Почему искусственный интеллект не работает поверх организационного хаоса

Если процесс существует только в головах нескольких сотрудников, регламенты давно не обновлялись, а реальный порядок работы заметно отличается от официального, искусственному интеллекту фактически нечего автоматизировать. Точнее, автоматизировать он сможет, но результат окажется непредсказуемым. Компания получит технологический слой поверх организационной путаницы.

По опыту работы Softline с заказчиками и внутренними подразделениями, успешное внедрение ИИ начинается не с выбора LLM. Оно начинается с разговора с людьми, описания их работы и честного ответа на вопрос: что на самом деле происходит внутри процесса?

Знаний в головах экспертов недостаточно

Большая часть процессов в компании сложились исторически, и каждый знает только свою часть процесса. Один сотрудник знает, как быстро проверить документ, другой помнит, к кому обратиться в нестандартной ситуации, третий умеет обойти ограничение информационной системы. Из этих привычек, договоренностей и исключений формируется фактический порядок работы.

Пока в процессе участвуют люди, такая система может существовать годами. Люди понимают контекст, исправляют неточности и выполняют недостающие шаги интуитивно. Машина этого не умеет. Чтобы поручить задачу интеллектуальному ассистенту или агенту, ее нужно разложить на понятные действия и дать инструкции по каждому из них.

Нужно определить:

1. что запускает процесс;
2. какие данные поступают на вход;
3. кто и на каком этапе принимает решение;
4. какие системы используются;
5. какие документы входят в процесс и выходят из него;
6. где возникают исключения;
7. что считается корректным результатом;
8. сколько времени и ресурсов требует каждый шаг.

Это довольно трудоемкая работа, и в ней есть определенная ирония: прежде чем автоматизировать рутину, приходится вручную описать саму рутину. Впрочем, ИИ уже начинает помогать и здесь.

Как из разговора с экспертом получается карта процесса

Один из рабочих сценариев выглядит так: команда проводит интервью с владельцем или участником процесса, записывает встречу, переводит аудио в текст, а затем использует специальные инструменты для построения карты процесса. На выходе получается не стенограмма полуторачасового разговора, которую еще несколько дней разбирает аналитик, а первая визуальная модель: последовательность действий, развилки, роли участников, используемые системы и передаваемые данные.

Некоторые инструменты сразу отмечают участки, где можно рассматривать средства гиперавтоматизации:

1. большие языковые модели;
2. интеллектуальных ассистентов;
3. чат-ботов;
4. программных роботов;
5. классические интеграционные механизмы;
6. алгоритмы машинного обучения.

Это еще не готовый проект внедрения. Автоматически построенную схему необходимо проверить вместе с экспертом, убрать неточности и дополнить исключениями, о которых не говорили во время первой встречи. Однако скорость начального анализа заметно возрастает.

Вместо нескольких раундов ручного протоколирования команда быстрее переходит к содержательному обсуждению: где процесс замедляется, какие операции обходятся слишком дорого, на каких шагах сотрудники совершают ошибки и где действительно уместен ИИ.

Гиперавтоматизация — это не попытка везде поставить языковую модель

С ИИ связано опасное заблуждение: если компания хочет автоматизировать процесс, нужно подключить большую языковую модель. На практике архитектура почти всегда оказывается смешанной.

Есть действия, где требуется интерпретировать текст, классифицировать обращения, подготовить черновик документа или извлечь смысл из неструктурированных данных. Здесь хорошо работают языковые модели. Есть повторяющиеся операции в информационных системах: перенести сведения из одного поля в другое, сформировать запись, сверить значения, запустить стандартную последовательность действий. Для этого эффективнее могут оказаться программные роботы.

Есть расчеты и проводки, которые должны выполняться по не допускающим разночтений правилам. Их разумнее оставлять в классических системах, где результат полностью детерминирован и воспроизводим. Гиперавтоматизация как раз предполагает сочетание разных инструментов. Задача состоит не в том, чтобы заменить все существующие технологии искусственным интеллектом, а в том, чтобы подобрать для каждого шага подходящий механизм.

Языковая модель не должна вести бухгалтерский учет вместо учетной системы. ERP, CRM, WMS, производственные и финансовые решения никуда не исчезают. ИИ дополняет их там, где требуется работа с неструктурированной информацией, контекстом, прогнозом или вариативностью.

ИИ не отменяет базовую автоматизацию

Иногда компания пытается перейти к интеллектуальным агентам, не завершив предыдущий этап цифровизации. Данные о клиентах хранятся в нескольких таблицах, обращения не фиксируются в CRM, складские остатки обновляются вручную, регламенты противоречат друг другу — зато уже обсуждается корпоративный ИИ. В такой ситуации модель не исправит фундаментальные проблемы, она будет получать неполные сведения, обращаться к разрозненным источникам и воспроизводить существующие ошибки быстрее прежнего.

Надежная основа включает несколько элементов:

- Работающие информационные системы. Они обеспечивают учет, хранение и движение данных в соответствии с формализованными правилами.

- Актуальные процессы. Компания понимает, как выполняется работа, кто за нее отвечает и где установлены контрольные точки.

- Управление данными. Известно происхождение показателей, правила их обновления, уровень качества и допустимые способы использования.

- Метрики. Результат процесса можно измерить до внедрения ИИ и после него.

- Подготовленные люди. Сотрудники понимают свою роль, ограничения технологии и порядок действий в нестандартной ситуации.

Без этой основы проект легко превращается в дорогой эксперимент, который хорошо выглядит на демонстрации, но не выдерживает реальной эксплуатации.

Стоимость процесса складывается из отдельных действий

Карта процесса нужна не ради красивой схемы, она помогает связать каждый этап с показателями. Один из подходов — расчет стоимости по видам деятельности (activity-based costing). Вместо общей оценки расходов компания выясняет, каких затрат от нее требует конкретное действие: обработка документа, проверка заявки, подготовка ответа, перенос сведений, согласование или исправление ошибки.

Допустим, определенный шаг занимает у сотрудника 20 мин и повторяется несколько сотен раз в месяц. Можно оценить изменение трудозатрат и скорости процесса при передаче части операций интеллектуальному ассистенту. Но для этого сначала нужно зафиксировать исходное состояние.

Помимо стоимости, обычно рассматриваются:

1. длительность выполнения операции;
2. количество ошибок и возвратов;
3. число ручных действий;
4. время ожидания между этапами;
5. доля обращений, потребовавших повторной обработки;
6. клиентские показатели, включая индекс потребительской лояльности;
7. устойчивость процесса при пиковых нагрузках.

Чем точнее компания понимает исходные параметры, тем меньше соблазн объявить эффектом любое улучшение, произошедшее после запуска ИИ.

Автоматизировать старый процесс или спроектировать новый

Внедрять ИИ можно по двум принципиально разным сценариям.

Первый — встроить технологию в существующий процесс. Например, добавить автоматическую классификацию обращений, подготовку черновиков ответов или извлечение данных из документов. Сам процесс при этом сохраняет прежнюю логику, но отдельные шаги выполняются быстрее.

Второй сценарий сложнее: пересобрать процесс с учетом новых технологических возможностей. Тогда меняется последовательность действий, распределение ролей, система контроля, а иногда и сама модель обслуживания клиента.

В этом контексте все чаще обсуждают AI-native-компании — организации, где значительная часть процессов изначально проектируется с расчетом на автономное выполнение интеллектуальными системами при ограниченном участии человека. Полностью «безлюдный» банк или завод пока остаются скорее целевым горизонтом, чем повседневной реальностью. Однако сама постановка вопроса полезна. Она заставляет смотреть не на то, как компания работала последние десять лет, а на то, как процесс мог бы быть устроен сегодня.

Сотрудникам, которые годами находятся внутри системы, трудно подняться над привычной логикой. Они хорошо видят отдельные проблемы, но часто воспринимают сложившийся порядок как единственно возможный. Поэтому на этапе проектирования полезен внешний взгляд бизнес-консультантов и архитекторов: они оценивают зрелость процессов, систем, данных и организационной модели, а затем помогают описать целевое состояние.

Клиент не обязан терпеть нашу автоматизацию

Отдельная зона риска — процессы на стороне клиента. Компании внедряют чат-ботов, голосовых роботов и интеллектуальных помощников, рассчитывая снизить стоимость обслуживания. Желание сэкономить понятно. Но если автоматизация построена вокруг удобства компании, а не клиента, результат быстро становится противоположным.

Человек звонит повторно по уже открытому вопросу, а робот заново просит представиться и пересказать ситуацию. Клиент пытается перейти к нужной теме, но вынужден проходить жесткий скрипт. Ускорить его невозможно, обратиться к сотруднику тоже.

Формально процесс автоматизирован. Фактически компания создала дополнительное препятствие. Особенно опасно такое решение на конкурентных рынках. Клиент может какое-то время мириться с неудачным интерфейсом монополиста, но банк, страховую компанию, интернет-магазин или поставщика услуг он может сменить. И сменит, если каждое обращение превращается в борьбу с роботом.

Поэтому вместе с внутренними KPI необходимо измерять клиентский путь: насколько быстро решается вопрос, приходится ли повторять информацию, может ли человек выйти из автоматического сценария, понимает ли система контекст предыдущих обращений. Процент автоматизации сам по себе ничего не говорит о качестве сервиса. Иногда лучший результат дает не максимально автономная система, а продуманная связка ИИ и сотрудника.

Люди — часть архитектуры процесса

Основные препятствия на пути внедрения ИИ редко связаны только с технологией. Сотрудники видят угрозу своим ролям, не понимают, как изменятся требования к работе, и опасаются, что руководство использует автоматизацию исключительно для сокращения команды.

Игнорировать эти опасения бессмысленно, сопротивление не исчезает от презентации о преимуществах цифровой трансформации. Людей нужно вовлекать в проект: приглашать к описанию процессов, показывать прототипы, давать возможность протестировать инструменты, собирать замечания. Важно объяснять, какие операции меняются, что останется зоной ответственности сотрудника, где потребуется контроль и какие новые компетенции понадобятся.

В дальнейшем ИИ, вероятно, станет неотъемлемой частью классических бизнес-решений. Пользователь будет нажимать привычную кнопку в рабочей системе и получать готовое технико-коммерческое предложение, не задумываясь, какая модель обработала исходные данные и собрала документ по шаблону.

Так когда-то произошло со многими цифровыми инструментами. Человеку не обязательно знать внутреннее устройство каждого сервиса. Ему важно понимать, что система делает, где проходят границы ее надежности и кто отвечает за итоговый результат.

Пять вопросов перед началом проекта

Перед тем как выбирать платформу и считать инфраструктуру, компании стоит ответить на пять вопросов.

1. Как сегодня в действительности выполняется процесс?
2. Какие шаги требуют четких правил, а где нужен анализ контекста?
3. Какие системы и данные обеспечивают работу процесса?
4. По каким показателям будут измеряться изменения?
5. Как внедрение повлияет на клиентов и сотрудников?

Если ответов нет, рано говорить о масштабировании ИИ. Сначала понадобится инвентаризация процессов, оценка цифровой зрелости и проектирование целевой модели.

Искусственный интеллект хорошо справляется с рутиной. Он не устает, способен работать круглосуточно, быстро обрабатывает большие объемы информации. Но технология не возьмет на себя управленческую работу: не наведет порядок в регламентах, не договорится с владельцами процессов и не решит, каким должен стать бизнес. Эту часть по-прежнему делают люди.

Роман Инюшкин, директор по развитию цифровых проектов, ГК Softline