Сегодня искусственный интеллект, машинное обучение, большие данные – не абстрактные тренды будущего. Ритейл, банки, сотовые операторы и другие отрасли постепенно интегрируют эти технологии в свои бизнес-процессы. Супермаркеты тестируют системы распознавания лиц, банковские колл-центры уже не пугают клиентов «бездушным» общением с роботами, а голосовые помощники и чат-боты стали частью повседневной жизни.
При этом крупные компании все чаще осознают, что вложения в «цифру» необходимы. Ведь синергия технологий – это, прежде всего, возможность совершенствовать процессы, стать более гибкими и увеличивать ценность бизнеса.
Как итог, за последние два-три года все больше реальных кейсов, когда внедрение ИИ вместе с автоматизацией процессов компании приносит отдачу. Посмотрим, например, какие направления ИИ прижились и наиболее востребованы в BPM-решениях.
Машинное обучение (Machine Learning, ML)
Эта технология, наверное, самая масштабная из возможных вариантов применения ИИ для процессных систем. Собрать массив данных, выявить закономерности и вернуть накопленный опыт в процесс – вот основные задачи, решение которых ждут, в первую очередь, от использования возможностей ML. В качестве примера можно привести:
- автоматическая классификация входящих потоков (клиентских обращений, заявок во внутренние службы и пр.);
- автоматическая маршрутизация задач в процессе;
- выявление каких-либо аномалий от привычного прохождения процесса;
- автоматическая подготовка результата (подбор ответа на обращение гражданина).
Все подобные методы обработки данных помогают выполнять процессы быстрее, эффективнее и на принципиально другом уровне. Взять, скажем, проект Почты России. У оператора связи число пользователей измеряется сотнями тысяч, а количество обращений миллионами. Технологии ML позволяют автоматически определять категорию запроса, подбирать ответ из накопленной базы знаний либо моментально маршрутизировать на нужного специалиста с учетом его компетенций и региона обслуживания, экономя тем самым бесценное время.
Извлечение именованных сущностей (Named-entity recognition, NER)
NER хорошо дополняет предыдущую технологию. Благодаря ей мы можем выделять структурированные слова из массива текстов.
В качестве наглядного примера – применение системы интеллектуальной обработки обращений в РЖД. Представьте, пассажир подает жалобу, где описывает, как его обидели по маршруту Москва-Владивосток. Используя определенные механизмы и возможности NER, мы извлекаем любые нужные данные: ФИО пассажира, маршрут его следования, даты поездки, проблематику, ФИО виновных. Далее, когда эти данные разобраны по полям, можем легко сделать запросы в связанные системы, в т.ч. подтянуть из них дополнительную информацию. Тем самым разбираемся в поступившей проблеме почти мгновенно.
Интернет вещей (Internet of Things, IoT)
Еще одна интересная технология – IoT. Отчасти она в меньшей степени применима для процессного управления, т.к. подавляющее большинство задач BPM лежит в области оцифровки «офисных бизнес-процессов». Но текущие тенденции российского и мирового рынка говорят о том, что BPM-технологии уже находят свое место и в автоматизации промышленных предприятий. Соответственно в ближайшее время потребность управления устройствами, как элементами схемы бизнес-процесса, найдет отражение, и IOT получит новую волну распространения.
Из опыта NAUMEN вспомним проект не для промышленного предприятия, а 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.
Роботизация процессов (Robotic Process Automation, RPA)
Следует упомянуть еще одну популярную технологию – RPA. Сама по себе она не нова. Уже довольно давно существуют технологии, которые позволяют производить имитацию операций пользователей через интерфейс систем. Ранее их часто использовали, например, в процессах тестирования. Сейчас самый распространенный кейс – интеграция с информационными системами, когда обычные способы интеграций не доступны (обычно с устаревшими). Также возможны и другие сценарии:
- применение компьютерного зрения для определения, на какие кнопки нужно нажимать;
- выполнение рутинных операций программными роботами вместо сотрудников;
- распознавание текстов для заполнения требуемых в процессах параметров и др.
По опыту NAUMEN, при довольно большом документообороте с контрагентами особенно актуально использовать RPA при работе с входящими документами на оплату. Это выгодно тем, что исключается дублирование ввода одной и той же информации в нескольких системах, т.к. возможности RPA позволяют легко переносить уже заполненные единожды параметры. А еще, чтобы облегчить ввод данных из этих документов путем сканирования текста, распознавания и разнесения по полям таких важных параметров, как контрагент, сумма на оплату, предмет оплаты, срок оплаты и другие.
Процессная аналитика (Process Mining)
Хочется отметить, что интеллектуальная аналитика процессов – не самая распространенная на российском рынке технология. Чаще ее можно встретить в зарубежных решениях. Эта технология позволяет анализировать процессы по прошедшим экземплярам и определять реальные тенденции в исполнении бизнес-процессов. В результате на основе анализа логов делаются выводы о том, что определенные ветки процесса в принципе не актуальны, а какие-то слишком перегружены и требуют оптимизации.
Так, например, у одного нашего заказчика из Топ-5 банков РФ подобные технологии используются, чтобы оптимизировать работу андеррайтеров по различным кредитным конвейерам. BPM-система собирает информацию о поступающих заявках, анализирует ситуацию и выстраивает работу сотрудников с учетом оптимальных сценариев ежедневной работы. Также на основе этой накопленной статистики проводится долгосрочное планирование ресурсов и их загрузки.
Все эти технологии хоть и известны, но пока, к сожалению, не получили широкого применения в среднем по рынку. Но спрос крупных компаний на подобные комплексные решения автоматизации бизнес-процессов постоянно растет.
ВРМ в связке с ИИ – это синергический инструмент для снижения рутинной неэффективной нагрузки с «естественных сотрудников» и перевод на «искусственных». Таким образом, в ближайшее время будут появляться все больше компаний, где люди и программные роботы (ИТ-системы) будут трудиться на равных. Мы в NAUMEN делаем все возможное, чтобы приблизить это цифровое будущее.
