Автоматизация на основе искусственного интеллекта успешна, когда ИТ-руководители понимают поведение процессов, исключения, передачу управления и риски принятия решений перед развертыванием агентов или автоматизацией рабочих процессов, пишет на портале InformationWeek Анджали Гарг, старший руководитель отдела оперативной аналитики, стратегии и автоматизации процессов компании Walmart.

Работая с крупномасштабными рыночными операциями, я поняла, что рабочий процесс может выглядеть простым на бумаге: продавец отправляет информацию, система проверяет ее, проверяются сигналы риска, и запускается следующий шаг. Но на практике рабочий процесс редко бывает таким чистым.

Документы приходят не в полном объеме. Записи в разных системах конфликтуют между собой. Вопросы соответствия нормативным требованиям требуют суждения. Кейс может находиться в очереди, поскольку право собственности неясно, или он может быть отложен, поскольку исключение не было зафиксировано в проекте.

Именно здесь попытки корпоративной ИИ-автоматизации терпят неудачу. Руководители видят ручной рабочий процесс и полагают, что есть возможность быстро его автоматизировать. Более глубокая возможность заключается в том, чтобы сначала его понять.

ИИ не автоматизирует процесс, который хотелось бы иметь компании. Он автоматизирует процесс, который фактически есть в компании. Сюда входят пробелы, исключения, передачи управления, устаревшие данные и неформальные решения, которые могут никогда не появиться на диаграмме. Если эти реалии не видны, автоматизация может ускорить хрупкий рабочий процесс, не улучшая его.

ИИ автоматизирует тот процесс, который у вас есть на самом деле

По моему опыту, процессная документация часто описывает счастливый путь. Но производственные операции имеют множество исключений.

Это имеет значение. Рабочий процесс может быть задокументирован как последовательность утверждений, но реальная работа может включать проверку отсутствующих полей, проверку дубликатов, ручную валидацию, интерпретацию политики, маршрутизацию с учетом рисков и последующие действия. Эти шаги могут защитить бизнес от нарушения нормативных требований, воздействия на клиентов, мошенничества или низкого качества данных.

Когда ИИ внедряется без понимания лидерами этих шаблонов, команды могут автоматизировать видимую задачу, игнорируя при этом скрытую структуру принятия решений. Это нельзя назвать интеллектуальной автоматизацией. Это ускорение неоднозначности.

Для ИТ-руководителей первым вопросом не должно быть: «Можем ли мы это автоматизировать?». Он должен звучать: «Понимаем ли мы, как происходит работа?».

Сначала понимание процессов, затем интеллектуальная модель

Я считаю, что перед выбором модели, разработкой агентов или подключением автоматизации к корпоративным системам командам необходимо понимание процессов. Это означает получение видимости того, как работа происходит в реальности: где она начинается, ждет, переделывается, испытывает недостаток данных, переходит из рук в руки и требует человеческого суждения.

Полезные сигналы включают в себя устаревание очереди, время цикла, частоту исключений, шаблоны доработок, частоту пропущенных полей, причины эскалации, точки переопределения и последующие исправления. Это входные данные для проектирования автоматизации.

Например, если многие кейсы останавливаются из-за того, что необходимые данные поступают с опозданием, лучшая модель не решит основную проблему. Если аналитики часто меняют рекомендации из-за того, что правила имеют слишком много исключений, рабочему процессу могут потребоваться более четкие критерии принятия решений, прежде чем ИИ сможет помочь. Если владение переходит от команды к команде, автоматизация должна быть спроектирована так, чтобы поддерживать эту передачу.

Понимание процессов помогает командам решить, где ИИ должен действовать, где он должен помогать и где он должен предоставлять доказательства для человеческого решения.

Не каждый ручной шаг должен быть автоматизирован

Один из наиболее важных навыков автоматизации, которые я развиваю, — это знание того, что не стоит автоматизировать.

Какая-то работа готова к автоматизации: задачи с низким уровнем риска, основанные на правилах, наблюдаемые, повторяемые задачи с четкими входными и выходными данными. Какая-то работа лучше подходит для помощи со стороны ИИ: обобщение, сравнение, обнаружение аномалий, сбор доказательств, составление рекомендаций или определение приоритетов. Какую-то работу следует эскалировать, поскольку она связана с неоднозначностью, влиянием на клиентов, нарушением нормативных требований, исключениями из политики или необратимыми действиями.

Эти различия особенно важны для агентов ИИ. Если агент может получать информацию, анализировать источники и инициировать действия рабочего процесса, организация должна иметь четкое представление о его полномочиях. Подготовка рекомендации — это не то же самое, что ее выполнение. Обозначить риск — это не то же самое, что принять решение о результате.

Зрелая автоматизация не устраняет повсюду человеческое суждение. Она выносит суждение туда, где оно имеет наибольшую ценность.

Петли обратной связи делают автоматизацию надежной

ИИ-автоматизация не должна заканчиваться после развертывания. Далее необходима оперативная телеметрия, которая поможет командам улучшать как модель, так и процесс.

ИТ- и операционные руководители должны отслеживать, где система работает с перебоями, где пользователи игнорируют ее, где рекомендации отклоняются, где отсутствуют данные, где происходит эскалация и где командам приходится исправлять ранее выполненную автоматизацию. Эти сигналы не свидетельствуют о скрытой неудаче. Они говорят о том, как меняется процесс при автоматизации.

Если ошибки и отклонения группируются вокруг одного типа проблем, рабочему процессу могут потребоваться новые правила или более качественные обучающие данные. Если отклоненные рекомендации связаны с неполными записями, конвейер обработки данных может потребовать внимания. Если увеличивается объем доработок на последующих этапах, возможно автоматизация должна еще поработать, прежде чем она будет готова.

Цель состоит не в том, чтобы доказать, что ИИ однажды сработал. Цель состоит в том, чтобы построить систему, которая постоянно учится на основе операционной реальности.

Преимущество заключается в понимании того, каково место ИИ

Следующий этап развития корпоративного ИИ будет выигран не организациями, которые автоматизируют процессы быстрее всего. Он будет выигран организациями, которые достаточно глубоко понимают свои процессы, чтобы знать, где ИИ должен действовать, где он должен помогать, где он должен эскалировать проблему и где он должен остановиться.

Понимание процессов превращает автоматизацию из технологического проекта в операционную дисциплину. Оно дает ИТ-руководителям более четкое представление о готовности, рисках и ценности. Оно предотвращает превращение ИИ в более быстрый способ тиражирования одного и того же неработающего рабочего процесса.

Прежде чем предприятия разберутся, что может автоматизировать ИИ, они должны спросить себя, действительно ли они понимают работу, которую хотят автоматизировать.