Вы успешно подписались на Блог Naumen
Great! Next, complete checkout for full access to Блог Naumen
Добро пожаловать! Регистрация прошла успешно.
Отлично! Ваш аккаунт активирован, контент доступен.
Success! Your billing info is updated.
Billing info update failed.
Искусственный интеллект в BPM – это диджитализация процессов через синергию технологий

Искусственный интеллект в BPM – это диджитализация процессов через синергию технологий

3 минут чтения

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.