автоматизировать операцию.
Где в этой схеме искусственный интеллект
Авторы отдельно подчеркивают — сам факт появления ИИ не меняет последовательность действий. Покупка ИИ-инструмента еще не гарант улучшения процесса, а первым вопросом должна быть «цена» существующей проблемы.
Если задача описывается стабильными правилами, классическая автоматизация может быть дешевле и надежнее. ИИ оправдан там, где решение зависит от неструктурированного контекста и жесткого сценария недостаточно.
Даже в таком случае ИИ не должен получать полный контроль над процессом. Для спорных ситуаций и исключений нужен «human-in-the-loop» — система хранит исходное событие, версию правила или модели, а при недостатке контекста передает решение человеку. Иначе автоматизация рискует масштабировать ошибку.
Экономика до разработки
До запуска проекта имеет смысл посчитать стоимость самой проблемы — как часто она возникает, сколько времени забирает, сколько стоят ошибки и ручные проверки. К этому добавляются затраты на интеграцию, сопровождение и обработку исключений.
В логике авторов эффект считается как предотвращенные потери и высвобожденное время за вычетом затрат на внедрение, сопровождение и стоимость ошибок. Если экономика не сходится, превращать задачу в отдельный проект автоматизации не стоит.
Проверять на ограниченном контуре
Пилот предлагается запускать на одной проблемной зоне — сначала зафиксировать базовые показатели, подключить минимально необходимые источники данных, затем сравнить результат с исходным состоянием. Основные метрики — время цикла, повторные шаги и количество вариантов маршрута.
Главная идея подхода простая. Process Mining помогает превратить автоматизацию в управляемый портфель изменений. Сначала компания видит фактический процесс и измеряет потери, затем подтверждает причину проблемы и только после этого решает, нужна ли автоматизация вообще — и должен ли в ней участвовать ИИ.
По материалам ItWhite