Интеграция BPM и ИИ для оптимизации процессов в реальном времени

Автор: Майкл Хилл (Michael Hill)
Оригинал: The convergence of BPM & AI: Enabling real-time process optimization

На протяжении десятилетий управление бизнес-процессами (BPM) опиралось на операционную эффективность. Это до сих пор актуально, но эволюционная природа искусственного интеллекта оказывает огромное трансформирующее воздействие на сферу управления бизнес-процессами (BPM). Технология ИИ играет ключевую роль в определении будущего BPM, открывая широчайшие новые возможности и при этом генерируя сложные вызовы и проблемы.

На конференции «Будущее BPM» Винод Шриниваса, заместитель вице-президента по операционной эффективности крупнейшего американского международного банка, рассказал как построить дальновидную BPM-стратегию и использовать новые возможности в области операционной эффективности. Перед мероприятием мы обсудили с Винодом его соображения и идеи по поводу эволюции BPM на фоне усиления позиций искусственного интеллекта.

PEX Network: Как современный BPM сочетается с новым поколением технологий искусственного интеллекта?

В.Ш.: В то время как BPM традиционно концентрируется на оптимизации и автоматизации бизнес-процессов через структурированные рабочие процессы, искусственный интеллект привносит передовые технологии анализа данных, машинного обучения и когнитивные возможности для дальнейшего совершенствования этих процессов. Благодаря этому рабочие процессы становятся более интеллектуальными, адаптивными и получают возможность оптимизации в режиме реального времени.

Такое сближение ИИ и BPM позволяет достичь существенного прогресса в области операционной эффективности, клиентского опыта и принятия решений в разных отраслях. Вот некоторые отраслевые варианты использования, являющиеся результатом такого сближения:

Гибкость процессов и принятие решений в реальном времени: Интеграция ИИ и BPM позволяет принимать решения в режиме реального времени, что критически важно для компаний, которые работают в динамичных условиях. BPM-системы используют ИИ, чтобы анализировать большие массивы данных в режиме реального времени, предсказывать события в будущем, рекомендовать какие-то действия. Это позволяет компаниям моментально адаптировать бизнес-процессы с учетом возникающих трендов или потребностей потребителей. Например, Siemens применяет ИИ, интегрируя предиктивную аналитику и BPM, чтобы улучшить процессы производства. Используя алгоритмы машинного обучения, Siemens может предсказать поломку оборудования до того, как она произойдет. Это позволяет заблаговременно проводить техническое обслуживание оборудования и минимизировать его простой. Такая предсказательная функциональность интегрирована в поток работ BPM, что позволяет системе запускать предупреждение о ремонте и перераспределять ресурсы, чтобы обеспечить непрерывность производства.
Выход за пределы автоматизации, основанной на правилах: Традиционно ВРМ ассоциировался с автоматизацией предопределенных и повторяющихся задач. Однако с учетом появлениях таких ИИ-технологий, как обработка естественного языка (NLP) или когнитивные вычисления, интеллектуальная автоматизация процессов кардинально меняет правила игры. ИИ позволяет BPM-системам проводить автоматизацию не только на базе правил, но и с применением более комплексных и динамичных процессов, которые требуют принятия решений на основе неструктурированных данных.
Совершенствование клиентского опыта (CX) с помощью BPM на базе ИИ: В области клиентского опыта одновременное использование BPM и AI демонстрирует большой потенциал. Традиционный BPM фокусировался на повышении эффективности процессов, но мало учитывал необходимость масштабирования персонального подхода. ИИ предоставляет возможности персонализации, анализа настроения и чат-боты, которые могут быть интегрированы в BPM-систему, чтобы клиентские процессы стали более индивидуальными, проактивными и чуткими. Например, банк HSBC внедрил BPM-решение на базе ИИ, которое совмещает чат-бот для обслуживания клиентов и алгоритмы машинного обучения для прогнозирования запросов клиентов и ответов на них на базе истории действий клиента. В результате HSBC повышает удовлетворенность клиентов за счет быстрых и более релевантных ответов на запросы, а BPM-система позволяет бесшовно маршрутизировать нестандартные запросы на сотрудников.
Process mining и непрерывный мониторинг и оптимизация процессов: Еще один весомый аспект ИИ в BPM – это технология process mining, когда ИИ используется для непрерывного мониторинга, анализа и оптимизации бизнес-процессов. Process mining позволяет компаниям визуализировать и понимать существующие потоки работ, выявлять неэффективность и в режиме реального времени донастраивать процессы, улучшая производительность.
Продвинутая предиктивная и предписывающая аналитика: Возможности ИИ в области предиктивной и предписывающей аналитики улучшают управление бизнес-процессами. Традиционно BPM фокусировался на контроле и оптимизации, но с помощью ИИ можно прогнозировать будущие тренды и рекомендовать определенные действия на базе прогнозной аналитики. Например, Amazon использует ВРМ на базе ИИ, чтобы оптимизировать логистические процессы. Применяя предиктивную аналитику, любая компания в сфере e-commerce может прогнозировать спрос в зависимости от региона продаж и адаптировать с учетом этого запасы и схемы поставок. Если ИИ-модель предскажет рост спроса на какой-то продукт, ВРМ-система автоматически запустит необходимые шаги – адаптирует и перераспределит складские запасы, перенаправит поставки, чтобы своевременно удовлетворить спрос.

PEX Network: Какой эффект для бизнеса может дать сочетание BPM и AI?

ВШ: Комбинируя структурированный подход BPM к оптимизации с возможностями ИИ по анализу данных, обучению на их базе и принятию автономных решений, компании могут существенно повысить операционную эффективность, улучшить потребительский опыт, снизить риски и расходы. В сфере банковских услуг и страхования одновременное применение ИИ и BPM дает существенные преимущества, в том числе:

Рост операционной эффективности за счет автоматизации: BPM в первую очередь стремиться автоматизировать поток работ, чтобы избавиться от неэффективности и обеспечить соблюдение всех требований. В комбинации с ИИ компании могут перейти от простой, основанной на правилах автоматизации к более сложной, подразумевающей действия в зависимости от принятых ИИ решений, что позволит существенно повысить операционную эффективность. Например, Standard Сhartered Bank интегрировал ИИ и BPM-систему, чтобы автоматизировать процесс заведения клиентов. ИИ позволяет обрабатывать документы так, что данные клиентов из заполненных форм с помощью NLP и оптического распознавания знаков (OCR) автоматически поступают в карточку клиента в BPM-системе. Это снижает потребность во вмешательстве человека, минимизирует ошибки и ускоряет процесс заведения клиентов.
Улучшенный риск-менеджмент и комплаенс: В банках и в страховых компаниях первостепенное значение имеют соблюдение требования «Знай своего клиента» и борьба с отмыванием денег. ИИ улучшает BPM-cистему за счет автоматизации оценки рисков и комплаенс-проверок в режиме реального времени, что позволяет быстрее реагировать на потенциальные рисковые ситуации и повышать точность отчетности. Например, JPMorgan Chase внедрил технологии ИИ и BPM в процессы комплаенса и борьбы с отмыванием денег: ИИ-модели сканируют и анализируют большие объемы транзакционных данных, выявляют закономерности и подозрительную активность. Результаты анализа бесшовно интегрируются в BPM-систему, где автоматически запускается поток работ, чтобы эскалировать подозрительные случаи на уровень дальнейшего расследования. Это не только повышает скорость комплаенс-процедур, но и минимизирует риск человеческого фактора, а также снижает вероятность штрафов со стороны регулятора.

Превосходный клиентский опыт за счет персонализации: Клиенты банков и страховых компаний все чаще ожидают получить персонализированные услуги, адаптированные под их предпочтения и потребности. Тандем ИИ и ВРМ позволяет финансовым институтам предоставлять индивидуальный сервис, особенно в таких ситуациях, как рекомендация продуктов, финансовые консультации и клиентская поддержка. Платформа на базе BPM и ИИ, которую использует Bank of America, помогает предоставлять персонализированные финансовые консультации. ИИ-движок анализирует данные клиентов, их профили риска, модели трат, чтобы генерировать индивидуальные инвестиционные стратегии и рекомендации по продуктам банка. BPM помогает этим рекомендациям достичь клиентов в нужное время через наиболее подходящий канал коммуникации. В результате банк предлагает клиентам индивидуальный подход, не снижая операционную эффективность.

Обнаружение и предотвращение мошенничества: Предотвращение мошенничества в банках и страховых компаниях много лет зависело от ручной работы по выявлению закономерностей и аномалий. Но сейчас помощью ИИ BPM-системы могут непрерывно анализировать данные транзакций и выявлять подозрительную активность в режиме реального времени, повышая эффективность мер по борьбе с мошенничеством. Например, в American Express интегрировали ИИ и BPM, чтобы лучше выявлять случаи мошенничества с картами по всему миру. Модель ИИ ведет мониторинг транзакций в режиме реального времени, обучается на исторических данных, чтобы выявить нетипичное поведение, например, аномальные расходы или географические аномалии. Когда ИИ маркирует операции как потенциальное мошенничество, BPM-cистема автоматически запускает поток работ — блокировку счета, уведомление клиента и инициирует расследование.

Повышение производительности и оптимизация затрат: Автоматизация рутинных и сложных задач с помощью ИИ и BPM существенно сокращает трудозатраты на ручные операции, тем самым повышая производительность. Нагрузка на сотрудников сокращается, и они могут сконцентрироваться на более сложных и амбициозных задачах, а BPM-система позаботится, что задачи выполняются последовательно и эффективно. Например, международная страховая компания Allianz использует BPM-cистемы на базе ИИ, чтобы автоматизировать процесс обработки заявок на возмещение. ИИ анализирует поданные заявки, сопоставляет данные с действующими политиками и выдает первоначальное заключение о правомерности заявки. BPM-система обеспечивает правильную маршрутизацию этих заявок по процессу согласования без вмешательства человека. Это снижает время на обработку заявок и повышает удовлетворенность клиентов за счет ускорения урегулирования страховых случаев.

PEX Network: В чем основные сложности интеграции BPM с развивающимся ИИ?

ВШ: Интеграция ИИ и BPM открывает перед бизнесом широкие возможности трансформации. Но совместное использование двух технологий не является безоблачным. Хотя ИИ и обещает поднять BPM-системы на новый уровень, существует немало технических, организационных и стратегических барьеров. Давайте рассмотрим основные сложности бизнеса на пути интеграции ИИ и BPM, а также варианты, как можно с ними справиться.

Качество данных и интеграция: Обеспечить бесшовную интеграцию данных из разрозненных источников в ИИ и BPM-системы может быть достаточно сложно. Неточные или неполные данные могут привести к тому, что ИИ-модели будут принимать неправильные решения, а за этим последует некорректная автоматизация процесса и потенциальная операционная неэффективность.
Сложность разработки и поддержки ИИ-моделей: Интеграция ИИ и BPM требует разработки сложных моделей машинного обучения, которые будут способны на протяжении длительного времени совершенствоваться и непрерывно обучаться. Это требует специальных глубоких знаний в ИИ и машинном обучении, которые часто отсутствуют в организации. Кроме того, сложность представляет поддержка и обновление моделей, чтобы они сохраняли актуальность и результативность.
Сопротивление изменениям: Интеграция ИИ и BPM часто требует смены парадигмы мышления – от ручного управления и интуитивных решений к решениям, основанным на данных и с учетом ИИ. Сотрудники могут воспринимать перемены как угрозу или могут не до конца доверять способности ИИ принимать точные решения. Такое сопротивление может стать препятствием на пути успешного внедрения и принятия новых систем.
Безопасность и этические аспекты: По мере интеграции ИИ с BPM растет озабоченность по поводу безопасности персональных данных, информационной безопасности и этичности принимаемых ИИ решений. Например, когда ИИ обрабатывают чувствительную информацию, касающуюся финансов или медицинских аспектов, возникает высокий риск нарушений, в том числе несанкционированного доступа. Кроме того, ИИ-модели иногда генерируют решения с элементом предвзятости, что далее может вести к нарушению этики или дискриминации.
Масштабируемость и гибкость интеграции: Масштабирование BPM- систем на базе ИИ внутри всей организации или адаптация их под запросы отдельного бизнес-подразделения может оказаться непростой задачей. BPM-cистемы эффективны для отдельных, четко определенных процессов, а интеграция с ИИ может потребовать полной перестройки существующих систем или их существенную модификацию, чтобы системы стали совместимы.

PEX Network: Как бизнесу получить максимум от интеграции BPM и ИИ?

ВШ: Чтобы обеспечить топовые результаты интеграции ИИ и BPM, организациям следует:

cинхронизировать цели ИИ и BPM с бизнес-целями
обеспечить качество данных и их интеграцию
постоянно совершенствовать ИИ-модели
использовать технологию process mining для оптимизации
стимулировать кросс-функциональное взаимодействие
внедрять методологию Аджайл
внедрять совместную работу человека и ИИ
активно мониторить эффективность

Если подойти к интеграции ИИ и BPM комплексно и в рамках стратегического подхода, то можно получить очень существенные выгоды для бизнеса – повысить операционную эффективность и удовлетворенность клиентов, а также улучшить процесс принятия решений в организации. В результате бизнес будет более адаптивным, динамичным и лучше приспособленным для работы в цифровую эпоху.