AI не исправит процесс, если никто не знает, зачем он нужен

В компании может существовать десяток процессов, которые выполняются годами и почти никогда не пересматриваются. Сотрудники заполняют отчёты, согласуют документы, переносят данные между системами, отправляют регулярные письма и проводят встречи, потому что «так принято».

Когда появляется AI, такие операции становятся очевидными кандидатами на автоматизацию. Они повторяются, занимают время и вроде бы не требуют сложных решений.

Но здесь легко попасть в ловушку.

Если сам процесс появился случайно, содержит лишние шаги или вообще больше не нужен бизнесу, автоматизировать его целиком — значит просто быстрее делать ненужную работу.

AI может убрать ручной труд. Но он не всегда отвечает на вопрос, зачем этот труд вообще существует.

Автоматизация начинается с вопроса о результате

Перед внедрением AI полезно временно забыть о технологии и посмотреть на сам процесс.

Не «можно ли здесь поставить агента?», а:

какой результат компания получает в конце и кому он нужен?

Это простой вопрос, но ответы иногда оказываются неожиданными.

Например, отдел каждую неделю готовит большой отчёт. На его составление уходит несколько часов, поэтому руководство предлагает автоматизировать сбор данных и подготовку документа.

Но после разговора с руководителем выясняется, что из всего отчёта используются только три показателя. Остальная информация просто продолжает собираться по старой привычке.

В таком случае AI действительно может сократить время подготовки. Однако гораздо больший эффект даст изменение самого отчёта: оставить нужные показатели, убрать лишние и перестроить процесс вокруг реального управленческого решения.

Сначала нужно убрать ненужное. Потом автоматизировать оставшееся.

Старые процессы часто содержат исторические компромиссы

Большинство рабочих процессов не проектировались один раз с нуля.

Они постепенно обрастали дополнительными действиями. Появилась новая система — добавили ещё один этап. Изменилось требование — включили дополнительную проверку. Кто-то однажды допустил ошибку — ввели согласование для всех сотрудников.

Через несколько лет никто уже не помнит, почему процесс устроен именно так.

При этом каждый отдельный шаг кажется разумным.

В результате появляется цепочка, которую сложно объяснить целиком:

·       сотрудник получает информацию;

·       переносит её в одну систему;

·       затем в другую;

·       отправляет на проверку;

·       ждёт подтверждения;

·       формирует документ;

·       заносит результат обратно;

·       уведомляет ещё одного участника.

Если спросить, зачем нужен каждый этап, часть ответов будет звучать примерно так: «мы всегда так делали».

Для AI это плохая исходная точка.

Чем сложнее процесс, тем дороже его автоматизировать

Каждый дополнительный шаг означает ещё одно правило, интеграцию или исключение, которое нужно учитывать.

Если автоматизировать простой процесс из трёх действий, архитектура может быть достаточно понятной. Если взять процесс из двадцати этапов, где участвуют пять отделов и несколько информационных систем, количество зависимостей быстро растёт.

При этом компания рискует автоматизировать все исторические особенности сразу.

Получается дорогая система, которая идеально воспроизводит неэффективный способ работы.

Поэтому перед AI-внедрением полезно провести хотя бы минимальную ревизию процесса:

·       какие действия действительно необходимы;

·       какие существуют только из-за старых правил;

·       где возникает ручная работа;

·       какие этапы можно убрать;

·       какие решения принимаются человеком;

·       где достаточно автоматического правила;

·       какой результат должен получаться в конце.

После такой очистки задача автоматизации обычно становится заметно проще.

Не каждое ручное действие нужно заменять AI

Иногда компания видит повторяющуюся операцию и сразу решает, что её должен выполнять искусственный интеллект.

Но AI нужен далеко не везде.

Если действие полностью формализовано и не требует анализа, обычная автоматизация может справиться лучше, дешевле и предсказуемее.

Например, если нужно:

·       перенести значение из одного поля в другое;

·       отправить уведомление после изменения статуса;

·       создать задачу по определённому условию;

·       проверить наличие обязательного поля;

·       сформировать документ по фиксированному шаблону.

Для таких операций необязательно использовать AI.

AI особенно полезен там, где приходится работать с неструктурированной информацией, интерпретировать текст, сопоставлять данные, классифицировать обращения или принимать решение на основании нескольких факторов.

Хорошая архитектура не пытается сделать AI главным элементом

В зрелом workflow AI занимает ровно то место, где он действительно нужен.

Где достаточно правила — используется правило.

Где нужна интеграция — используется интеграция.

Где требуется человеческое решение — остаётся человек.

А AI подключается там, где он способен снять сложную интеллектуальную работу.

Такой подход часто выглядит менее эффектно на презентации, зато лучше работает в реальной эксплуатации.

Иногда после аудита автоматизировать становится почти нечего

Это хороший результат, хотя на первый взгляд может показаться обратным.

Представим процесс, который сотрудник выполняет два часа в неделю. После разбора выясняется, что половина времени уходит на действия, которые можно убрать, ещё четверть — на ожидание согласования, а оставшаяся часть уже достаточно проста.

После изменения процесса задача занимает двадцать минут.

Компания не построила сложного AI-агента, не подключила десяток сервисов и не провела большой проект. Но получила тот же результат с гораздо меньшими затратами.

Это и есть один из признаков качественного подхода к автоматизации.

Не всегда лучший AI-проект — тот, в котором больше AI.

Кто принимает решение по результату процесса

Есть ещё один вопрос, который стоит задать до автоматизации: что происходит с результатом работы?

Иногда компания тратит много времени на производство информации, которая потом практически не используется.

Сотрудник готовит отчёт, руководитель его просматривает, а дальше ничего не происходит. Документ сохраняется в папке, через неделю создаётся новый, и цикл повторяется.

В такой ситуации автоматизация подготовки отчёта не решает проблему.

Нужно понять, какое решение должно приниматься на его основе.

Если решения нет, возможно, не нужен и сам процесс в прежнем виде.

Информация должна вести к действию

Хороший бизнес-процесс обычно заканчивается не созданием ещё одного файла, а конкретным действием.

Например:

·       клиенту нужно ответить;

·       задачу нужно передать сотруднику;

·       заказ нужно подтвердить;

·       риск нужно проверить;

·       отклонение нужно исправить;

·       руководителю нужно принять решение.

Если AI создаёт результат, который никуда дальше не движется, автоматизация останавливается на полпути.

Поэтому проектировать workflow стоит от конечного действия назад.

Как понять, что процесс готов к AI

Перед запуском автоматизации полезно проверить несколько признаков.

Процесс имеет понятный результат

Все участники понимают, что должно получиться на выходе и зачем этот результат нужен.

Есть понятный владелец

Кто-то отвечает за сам процесс и может принять решение об изменении его правил.

Основные шаги известны

Не обязательно иметь идеальную инструкцию, но сотрудники должны выполнять задачу примерно одинаково.

Исключения можно описать

Если половина задач требует индивидуального подхода, полностью автоматизировать процесс будет сложно. Но даже в этом случае можно выделить стандартную часть и передать нестандартные случаи человеку.

Понятна цена ошибки

Нужно знать, какие ошибки допустимы, а какие могут привести к финансовым, юридическим или репутационным последствиям.

С чего начинать, если процессы уже слишком сложные

Не стоит пытаться привести в порядок всю компанию сразу.

Лучше выбрать один процесс с заметным объёмом ручной работы и пройти его от начала до конца.

Для начала достаточно выяснить:

1.       что запускает процесс;

2.       какие данные поступают на входе;

3.       какие действия выполняют сотрудники;

4.       где возникают задержки;

5.       какие действия повторяются;

6.       какие этапы можно убрать;

7.       какой результат нужен бизнесу;

8.       где после этого результата должно произойти следующее действие.

После такой разбивки становится гораздо проще понять, где нужен AI, где обычная автоматизация, а где вообще ничего менять не требуется.

AI лучше внедрять в упрощённый процесс

Это правило экономит много времени и денег.

Сначала компания убирает ненужные этапы, сокращает количество передач между сотрудниками, устраняет дублирование и определяет конечный результат.

Затем уже имеет смысл автоматизировать оставшуюся работу.

В этом случае AI не приходится учитывать десятки исторических костылей. Система строится вокруг того, как процесс должен работать, а не вокруг всех особенностей того, как он работал последние пять лет.

Именно поэтому хороший проект внедрения часто начинается вовсе не с настройки AI.

Он начинается с вопросов к самому бизнесу.

Вывод

AI способен значительно ускорить работу, но он не определяет, какую работу вообще стоит выполнять.

Если процесс перегружен лишними согласованиями, дублирующими действиями и историческими правилами, автоматизация может сделать его быстрее, но не обязательно лучше. Компания просто получит более производительную версию старого процесса.

Поэтому перед внедрением AI полезно пройти путь в обратную сторону: определить конечный результат, понять, кто использует его дальше, убрать ненужные этапы и только после этого выбирать технологию.

Иногда после такой работы оказывается, что сложный AI-агент действительно нужен. Иногда достаточно простой интеграции. А бывает, что лучший результат — вообще отказаться от части процесса.

Для бизнеса это гораздо ценнее, чем автоматизировать всё подряд. Хорошее внедрение AI начинается не с вопроса «что мы можем автоматизировать?», а с вопроса «что действительно стоит продолжать делать?»