Введение
В 1990-х годах реинжиниринг бизнес-процессов был в моде: компании использовали зарождающиеся технологии, такие как системы планирования ресурсов предприятия (ERP) и Интернет, для внесения радикальных изменений в широкие, сквозные бизнес-процессы. Воодушевленные сторонниками реинжиниринга в научных кругах и консалтинге, компании ожидали трансформационных изменений в таких широких процессах, как переход от заказа к кассе и от концепции к коммерциализации новых продуктов.
Но хотя технологии и принесли значительные обновления, их внедрение часто не оправдывало завышенных ожиданий. Например, крупные ERP-системы, такие как SAP или Oracle, обеспечивали полезную ИТ-основу для обмена данными, но при этом создавали очень жесткие процессы, которые было трудно изменить после внедрения ИТ. С тех пор управление процессами обычно включало только постепенные изменения локальных процессов – Lean и Six Sigma для повторяющихся процессов и методы Agile Lean Startup для разработки – и все это без какой-либо помощи со стороны технологий.
Сейчас версия этой идеи возвращается в некоторые компании, и можно ожидать, что она появится в большем количестве. Для этого потребуется не только понимание ИИ, но и новая система оценки бизнес-процессов как структуры для улучшения работы. По мере того, как ИИ становится универсальной технологией общего назначения, все более вероятным кажется, что он может обеспечить радикальное перепроектирование бизнес-процессов, изначально предусмотренное сторонниками реинжиниринга.
Обновление реинжиниринга
Технологии, позволившие провести реинжиниринг в 90-е годы, были в основном транзакционными и коммуникационными. Они позволяли эффективно собирать и передавать данные внутри и между организациями. ИИ позволяет принимать более качественные, быстрые и автоматизированные решения. По сути, большинство внедрений ИИ в крупных организациях предполагает обучение на основе больших массивов данных для составления прогноза или классификации, что, в свою очередь, помогает бизнесу принимать более эффективные операционные решения. Более эффективные операционные решения, в свою очередь, повышают эффективность за счет достижения более высоких результатов. Ключевое отличие заключается в том, что современные системы ИИ являются настоящей технологией общего назначения и привели к значительным изменениям не только в планировании и контроле производства, но и в распознавании визуальных изображений и контроле, автономной работе и создании нового контента.
Хотя методы, способствующие росту ИИ, существуют уже несколько десятилетий, стоимость их внедрения стремительно падает. Современные решения на основе ИИ, которые ранее были уделом только специалистов по обработке данных, теперь достаточно зрелы, чтобы предлагаться “с полки”, что значительно снижает технические барьеры для входа. Падение стоимости вычислений, вызванное широкой доступностью облачных вычислений, ростом дешевой пропускной способности и снижением стоимости датчиков, резко снизило цену прогнозирования на основе моделей. Решения на основе ИИ можно включить и в более широкий контекст автоматизации. Такие технологии, как роботизированная автоматизация процессов (RPA), помогают структурировать поток работы и автоматизировать информационноемкие процессы в бэк-офисе. RPA основана на правилах, что ограничивает ее возможности по принятию решений на основе данных. Но в сочетании с машинным обучением в качестве “интеллектуальной автоматизации процессов” она может справляться с гораздо большим количеством разнообразных задач.
Реинжиниринг на основе ИИ уже происходит. Банки используют его для преобразования консультаций по управлению состоянием клиентов. Страховые компании используют ИИ для упрощения процесса привлечения клиентов и андеррайтинга, а также для автоматизации оценки ущерба, нанесенного автомобилю или дому, с помощью глубокого анализа фотографий, сделанных страхователем. Промышленные компании перестраивают процессы технического обслуживания и проектирования. Даже в здравоохранении, где проводятся значительные исследования в области ИИ, но гораздо меньше клинических внедрений, в некоторых странах диагностика и лечение меняются благодаря телемедицине на основе ИИ.
Все это имеет важные последствия для того, как мы используем ИИ, как выполняется работа и как организованы компании. Чтобы воспользоваться этими потенциальными преимуществами, компаниям необходимо вернуться к сквозному процесснуальному подходу к своему бизнесу и тщательно продумать, как ИИ может его преобразовать. По сути, компаниям необходимо изучить, где они генерируют достаточно данных для извлечения закономерностей, которые могут быть использованы для поддержки операционных решений.
ИИ стимулирует реинжиниринг процессов
Когда ИИ привносит новые возможности в бизнес-процессы, компаниям необходимо переосмыслить, какие задачи необходимы, с какой периодичностью и кто их выполняет. Когда ИИ сопровождается частичной автоматизацией, компаниям также необходимо решить, что в их процессах будут делать люди, а что#nbsp;машины. Большинство приложений ИИ на сегодняшний день направлены на улучшение конкретной задачи. Но при этом упускается общая картина; прогрессивные компании рассматривают внедрение ИИ как обоснование для нового взгляда на сквозные процессы.
На самом базовом уровне анализ процессов часто включает в себя сочетание ограничений и возможностей. Например, в банке DBS в Сингапуре менеджер по надзору за транзакциями (борьба с отмыванием денег и выявление мошенничества) сказал в интервью, что они были разочарованы высоким уровнем ложных срабатываний, выявленных системой, основанной на правилах, требуемых банковскими регуляторами. Это неизбежное ограничение процесса, но он видит возможность использовать ИИ для прогнозирования и оценки риска мошенничества каждого положительного результата с помощью машинного обучения. Транзакции с низкой вероятностью мошенничества можно просто поместить в “холодильник” на несколько месяцев, чтобы посмотреть, не повторяются ли они с тем же клиентом. Системы искусственного интеллекта на основе машинного обучения для выявления выбросов хорошо зарекомендовали себя в сфере выявления мошенничества. Но когда система машинного обучения была объединена с новой платформой рабочего процесса и системой анализа сети взаимоотношений (для выявления участников сети мошенничества), производительность аналитиков службы наблюдения выросла на треть.
Еще один хороший пример – компания Shell. Компания Shell уже давно ориентирована на процессы, и в настоящее время она реализует инициативу по внедрению ИИ в таких областях, как цепочка поставок, операционная деятельность и техническое обслуживание. В рамках этой инициативы Shell реорганизует свои рабочие процессы.
Например, рассмотрим работу по мониторингу и проверке на энергетических и химических заводах, трубопроводах, морских объектах, ветряных и солнечных электростанциях. Раньше эта работа выполнялась исключительно лично инспекторами и техниками по обслуживанию, но ИИ может убрать это ограничение. Теперь многие задачи по проверке, не требующие больших затрат, могут выполняться дистанционно с помощью роботов и беспилотников. Некоторые объекты Shell настолько велики, что раньше на ручную инспекцию ушли бы годы – теперь для автоматизации этих процессов и сокращения времени цикла внедряются беспилотники и роботы.
В результате этих изменений инспекторы и специалисты по техническому обслуживанию теперь могут переосмыслить свою повседневную работу. Они могут сосредоточиться на более ценных видах деятельности, таких как определение приоритетности проектов или, если они находятся на объекте, выполнение более сложных проверок. В то же время появляются новые задачи, такие как аннотирование изображений для улучшения алгоритмов проверки или управление процессами обучения для тысяч моделей машинного обучения, которые сейчас работают в производстве. То, что раньше было физическими рабочими процессами, теперь управляется многопрофильными командами, выполняющими в основном цифровые задачи.
Этот сдвиг вызвал определенное сопротивление. Сначала было трудно убедить инспекторов, но постепенно они соглашаются, поскольку им показывают, что обработка изображений обеспечивает аналогичную точность за гораздо меньшее время. Более того, Shell привлекает этих инженеров к переосмыслению своих рабочих процессов с помощью удаленных центров наблюдения, предоставляя им возможность стимулировать изменения.
В Shell обнаружили, что этот процесс реинжиниринга с использованием ИИ становится постоянным способом работы. Каждый отдельный проект может занять всего год или два, но чем больше они используют цифровые технологии, данные и ИИ для перестройки процессов, тем больше они видят возможностей для дальнейшего развития. Это особенно важно, поскольку компания трансформируется, чтобы стать энергетической компанией с нулевым уровнем выбросов.
Кто должен возглавить процесс изменения процессов с помощью ИИ?
Совершенствование процессов традиционно было прерогативой исключительно операционных менеджеров. По этой причине в организациях довольно редко встречаются инициативы по реинжинирингу, связанные с проектами ИИ. Чтобы действительно использовать возможности ИИ, мероприятия по разработке и совершенствованию процессов должны быть включены в инициативу ИИ. Наиболее успешные инициативы все чаще организуются “менеджерами продукта”, целью которых является успешное внедрение системы, включая необходимые изменения в бизнесе. Shell назначает владельца продукта для управления изменениями в бизнесе и менеджера продукта, который отвечает за техническое обеспечение. Некоторые организации также участвуют в упражнениях по “дизайн-мышлению”, которые частично совпадают с анализом в стиле реинжиниринга того, как рабочие процессы и деятельность должны быть перепроектированы для удовлетворения потребностей клиентов или внутренних потребностей.
Хотя мы наблюдали множество случаев, когда реинжиниринг проводился параллельно с разработкой ИИ, пока еще недостаточное количество организаций признают необходимость изменения процессов. Было бы полезно более четко обозначить роль и деятельность по реинжинирингу – включая высокоуровневое проектирование, детальные технологические процессы, измерение затрат до и после и цикла, а также анализ необходимых навыков и обучения – независимо от того, называется ли это “реинжинирингом” или нет. Эти мероприятия слишком важны для успеха проектов ИИ, чтобы оставлять их на волю случая или решение менеджера, который помнит о движении реинжиниринга.
Поскольку проекты, ориентированные на автоматизацию, оказывают непосредственное влияние на технологические процессы и в большей степени, чем другие формы ИИ, предполагают только постепенные изменения, они с большей вероятностью будут включать формальный набор шагов по улучшению процессов. В компании Voya Financial, например, группа совершенствования процессов имеет в своем составе центр передового опыта по автоматизации, и ни один проект по автоматизации не осуществляется без предварительной работы по совершенствованию процессов. Руководитель группы говорит, что автоматизация в компании – это столько же ориентированное на процесс мероприятие, сколько и техническое.
ИИ быстро становится повсеместно распространенной технологией. Когда шумиха спадет, он станет таким же стандартом, как ERP-системы, статистические пакеты или даже электронные таблицы. Платформы ИИ могут быть использованы гораздо большим числом компаний для реорганизации своих процессов. ИИ – это средство достижения цели, а не самоцель. Компании, которые понимают, как использовать его в качестве нового инструмента в более широком контексте реинжиниринга процессов, вероятно, получат наибольшую отдачу от ИИ в долгосрочной перспективе.
