Читаем Свод знаний по управлению бизнес-процессами: BPM CBOK 4.0 полностью

Свод знаний по управлению бизнес-процессами: BPM CBOK 4.0

Очевидно, что модель не может выполнить эти задачи, не выйдя за пределы лаборатории. Кроме того, необходимо не только внедрить модели (то есть сделать их доступными для людей и систем), но и включить их в потоки работ таким образом, чтобы они использовались в операциях. Возникающие исключения (например, когда модель не обеспечивает достаточно высокую вероятность правильного решения) должны грамотно обрабатываться (например, путем вмешательства человека, переобучения модели или отката к предыдущей версии). Внедрение и монетизация ИИ требует постепенной, но полной интеграции моделей с потоками работ, мониторинга входных данных и эффективности моделей, а также управления развертыванием моделей.

На следующем рисунке показан пример рамочной модели, в которой ИИ интегрируется с BPM.

Эта модель включает четыре компоненты:

● управление данными;

● разработка модели;

● внедрение модели;

● эффект для компании и бизнеса.

Управление данными – это стандартная составляющая бизнес-аналитики, здесь мы его не рассматриваем.

Разработка модели машинного интеллекта включает две обширные области:

● определение и приоритизация сценариев использования, подходящих для моделей машинного обучения;

● массовое создание моделей машинного обучения.

Третья компонента – внедрение – включает не только развертывание моделей, но и процесс постоянной переподготовки и перемещения персонала, интеграцию моделей с потоками работ и обратную связь от операций к оптимизации моделей. Целью внедрения является монетизация моделей.

Наконец, четвертая компонента – эффект для компании и бизнеса – проста, но жизненно важна для будущего ИИ в организации. Бизнес-подразделения должны доверять моделям ИИ, понимать их ценность, реально их применять и получать отдачу. Проекты ИИ редко оказываются успешными без заинтересованной поддержки со стороны бизнеса.

Эти четыре составляющие требуют совместной работы ИТ-специалистов, инженеров данных, аналитиков данных и бизнес-подразделений. Искусственный интеллект – это командный спорт.

8.3.2.5. Искусственный интеллект и BPM

BPM неотделим от ИИ, как минимум в части технологий RPA и process mining. В значительной мере BPM является проекцией ИИ на мир бизнес-процессов.

В свою очередь, BPM для ИИ не менее важен, потому что в электронной коммерции бизнес-транзакции, делегированные ИИ, полностью выходят из-под контроля менеджмента. BPM – это единственная подушка безопасности, способная защитить компании от их новорожденных искусственных мозгов и сохранить контроль над управляемыми ИИ цифровыми платформами. Не случайно применение ведущих систем ИИ для бизнеса все чаще опирается на методы и методологию BPM.

В разделе, посвященном iBPMS, была упомянута концепция минимального кодирования (low-code), но следует иметь в виду, что она подходит для не самых сложных процессов, которые могут быть оптимизированы относительно быстро с минимальным вмешательством в работу компании. Для интеграции BPM с платформами ИИ, машинного и глубокого обучения лучше использовать микросервисы.

Согласно отчету Роба Копловица из Forrester, BPM будет развиваться в следующих направлениях:

● Машинное обучение позволит оптимизировать процессы. Аналитика проникнет повсюду, включая управление процессами. Раньше системы только предоставляли данные, появление ИИ позволяет сделать шаг вперед – рекомендовать действия.

● Неструктурированные данные систематизируются. BPM традиционно силен в автоматизации структурированных процессов. Неструктурированные процессы – это другая история, здесь шаблоны не столь очевидны. ИИ, в частности, технологии обработки естественного языка (Natural Language Processing, NLP), решает эту проблему, анализируя эмоциональную окраску сообщений и преобразуя неструктурированные данные в нечто более организованное.

● Новые интерфейсы, новые возможности. Новые технологии привели к появлению нового стиля взаимодействия с пользователем и новых интерфейсов, таких как управление голосом и чат-боты.