Как выявить задачи для автоматизации, если компания хочет внедрить ИИ

Запрос «хотим внедрить ИИ в бизнес» звучит масштабно, но не даёт точки старта.

Пока компания не понимает, какой процесс менять, невозможно посчитать эффект, выбрать инструмент и определить требования к будущему решению.

В работе встречаются два типа запросов.

Первый. Компания хочет внедрить ИИ в бизнес, но не знает, какие задачи стоит выбрать.

Второй. Компания уже понимает, что именно нужно автоматизировать, и приходит с конкретным запросом.

В первом случае сначала выявляют задачи, оценивают их и расставляют приоритеты. После этого выбранную задачу анализируют так же подробно, как конкретный запрос из второй ситуации.

С чего начинается выявление задач

Если компания не знает, что автоматизировать, начинать стоит с сотрудников, которые выполняют работу каждый день.

Проведите общий созвон с представителями разных отделов. Дайте им десять минут на письменный сбор информации.

Попроси каждого сотрудника описать:

• что он делает;
• как часто выполняет задачу;
• сколько времени она занимает;
• какие инструменты использует;
• какой результат получает.

Сотрудники могут писать ответы в общем чате. На этом этапе не нужно требовать идеальной структуры. Важно собрать реальную картину работы.

После созвона получится большой неструктурированный список. Через ИИ важно привести его в порядок и разделить задачи на ежедневные, еженедельные, ежемесячные и сложные.

Базовые вопросы остаются теми же:

• чем вы занимаетесь;
• как часто выполняете задачу;
• сколько времени она занимает;
• какие данные и инструменты используете;
• какой результат передаёте дальше.

Созвон даёт быстрый срез. Опрос занимает больше времени, зато позволяет охватить большое количество сотрудников.

Аудит бизнес-процессов перед внедрением ИИ

Как выбрать приоритетные задачи

После сбора данных список нужно оценить по двум параметрам:

• бизнес-эффект;
• сложность внедрения.

Задачи с высоким эффектом и низкой сложностью обычно становятся первыми кандидатами на автоматизацию.

Задачи с высоким эффектом и высокой сложностью можно вынести в отдельный проект.

Задачи с низким эффектом и высокой сложностью чаще откладывают или исключают.

Низкий объём часов тоже не всегда означает низкую ценность. Например, один HR тратит на создание карты компетенций десять часов в месяц. Для крупной компании это может выглядеть незначительной задачей.

Но если этот сотрудник отвечает за ключевую функцию, является HRD или формирует стандарт для всей команды, обучение может иметь стратегический смысл.

Поэтому приоритет зависит от количества часов, стоимости работы, влияния на результат и роли сотрудника в системе.

Как посчитать бизнес-эффект

Возьмите конкретную задачу и посчитайте:

• сколько сотрудников её выполняют;
• сколько часов уходит в месяц;
• сколько стоит час работы;
• сколько операций проходит через процесс;
• какие ошибки и переделки возникают;
• какой объём сможет обработать команда после внедрения.

Например, анализом резюме занимаются десять рекрутеров. Вместе они тратят на это 440 часов в месяц.

Если умножить количество часов на стоимость рабочего времени, получится базовая оценка эффекта.

Эту сумму можно сравнить со стоимостью обучения, готового сервиса или разработки.

Другой пример, проведение интервью с кандидатами занимает 20 часов в месяц у трёх HR-специалистов и ещё по часу у пяти руководителей.

Сложность автоматизации высокая, а общий объём времени небольшой. Такая задача может оказаться ниже в списке приоритетов.

Погружение в конкретную задачу

После первичной оценки выберите одну задачу и разложите её на действия.

На этом этапе нужно поговорить с сотрудниками, которые выполняют работу. Запись разговора помогает не потерять детали и вернуться к формулировкам позже.

Задавай вопросы о каждом шаге:

• что происходит в начале;
• какие данные получает сотрудник;
• какие инструменты открывает;
• на какие действия тратит время;
• какие решения принимает;
• по каким признакам оценивает результат;
• кому передаёт готовый документ или информацию.

Часть решений сотрудник принимает автоматически, на основе опыта. Он может не считать это отдельным этапом и не упомянуть в первом разговоре.

Поэтому задачу приходится разбирать подробно.

Например, при обработке follow-up после встречи нужно выяснить:

• кто фиксирует итоги разговора;
• где хранятся записи и заметки;
• как сотрудник определяет следующие действия;
• какие письма отправляет клиенту;
• как выбирает формулировки;
• когда передаёт задачу другому сотруднику;
• как понимает, что follow-up подготовлен качественно.

Так появляется описание процесса в его текущем виде.

Проверка возможности автоматизации

После описания задачи нужно проверить, способен ли ИИ выполнить её на реальных данных.

Для этого создают прототип решения, передают ему рабочие материалы и сравнивают результат с тем, что делает опытный сотрудник.

Если результат подходит, его можно дорабатывать и масштабировать.

Если результат частично подходит, уточняют структуру промпта, добавляют примеры, правила проверки и дополнительные данные.

Если модель регулярно ошибается в критических местах, задача требует другой архитектуры, дополнительного контроля или пока не готова к автоматизации.

Примеры выбора решения

Анализ резюме

Задачу можно решить через обучение рекрутеров работе с ИИ или через автоматическую систему анализа резюме.

Обучение подходит, когда сотрудник сохраняет контроль и принимает финальное решение.

Автоматизация подходит при большом потоке резюме, стабильных критериях оценки и наличии цифровых данных.

Интервью с кандидатами

Можно использовать запись ответов на заранее подготовленные вопросы и передавать материалы в ИИ для анализа.

Полноценный интерактивный диалог требует отдельной проверки качества, потому что система должна понимать контекст разговора, задавать уточняющие вопросы и корректно реагировать на ответы кандидата.

Карта компетенций

В некоторых случаях автоматизация не нужна.

Если задачу выполняет один HR-специалист и она занимает десять часов в месяц, выгоднее обучить его созданию карты компетенций и дать готовую методику.

Программа мероприятия

Компания может собрать большой документ с ответами экспертов о тенденциях в отрасли. Раньше сотрудник читал весь материал, выделял основные идеи и на их основе формировал темы и программу мероприятия.

ИИ можно обучить анализировать этот документ, объединять похожие мысли, выделять повторяющиеся темы и предлагать структуру программы.

Сначала создаётся базовый промпт. Затем результат сравнивается с ожиданиями специалиста и дорабатывается до приемлемого качества.

Скрипты для отдела продаж

Если обычный чат не даёт стабильного результата, можно создать многоуровневую архитектуру промптов.

В неё загружаются данные о клиенте, продукте и лице, принимающем решение. После этого система генерирует скрипт под конкретную ситуацию.

Такое решение можно оставить в виде внутреннего инструмента или интегрировать в корпоративное программное обеспечение.

Интеграция нужна, если компания работает с закрытыми данными и не может использовать внешние таблицы или публичные сервисы.

Что должно появиться после аудита

Результатом аудита становится обоснованный план действий.

В нём должны быть:

• описание текущей задачи;
• участники и используемые инструменты;
• объём работы и затраченное время;
• стоимость процесса;
• критерии качественного результата;
• бизнес-эффект;
• сложность внедрения;
• выбранный способ реализации;
• ограничения технологии;
• план тестирования;
• следующий шаг.

Рабочая единица внедрения — конкретная задача с понятным входом, процессом и результатом.

Поэтому сначала соберите информацию у сотрудников, затем выбери приоритетную задачу, погрузись в её механику и проверь решение на реальных данных.

Только после этого можно принимать решение об обучении, готовом сервисе или разработке.

Удачи!