Аудит бизнес-процессов перед внедрением ИИ

Если бизнес-процесс держится на Excel, пяти чатах и одном человеке, который помнит всё, у компании уже есть автоматизация 😅

Система называется «спросите у человека, который всё знает». Работает до первого отпуска, больничного или увольнения.

Сначала нужно понять, как компания работает сейчас, где сотрудники теряют время, какие операции повторяются и какие данные проходят через систему. После этого становится понятно, какое решение действительно требуется бизнесу.

Что даёт аудит

Аудит помогает разобрать процесс от начала до конца.

Где появляется задержка. На каком этапе сотрудники ждут друг друга. Какие действия выполняются вручную. Где возникают ошибки. Какие операции приходится повторять. Какие данные нужны для принятия решения.

В контексте ИИ аудит отвечает на несколько практических вопросов:

• какие задачи можно улучшить или автоматизировать;
• какие данные потребуются для работы;
• где достаточно обучить сотрудников;
• где понадобится готовый сервис;
• где оправдана разработка собственного решения;
• сколько будет стоить внедрение;
• какой эффект получит бизнес.

Данные могут находиться в документах Word, таблицах Excel, CRM, мессенджерах, базах данных и внутренних системах.

ИИ получает эти данные, обрабатывает, сравнивает, сокращает или интерпретирует их, а затем передаёт результат в следующий этап процесса. Например, модель может разобрать резюме, подготовить коммерческое предложение, составить протокол встречи, классифицировать отзыв или найти информацию в большом массиве документов.

Два сценария внедрения

Один и тот же запрос можно решить на разных уровнях. Для этого сначала нужно понять, чего именно хочет компания.

Повышение эффективности сотрудников

В этом случае сотрудник продолжает выполнять задачу, но передаёт ИИ часть рутинной работы.

Рекрутер быстрее анализирует резюме. HR-специалист формирует карту навыков для должности. Исследователь обрабатывает большой массив данных и быстрее готовит выводы. Менеджер получает черновик письма или коммерческого предложения.

Отдел продаж может массово создавать скрипты для клиентов. Компания, которая занимается исследованиями, может составлять анкеты для экспертов и пользователей на основе задачи исследования. Команда может использовать ИИ для подготовки описаний стартапов на русском языке, если исходные данные хранятся в таблицах и ссылках.

В таких задачах компании часто достаточно обучения. Сотрудникам показывают рабочие сценарии, готовят инструкции и помогают встроить ИИ в ежедневную работу.

Другой пример, компания хочет создать агента, которому можно загрузить коммерческие предложения за пять лет. После этого агент получает бриф клиента и готовит новый вариант КП на основе накопленных материалов.

На первый взгляд для такой задачи нужен отдельный программный продукт. На практике её можно начать решать через правильно настроенного агента и обучение сотрудников работе с ним.

Повышение эффективности даёт экономию времени и рост производительности. Кроме того, сотрудники получают поддержку при выполнении сложных задач и меньше тратят рабочего времени на однотипные операции.

Автоматизация процессов

При автоматизации система сама принимает данные, обрабатывает их и передаёт результат дальше.

Например, компания получает большой поток резюме. Система проверяет их по заданным критериям, сортирует кандидатов и отправляет рекрутеру тех, кто соответствует требованиям.

Такой подход снижает затраты на рутинные операции, ускоряет ключевые процессы и помогает убрать узкие места, где бизнес регулярно останавливается.

Автоматизация также позволяет увеличивать объём работы без пропорционального роста штата. Если раньше команда могла обработать определённое количество заявок, автоматизированный процесс помогает пропустить через систему больший поток.

При этом запрос «хотим автоматизировать анализ резюме» может привести к трём разным решениям:

• обучить рекрутера использовать ИИ;
• подключить готовый сервис;
• разработать собственную систему оценки, интегрированную с CRM или ATS.

Выбор зависит от объёма операций, сложности критериев, бюджета, требований к контролю и доступных данных.

Готовый сервис или разработка

Автоматизация включает два основных направления, готовый софт и разработку собственного решения.

Готовый сервис подходит для типовой задачи, которую уже решают продукты на рынке.

Например:

• ИИ-секретарь записывает итоги встречи;
• сервис анализирует тональность отзывов;
• система отвечает на отзывы покупателей маркетплейса;
• речевая аналитика проверяет разговоры продавцов;
• сервис фильтрует входящие заявки и передаёт релевантных клиентов менеджерам.

Для таких задач можно использовать готовые продукты и инструменты автоматизации, включая Make, Zapier и Integrately.

Готовое решение обычно запускается быстрее и требует меньше ресурсов по сравнению с разработкой. При этом часть требований компании придётся подстроить под возможности продукта.

Разработка нужна для задач, где требуется особая логика, несколько интеграций или работа с нестандартными данными.

Например:

• система оценивает инвестиционные риски на основе финансовых отчётов;
• программа сканирует документы, распознаёт текст и заносит информацию в базу;
• система анализирует поведение пользователей на сайте и предлагает подходящий продукт;
• алгоритм прогнозирует поломки оборудования;
• интеллектуальный помощник помогает организовать проект и подсказывает следующий шаг.

Перед разработкой стоит изучить рынок. Отсутствие знакомого готового решения ещё ничего не говорит о рынке. Возможно, продукт уже существует, но компания о нём не знает.

Если готовый сервис закрывает ключевую задачу, его можно внедрить быстрее и дешевле разработки. Если продукт не поддерживает нужные интеграции, не умеет работать с требуемыми данными или ограничивает важные функции, появляется смысл создавать собственную систему.

Как провести аудит

Я бы начинал с одного конкретного процесса, в котором уже видна проблема.

Подойдут такие задачи:

• анализ входящих резюме;
• подготовка коммерческих предложений;
• создание скриптов продаж;
• обработка отзывов клиентов;
• протоколирование встреч;
• фильтрация входящих заявок;
• подготовка описаний стартапов;
• анализ разговоров менеджеров;
• работа с документами и таблицами.

Дальше процесс нужно пройти от входящих данных до конечного результата.

1. Опишите входящие данные

Что приходит в работу, откуда сотрудники получают информацию и в каком формате она хранится.

2. Зафиксируйте действия сотрудников

Кто принимает решение, кто переносит информацию, кто проверяет результат и кто отвечает за следующий этап.

3. Найдите повторяющиеся операции

Поиск, сортировка, копирование данных, заполнение таблиц, подготовка типовых текстов и перенос информации между системами.

4. Отметьте места задержек

Где появляется очередь. На каком этапе сотрудники ждут друг друга. Какие действия приходится переделывать.

5. Посчитайте объём работы

Сколько операций выполняется за день или месяц. Сколько времени занимает одна операция. Сколько сотрудников участвует в процессе.

6. Отделите рутину от экспертной работы

Классификацию, поиск, сравнение, подготовку черновиков и обработку больших массивов данных можно передать ИИ.

Оценку рисков, переговоры, финальное решение и ответственность нужно оставить за сотрудником, который обладает необходимой экспертизой.

7. Проверьте данные

Какие документы, таблицы, записи, переписки и базы доступны. Можно ли использовать их для обработки. В каком виде они хранятся.

8. Определите критерии качества

Как понять, что ИИ справился хорошо. Что считается ошибкой. Кто проверяет результат. В каких случаях система должна передать задачу человеку.

9. Изучите готовые решения

Сравните продукты по функциям, стоимости, срокам запуска, интеграциям, ограничениям и возможностям настройки.

10. Посчитайте экономику

Сколько стоит внедрение. Сколько времени оно освободит. Как снизится нагрузка на сотрудников. Какой объём сможет обработать команда. Какие расходы можно сократить.

11. Запустите пилот

Возьмите один участок процесса и проверьте решение на реальных данных.

Например, сравните скорость подготовки коммерческих предложений до и после внедрения. Проверьте точность фильтрации заявок. Посмотрите, сколько времени экономит автоматический протокол встречи.

Что должно появиться на выходе

Хороший аудит заканчивается конкретным решением, а не списком модных ИИ-сервисов.

В итоговом документе должны быть:

• описание текущего процесса;
• проблема или узкое место;
• используемые данные;
• повторяющиеся операции;
• критерии качества;
• варианты внедрения;
• стоимость и сроки;
• ожидаемый эффект;
• следующий шаг для проверки решения.

Главный вопрос аудита звучит так:

где ИИ даст бизнесу измеримый результат, а где компании достаточно обучить сотрудников работе с готовыми инструментами.

Поэтому сначала нужно разложить процесс по шагам. Затем проверить данные, изучить рынок и сравнить варианты внедрения.

И только после этого выбирать технологию.