Управление бизнес-процессами (Business Process Management, BPM) давно является ключевым инструментом для эффективной организации деятельности предприятий. Однако прогресс не стоит на месте, и теперь на арену выходят новые технологии, способные кардинально преобразить процесс управления и выполнения бизнес-операций.
Искусственный интеллект (AI) и чат-боты вступают в игру, внося революционные изменения в традиционные BPM-системы. Эти инновации предлагают уникальные возможности для автоматизации рутинных задач, улучшения взаимодействия с клиентами и нахождения новых путей оптимизации процессов.
- Симбиоз BPM и AI
- Роботизация процессов (Robotic Process Automation, RPA)
- RPA как замена BPM
- Другие направления AI наиболее востребованные в BPM-решениях
- Машинное обучение (Machine Learning, ML).
- Извлечение именованных сущностей (Named-entity recognition, NER)
- Интернет вещей (Internet of Things, IoT)
- Процессная аналитика (Process Mining)
- Плюсы и минусы интеграции AI в BPM-систему
Симбиоз BPM и AI
Чат-боты могут выполнять рутинные операции, отвечать на вопросы пользователей, самостоятельно предоставлять необходимую информацию как из ВРМ-системы, так и из сторонних систем. Это позволяет сократить время на выполнение задач и повысить качество обслуживания клиентов.
Переосмысление BPM через призму этих современных технологий открывает новые горизонты для производительности и качества работы организаций различных масштабов.
Интеграция AI позволяет системам BPM не только реагировать на текущие события, но и прогнозировать будущие тенденции, помогая принимать более взвешенные и эффективные решения.
Чат-боты, в свою очередь, переопределяют способы общения компаний с клиентами, предоставляя им возможность получения мгновенных ответов и помощи 24/7.
В данной статье мы рассмотрим ключевые преимущества, которые интеграция AI и чат-ботов внесет в BPM-системы, изучим реальные кейсы и примеры, а также проанализируем потенциальные сложности, с которыми могут столкнуться организации на пути к цифровизации своих бизнес-процессов.
Роботизация процессов (Robotic Process Automation, RPA)
Роботизация процессов (Robotic Process Automation, RPA) в контексте BPM-систем – это использование программного обеспечения, известного как «роботы», для автоматизации рутинных и повторяющихся задач в бизнес-процессах.
Эти программные роботы способны имитировать действия человека в различных приложениях и системах, таких как ввод данных, обработка транзакций, взаимодействие с другими цифровыми системами и многие другие задачи.
Чат-боты в данном случае являются интерфейсами для взаимодействия пользователей с автоматизированными бизнес-процессами. Они могут общаться с пользователями на естественном языке и помогают выполнять определенные задачи, такие как получение информации, обработка запросов и помощь в извлечении данных.
Работая в сочетании с RPA, чат-боты могут инициировать сложные автоматизированные процессы в ответ на запросы пользователя, обеспечивая более эффективное и автоматизированное решение потребностей клиентов.
Например, некоторое время назад, мы внедряли BPM-систему в компании по производству, продаже и доставке бутилированной воды. Главной задачей было обеспечить круглосуточный прием и выполнение заказов, не терять заявки, не увеличивать число операторов и сохранить им дневной график работы. В решении был реализован чат-бот, принимающий и обрабатывающий типовые заявки в режиме 24/7, а нетиповые заявки, которые составляли примерно 30%, уже попадали к менеджерам с соответствующей задачей по их отработке.
В результате компания получила:снижение операционных издержек и нагрузки на операторов за счет автоматизации приема и оформления повторных заказов; обеспечение 100% приема заказов и контроля их выполнения;Увеличение обрабатываемого потока заказов
Примеры использования RPA в BPM-системах:
- Управление заказами. В компании присутствует процесс, при котором сотрудники ежедневно переносят данные о заказах из электронной почты или из онлайн-форм в систему управления заказами. RPA может автоматизировать этот процесс, сокращая ошибки и ускоряя обработку.
- Обработка счетов. В бухгалтерском отделе часто приходится вручную вводить данные счетов-фактур в финансовую систему. RPA может решить эту задачу, автоматизируя ввод данных и даже выполнение проверки счетов на соответствие контрактным условиям.
- Поддержка клиентов. Использование чат-ботов вместе с RPA позволяет автоматизировать распространенные запросы поддержки, такие как сброс пароля, информация о продуктах, статус заказа и многие другие. Чат-бот собирает информацию от пользователя и передаёт её в систему RPA для дальнейшей обработки без необходимости вмешательства человека.
- HR и рекрутинг. RPA может использоваться для автоматизации процессов подбора персонала, таких как скрининг резюме, заполнение данных о кандидатах в системе управления персоналом или начальное планирование собеседований, облегчая работу отдела кадров.
“Чат боты являются популярным трендом в современных ИТ-системах, и BPM системы тут не исключение. По большому счёту, чат-бот является еще одним интерфейсом для работы с системой, — комментирует Раис Ахкямов, директор продукта ELMA365 ECM. — За счет наличия контекстного меню и умения некоторых ботов понимать запросы, сформулированные в виде простой речи, наличие такого интерфейса упрощает работу с системой для тех сотрудников, кто сталкивается с работой в системе эпизодически”.
RPA как замена BPM
Боты и RPA у всех на слуху, и некоторые рассматривают их как замену BPM ввиду большей скорости внедрения и адаптации первых. Рассмотрим, чем они отличаются и как могут взаимодействовать, прежде чем отвечать на вопрос о возможности замены.
BPM (Управление бизнес-процессами) – это комплексный подход к анализу, проектированию, оптимизации, мониторингу и управлению бизнес-процессами организации с целью улучшения их эффективности и адаптивности. BPM-системы обычно предлагают широкий функционал для моделирования процессов, их исполнения, мониторинга выполнения и аналитики. Это помогает компаниям выстраивать и интегрировать сложные процессы с участием людей, IT-систем и различных данных.
RPA, напротив, фокусируется на автоматизации четко определенных задач и операций, обычно рутинных и повторяющихся, которые ранее выполнялись человеком.
RPA «роботы» способны имитировать эти действия в разных приложениях без изменения существующих систем, что делает этот подход быстрее и дешевле в внедрении по сравнению с крупными BPM-инициативами.
Так может ли RPA заменить BPM-систему? В большинстве случаев о полной замене речь все таки не идет, по нескольким причинам:
- Сложность процессов. BPM способен управлять сложными, многоуровневыми бизнес-процессами, требующими участия нескольких отделов, систем и правил бизнеса, тогда как RPA ориентирован на автоматизацию отдельных задач.
- Оптимизация процессов. Прежде чем автоматизировать, важно оптимизировать процессы. BPM фокусируется на повышении эффективности процессов в целом, в то время как RPA упрощает и автоматизирует уже существующие задачи без изменения самой структуры процесса.
- Изменения и адаптивность. BPM-системы лучше подходят для управления изменениями процессов и их непрерывной адаптации под новые условия бизнеса, тогда как RPA более жестко привязан к установленным рутинным действиям.
- Аналитика и улучшения. BPM-системы предоставляют возможности для анализа и постоянного улучшения процессов, включая набор инструментов для мониторинга KPI и отчетности, в то время как RPA предоставляет ограниченные аналитические возможности.
Однако, в некоторых случаях, особенно для малых и средних предприятий с ограниченным числом процессов для автоматизации, RPA может служить недорогой альтернативой полномасштабной BPM-системы. На небольших предприятиях RPA может покрыть большинство потребностей автоматизации без сложности внедрения и поддержки, которая обычно связана с BPM.
Ключевой фактор успеха – когда чатбот является управляемым элементом процесса, может использовать его данные, взаимодействовать не только с пользователем, а выполнять запрашиваемые операции. Мы называем такое решение цифровым ассистентом, ценность которого для бизнеса значительно выше обычного чат-бота.
RPA не заменяет BPM, а скорее дополняет его, предоставляя инструменты для автоматизации отдельных задач в рамках более широких процессов, управляемых BPM
“Генеративный искусственный интеллект, безусловно, вызывает интерес и является привлекательной для инвестиций технологий. Тем не менее, его возможности все еще ограничены. ИИ может уже сейчас справиться с такими задачами, как поиск очевидных ошибок в схемах процессов или составление регламента на основании созданных схем. Однако модель процесса, созданная из текстового регламента при помощи ИИ, скорее всего, будет непригодна для использования без корректировки BPM-профессионалом” — говорит Павел Гребешков, Руководитель группы маркетинга Comindware.
Искусственный интеллект — помощник для человека, но не его заменитель
Другие направления AI наиболее востребованные в BPM-решениях
“Компании, которые начали использовать ИИ, вошли во вкус и не хотят останавливаться. Акцент смещается с дорогих и уникальных кейсов с использованием машинного интеллекта на более тиражные. У нас прошли и идут ряд проектов, где внедрение ИИ стало естественным продолжением кейсов по процессам делопроизводства и другим задачам. А бум генеративных моделей проникает и в сектор корпоративного ПО” — отмечает Константин Истомин, исполнительный директор Directum.
Машинное обучение (Machine Learning, ML).
Машинное обучение (Machine Learning, ML) — это область искусственного интеллекта, которая позволяет компьютерам обучаться на основе данных, а не только на основе программного кода.
ML применяется в BPM для анализа больших объемов данных, улучшения процессов, автоматизации принятия решений и обеспечения предвидения возможных будущих сценариев.
Вот несколько ключевых примеров, как ML используется в BPM-системах:
- Автоматизация и оптимизация процессов. Машинное обучение может помочь в идентификации паттернов и шаблонов в работе бизнес-процессов, что позволяет определить неэффективные шаги и предложить способы их оптимизации. Например, система может автоматически классифицировать входящие запросы клиентов или документы, определять приоритеты задач или предлагать наилучшие варианты действий на основе анализа данных.
- Прогнозирование результатов. ML позволяет прогнозировать исходы бизнес-процессов на основе исторических данных, что помогает менеджменту принимать информированные решения и уменьшать риски.
- Понимание и анализ данных. Машинное обучение способно обрабатывать и анализировать большие объемы данных быстрее и точнее, чем это могли бы сделать люди, предоставляя ценные выводы и возможность для глубокого анализа.
- Адаптивное обучение и улучшение процессов. Система может «учиться» на основе входящих данных и результатов своих действий, постоянно улучшая процессы и адаптируясь к изменяющимся условиям. Например, система может использовать алгоритмы машинного обучения для анализа данных о прошлых бизнес-процессах и предсказания будущих результатов. Это может помочь организациям оптимизировать свои процессы, улучшить планирование ресурсов и принимать более информированные решения.
- Личная настройка интерфейса пользователя. Система может анализировать поведение пользователя и предлагать персонализированный опыт, улучшая интерфейс и взаимодействие с системой.
- Обработка естественного языка (Natural Language Processing, NLP). В BPM искусственный интеллект с использованием NLP может помочь в понимании текста, извлечении информации из документов и общении с пользователями в естественном языке.
- Решение сложных задач. ML способно обнаруживать сложные взаимосвязи и зависимости в данных, что может использоваться для более сложного принятия решений, которое трудно программируется вручную.
Извлечение именованных сущностей (Named-entity recognition, NER)
NER — это процесс автоматического обнаружения и классификации именных данных в тексте. Эта технология позволяет системам BPM автоматизировать ввод и обработку данных, извлекая ключевую информацию, такую как имена, организации и временные метки, из неструктурированных текстов. Эта функциональность не только повышает скорость обработки документов, но и способствует точной категоризации и управлению документацией.
В мониторинге и анализе контента NER помогает отслеживать тренды и упоминания, а также служит инструментом для соблюдения юридических норм и управления рисками, автоматизируя многие процессы, которые традиционно требуют больших трудозатрат.
Кроме того, обогащение данных с помощью NER добавляет дополнительный уровень контекста в аналитические процессы BPM, увеличивая их стоимость и обеспечивая более глубокое понимание бизнеса.
Представьте, что у вас есть интернет-магазин, с большим количеством обращений от клиентов через чат или электронную почту. В этих сообщениях клиенты могут задавать вопросы о товарах, оставлять отзывы, делать заказы и т.д.
С помощью NER ты можешь автоматически извлекать информацию из этих сообщений. Например, если клиент пишет: «Я хочу заказать iPhone 13 Pro», NER поможет выделить и классифицировать сущности в этом сообщении. В данном случае, NER выделит «iPhone 13 Pro» как название товара. Также, если клиент пишет: «Я живу в Москве, на улице Ленина, дом 1», NER выделит «Москва», «улица Ленина» и «дом 1» как адрес.
Интернет вещей (Internet of Things, IoT)
IoT, или Интернет вещей, представляет собой концепцию подключения физических объектов к интернету, что позволяет им отправлять и получать данные. В BPM IoT можно использовать для автоматизации и улучшения процессов благодаря передаче данных между устройствами и BPM-системами в реальном времени.
IoT расширяет возможности BPM-систем, включая в процессы не только информационные потоки, но и физические операции.
Например, в производственной сфере датчики, установленные на оборудовании, могут отслеживать его состояние и производительность. Эти данные автоматически передаются в BPM-систему, которая может определить необходимость технического обслуживания и инициировать соответствующие рабочие процессы, например, генерацию заявки на ремонт или замену компонентов.
В логистике IoT-устройства, такие как GPS-трекеры и датчики температуры, используются для мониторинга состояния и местоположения товаров во время транспортировки. Эти данные помогают BPM-системе отслеживать выполнение цепочки поставок, своевременно информировать клиентов о статусе их заказов и принимать оперативные решения при возникновении задержек или других проблем.
Конкретный пример такого интегрирования используется в системе для оператора связи по спасению жизни – Глонасс. BPM-платформа «собирает» все срабатывания тревожных кнопок в автомобилях. Далее в зависимости от типа события, локации и задачи система запускает определенную процедуру действий. Это может быть звонок водителю через проинтегрированный контактный центр, вызов служб спасения или просто запись информации в единую базу данных для построения требуемой по закону отчетности и публикации ее на портале.
В конечном итоге IoT преобразует BPM-системы, делая их более оперативными и прогнозируемыми, поскольку они становятся способны отражать и реагировать на физические аспекты бизнес-процессов. Эта технология обеспечивает новое измерение интерактивности и автоматизации, значительно повышая эффективность и управляемость процессов в различных отраслях.
Процессная аналитика (Process Mining)
Process Mining позволяет анализировать бизнес-процессы на основе цифровых следов, оставленных в информационных системах. Искусственный интеллект использует данные, записанные системами, такими как ERP (Enterprise Resource Planning), CRM (Customer Relationship Management) и BPM-системы, чтобы воссоздать реальные рабочие процессы предприятия.
Используя алгоритмы и методы анализа данных, Process Mining выявляет как формальные, так и неформализованные паттерны рабочего процесса, демонстрирует последовательность шагов, участников и процедур. Это дает возможность охарактеризовать реальные бизнес-процессы, выявить отклонения от желаемого процесса, установить причину несоответствий и найти пути оптимизации.
Например, компания может использовать Process Mining для анализа процесса обработки заказов. Из данных сможет стать видно, что в определённое время года процесс обработки замедляется. С помощью Process Mining может быть выявлено, что причиной замедления являются задержки на складе из-за увеличенного количества заказов. Анализируя подробности процесса, компания может выявить узкие места и оптимизировать распределение ресурсов или настроить систему автоматических уведомлений для сотрудников склада.
В другом случае, Process Mining может помочь банку улучшить процесс одобрения кредитов. Анализируя данные, банк может обнаружить, что некоторые кредитные анкеты проходят через большое количество рук и занимают слишком много времени на обработку. С этими данными банк может пересмотреть и упростить процесс, возможно, автоматизировав определенные шаги и уменьшив таким образом время ожидания клиента и сократив операционные расходы.
Таким образом, Process Mining позволяет не просто сформулировать теоретические модели и намерения, но и анализировать фактическое выполнение процессов.
Это позволяет организациям проводить осмысленный и обоснованный мониторинг и постоянное усовершенствование своих бизнес-процессов, обеспечивая рост эффективности.
Плюсы и минусы интеграции AI в BPM-систему
Интеграция искусственного интеллекта (AI) в системы управления бизнес-процессами может значительно повысить их эффективность и гибкость. Преимущества такого решения включают возможность анализировать большие объемы данных для оптимизации процессов, предсказывать результаты и тенденции, что поддерживает принятие обоснованных решений. AI может автоматически адаптировать бизнес-процессы в ответ на изменяющиеся условия, что делает BPM более гибким и отзывчивым. Также AI способен обнаруживать и исправлять узкие места, автоматизировать задачи и обеспечивать повышенный уровень персонализации для клиентов благодаря пониманию их предпочтений и поведения.
Пользователи редко благосклонно реагируют на бота, если у них возникает серьезная проблема, которую нужно оперативно решить. Но бот, отлично вписывается тогда, когда нужен ответ на типовой запрос, а возможность подключения бота на категоризацию и маршрутизацию довольно сильно сокращает переменные затраты на персонал.
Однако есть и определенные недостатки. Интеграция AI требует значительных инвестиций, а также специальных знаний для разработки, внедрения и поддержки. Необходимость обеспечения кибербезопасности и приватности данных становится еще более актуальной и сложной с внедрением AI. Кроме того, работники могут столкнуться с проблемой адаптации к изменениям в процессах и могут чувствовать опасения за свои рабочие места из-за автоматизации, что требует дополнительных усилий для обучения и управления изменениями внутри организации.
Наконец, возможные ошибки в работе AI или его неправильное применение могут привести к созданию неэффективных или нежелательных бизнес-процессов.
“На мой взгляд, чат-боты безусловно упрощают коммуникацию, но на построение бизнес-процессов на основе BPM-систем влияют опосредованно. А вот инструменты на основе ИИ могут использоваться, как структура, которая способна визуализировать схемы бизнес-процессов, что облегчает сам процесс их программирования, оптимизируя выполнение рутинных задач. Чат-боты, созданные на основе ИИ и машинного обучения, также способны роботизировать тривиальные задачи и ускорить обработку и анализ процессов”, — заключает Артем Белычев, директора по развитию Case Studio.