По данным RAND Corporation, более 80% корпоративных ИИ-проектов не доходят до устойчивого бизнес-результата. Forrester связывает одну из причин с отсутствием процессного контекста: ИИ опирается на формализованное описание процесса, но не видит его реальное выполнение. На этом фоне в корпоративной архитектуре начинает закрепляться новый слой — Process Intelligence. Это не только Process Mining, а инфраструктура, которая поставляет ИИ-моделям контекст и фактические данные о выполнении процессов.

Почему ИИ теряет связь с реальными процессами

Большинство ИИ-проектов стартует с бизнес-задачи: ускорить обработку заявок, автоматизировать согласование, сократить количество ошибок и т.д. Команда собирает данные, обучает модель, тестирует ее и получает результат. Однако после запуска в промышленную эксплуатацию выясняется, что ИИ видит только часть картины: он знает результат процесса, но не всегда понимает, как результат был достигнут.

Например, модель видит, что заявка была одобрена, но не учитывает ручные проверки, пересылки между подразделениями, действия вне ERP или обходные сценарии, которых нет в регламентах. В результате ИИ работает с формальной схемой процесса, а не с его фактическим выполнением. Именно этот разрыв закрывает Process Intelligence — «слой», который объединяет данные из Process Mining, Task Mining и корпоративных систем в единую картину выполнения процесса.

Process Intelligence становится частью инфраструктуры

До недавнего времени Process Mining чаще воспринимался как инструмент анализа процессов: построить карту процесса, найти «узкие места», подготовить отчет для команды. Но по мере развития корпоративного ИИ эта роль меняется. Process Intelligence начинает рассматриваться как инфраструктура, которая поставляет ИИ не статичный отчет, а актуальный процессный контекст до принятия решения.

Это особенно важно для ИИ-агентов. Агенту мало знать регламент процесса, нужны: текущий статус заявки, типовые отклонения, сроки обработки, история маршрутов и ограничения внутри процесса. Такой контекст не хранится внутри LLM, его формирует и обновляет как раз Process Intelligence. 

Почему ИИ-пилоты не доходят до промышленного внедрения

Сейчас одна из главных проблем корпоративного ИИ — разрыв между пилотным проектом и реальной эксплуатацией. На пилоте данные очищены, сценарии предсказуемы, исключений немного, поэтому модель показывает высокий результат. Но после масштабирования ИИ сталкивается с реальными процессами: ручными обходами, пропусками в журналах событий, нестандартными маршрутами и действиями сотрудников вне системы.

По данным MIT, большинство GenAI-пилотов не оказывает измеримого влияния на бизнес именно из-за того, что ИИ не учитывает реальную логику выполнения процессов. Для рынка меняется сам подход к внедрению ИИ: недостаточно подготовить модель и обеспечить вычислительные мощности — нужен контекст, который показывает, как процессы выполняются в реальности.

Как это выглядит в российской практике

Российский рынок Process Mining движется в том же направлении. Один из наиболее известных публичных примеров — проект Альфа-Банка, где Proceset был интегрирован с корпоративной банковской GenAI-моделью AlfaGen. Process Mining поставляет структурированные данные о процессах, а ИИ используется для анализа отклонений и генерации релевантных гипотез по оптимизации.

По сути, часть задач процессного анализа постепенно передается ИИ, который работает не вслепую, а опирается на фактические данные о выполнении процессов. Такой подход особенно востребован в банковском секторе, телекоме, ритейле и страховании — там, где процессы распределены между несколькими системами и содержат большое количество ручных операций.

Что меняется для заказчиков

Переход от Process Mining как аналитики к Process Intelligence как инфраструктуре меняет подход к выбору платформы. Если раньше основным вопросом было «умеет ли система строить карту процесса», то теперь компаниям важно понимать, может ли платформа поставлять процессный контекст ИИ-агентам в реальном времени, насколько быстро обновляется процессный граф и как организована интеграция с ИТ-системами компании.

Именно поэтому Process Intelligence постепенно перестает быть отдельным инструментом анализа и становится частью корпоративной инфраструктуры. Без него ИИ продолжает работать с формальным регламентом, а с ним — получает возможность учитывать фактическое выполнение процессов и формировать более точные рекомендации по их оптимизации.