Оригинал: The Rise Of Agentic Process Management
Автор: Крэйг ЛеКлер (Craig Le Clair), вице-президент и ведущий аналитик, Forrester
Искусственный интеллект (далее — ИИ) развивается с головокружительной скоростью, и возникает искушение откинуть все правила и ухватиться за эту новомодную технологию. Но в управлении процессами следует сохранять разумный баланс между инновационностью и надежностью. Традиционные инструменты, такие как цифровая автоматизация процессов (Dgital Process Automation, DPA), роботизация процессов (Robotic Process Automation, RPA) и автоматизация документооборота — это те рабочие лошадки, благодаря которым уже не одно десятилетие удается оптимизировать операции и экономить время. Однако буквально за последние несколько месяцев генеративный ИИ поставил их существование под вопрос.
Мы это кино уже видели: на сцену врывается новая технология, обещая революционные изменения. Распространенная инстинктивная реакция – выкинуть все старье на помойку и ухватиться за новинку. Однако это может привести к большой путанице и неопределенности. Новые вендоры предлагают переписать все с чистого листа, аргументируя это тем, что применяемые методы устарели. Традиционные вендоры, напротив, пытаются встроить новые технологии в существующие системы, упирая на риски и ограничения радикальной перестройки.
Как правило, старые технологии сохраняют свои позиции. Они глубоко укоренились в критических бизнес-функциях, а люди неохотно отказываются от того, в чем они хорошо разбираются. Клиентам Forrester сложно менять свои процедуры в области комплаенса и риск-менеджмента ради новых технологий. Например, первая система онлайн-бронирований Sabre, разработанная в 1950-е, до сих пор эксплуатируется. Поэтому, хоть ИИ и сулит захватывающие перспективы, относиться к нему нужно взвешенно и трезво.
В краткосрочной перспективе влияние генеративного ИИ будет незначительным
Основной вопрос в том, насколько сильное влияние генеративный ИИ окажет на существующие процессы и инструменты. Ответ зависит от временных рамок: если в краткосрочной перспективе влияние будет незначительным и дополняющим, то в долгосрочной перспективе влияние будет сильным.
В первую очередь генеративный ИИ будет полезен в проектировании процессов, разработке приложений и интеграции данных. Например, пользователи смогут посредством речевого ввода проектировать потоки работ, создавать экранные формы и визуализировать процессы. Возможности генеративного ИИ ставят перед вендорами DPA, RPA и электронного документооборота следующие вопросы:
- Будем ли мы продолжать инвестировать в технологии разработки приложений для десктопов и мобильных устройств?
- Нужен ли в принципе пользовательский интерфейс при наличии больших языковых моделей (Large Language Models, LLM)?
- Не устареет ли большинство low-code подходов по мере развития больших языковых моделей?
- Не появится ли более простой и менее затратный способ извлекать из документов данные и резюмировать их содержание?
- Будет ли нам по-прежнему нужно такое количество API и средств моделирования с появлением новых возможностей генеративного ИИ?
Агентское процессное управление – более серьезная угроза
Большим прорывным потенциалом в долгосрочной перспективе обладает агентский ИИ – разновидность ИИ, нацеленная на создание автономных систем. Агентские системы выполняют задачи без вмешательства человека. Представьте себе ИИ-агента, способного найти и реализовать оптимальную последовательность действий, не погружаясь в детали, а вырабатывая автономные неструктурированные процессные паттерны.
Сегодня дело обстоит совсем по-другому: процессные инструменты полагаются на хрупкую настройку, в которой любые исключения и отклонения должны быть прописаны явно. Агентские системы способны адаптироваться к непредсказуемым, динамично меняющимся процессам реального мира – то есть к тому, как фактически выполняется работа. Мы уже видим, как участниками процессов становятся ИИ-агенты, более ориентированные на решение задач, чем агентские системы. На рынке процессных инструментов оркестровка ИИ-агентов станет прорывной технологией. В связи с этим возникают следующие вопросы:
- На каком этапе ИИ начнет в реальном времени определять следующий оптимальный шаг процесса?
- Появятся ли новые платформы для поддержки оркестровки?
- Смогут ли появляющиеся платформы ИИ-помощников (co-pilot) расширить функциональность процессных инструментов для поддержки более сложных сценариев использования?
- Не уйдут ли существующие технологии управления бизнес-правилами, маршрутами процессов, разработки роботов RPA и конфигурирования данных на второй план?
Я полагаю, что в течение трех-пяти лет потенциал ИИ-агентов переформатирует ландшафт процессного ПО. Появятся новые вендоры платформ на базе ИИ, которые создадут агентские процессы и сформируют рынок агентского управления бизнес-процессами. Как и существующие процессные инструменты, они интегрируют корпоративные системы и людей.
От API и ботов к моделям
Если говорить простым языком, управление процессами перейдет от использования API и ботов к управлению множеством моделей. Модели будут проникать в корпоративные системы со всех сторон – опенсорсные, масштабируемые, корпоративные и формирующиеся сейчас модели авторизации. Например, прогресс в микроэлектронике позволит размещать небольшие, более экономичные модели на таких устройствах, как ноутбуки и смартфоны, формируя сотни конечных точек автоматизации. На рисунке показаны шесть основных возможностей агентского управления процессами:
Агентское управление процессами (Agentic Process Management, APM) поможет компаниям подобрать модель, наиболее соответствующую их потребностям, с учетом ограничений различных моделей, оптимального лицензирования и особенностей ИТ-инфраструктуры. Существующие вендоры платформ интеллектуальной автоматизации (Intelligent Automation, IA) и DPA этого предложить не могут. Вендоры APM предоставят персистентное хранение состояния процесса и связующие компоненты в виде RPA и процессного движка – либо разработав их своими силами, либо воспользовавшись партнерским решением.
Новые вендоры APM будут соревноваться с традиционными вендорами IA, которые будут двигаться в этих же направлениях. Вендоры IA, которые научатся комбинировать детерминированную автоматизацию с новыми требованиями, вытекающими из возможностей ИИ, смогут упрочить свои позиции, поглотив нишевых игроков. Преуспеет тот, кто сформирует благодатную почву для развития агентского ИИ.
Поиск баланса между ИИ и традиционной автоматизацией
Агентские системы работают автономно, то есть без вмешательства человека. Но как известно, многие бизнес-приложения к этому не готовы. Маловероятно, что в ближайшие три-пять лет генеративный ИИ сможет принимать решения в сложных, а особенно – в долгоиграющих бизнес-процессах. Для этого необходимо решить известные проблемы доверия и защиты интеллектуальной собственности.
По мере технологического прогресса необходимо искать баланс между внедрением инноваций и надежностью существующих технологических решений. Хотя ИИ открывает захватывающие перспективы, у традиционных методов управления процессами через предопределенные бизнес-правила и маршруты остается своя область применения. Эти методы масштабируемы и надежны, что делает их привлекательными для операционных процессов, где риск должен быть минимизирован.
Представьте себе симфонический оркестр. Дирижер здесь выступает в роли движка оркестровки процесса, контролирующего общий ход представления по предопределенным правилам. Музыканты – ИИ-модели, каждый со своим уникальным талантом и звучанием, но все подчиняются дирижеру. В этой аналогии для моделей на базе ИИ есть место, но командовать будут не они. Контролировать ключевые долгоиграющие процессы будет традиционный процессный движок, а ИИ-модели обеспечат взрывной прирост производительности и интеллектуальности. Такая комбинация инновационности и надежности станет выигрышной.
По крайней мере в течение некоторого времени.
Обсудить