CC BY
12
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ КОМПАНИЙ
Р.С. Назипов, руководитель НИИ «ЭВРИКА» (Россия, г. Казань)
DOI:10.24412/2500-1000-2024-7-3-179-185
Аннотация. Данная статья посвящена исследованию перспектив применения искусственного интеллекта (ИИ) в оптимизации бизнес-процессов компаний. В работе рассмотрены теоретические основы ИИ, его виды и особенности, проанализированы существующие подходы к использованию ИИ для автоматизации и улучшения бизнес-процессов, включая чат-ботов, интеллектуальный анализ данных и роботизированную автоматизацию процессов. Предложена концептуальная модель внедрения ИИ в организациях, определены ключевые факторы успеха и потенциальные риски. Сделаны выводы об эффективности применения ИИ и обозначены перспективные направления его развития в сфере оптимизации бизнес-процессов.
Ключевые слова: искусственный интеллект, оптимизация бизнес-процессов, машинное обучение, анализ данных, чат-боты, роботизированная автоматизация процессов, цифровая трансформация, интеллектуальная автоматизация.
В условиях стремительной цифровой трансформации и растущей конкуренции компаниям необходимо постоянно повышать эффективность своей деятельности. Одним из наиболее перспективных инструментов оптимизации бизнес-процессов сегодня является искусственный интеллект (ИИ). Применение ИИ позволяет автоматизировать рутинные задачи, улучшить качество обслуживания клиентов, ускорить принятие решений и минимизировать ошибки, связанные с человеческим фактором [1].
Согласно исследованию McKinsey Global Institute, внедрение ИИ может обеспечить прирост мировой экономики на 13 трлн долларов к 2030 году [2]. В то же время, многие компании пока не спешат инвестировать в ИИ из-за недостаточного понимания технологии и ее потенциала для конкретного бизнеса. Это обуславливает актуальность исследований, направленных на анализ существующих подходов к оптимизации бизнес-процессов с помощью ИИ и разработку концептуальных моделей его внедрения в организациях.
Цель и задачи исследования
Целью данной статьи является теоретическое обоснование перспектив применения ИИ для оптимизации бизнес-
процессов компаний и формирование концептуальной модели его внедрения.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Рассмотреть теоретические основы ИИ, его виды и особенности.
2. Проанализировать существующие подходы к применению ИИ в бизнес-процессах.
3. Разработать концептуальную модель внедрения ИИ в компаниях.
4. Определить ключевые факторы успеха и потенциальные риски при внедрении ИИ.
5. Оценить перспективы развития ИИ в оптимизации бизнес-процессов.
Теоретические основы применения ИИ в бизнесе
Понятие и сущность ИИ
Искусственный интеллект (ИИ) - это научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными [3].
ИИ как технология включает в себя ряд подходов и методов, таких как машинное обучение, обработка естественного языка,
экспертные системы, зрение компьютера, автоматизированное рассуждение и робототехника. Ключевой особенностью ИИ является способность к обучению и адаптации на основе накопленного опыта без предварительного программирования [4].
В контексте бизнеса ИИ обычно рассматривается как инструмент автоматизации и интеллектуализации процессов обработки информации для повышения производительности, качества и скорости принятия решений. ИИ помогает компаниям извлекать ценные знания из больших данных, оптимизировать использование ресурсов, персонализировать взаимодействие с клиентами и создавать инновационные продукты и услуги [5].
Виды ИИ и их особенности
По широте и принципам функционирования выделяют три основных вида ИИ [6]:
1. Искусственный узкий (слабый) интеллект (Artificial Narrow Intelligence, ANI) - ИИ, специализирующийся на решении определенных задач, например, распознавании речи, играх, переводе.
2. Искусственный общий интеллект (Artificial General Intelligence, AGI) - ИИ, способный решать интеллектуальные задачи так же, как это делает человек.
3. Искусственный суперинтеллект (Artificial Superintelligence, ASI) - ИИ, превосходящий возможности человеческого интеллекта практически во всех областях.
На сегодняшний день в бизнесе используются в основном системы со слабым ИИ, выполняющие конкретные функции - от чат-ботов и виртуальных помощников до программ анализа данных и прогнозирования. Разработка ИИ общего назначения, не говоря уже о суперинтеллекте, остается делом будущего, хотя и активно обсуждается исследователями [7].
Также ИИ классифицируют по методам обучения на [8]:
- ИИ с контролируемым обучением (Supervised Learning) - обучение на размеченных данных с известными ответами.
- ИИ с неконтролируемым обучением (Unsupervised Learning) - обучение на
неразмеченных данных для поиска скрытых паттернов.
- ИИ с обучением с подкреплением (Reinforcement Learning) - обучение через взаимодействие со средой методом проб и ошибок.
Преимущества внедрения ИИ в бизнес-процессы
Внедрение ИИ в компаниях открывает ряд возможностей для оптимизации бизнес-процессов, повышения эффективности и конкурентоспособности. К основным преимуществам ИИ относятся [1, 9]:
1. Автоматизация рутинных операций, которая экономит время сотрудников и минимизирует ошибки.
2. Ускорение и повышение качества принятия решений за счет анализа больших объемов данных.
3. Персонализация взаимодействия с клиентами и улучшение клиентского опыта.
4. Выявление аномалий, прогнозирование рисков и борьба с мошенничеством.
5. Оптимизация управления ресурсами и цепочками поставок на основе прогнозного анализа.
6. Повышение адаптивности бизнеса в условиях изменчивой внешней среды.
7. Стимулирование инноваций и трансформации бизнес-моделей компаний.
Так, по оценкам Accenture, внедрение ИИ может повысить производительность бизнеса в развитых странах на 38% к 2035 году. При этом наибольший экономический эффект ожидается в сферах финансовых услуг, транспорта и здравоохранения [10].
Анализ существующих подходов к оптимизации бизнес-процессов с помощью ИИ
Чат-боты и виртуальные ассистенты
Чат-боты и виртуальные ассистенты на базе ИИ - одно из самых распространенных направлений оптимизации бизнес-процессов, особенно в сфере клиентского сервиса. Такие системы способны обрабатывать запросы клиентов в режиме 24/7, давать релевантные ответы, переводить разговор на живого оператора при необхо-
димости. Это позволяет повысить скорость и качество обслуживания при экономии на персонале [11].
Примеры успешного использования чат-ботов демонстрируют многие компании:
- Бот Erica от Bank of America консультирует клиентов по финансовым вопросам и помогает в управлении счетами [12].
- Виртуальный ассистент Juliet в сети отелей Best Western повышает удовлетворенность клиентов и эффективность бронирования [13].
- Чат-бот Бетси в компании Endurance повысил конверсию и сократил затраты на поддержку клиентов на 81% [14].
Анализ данных и прогнозирование
Еще одной сферой применения ИИ в бизнесе является интеллектуальный анализ данных (Data Mining) - обнаружение скрытых закономерностей и извлечение полезных знаний из больших массивов информации с помощью методов машинного обучения, статистики и баз данных. ИИ позволяет выявлять неочевидные связи, строить прогнозные модели и принимать решения на основе данных [15].
Анализ данных с ИИ используется компаниями для различных задач:
- Выявление предпочтений клиентов и персонализация предложений (например, рекомендации товаров в Amazon, контента в Netflix).
- Прогнозирование спроса и оптимизация управления запасами (как в Otto Group, снизившей затраты на 20% [16]).
- Управление рисками и борьба с мошенничеством (система ИИ от Mastercard анализирует транзакции в реальном времени [17]).
- Динамическое ценообразование и оптимизация маркетинговых кампаний (ИИ IBM помог Мексике увеличить туристический поток [18]).
Роботизированная автоматизация процессов (RPA)
Роботизированная автоматизация процессов (Robotic Process Automation, RPA) -это технология, позволяющая настраивать программных роботов на выполнение повторяющихся задач, которые раньше выполнялись людьми. RPA-боты взаимодей-
ствуют с интерфейсами информационных систем, имитируя действия человека, но делая это быстрее и без ошибок [19].
RPA охватывает широкий спектр бизнес-процессов: от обработки документов и транзакций до сбора и сверки данных из разных систем. Интеллектуальные RPA-системы обладают элементами ИИ (например, обработка естественного языка и компьютерное зрение), что позволяет им обрабатывать неструктурированные данные.
В результате внедрения RPA компании получают [20]:
- Сокращение затрат на персонал и его переориентацию на более сложные задачи
- Повышение производительности и доступности услуг
- Стандартизацию процессов и их прозрачность для контроля
- Улучшение качества данных и сокращение ошибок
Примеры применения RPA:
- Автоматизация процесса миграции данных клиентов в Singtel помогла сэкономить 2400 человеко-часов [21].
- Роботизация 15 процессов в банке Bancolombia ускорила работу в 5 раз при снижении ошибок на 90% [22].
- RPA-боты в американской телеком-компании AT&T выполняют обработку счетов, внесение изменений в тарифы, проверку кредитного скоринга и др. [23].
Концептуальная модель внедрения ИИ в бизнес-процессы компании
Этапы внедрения ИИ
Для успешного внедрения ИИ в бизнес-процессы компаниям необходимо придерживаться системного подхода, включающего несколько ключевых этапов [24]:
1. Анализ процессов и разработка стратегии ИИ. Определение целей, выявление процессов с потенциалом автоматизации, приоритизация случаев использования ИИ.
2. Создание инфраструктуры данных. Сбор, хранение и управление качеством данных, формирование единой среды для работы с ИИ-моделями.
3. Выбор технологий и построение ИИ-моделей. Подбор оптимальных алгоритмов, разработка архитектуры ИИ-систем,
обучение моделей на накопленных данных.
4. Пилотирование и внедрение ИИ-решений. Тестирование моделей на ограниченном контуре процессов, итерационное улучшение, интеграция в ИТ-ландшафт компании.
5. Сопровождение и мониторинг ИИ-систем. Контроль производительности моделей, переобучение, обеспечение безопасности и конфиденциальности данных.
6. Масштабирование и развитие ИИ-практик. Расширение ИИ на новые процессы и области, трансформация бизнес-модели и организационной культуры, непрерывное обучение сотрудников.
Факторы успеха и потенциальные риски
Для эффективного внедрения ИИ в бизнес-процессы компаниям следует учитывать ряд факторов успеха [25]:
- Четкое понимание бизнес-целей и ожидаемых результатов от ИИ;
- Поддержка и вовлеченность высшего руководства;
- Наличие квалифицированных специалистов по анализу данных и ИИ;
- Качество и полнота данных для обучения моделей;
- Гибкая ИТ-инфраструктура и технологический стек;
- Итерационный подход к разработке и внедрению ИИ-решений;
- Эффективное управление изменениями и обучение сотрудников.
В то же время компаниям необходимо учитывать и потенциальные риски внедрения ИИ [26]:
- Ошибки и необъективность моделей из-за низкого качества данных;
- Проблемы интерпретируемости решений «черного ящика» ИИ;
- Угрозы конфиденциальности и безопасности данных;
- Этические риски (дискриминация, вторжение в частную жизнь и др.);
- Недостаток квалифицированных кадров на рынке;
- Регуляторные ограничения и соответствие нормам;
- Возможное негативное восприятие технологий ИИ сотрудниками.
Для минимизации этих рисков важно применять принципы ответственного ИИ, обеспечивать прозрачность моделей, вовлекать сотрудников в процесс внедрения, а также следить за развитием регулирования в этой сфере.
Оценка эффективности ИИ в бизнесе
Для обоснования инвестиций в ИИ и контроля достижения поставленных целей компаниям нужно определить ключевые метрики эффективности ИИ-решений. Выбор метрик зависит от конкретных бизнес-задач и области применения ИИ. Приведем несколько примеров KPI [27]:
- Для чат-ботов: количество обработанных запросов, процент решения проблем без передачи живому оператору, удовлетворенность клиентов.
- Для анализа данных и прогнозирования: точность прогнозов, повышение качества принимаемых решений, рост выручки или экономия затрат.
- Для RPA: время обработки процесса роботом в сравнении с человеком, количество ошибок, число высвобожденных сотрудников.
- Универсальные метрики: окупаемость инвестиций (ROI), общий экономический эффект, время получения выгод.
Регулярный мониторинг и анализ этих показателей позволит компаниям оценить результаты внедрения ИИ, выявить области для улучшения и обосновать дальнейшее масштабирование технологий.
Заключение
Основные выводы исследования
Проведенный анализ показывает, что применение искусственного интеллекта открывает значительные перспективы для оптимизации бизнес-процессов компаний. ИИ позволяет автоматизировать рутинные операции, улучшать клиентский сервис, принимать более обоснованные решения на основе данных и адаптироваться к изменениям. Чат-боты, анализ данных и роботизированная автоматизация процессов уже приносят ощутимые выгоды компаниям из разных отраслей.
В то же время внедрение ИИ - комплексный и итерационный процесс, требующий системного подхода. Предложенная концептуальная модель, включающая
этапы от анализа процессов до масштабирования ИИ-практик, может служить ориентиром для компаний. При этом важно учитывать факторы успеха, потенциальные риски и регулярно оценивать эффективность ИИ-решений.
Перспективы развития ИИ в оптимизации бизнес-процессов
В ближайшие годы ожидается активное развитие и распространение технологий ИИ в бизнесе. По прогнозам IDC, мировые расходы на ИИ-системы достигнут 97,9 млрд долл. в 2023 году, показывая среднегодовой рост в 28,4% [28]. Компании будут внедрять более сложные интеллектуальные решения, комбинирующие разные подходы ИИ для end-to-end автоматизации процессов.
Перспективными направлениями применения ИИ в оптимизации бизнес-процессов являются [29]:
- Гиперавтоматизация - оркестрация множества цифровых технологий (ИИ, RPA, process mining и др.) для автоматизации процессов и принятия решений с минимальным участием человека.
- Интеллектуальная обработка документов на основе ИИ для извлечения ценных
Библиографический список
1. Daugherty P.R., & Wilson H.J. (2018). Human + Machine: Reimagining Work in the Age of AI. Harvard Business Press.
2. McKinsey Global Institute. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. Discussion Paper.
3. Гаврилова Т.А., Кудрявцев Д.В., Муромцев Д.И. Инженерия знаний. Модели и методы. - СПб: Лань, 2018. - 324 с.
4. Goodfellow I., Bengio Y., & Courville A. (2016). Deep learning. MIT press.
5. Agrawal A., Gans J., & Goldfarb A. (2018). Prediction machines: the simple economics of artificial intelligence. Harvard Business Press.
6. Kaplan A., & Haenlein M. (2019). Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15-25.
7. Stone P., Brooks R., Brynjolfsson E., Calo R., Etzioni O., Hager G., ... & Teller A. (2016). Artificial intelligence and life in 2030: One hundred year study on artificial intelligence. Stanford University Report.
8. Reeves B., Levin S., Fuge M., & Tan S. (2019). Machine Learning for Manufacturing and Operations Management.SSRN Manuscript.
9. Porter M.E., & Heppelmann J.E. (2015). How smart, connected products are transforming companies. Harvard Business Review, 93(10), 96-114.
10. Purdy M., & Daugherty P. (2016). Why artificial intelligence is the future of growth. Ac-centure report.
11. Io H.N., & Lee C.B. (2017). Chatbots and conversational agents: A bibliometric analysis. IEEE International Conference on Industrial Engineering and Engineering Management.
данных из неструктурированного контента.
- Объяснимый ИИ (ХА1) - системы, способные обосновать свою логику принятия решений, что повышает доверие к ним.
- Облачный ИИ - разработка и использование ИИ-моделей в облаке, обеспечивающая гибкость, масштабируемость и снижение затрат.
- ИИ для кибербезопасности - выявление угроз, автоматический анализ инцидентов и адаптивная защита.
Кроме того, будет усиливаться тренд демократизации ИИ - создания платформ и инструментов, позволяющих бизнес-пользователям самостоятельно разрабатывать ИИ-решения без специальных навыков. А регуляторы продолжат развивать нормативно-правовую базу для обеспечения безопасного и ответственного использования ИИ.
Компаниям важно постоянно следить за развитием технологий ИИ, адаптировать лучшие практики и экспериментировать с новыми возможностями для оптимизации процессов и построения бизнеса будущего.
- Экономицеские HayKU-
12. Crosman, P. (2019). Bank of America aims to save $2 billion per year with digital transformation. American Banker.
13. Ivanov S.H., & Webster C. (2017). Adoption of robots, artificial intelligence and service automation by travel, tourism and hospitality companies - a cost-benefit analysis. International Scientific Conference "Contemporary Tourism-Traditions and Innovations", 19-21 October, 2017.
14. Sharma, R. (2019). How Chatbots Will Transform Customer Experience: A Perspective on the Future of Artificial Intelligence-Powered Front-End Interfaces. In The Future of Customer Experience (pp. 49-64). Palgrave Macmillan, Cham.
15. Chen H., Chiang R.H., & Storey V.C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165-1188.
16. Schrage, M. (2017). How the big data explosion has changed decision making. Harvard Business Review.
17. Greif, N. (2020). How Mastercard uses AI to reduce false declines. Mastercard Newsroom.
18. Michel, R. (2015). How IBM and Twitter Help Mexico City Solve Traffic Jams. Wired Magazine.
19. van der Aalst W.M., Bichler M., & Heinzl A. (2018). Robotic process automation. Business & Information Systems Engineering, 60(4), 269-272.
20. Lacity M., & Willcocks L.P. (2017). Robotic process and cognitive automation: The next phase. SB Publishing.
21. Boyd, A. (2017). Singtel introduces RPA solution to automate customer service functions. Enterprise Innovation.
22. Villa, L. (2018). Robotic automation takes the robot out of the human. MIT Technology Review.
23. McGrath, J. (2017). What is RPA? A revolution in business process automation. TechBeacon.
24. PwC. (2018). Accelerating Competitive Advantage with AI. PwC AI Predictions.
25. Fountaine T., McCarthy B., & Saleh T. (2019). Building the AI-powered organization. Harvard Business Review, 97(4), 63-73.
26. Rai A., Constantinides P., & Sarker S. (2019). Next-generation digital platforms. MIS Quarterly, 43(2), iii-ix.
27. Lacity M., Willcocks L.P., & Craig A. (2015). Robotic process automation at Telefonica O2. The London School of Economics and Political Science.
28. IDC. (2019). Worldwide Artificial Intelligence Systems Spending Guide.
29. Forrester. (2020). Predictions 2021: Artificial Intelligence.
- Экономицеские HayKU-
PROSPECTS FOR APPLYING ARTIFICIAL INTELLIGENCE IN OPTIMIZING
COMPANIES' BUSINESS PROCESSES
R.S. Nazipov, Head Research Institute "EVRIKA" (Russia, Kazan)
Abstract. This article is devoted to the study of the prospects for using artificial intelligence (AI) in optimizing companies' business processes. The paper examines the theoretical foundations of AI, its types and features, analyzes existing approaches to using AI to automate and improve business processes, including chatbots, data mining and robotic process automation. A conceptual model for implementing AI in organizations is proposed, key success factors and potential risks are identified. Conclusions are made about the effectiveness of using AI and promising areas for its development in the field of business process optimization are outlined.
Keywords: artificial intelligence, business process optimization, machine learning, data analysis, chatbots, robotic process automation, digital transformation, intelligent automation.
