Вил ван дер Аалст, голландский ученый, профессор Технического университета Эйндховена, основоположник Process Mining, стал гостем подкаста New Process Podcast, где обсудил развитие процессной аналитики и её связь с искусственным интеллектом. Собрали ключевые мысли из разговора.
О Process Mining
Вил ван дер Аалст предлагает смотреть на Process Mining как на «универсальный инструмент анализа событий». Технология позволяет работать с тем, что произошло в компании на самом деле: действиями, переходами, задержками, отклонениями. На основе этих данных бизнес увидит, как процесс устроен де-факто, а не как описан в регламентах или представляется менеджменту.
По мнению Аалста, главное преимущество технологии — широта применения. Как только Process Mining пытаются объяснить через один частный пример, его возможности сразу искусственно сужаются. На практике это не точечный инструмент для одной задачи, а способ системно анализировать реальное выполнение процессов и находить зоны для улучшений.
О вовлеченных сотрудниках
Вопреки распространенному стереотипу, считает профессор, Process Mining не противоречит человеко-ориентированному подходу к управлению. Напротив, технология показывает, насколько реальная работа сложнее и вариативнее, чем это закладывается в регламент. Люди постоянно ищут обходные пути, адаптируются к ограничениям и фактически поддерживают работоспособность процесса там, где жесткая логика системы просто не справляется.
Process Mining не снижает роль человека, а делает ее более заметной. Технология особенно полезна там, где важно сочетание гибкости и прозрачности. С одной стороны, компания не пытается жестко «запереть» процесс в правилах, с другой — получает возможность видеть, что действительно происходит в компании.
При этом для успешного внедрения Process Mining нужна поддержка руководства. Технология почти всегда выявляет проблемы, а значит, требует готовности смотреть на них открыто. Еще одно важное условие — прозрачность результатов для самих сотрудников: они должны видеть связь между своей работой и тем, что показывает аналитика. Только тогда Process Mining становится не инструментом контроля, а инструментом осознанного улучшения процессов.
О будущем Process Mining
В перспективе PM должен стать постоянным инструментом совершенствования компании. Речь идет не о разовом анализе одного процесса, а о формировании культуры, в которой организация регулярно работает с фактическими данными и стремится к оптимизации.
Одно из ключевых направлений развития — мультипроцессная аналитика (Object-Centric Process Mining). Такой подход позволяет анализировать процессы не только как линейную цепочку шагов, но и как систему взаимосвязанных объектов, событий и зависимостей. Это особенно важно для сложных операционных сред, где один процесс невозможно полноценно понять в отрыве от других. По сути, Process Mining движется к роли отдельного аналитического слоя над корпоративными системами, который помогает смотреть на организацию целостно.
О связке Process Mining и ИИ
Профессор подчеркивает, что Process Mining и искусственный интеллект не конкурируют, а дополняют друг друга. Более того, именно PM помогает бизнесу правильно подойти к использованию ИИ. Прежде чем применять машинное обучение, важно понять, где именно в процессе есть отклонения, задержки, риски и закономерности. Без этого компания часто просто не может корректно сформулировать саму задачу для алгоритма.
В этом смысле Process Mining создает основу для более зрелого использования ИИ: помогает диагностировать проблемы, находить причины «узких мест», прогнозировать развитие кейсов. При этом ван дер Аалст достаточно сдержан в оценке ажиотажа вокруг генеративного ИИ. По его мнению, у многих компаний до сих пор остается большое количество очевидных возможностей для улучшения процессов, и их стоит использовать в первую очередь.
В то же время он отмечает, что большие языковые модели могут заметно изменить сам способ взаимодействия с аналитическими системами: например, упростить формулирование запросов на естественном языке. Но и здесь ключевым остается базовый принцип: сначала нужно понимать процесс, а уже потом подключать более сложные интеллектуальные инструменты.