Об эксперте: Александр Бочкин — генеральный директор Инфомаксимум, визионер процессной аналитики в России, эксперт в области аналитики процессов (Process Mining) и аналитики операций (Task Mining), а также интеллектуальной автоматизации с помощью ИИ, создатель платформы Proceset.
Искусственный интеллект перестал быть темой будущего. На бытовом уровне он анализирует фотографии, помогает писать тексты, переводит речь. Одновременно ИИ все активнее внедряется в работу бизнеса и государственного сектора. По данным McKinsey, 88% мировых компаний регулярно используют ИИ хотя бы в одном рабочем процессе. Тренд актуален и в России. Согласно исследованию «Инфомаксимум», 64% крупнейших компаний РФ планируют увеличить инвестиции в ИИ в ближайшие 2 года минимум на 20%.
Казалось бы, при таком масштабе должно становиться всё больше историй успеха, где ИИ ускоряет процессы, сокращает расходы и освобождает людей от рутины. Но на практике ситуация складывается иначе: пилотных проектов много, а ощутимого эффекта мало.
ИИ не работает «из коробки»
Искусственный интеллект все еще воспринимается как волшебная палочка, которая дает результат автоматически. На деле всё устроено иначе. ИИ — это инструмент, и его эффективность зависит не только от самой модели, но и от того, в какую среду её помещают. Чаще всего проекты с искусственным интеллектом срываются по одной из трёх причин.
Запуск без конкретной цели
«Давайте попробуем» — формулировка, при которой через полгода становится непонятно, помогла технология или нет. Например, компания запускает ИИ-помощника для обработки обращений клиентов, но заранее не фиксирует, что именно должно измениться: сократится ли время ответа, уменьшится ли нагрузка на операторов или снизится ли число ошибок. В итоге проект формально работает, но оценить его пользу невозможно. У внедрения ИИ должны быть измеримые ориентиры и метрики: что именно мы хотим ускорить, насколько и за какой срок.
«Слепые» зоны
Часто ИИ внедряют туда, где, как кажется, проблема наиболее очевидна. Но реальные потери редко лежат на поверхности. Они складываются из десятков мелких действий: лишних согласований, переключений между программами, ручных проверок, повторного ввода одних и тех же данных. По отдельности каждая операция выглядит безобидно, но в сумме именно из них и состоит огромная часть рабочего дня.
Данные
Для моделей ИИ критически важны контекст и связи. Если данные хранятся в разных местах и не связаны друг с другом, модель либо выдаёт неточный результат, либо требует ручной доработки. В итоге ИИ остаётся «сбоку» от реальной работы: люди продолжают делать всё по старинке, а технология живёт параллельно, как опция, которой почти никто не пользуется.
Главный парадокс
У всех трех причин общий корень. ИИ внедряют, не разобравшись с тем, как на самом деле устроена работа: сколько времени уходит на каждое действие, где теряется время и какие шаги в принципе не дают ничего полезного. Без этой картины автоматизация превращается в эксперимент с непредсказуемым результатом.
Представьте процесс, в котором половина шагов лишняя: повторы, ненужные согласования, ручные проверки. Например, сотрудник готовит отчет: сначала выгружает данные из одной системы, затем переносит их в таблицу, вручную сверяет значения, отправляет файл на согласование, получает правки и снова вносит те же данные в другую систему. Если такой процесс автоматизировать с помощью ИИ, лишние шаги никуда не денутся — модель просто будет быстрее собирать отчет, подсказывать правки или заполнять поля. Но сама логика процесса останется прежней. Иными словами, ИИ не устраняет неэффективность, а ускоряет её. Потери закрепляются, а вложения в технологию не дают отдачи.
Что должно произойти до запуска ИИ
Прежде чем внедрять искусственный интеллект, важно увидеть процесс таким, какой он есть. Не схему из инструкции, а реальный ход работы.
Решить проблему можно с помощью аналитики операций (Task Mining). Технология фиксирует действия сотрудников за компьютером, объединяет их в операции и оценивает по времени и стоимости. На выходе видно, какие шаги обходятся слишком дорого, и где раз за разом делается одно и то же. Только после этого имеет смысл решать, что отдать ИИ, а что переустроить вручную.
Тезис хорошо подкрепляется цифрами. По исследованию российского страхового сектора, проведенного «Инфомаксимум», до 60% рабочего времени специалистов уходит на ручные действия, а 30−40% операций не создают никакой добавленной ценности. Пока эти операции не найдены, автоматизировать их бессмысленно.
Главное
ИИ — сильная технология. Но результат зависит не только от модели, а от того, как устроена работа вокруг нее. Само по себе внедрение ИИ мало что меняет, а эффект появляется там, где видно, как именно изменились процессы.
Чем быстрее мы перестанем путать демонстрацию технологии с реальной пользой, тем быстрее искусственный интеллект станет инструментом, который действительно снимает рутину и приводи к измеримым результатам.
Источник: hi-tech.mail.ru