В последнее время аналитику бизнес-процесс связывают с ИИ как способом быстрее понять, почему процесс отклоняется от нормального маршрута и где бизнес теряет время.

«Классический» Process Mining показывает фактический ход процесса по цифровым следам из системах: событиям, статусам, временным меткам, действиям пользователей. Это уже помогает увидеть, как процесс выполняется на самом деле.

Но часть причин проблем обычно остаётся за пределами логов. Они лежат в комментариях, письмах, обращениях, заметках операторов или даже переписке с клиентами. Здесь и подключается ИИ, который помогает анализировать контекст вокруг процесса.

Valcon подготовили интересный материал на эту тему, который мы адаптировали специально для ProcessMi. 

Что добавляет ИИ к Process Mining

Анализ бизнес-процессов отвечает на вопрос «что происходит с процессом». Его возможности — показать, что заявки часто возвращаются на предыдущий этап, согласование занимает больше времени, чем должно, а часть заказов проходит по нестандартному — нерегламентированному —  маршруту. Такие отклонения помогают находить узкие места.

ИИ помогает подойти к следующему вопросу — «почему это происходит». Если к анализу подключить те же комментарии и переписку, может выясниться, что возвраты появляются из-за ошибок на входе. Клиент присылает неполный пакет документов, менеджер вручную уточняет данные, проверяющий возвращает заявку назад.

Команда начинает работать с источником проблем.

Где это полезно бизнесу

Связка Process Mining и ИИ помогает быстрее проходить этап исследования процесса. Команда видит факты: какие маршруты встречаются чаще всего, где возникают повторы, сколько времени занимает каждый этап, какие исключения стали регулярной практикой. ИИ добавляет к этому контекст и прогноз. Здесь аналитика процессов начинает работать рядом с предиктивной: система может подсветить риск до того, как проблема попадает в отчёт уже постфактум.

Если система видит признаки, которые раньше часто приводили к просрочке, она может предупредить команду заранее. Заказ ещё не нарушил SLA, но уже похож на те случаи, которые заканчивались задержкой.

Это особенно полезно в процессах, где много участников, ручных решений и проверок:

• обработка заявок;
• продажи и клиентский сервис;
• закупки;
• логистика;
• согласование договоров;
• кредитные и комплаенс-процессы;
• внутренние сервисные обращения.

В таких процессах потери редко видны в одном месте. Они накапливаются между этапами: ожидание ответа, повторный ввод данных, лишнее согласование, возврат на доработку, ручная проверка там, где она нужна не всегда.

Что важно учесть перед внедрением

ИИ не исправляет «плохие данные». Если события в системах записываются непоследовательно, статусы называются по-разному, а часть процесса живёт только в переписке, модель будет неполной.

Поэтому начинать лучше с конкретного процессного вопроса?

• почему растёт срок обработки заявок?
• где возникают повторные циклы?
• какие этапы чаще всего нарушают SLA?
• какие ручные операции можно убрать?
• почему фактический процесс расходится с целевой моделью?

После этого уже можно смотреть, какие данные нужны: логи, статусы из систем, комментарии, обращения, письма и т.д. Если нужно разбирать не только путь заявки по системам, но и действия сотрудников на рабочих местах, к Process Mining часто добавляют Task Mining.

Главное

Process Mining с ИИ полезен как рабочий инструмент для анализа процессов. Он помогает быстрее увидеть фактический маршрут, найти причины отклонений и проверить, дали ли изменения результат.

В этом смысле его ценность простая — рост управляемости работы с процессами. Сначала факт. Потом причина. Потом изменение.

По материалам Valcon.