Process Mining и Искусственный Интеллект: как AI раскрывает потенциал анализа бизнес-процессов и причём здесь Celonis

Искусственный интеллект — предмет многочисленных споров и источник мыслей о скором крахе человеческой цивилизации. Сначала нейронная сеть от Google предлагает кожаным попрощаться с жизнью, затем люди начинают писать сценарий восстания машин, вдохновленный терминатором. Но какова ситуация на самом деле?

Рискну предположить, что всё не так плохо, а ИИ — такая же технологическая часть жизни, какой когда-то становился интернет. Сначала диковинка, доступная избранным. Затем «штука», которая есть в каждом доме.

В чём заключается главная особенность искусственного интеллекта? В обучаемости. По сути мы имеем дело с маленьким ребёнком, который поглощает очень много информации, но эта информация должна регулироваться родителем. Данные должны быть предварительно обработаны в контексте «что такое хорошо и что такое плохо». Имеет ли эта метафора возможность масштабирования на корпоративный контур? Да, и родителем в данном случае выступает Process Mining.

Что это такое? Это технология анализа бизнес-процессов, которая просвечивает бизнес, как аппарат-МРТ. В ходе исследования обнаруживаются наиболее проблемные точки, «лечение» которых приводит к ускорению деятельности бизнеса, повышению эффективности и получению добавочной прибыли. Процессная аналитика подгружает данные из корпоративных информационных систем, что делает информацию объективной.

Здесь внимательный читатель уже может сложить 2+2 и получить правильный вывод. Именно Process Mining становится источником данных для обучения систем искусственного интеллекта. К примеру, таким образом можно загрузить в ИИ все идеальные регламенты и лучшие практики, что сделает нейронную сеть ценным инструментов, оказывающим вспомогательный функционал всему аналитическому блоку.

Впоследствии алгоритмы ИИ могут начать работать в реверсивном режиме и упрощать внедрение Process Mining и других аналитических инструментов. Какова главная загвоздка эффективной работы процессной аналитики? Качество исходных данных и необходимость их долгосрочной и дорогостоящей предварительной обработки.

А теперь логичное уточнение — вы можете спросить, если в теории всё так хорошо, то есть ли практическое подтверждение? Ответ простой и этот ответ — да. Начнём с зарубежной классики. Последний год прошёл под эгидой интеграции ИИ в Process Mining, а флагманом стал Celonis. Немецкие коллеги вкладывают максимум ресурса в свою систему предиктивной аналитики. Решение, в первую очередь, направлено на улучшение работы с цепочками поставок и управление складскими запасами. AI даёт возможность прогнозировать сезонный спрос и его колебания, реализовывать конкретные рекомендации по поставщикам, а также формулировать оптимизационные мероприятия.

На российском рынке жить тоже можно. Хороший пример — Proceset, в котором есть AI-ассистент, который взаимодействует не только с Process Mining, но и с другими технологиями этой платформы. Как это работает? На самом базовом уровне — через голосовые и текстовые запросы к системе, например, по самым трудозатратным процессам и операциям. Система в автоматическом режиме выполняет просьбу пользователя, что позволяет принимать более быстрые и обоснованные управленческие решения.

Таким образом, искусственный интеллект раскрывает потенциал процессной аналитики и всего бизнеса на полную катушку — процессы исследуются и изучаются быстрее, а степень ручного вмешательства в обработку данных сокращается до минимума.