Многие организации активно демонстрируют сегодня стремление использовать ИИ для оптимизации бизнес-процессов, надеясь повысить эффективность своего бизнеса — в погоне за технологиями AGI в ряде случаев инвестиции в ИИ уже на порядки превышают бюджет всего Манхэттенского проекта. Мало того, если компания не позиционирует себя как 'AI-first', то и клиенты, и партнеры часто уже не хотят ее слушать, считая, что она где-то отстает. А между тем многие компании еще даже и не задумывались ни о процессном управлении как подходе к повышению эффективности, ни об основополагающих принципах руководства данными, предусматривающих, в частности, обеспечение качества данных, применяемых при обучении моделей, не говоря уже о соблюдении нормативных требований.
При работе в быстро меняющемся ландшафте в любой компании часто растет число бизнес-процессов, однако число сотрудников — нет, что затрудняет решение задачи повышения эффективности бизнеса в условиях турбулентности. Однако сами по себе постоянные изменения не таят для бизнеса большой опасности — изменения были всегда, намного серьезнее действия компаний, предпринимаемые в соответствии с логикой вчерашнего дня. Будущее — это не просто продолжение настоящего, а уж тем более — прошлого. Тем не менее слишком часто при принятии бизнес-решений, направленных на повышение эффективности, традиционно используется простой метод покупки новых «блестящих» инструментов из зоны хайпа — сейчас это ИИ. Конечно, поиск перспективных направлений бизнеса и демонтирование забетонированных унаследованных процессов кажутся сложнее, чем приобретение чудо-технологий, особенно если не требуется менять культуру вчерашнего дня.
Моделирование бизнес-процессов — способ повышения эффективности. Действительно, важно не как сделать, а что. Нельзя автоматизировать хаос — это стало понятно десятилетия назад еще на заре появления первых отечественных ERP-решений, а сегодня к перечню инструментов автоматизации добавился ИИ, грозящий получить после автоматизации тот же хаос, но уже интеллектуальный. Для того чтобы разобраться, что делать, надо понять особенности работы процессов компании; выявить места их замедления; определить точки отклонений — пропуски шагов или их выполнение не по порядку, а в результате, например, субъективного вмешательства; обнаружить скрытые затраты, приводящие к перерасходу ресурсов.
Для создания модели процессов требуется их описать, а уже потом разбираться с технологиями их автоматизации. Моделирование бизнес-процессов идет строго через призму конкретного бизнеса — любой проект BPM — это «сделай сам» и извне готовое решение на основе пакета технологий не появится. Подобные проекты требуют налаживания работы с данными, выявления взаимодействующих с ними процессов; идентификации владельцев данных и т. п. Не забывая при этом, что при линейном росте сложности процессов, трудозатраты на реализацию проектов процессного управления растут экспоненциально. Для моделирования нужны бизнес-анализ и понимание актуальной или желаемой бизнес-архитектуры — никаких технологий автоматизации. Оптимальное управление процессами невозможно без четкого понимания потребностей и целей бизнеса — процессы необходимо идентифицировать, задокументировать, упростить и стандартизировать, предложив новые и отменив устаревшие. Несоответствие бизнес-целям; недостаточная адаптация пользователей; акцент на инструментах, а не на бизнес-стратегии; путаница в способах получения ценности; игнорирование культурного соответствия (нельзя внедрить процессное управление там, где работают «неандертальцы») — основные ошибки, мешающие создавать ценность любым инвестициям в технологии. Когда не работает процессный подход — напрасно надеяться на технологии.
Задачу повышения эффективности бизнеса технологиями не решить: RPA — технология временной автоматизации при невозможности взаимодействия через API, однако она не позволяет связать несколько операций в процесс; подход Low-code слабоват с точки зрения быстродействия при высоких нагрузках; искусственные нейронные сети относительно хорошо работают при решении типовых задач и неизменном окружении, но ИИ не даст ответов на еще не сформулированные вопросы. Между тем увлечение ИИ-агентами без ревизии корпоративных процессов — классический пример подхода с акцентом лишь на новые технологии вместо налаживания процессного управления. Кроме «автоматизации хаоса», последствия которой компания может ощутить не сразу, такой подход таит в себе и опасности с относительно близким горизонтом. Все LLM склонны к галлюцинациям, что увеличивает вероятность появления ошибок в рабочих процессах. При отсутствии четкого руководства данными чувствительные данные могут попасть в публичные модели, обучающиеся на данных, к которым у них не должно быть доступа, причем достаточно сложно доказать, кто, как и почему использовал эти данные, — это ли не кошмар руководителя, отвечающего за соблюдение в компании постоянно ужесточающихся нормативных требований регуляторов. Наличие хорошо управляемых активов данных из лишь красивого бантика стало сегодня насущной необходимостью.
Помимо утечек конфиденциальных данных, функции ИИ могут раскрывать внутреннюю логику функционирования бизнес-процессов компании, а принимая данные без шифрования или контроля, создавать бреши для атак. При галлюцинациях инструменты ИИ способны нарушить логику выполнения процессов, а значит, компания подвергается рискам дискредитации.
Оптимизация бизнес-процессов путем, в частности, демонтажа унаследованных забетонированных корпоративных процессов позволяет повысить эффективность бизнеса, но технологии, будь то RPA, Low-code, ИИ или любые другие, — вторичны. Хотя, конечно, технологический хайп можно рассматривать как топливо, однако двигателем всегда были процессы. Даже ChatGPT есть что сказать по этому поводу.
.jpg)
Дмитрий Волков
DOI: 10.51793/OS.2025.62.32.001
