Гиперавтоматизация: что это такое и как она решает задачи бизнеса
Разбираемся, когда появилась гиперавтоматизация, из каких решений она состоит и чем отличается от привычной автоматизации
Российскому бизнесу давно известен термин «автоматизация». Более 74% отечественных компаний, опрошенных Comindware и Ассоциацией BPM-профессионалов, занимались проектами автоматизации бизнес-процессов в конце 2022 года. Однако несколько лет назад в деловой среде появилось новое слово — гиперавтоматизация, значение которого ясно пока не всем. Разбираемся вместе с экспертами группы «Ланит», что собой представляет это явление и для решения каких бизнес-задач оно необходимо.
Как появилась гиперавтоматизация
Термин «гиперавтоматизация» в 2019 году ввела международная аналитическая компания Gartner. Это явление как новый подход к автоматизации обозначили одной из десяти основных стратегических технологических тенденций рынка.
Гиперавтоматизация — ориентированный на бизнес подход, который организации используют для быстрой идентификации, проверки и автоматизации как можно большего числа бизнес- и IT-процессов, объясняется в глоссарии на сайте компании. Хотя термин появился всего четыре года назад, явление, которое он описывает, для бизнес-среды не ново.
Константин Герман, заместитель директора по внедрению платформы и решений Lanit Document Management:
«Gartner — это организация, которая вводит термины для отражения существующих рыночных трендов. Важно, что сначала был тренд, а только потом для него придумали термин, который объединил в себе некий набор активностей. Поэтому гиперавтоматизация сама по себе ничем новым не является. На рынке к моменту появления этого термина присутствовало несколько классов решений или подходов к автоматизации, которые отличались от того, что было принято в предыдущие 20–30 лет».
Как работает гиперавтоматизация
Понять, что собой представляет гиперавтоматизация и чем она отличается от привычной автоматизации, позволит визуальная метафора, которую предложил директор по продуктам компании Goodt (входит в группу «Ланит») Константин Саратцев.
Эксперт рекомендует представить весь комплекс бизнес-процессов компании как большой круг. Внутри него расположены круги меньшего размера — решения для автоматизации, которые используют в бизнесе. Например, система управления отношениями с клиентами (CRM), система управления производственными процессами (MES), планирование ресурсов предприятия (ERP). Каждый из продуктов покрывает значительную часть процессов, но сами круги не соприкасаются друг с другом. Между ними образуются пустоты. Именно здесь в игру вступает гиперавтоматизация.
Константин Саратцев:
«Эти пустоты — зоны на стыке бизнес-процессов, которые традиционно не заполнены. Их покрытие является основной движущей силой гиперавтоматизации в больших компаниях. Автоматизировать пустоты и формировать связки бизнес-процессов классическими методами дорого и долго: для компаний это экономически невыгодно. Они даже не пытаются решать проблему, потому что, по их мнению, это практически невозможно. Поэтому мы используем комплекс различных технологий для гиперавтоматизации. Эти технологии так или иначе снижают потребность в классической долгой разработке».
Анна Процко, бизнес-партнер «Ланит — Би Пи Эм»:
«Стоит отметить, что фокус на гиперавтоматизации помогает не просто автоматизировать процессы, но и приводит к пересмотру самих процессов. То есть сами бизнес-процессы начинают трансформироваться: находятся точки для их оптимизации и по времени, и по количеству шагов в них. Например, некоторые процедуры удается выполнять параллельно (а не последовательно), какие-то шаги можно вообще убрать. Расчеты и сбор данных занимают значительно меньше времени, принятие решений по задачам происходит мгновенно».
Какие инструменты используют в гиперавтоматизации
Одна из ключевых особенностей гиперавтоматизации — согласованное использование нескольких технологий и платформ. Вот несколько решений, которые активно применяются в процессе гиперавтоматизации:
- роботизация процессов (RPA);
- инструменты no-code и low-code;
- искусственный интеллект;
- машинное обучение.
Константин Герман:
«Скомпоновав несколько существующих решений, мы пришли к новой эпохе автоматизации. Это другой подход: он позволяет получить принципиально иное качество автоматизации процессов, которые классическим методом линейного программирования автоматизировались плохо или сложно. При этом каждый инструмент по отдельности уже успешно применялся на рынке. Гиперавтоматизация пытается объединить эти технологии воедино для решения комплексных задач бизнеса».
Какому бизнесу нужна гиперавтоматизация
По мнению специалистов группы «Ланит», потребность в гиперавтоматизации возникает в сферах с наибольшим проникновением новейших технологий. Компании из финтеха, телекома и электронной торговли находятся на пике цифрового развития и постоянно конкурируют друг с другом, создавая еще более продвинутые решения, поэтому такой бизнес раньше прочих обратился к гиперавтоматизации.
Анна Процко:
«Больше всего это нужно гигантам рынка и крупным компаниям, которые строят зрелые экосистемы или имеют амбиции их построить. Банки в России — это хорошо автоматизированный бизнес. Если не лучший, то один из лучших в мире примеров автоматизации. В условиях, когда рынок быстро меняется, банкам нельзя не реагировать на перемены и новые запросы потребителей».
При этом существуют отрасли, которые на данный момент не нуждаются в гиперавтоматизации. К ним в «Ланите — Би Пи Эм» отнесли производственную и добывающую индустрии. «С помощью гиперавтоматизации можно совершить переворот, изменить что-то в сознании людей. Возможно, в эти отрасли придет харизматичный лидер, который полностью изменит подход к пониманию индустрии. Но на текущий момент в производстве и добыче гиперавтоматизация не применима», — уверена Процко.
Опыт гиперавтоматизации: документооборот
Одна из популярных задач, решить которую позволяет комплексный подход гиперавтоматизации, — переход на электронный документооборот. Во время этого процесса бизнес обычно сталкивается с несколькими характерными затруднениями. Например, с необходимостью вручную переносить данные из документов в программы для бухгалтерии.
Константин Герман:
«В одном из наших кейсов заказчику требовалось решение, которое поможет извлечь важную информацию из документа не вручную. Чтобы вытащить из файла конкретные данные, например номер договора, предмет или сумму, классический подход к автоматизации предложил бы обратиться к нейронным сетям. Но для этого потребовалось бы скрупулезно, с каждым типом документа отдельно объяснять программе, как извлечь те или иные данные. При этом человек не нуждался бы в таких подробных объяснениях для каждого типа документа. Именно к подобию человеческого мышления в области технологий мы и обратились».
Решением стала технология, лежащая в основе ChatGPT. Она заметно отличается от обычных нейронных сетей, требующих детального обучения, и действует так, как действовал бы человек. «Обычную нейронную сеть обучают под конкретную задачу. Но наш клиент — крупный банк, у которого 1,2 тыс. типов документов. Если бы мы пользовались классическим подходом автоматизации, разработка проекта растянулась бы на два года и стоила сотни миллионов рублей. С одной «сообразительной» нейронной сетью, которая мыслит аналогично людям, сделать это намного проще и дешевле», — объяснили в Lanit Document Management.
Другой пример гиперавтоматизации — создание верного маршрута для движения электронных документов. В одной из крупных компаний в телекоммуникационной сфере долгие годы успешно работал бумажный документооборот. Бумаги доставляли в офис, курьеры подрядчиков точно знали, в какое окно положить пакет, чтобы он дошел до нужного сотрудника. С переходом на электронный документооборот возникла колоссальная путаница с адресатами.
Константин Герман:
«Мы попытались классическим образом объяснить программе правила передачи этих документов конкретным сотрудникам — по принципу «если поставщик такой и договор такой, то отправлять туда». Но быстро поняли, что этих правил слишком много и они постоянно меняются. Поэтому вместо классического инструмента наша команда с помощью машинного обучения научила нейронную сеть смотреть на документы, предоставив ей большую базу данных. Технология изучает документ и делает вывод о том, какому сотруднику его отправить. Иногда программа ошибалась, поэтому мы дали возможность сотрудникам передавать ей обратные сигналы: «Нет, этот документ не мне». В итоге проблема разбора документации была решена».
Опыт гиперавтоматизации: BI-практика и мотивация персонала в ретейле
В Goodt создали решение, позволяющее применять механики гиперавтоматизации для разработки веб-приложений и BI-аналитики. Это платформа со встроенным low-code-функционалом Insight. По сути, она помогает запустить конвейер по сбору и тиражированию экспертизы внутри департаментов и между ними. В платформу вшиты шаблоны разного уровня. Библиотеки преднастроенных визуализаций, CSS и HTML позволяют специалистам разного уровня и компетенций быстро и самостоятельно строить аналитику и визуализировать ее. Каталоги метрик и виджетов, сформированные специально под конкретные роли, и опция интеграции с любыми источниками позволяют создавать отдельные рабочие пространства для разных ролей. Третий уровень — маркетплейс шаблонов бизнес-приложений с формами ввода и конструктором бизнес-процессов, готовых к быстрому запуску. Они решают типовые задачи, актуальные для многих компаний: от управления командами до трекера исполнения заявок. И позволяют встраивать аналитику в операционные процессы. Например, одно из таких приложений «лечит» значимую «боль» многих ретейлеров.
Константин Саратцев:
«Часто в компаниях операционная сфера, отдел HR и бухгалтерия, которая начисляет зарплату, — это три разных мира. Поэтому с гибкой денежной мотивацией розничного персонала возникают проблемы. Казалось бы, есть много цифровых данных, можно легко управлять мотивацией. Но даже в крупных компаниях это все еще делается вручную. Мы берем в режиме реального времени чеки с данными о продажах и используем их в одном случае для прогнозирования трафика и, соответственно, потребности в персонале. Рассчитываем автоматически, сколько нужно людей в конкретный момент времени на кассе, в зале, на складе. И в этом же приложении управляем мотивацией персонала. Анализируя комбинацию позиций в чеке, мы понимаем, насколько хорошо продавец-консультант применил скрипты, отработал промоакции. Приложение это фиксирует и автоматически начисляет мотивационные бонусы. Сотрудники сразу же видят, сколько они получат, а руководитель контролирует исполнение планов и аналитику».
По расчетам Goodt, использование шаблонов приложений позволяет решать понятные для компании задачи и состыковывать несколько бизнес-процессов между собой. При этом не нужно тратить годы и обзаводиться огромным штатом IT-специалистов, которые будут создавать собственные приложения под каждый use-case.
«Мы прошли большой путь, чтобы предложить бизнесу такой ускоритель разработки. Создавали, ошибались, искали решение, улучшали. Какой результат? На нашей платформе аналитическое приложение с кастомизированным дизайном можно построить за месяц, а аналитическую панель — за срок от пары часов до двух-трех дней», — подсчитал Саратцев.
Опыт гиперавтоматизации: кредит для юрлица
Первые проекты из области гиперавтоматизации «Ланит — Би Пи Эм» запустил за два года до появления самого термина. По словам Анны Процко, в 2017 году один из крупных российских банков решил автоматизировать кредитный процесс для юридических лиц. «Проблема заключалась в скорости рассмотрения кредитной сделки. Тогда весь процесс от обращения в банк до зачисления денег занимал около двух недель. Нам удалось сократить срок до нескольких часов», — рассказала она.
Для решения выбрали low-code-платформу, которая позволила автоматизировать разные части кредитного процесса и объединить их в сквозной механизм. Единый инструмент собрал в себе более 30 IT-систем и позволил учитывать индивидуальные особенности выдачи разных кредитных продуктов, в том числе овердрафтов, аккредитивов, экспресс-кредитов, сделок для проектного финансирования. Благодаря искусственному интеллекту решение позволило совершать сделки полностью удаленно.
Анна Процко: «Значительный объем работы реализован в облаке, где искусственный интеллект по огромному количеству параметров выбирает клиентов, которым можно сделать предодобренное предложение. Клиенту банка остается только настроить нужные параметры кредита, прикрепить документы, отправить их в банк онлайн, а через какое-то время подписать и получить средства, не покидая своего офиса. Для бизнеса отсутствие физического документооборота с банком — это действительно прорыв.
Внедренное решение работает до сих пор и постоянно дорабатывается. Несколько лет назад из всего портфеля кредитования банка продукт предлагали не всем, а только 13% клиентов. Это можно понять, ведь выдать юридическому лицу десятки или сотни миллионов рублей за несколько часов без участия кредитного комитета — рисковое дело. Непривычно доверить такое решение машине. Но постепенно пул клиентов, которым доступна данная услуга, расширяется. Сейчас наша задача — помочь банку масштабировать систему до 60% клиентов от общего портфеля кредитования банка».
В результате гиперавтоматизации банк смог обслуживать более 14 тыс. юрлиц, заключать свыше 100 тыс. новых сделок ежегодно, а заодно значительно снизить себестоимость операционного процесса. Общий уровень клиентской удовлетворенности продуктом достиг 96%. Экономика образования Кто такой RPA-разработчик и как им стать
Барьеры гиперавтоматизации
Важным ограничением на пути гиперавтоматизации Константин Саратцев считает пассивность крупного российского бизнеса: «Среда больших компаний остается инертной, они медленно принимают решения, у них сложные процедуры согласования». Константин Герман заявил, что гиперавтоматизация пока не так популярна у бизнеса из-за сложности ее внедрения. «Часто бизнес выбирает быстрее и дешевле решить задачу на 80%, чем решить ее на 95%, потратив миллионы». Кроме того, предприниматели замечают, как стремительно развиваются технологии, и не хотят пользоваться решениями, которые скоро устареют.
Константин Герман:
«Простой бытовой пример. Вы покупаете дорогой планшет, а через полгода выходит новая модель, более мощная и продвинутая. Поневоле задумаешься, не стоит ли подождать, когда выйдет решение, которое справится с твоей проблемой качественнее за те же деньги».
По мнению Анны Процко, главными барьерами стоит считать дороговизну и нехватку кадров.
Анна Процко:
«Внедрение глобального процесса, применение множества технологий — это дорогостоящий проект. Кроме того, зарплаты специалистов из некоторых областей просто космические. Но дороговизна их работы не гарантирует, что они справятся с задачей. При этом не факт, что сама идея, которую хотят автоматизировать, сможет «взлететь». А в этом для компании кроются репутационные риски. Бизнес не может пообещать новую разработку и не реализовать ее без последствий для себя. Поэтому компании, которые решаются на такой шаг, обычно выбирают вендора с большим опытом и экспертизой, чтобы не набивать шишки гиперавтоматизации самостоятельно».
