ИИ не работает вслепую: зачем бизнесу Task Mining
Согласно исследованию Selectel, 27% компаний пока не видят для искусственного интеллекта подходящих прикладных задач. При этом даже среди тех, кто уже начал внедрение, около 20% не отмечают заметного результата. Обычно это объясняют дефицитом экспертизы, высокой стоимостью проектов и трудностями с оценкой их окупаемости. Но на практике корень проблемы часто глубже: бизнес берется за ИИ раньше, чем понимает, в каком процессе технология действительно необходима.
Важность точной настройки
Сейчас вокруг искусственного интеллекта слишком много ожиданий: компании хотят ускорить процессы, сократить ручной труд, снять нагрузку с сотрудников, улучшить клиентский сервис. Во всех этих задачах ИИ действительно может быть полезен. Но между интересом к технологии и реальным эффектом есть один критически важный этап, который многие пропускают — точная настройка.
Бизнес сначала выбирает инструмент, а уже потом начинает искать, куда бы его применить. Чтобы ИИ приносил пользу, нужно заранее понимать — где он будет применяться и какую проблему решит.
Без такой подготовки внедрение превращается в поиск иголки в стоге сена. Формально работа идет, пилот запущен, красивые анонсы об использовании инноваций есть. Но ощутимых полезных результатов нет. Поэтому важно задействовать инструменты, которые позволяют сначала увидеть реальную операционную картину. Один из них — аналитика бизнес-операций (Task Mining).
Измеримая рутина
Значительная часть операционных потерь незаметна в привычных управленческих срезах. Они не отражаются в отчетах, не попадают в ключевые показатели эффективности и редко описаны в регламентах. Но именно они часто определяют, сколько компания тратит времени и ресурсов на рутинную работу. Для оценки таких потерь и применяется Task Mining.
Task Mining — это технология, которая собирает и анализирует действия сотрудников в интерфейсах рабочих программ — от переходов между CRM, ERP, почтой и мессенджерами до работы с карточками в других системах. Дальше эти действия агрегируются, группируются и визуализируются, и бизнес получает не описание процесса, а его цифровой слепок — сразу подсвечены все проблемные моменты, затраченное на рутину время, выгодные для автоматизации точки.
Рассмотрим на примере — оформлении кредитной заявки. Кажется, что все просто: клиент подал кредитную заявку, сотрудник проверил данные и передал ее дальше по маршруту. Но на самом деле все выглядит иначе:
- заявка поступила в систему или на электронную почту;
- сотрудник открыл анкету клиента;
- перешел в одну систему для проверки персональных данных;
- затем в другую — для проверки кредитной истории или текущего статуса клиента;
- вручную сверил сведения из разных источников;
- скопировал часть данных в рабочую форму/таблицу;
- проверил комплектность документов;
- запросил недостающую информацию у клиента или коллег;
- дождался уточнений и вернулся к заявке;
- внес исправления в анкету;
- перепроверил корректность заполнения;
- передал заявку на следующий этап.
По отдельности каждое действие не занимает много времени. Но при постоянном повторении они превращаются в устойчивый источник потерь. А в масштабе команды незаметная рутина превращается в операционную неэффективность, которая дорого обходится бизнесу.
Task Mining помогает компании видеть не только что делают сотрудники, но и как устроена их повседневная работа — где возникает перегрузка, сколько времени уходит на повторяющиеся действия, где есть дублирование и лишние переходы между системами.
Кроме того, Task Mining позволяет оцифровать даже те виды работы, которые обычно плохо поддаются формализации: обработку нестандартизированных обращений, согласование документов по почте, ручную сборку отчетов, работу с файлами и перепиской. Для бизнеса это особенно полезно на этапе подготовки проектов по автоматизации и внедрению ИИ, когда нужно не просто обсуждать гипотезы, а понимать, где вложения дадут эффект.
Цифровой сотрудник
Важная деталь: Task Mining — это не только подготовительный этап для внедрения ИИ, но и самостоятельный инструмент. Например, один крупный банк с помощью Task Mining формирует список операций, которые наиболее экономически выгодно автоматизировать. Росгосстрах оптимизирует операционную деятельность, АО «Силовые машины» повышает эффективность бэк-офиса, а Банк Уралсиб — оценивает производительность нового для себя программного обеспечения.
Особенно ощутимый эффект появляется, когда Task Mining работает в связке с ИИ. В этой модели аналитика бизнес-операций — это «навигатор». Она показывает, куда смотреть, где находится проблемный момент и какие действия стоит автоматизировать для получения наибольшей выгоды. ИИ же получает контекст и становится полноправным цифровым сотрудником, который берет на себя монотонную рутину.
Как это работает
Компания с помощью Task Mining выявила, что выгоднее всего будет автоматизировать обработку типовых обращений по статусу заказов, срокам поставки и условиям возврата в клиентском сервисе. Сами запросы несложные, но их много, и каждое письмо приходится вручную разбирать, искать информацию в разных системах и собирать ответ.
«Навигатор» сработал, нашел проблемную точку. Дальше в дело вступает ИИ:
- Анализирует входящее обращение. Цифровой помощник считывает письмо или сообщение, определяет тему запроса и извлекает ключевые параметры: номер заказа, имя клиента, дату покупки, наименование товара, суть проблемы.
- Проверяет, хватает ли данных. Если для ответа не хватает информации, система автоматически формирует уточняющий вопрос. Например: клиент просит проверить статус доставки, но не указал номер заказа.
- Сверяет информацию во внутренних системах. С помощью API ИИ обращается к CRM, системе управления заказами, складскому модулю и базе доставки: проверяет статус заказа, наличие товара, дату отгрузки, данные по возврату или обмену.
- Готовит корректный ответ. На основе найденных данных система формирует понятный и персонализированный ответ: сообщает статус заказа, ориентировочные сроки доставки, условия возврата или дальнейшие действия со стороны компании.
- Отправляет сообщение и фиксирует результат. Готовый ответ уходит клиенту по нужному каналу, а информация о взаимодействии автоматически сохраняется в CRM. При необходимости обращение маршрутизируется сотруднику, если ситуация нестандартная.
Ценность в деньгах
По нашим расчетам, при активном внедрении таких технологий в ключевых отраслях совокупный эффект к 2030 году может составить до 14,8 трлн рублей — это около 7,4% текущего уровня ВВП России. Но даже без обобщающих оценок ценность подхода хорошо видна на прикладных кейсах.
Например, один банк выяснил, что оформление кредитной заявки невозможно без ручной проверки закрытия процедуры банкротства. Казалось бы, небольшое действие внутри большого процесса, однако его оптимизация дает более 30 млн рублей ежегодного эффекта. Крупная энергосбытовая компания с Task Mining проанализировала работу бэк-офиса, собрав данные из 1С, Сигма БФЛ и Битрикс24, выявила рутину и, после автоматизации ключевых моментов, включая работу с файлами и подготовку документов, сократила трудозатраты почти на 16 тыс. часов.
Отсюда вывод — если компания задумалась над внедрением ИИ, то начинать нужно с участков, где много ручного труда и повторяющихся действий. Хорошие точки:
- разбор входящих писем и запросов;
- подготовка документов и их последующее согласование;
- ручной поиск и консолидация информации из разных систем;
- повторяющиеся операции в формате «скопировал — вставил» между несколькими интерфейсами.
Подобные потери обычно не фиксируются в учетных системах и не входят в стандартный контур оценки эффективности. Task Mining делает их измеримыми: показывает длительность операций, частоту повторения действий и объем ручных либо дублирующихся операций.
Это позволяет компании определить приоритетные зоны для оптимизации, обоснованно запускать ИИ-проекты и рассчитывать экономический эффект на основе данных, а не предположений.