Цифровая трансформация

Внедрение ERP 2.0: Степан, хомо сапиенс и нейросеть. Почему методологии не умерли, а просто пошли в спортзал качаться

– Степан, у гостя карета сломалась…

– Вижу, барин. Ось полетела, да спицы менять надо.

– Починить сможешь?

– За день сделаю.

– А за два?

Степан глянул на барина, перевел взгляд на карету:

– Можно и за два.

– А за пять? Степан задумчиво почесал в затылке: – Трудновато, барин. Но ежели постараться, можно и за пять…

– А за десять дней? Степан аж крякнул: – Ну, барин, тут тогда самому не справиться. Помощник нужен. Хомо сапиенс!

– Бери помощников!

Внедрение ERP-системы — это один из самых сложных проектов, с которыми сталкивается бизнес. Статистика неумолима: значительная часть проектов превышает бюджет, срывает сроки или не приносит ожидаемой отдачи.

Десятилетиями индустрия опиралась на проверенные методологии: SAP ASAP, Oracle AIM и Microsoft Sure Step. Они стали «золотым стандартом», структурирующим хаос. Но сегодня на сцену выходит новый игрок — Искусственный Интеллект (ИИ). Параллельно российский рынок решает задачу импортозамещения, массово переходя на 1С:ERP.

В этоv посте мы разберем, как выглядят классические этапы внедрения, как адаптируется этот процесс для российских реалий и где именно ИИ меняет правила игры, а где его возможности ограничены.

Фундамент: Классические методологии внедрения

Прежде чем говорить об инновациях, нужно понять базу. Несмотря на разные названия и вендоров, методологии ASAP, AIM и Sure Step имеют общую ДНК. Все они делят проект на логические фазы, чтобы контролировать риски.
Обычно выделяют 5 ключевых этапов, которые универсальны для большинства подходов:
Подготовка проекта (Project Preparation)
Суть: Определение целей, формирование команды, планирование бюджета и сроков.
В классике: Много встреч, интервью со стейкхолдерами, ручное составление планов.
Бизнес-проектирование (Business Blueprint)
Суть: Описание процессов «как есть» (As-Is) и «как будет» (To-Be).
В классике: Сотни страниц документации, риск упустить важные детали.
Реализация (Realization)
Суть: Настройка системы, разработка доработок, миграция данных.
В классике: Ручное конфигурирование, написание кода, очистка данных.
Подготовка к запуску (Final Preparation)
Суть: Тестирование, обучение пользователей, подготовка инфраструктуры.
В классике: Ручное написание тест-кейсов, очные тренинги.
Запуск и поддержка (Go-Live & Support)
Суть: Переход на новую систему, решение инцидентов.
В классике: «Горячая линия», период стабилизации.

Российский вектор: Внедрение 1С:ERP в условиях импортозамещения

С 2022 года российский рынок столкнулся с уникальным вызовом: массовый уход западных вендоров и необходимость перехода на отечественные решения, прежде всего 1С:ERP.

Методология внедрения 1С:ERP

Хотя у 1С нет брендированной методологии с названием вроде ASAP, партнеры экосистемы используют адаптированные подходы, структурно повторяющие классические фазы: Обследование → Проектирование → Разработка → Внедрение → Поддержка.

Специфика импортозамещения

В отличие от внедрения «с нуля», проекты импортозамещения — это почти всегда миграция.

Сложность переноса данных: Структуры данных SAP или Oracle кардинально отличаются от конфигурации 1С. Прямая миграция невозможна, требуется глубокая трансформация.
Разница в философии: Западные «коробочные» системы диктуют жёсткие лучшие практики (best practices), ограничивая кастомизацию. 1С:ERP предоставляет огромную гибкость, что создает риск: соблазн доработать систему под текущие «хотелки» пользователей вместо регламентации и реинжиниринга процессов. Это требует более жесткой дисциплины на этапе проектирования — чтобы не скатиться в создание очередной уникальной конфигурации, которую невозможно поддерживать.
Сжатые сроки: Бизнесу нужно уйти с неподдерживаемой системы быстро, что увеличивает риски ошибок.

Эра ИИ: Трансформация этапов внедрения
ИИ не отменяет методологию. Он делает её быстрее, точнее и дешевле. Вот как это выглядит на практике.
1. Подготовка проекта: Предиктивная аналитика
Что делает ИИ: Оценивает риски срыва сроков на основе похожих проектов в отрасли. В контексте 1С: ИИ может проанализировать сложность текущей конфигурации и предсказать трудозатраты на доработку.
Результат: Реалистичный план-график и бюджет, обоснованный данными, а не интуицией.
2. Бизнес-проектирование: Process Mining и авто-документирование
Что делает ИИ: Технологии Process Mining подключаются к логам старых систем и автоматически строят карту реальных процессов. NLP-модели транскрибируют встречи и генерируют черновики требований. Для 1С: ИИ помогает сопоставить процессы из SAP с типовыми процессами 1С:ERP.
Результат: Исключение человеческого фактора и ускорение сбора первичной информации на 30-40%.
Важно: ИИ не отменяет часы согласований со стейкхолдерами и утверждения целевых моделей процессов. Эти «человеческие» этапы по-прежнему определяют успех проекта.
3. Реализация: Генеративный код и умная миграция
Что делает ИИ:
Конфигурирование: Генеративные модели помогают разработчикам. Для 1С:ERP это может быть генерация кода на встроенном языке платформы, помощь в рефакторинге или создание обработок.
Данные: ИИ-алгоритмы автоматически маппят (сопоставляют) поля из базы SAP/Oracle в поля 1С:ERP. Они очищают данные и предсказывают ошибки переноса справочников.
Результат: Чистые данные на старте и ускоренная разработка уникального функционала.
4. Подготовка к запуску: Автотесты и персонализированное обучение
Что делает ИИ: ИИ генерирует тысячи сценариев тестирования. Для пользователей, переходящих с SAP на 1С, ИИ может создавать сравнительные руководства: «Как вы делали это в SAP → Как делать это в 1С».
Результат: Система выходит в продакшн с меньшим количеством критических ошибок.
5. Запуск и поддержка: Предиктивный мониторинг
Что делает ИИ: Система переходит от реактивной поддержки к предиктивной. ИИ мониторит нагрузку, предупреждая о потенциальных проблемах производительности (что часто случается при первых запусках тяжелых конфигураций 1С).
Результат: Минимизация простоев и снижение нагрузки на службу поддержки.

Тёмная сторона ИИ: о чём молчат вендоры

ИИ мощный инструмент, но не панацея. При внедрении с его помощью есть серьезные риски, о которых нужно знать заранее:

Галлюцинации в коде: Генеративные модели могут выдавать нерабочий или небезопасный код, особенно если не обучены на специфике вашей платформы (например, на особенностях конфигураций 1С:ERP).
Ошибки маппинга данных: Алгоритмы автоматического сопоставления полей при миграции (особенно с SAP на 1С) требуют обязательной выверки. Ошибка в переносе контрагентов или номенклатуры может стоить бизнесу миллионов.
Черный ящик: Не все ИИ-решения объясняют, почему они рекомендуют тот или иной процесс. Слепое доверие алгоритмам без понимания логики — путь к ошибкам.

Правило простое: ИИ ускоряет и помогает, но финальные решения по архитектуре, данным и коду должны принимать люди.

Сравнение: Классика против ИИ-усиления

Этап	Классическая методология	Методология с поддержкой ИИ
Сбор требований	Интервью, опросники, ручная запись	Анализ логов (Process Mining), транскрибация встреч
Миграция данных	Ручное маппирование, скрипты, Excel	Авто-сопоставление полей, предикция ошибок (требуется валидация)
Тестирование	Ручные тест-кейсы, выборочная проверка	Генерация тестов ИИ, 100% покрытие сценариев
Обучение	Классы, мануалы, вебинары	Адаптивные боты, сравнительные руководства (Было/Стало)
Риски	Оценка на основе опыта РП	Предиктивная аналитика на основе Big Data

Вывод: ИИ — это не замена, это турбо-ускоритель

Важно понимать: ИИ не заменит методологию. Фазы A методологии внедрения ERP остаются актуальными, потому что они отражают логику управления изменениями в бизнесе. Нельзя перепрыгнуть этап проектирования, даже при миграции с западной системы на отечественную.

Однако внедрение ERP с помощью ИИ позволяет:

Сократить время внедрения (особенно критично в проектах импортозамещения).
Снизить стоимость владения (TCO).
Минимизировать человеческие ошибки при миграции данных.
Облегчить адаптацию персонала к новому интерфейсу и логике системы.

Будущее за гибридным подходом: структура классических методологий + скорость и точность искусственного интеллекта + экспертный контроль человека. Будь то глобальный SAP или российская 1С:ERP, технологии становятся ключевым фактором успеха, но ответственность остается за командой проекта.

7 способов повышения безопасности труда с помощью видео

Промышленная безопасность и охрана труда

Промышленная безопасность и охрана труда касаются жизни и здоровья сотрудников на рабочем месте. Основная цель охраны труда — создание безопасных условий на рабочем месте для работников. Цель промышленной безопасности — создание таких условий, когда риск возникновения аварий минимален, а в случае возникновении аварийной ситуации и аварии имеется план действий по предотвращению её с минимальными жертвами и потерями.

По данным Росстата, в 2019 году на российских предприятиях погибли 1613 работников. Это значит, что каждый день в России погибает больше четырех рабочих.

По сути, промышленная безопасность заключается в том, что предприятия должны контролировать определённые известные опасности на рабочем месте, чтобы гарантировать жизнь и здоровье сотрудников. Промышленная безопасность включает, среди прочего, установку системы видеонаблюдения, чтобы избежать несчастных случаев, несмотря на наличие опасностей.

7 способов повышения безопасности с помощью системы видеоаналитики

Вот способы, которыми система интеллектуальной видеоаналитики может повысить безопасность труда.

1. Определяет потенциальные опасности

Система видеоаналитики может помочь контролировать ваши рабочие процессы и оборудование. Вы можете обнаруживать изменения в условиях и получать предупреждения о потенциальных проблемах.

Например, на участке, где работает несколько сотрудников, каждый может выполнять одну и ту же задачу по-разному – «Каждый строчит, как он хочет!». В этом случае они могут подвергнуть себя уникальному набору рисков. Просмотр видеозаписей с камер видеонаблюдения может помочь вам определить эти опасности. И на основании этого усовершенствовать механизмы предупреждения производственного травматизма.

2. Защищает сотрудников и организацию

Камеры видеонаблюдения могут записывать случаи неадекватного и опасного поведения сотрудников. Они также могут отслеживать посетителей, которые входят в здание, помогая определять любую подозрительную активность. Кроме того, камеры, установленные по периметру, могут фиксировать проникновение злоумышленников с целью вандализма или кражи собственности предприятия.

В конечном итоге, камеры могут выступать в качестве сдерживающего фактора от преступности. Когда преступники видят систему видеонаблюдения или сотрудники знают, что камеры установлены, они дважды подумают, прежде чем приступить к какой-либо незаконной деятельности. Это помогает защитить предприятие от возможных преступных действий или правонарушений, которые могут поставить под угрозу безопасность.

3. Обеспечивает комплаенс

Видеонаблюдение позволяет гарантировать, что ваши сотрудники соблюдают процедуры и политику компании. Это позволяет вам лучше контролировать безопасность на рабочем месте, принимая меры в критических ситуациях, будь то изменение процессов или замена оборудования.

Например, если предприятие имеет дело с опасным оборудованием, установка интегрированной системы интеллектуальной видеоаналитики с технологией контроля доступа может помочь убедиться, что оборудование эксплуатируется только уполномоченным персоналом. Это улучшает соблюдение требований сотрудниками, что способствует безопасности на рабочем месте.

4. Помогает в расследованиях

Использование системы видеонаблюдения может предоставить важную информацию для расследования несчастных случаев. Если происходит инцидент, отснятый материал можно просмотреть, чтобы получить представление о том, что произошло во время события. Записанные изображения и видео могут помочь вам определить, что можно изменить, чтобы предотвратить повторение подобного инцидента.

Усовершенствованные сетевые камеры с видеоаналитикой могут анализировать видеопотоки, недоступные человеческому глазу. Программное обеспечение реализовано так, чтобы смотреть на все изображение и разбивать его на части попиксельно, что позволяет улавливать и анализировать даже малейшие изменения в отснятом материале.

Эта технология видеоаналитики позволяет разрабатывать точные альтернативы существующим процессам для повышения производительности и обеспечения безопасности на рабочем месте.

5. Помогает предотвратить несчастные случаи.

Система видеоаналитики также полезна для предотвращения и расследования производственных травм. Например, если какая-то часть оборудования может вызвать аварию, система видеоаналитики может помочь определить есть ли механическая проблема, которую необходимо устранить.

Видеозапись также может помочь в оценке того, имеет ли инцидент какое-либо отношение к ошибке оператора. В таком случае видео будет служить подтверждением необходимости обучения технике безопасности. По сути, это поможет снизить риски профессиональных заболеваний.

6. Обеспечивает информацией для инструктажа по охране труда

Просмотр реальной видеозаписи произошедшего события может быть более эффективным, чем чтение руководства по безопасности оборудования. Например, если произошел несчастный случай, отснятый материал может помочь определить его причину. Он может служить ориентиром при разработке мер вмешательства, чтобы предотвратить повторение того же инцидента.

Видео также может помочь понять, как инструктировать сотрудников обеспечению безопасности на рабочем месте. Несчастные случаи могут произойти из-за несоблюдения оператором процедур или недостаточной подготовки. Эта информация может помочь вам подготовить хорошо продуманную программу инструктажа по охране труда.

7. Способствует позитивному настрою сотрудников.

Когда сотрудники видят, что в помещении установлены камеры, они склонны вести себя соответствующим образом. В этом смысле камеры видеонаблюдения обеспечивают надлежащий толчок, который побуждает к позитивному поведению на рабочем месте. Рабочие понимают, что если они занимаются незаконной деятельностью, они не смогут отказаться от видеодоказательств, подтверждающих такие действия.

Культура на рабочем месте является источником жизненной силы предприятия, а неблагоприятное поведение сотрудников может нанести ущерб безопасности на рабочем месте и долгосрочному успеху компании. Стратегически установленные камеры видеонаблюдения помогают защитить такую культуру, обеспечивая работникам надлежащее поведение.

Система видеоаналитики играет важную роль в обеспечении безопасности труда

Наличие системы видеоаналитики усиливает безопасность внутри бизнес-периметров. Точно так же она обеспечивает безопасность сотрудников, защищая их от потенциальных несчастных случаев и угроз.

Факторы успеха при внедрении RPA

Robotic Process Automation (роботизированная автоматизация процессов) — одна из самых быстрорастущих технологий цифровой трансформации. Объём мирового рынка RPA в 2019 году достиг $1,55 млрд, по данным в исследовательской компании ResearchAndMarkets. Несмотря на то, что скорость роста и внедрения RPA в разных отраслях достаточно высока, многие организации испытывают трудности и не понимают ценности RPA. Согласно недавнему отчету ведущей консалтинговой компании, только 3% организаций достигли масштаба более чем 50 роботов. Ниже перечислены ключевые факторы успешного старта внедрения RPA.

1. Отбросьте мусор. Начните с главного

Одна из самых больших проблем при начале внедрения RPA – это дезинформация и хайп вокруг модной темы. Дровишек в этот костёр подбрасывают и агрессивные рекламные кампании, проводимые многими поставщиками программного обеспечения. Но чтобы ясно увидеть суть, нужно разогнать хайповый дым от этого костра. RPA — это технология автоматизации без прерывания работы, которую можно легко внедрить по сравнению с другими технологиями автоматизации и получить результат в короткие сроки. RPA не является панацеей для всех потребностей автоматизации процессов и не дает мгновенных результатов. Здесь также применимы основные принципы внедрения информационных технологий, нужны качественное управление, структура, дизайн роботов, сборка и тщательное тестирование, чтобы получить необходимый результат и увидеть ценность экономии FTE.

2. Не спешите в погоне за результатом. Создавайте надёжных роботов

Очень часто мы слышим, что роботы нестабильны! Роботы RPA очень чувствительны к развернутой среде и базовому приложению. Поскольку это интерфейсная автоматизация, и робот имитирует точные шаги пользовательского интерфейса, выполняемые человеком, даже незначительные изменения окружения могут привести к сбою робота. Добавьте к этому этап ускоренной сборки проекта, когда не все требования эффективно учитываются, проектирование выполняется в спешке, а разработчики вынуждены создавать робота в короткие сроки. Результат — нестабильный робот. Всего этого можно избежать, если роботы правильно спроектированы с учетом всех технических и бизнес-аспектов процесса. Использование правильных элементов пользовательского интерфейса, построение правильной и простой логики для решения сложной экранной навигации, использование открытых API везде, где это возможно, — вот лишь некоторые из ключевых факторов для создания надежных роботов.

3. Начните с малого и планируйте масштабно. Измеряйте, учитесь и непрерывно улучшайте

Стремясь максимально снизить затраты, зачастую многие организации начинают внедрение RPA с очень амбициозными и нереалистичными целями. В процессе внедрения начинают появляться различные препятствия, и, в результате, цели проекта так и не будут достигнуты. Рекомендуется начать автоматизацию на пилотной основе с 5-7 процессов, определить реальные критерии успеха и регулярно измерять результаты. Крайне важно анализировать спринты, определять четкие KPI и метрики для измерения результатов автоматизации, извлекать уроки из прошлого и постоянно их улучшать в последующих циклах разработки.

4. Совместите с подходящими инструментами. Автономный RPA имеет гораздо меньшую ценность по сравнению с интегрированным с ML и AI

В последние несколько лет наблюдается быстрое развитие в области машинного обучения и искусственного интеллекта. Сейчас в тренде смарт-процессы, основанные на NLP, компьютерном зрении, прогнозной аналитике, чат-ботах или виртуальных помощниках. Хотя сам по себе RPA очень эффективен для автоматизации процессов, в сочетании с машинным обучением можно получить гораздо большую ценность. С помощью машинного обучения объем процессов, рассматриваемых для автоматизации, значительно расширится. Некоторые из примеров — это анализ текста по электронной почте на основе NLP, обработка неструктурированных данных, автоматическая классификация документов с OCR и NLP, анализ контрактных документов и т.п.

5. Не нарушайте требования

Требования к безопасности данных, персональным данным, правительственные законы и постановления сделали риски и соблюдение требований неотъемлемой частью всего бизнес-процесса. Сегодня каждая крупная организация внедрила в свои бизнес-процессы средства контроля для уменьшения различных типов угроз. При автоматизации этих процессов следует с осторожностью относиться к существующим элементам управления и следить за тем, чтобы будущий робот не пропускал и не нарушал какие-либо из этих элементов управления. Рекомендуется выполнить подробный анализ рисков каждого процесса на этапе обнаружения и задокументировать его, учитывая также необходимость новых средств управления в автоматизированном процессе.

Что такое интеллектуальная автоматизация?

Термин «цифровая трансформация» прочно занял место в нашей жизни. Так в конце августа 2020 года Минкомсвязи РФ представило рекомендации по масштабной цифровой трансформации в государственных корпорациях и компаниях с госучастием. https://tass.ru/ekonomika/9306989.

11.09.2020 Минкомсвязь переименовали в Минцифры

Однако, понятие «цифровая трансформация» настолько широкое и запутанное, оно включает в себя не только новые технологии – по сути, это революционная трансформация модели организации.

Для полной цифровой трансформации необходима более чем одна технология. Отсюда возник термин «интеллектуальная автоматизация» (Intelligent Automation), который в основном представляет собой автоматизацию процессов компании (включая общие процессы корпоративного уровня с использованием BPM и конкретные процессы уровня задач с использованием RPA), поддерживаемую аналитикой и решениями, принимаемыми с помощью искусственного интеллекта.

Что такое интеллектуальная автоматизация

Интеллектуальная автоматизация — термин, описывающий комплексное решение для цифровой трансформации, в основном основанное на управлении процессами (BPM) для координации пользователей, задач, систем и роботов (RPA) в зависимости от потребностей бизнеса в нужное время.

С другой стороны, он также предполагает использование аналитики и искусственного интеллекта (особенно машинного обучения) для принятия автоматизированных верных решений, а также кейс-менеджмент, чтобы обеспечить гибкие подходы для успешного непрерывного управления задачами. Еще одной важной особенностью интеллектуальной автоматизации является интеграция между различными системами, используемыми в компании. Интеграция позволит избежать дублирования данных в системах, и пользователям нужно будет работать только на одной платформе.

4 столпа интеллектуальной автоматизации

Как обычно, звучит просто, но извечный вопрос: «Я всё понимаю, но с чего начать?».

Интеллектуальная автоматизация предлагает конкретные решения – необходимо внедрить 4 взаимосвязанные ключевые технологии.

1) Управление бизнес-процессами (Business Process Management)

BPM — это технология автоматизации процессов, которая включает эффективную координацию людей, систем и данных.

Цель BPM — обеспечить надежность инфраструктуры управления бизнес-процессами и административными регламентами. Таким образом, BPM выступает в качестве базового слоя в организации, автоматизируя поведение сложных процессов, которые требуют вмешательства людей в процесс ввода данных и принятия решений, использование систем в определенные моменты, такие как вычисления или интеграции, управление действиями, генерацией и хранением данных. Другими словами, BPM играет роль «дирижёра» в организации, определяя, какой сотрудник, внешний пользователь или система в какой момент и как должны действовать, и обеспечивает полное отслеживание и хранение всей генерируемой и обмениваемой информации в течении всего процесса.

2) Роботизированная автоматизация процессов (Robotic Process Automation)

Роботизированная автоматизация процессов — это технология, направленная на сокращение вмешательства человека в компьютерные приложения, особенно в рутинных задачах, которые очень мало изменяются в процессе выполнения.

RPA работает, прежде всего, путем взаимодействия с приложениями на уровне графического интерфейса, в отличие от программного кода. RPA – это тип программного обеспечения, которое имитирует реальное взаимодействие человека с обычными компьютерными приложениями.

Эта технология подходит для замены простых и повторяющихся рутинных задач, например, таких как ввод данных в приложениях. В результате у сотрудников появляется больше времени, чтобы сосредоточиться на других сферах, представляющих ценность для компании, таких как принятие решений или улучшение отношений с клиентами.

Это относительно быстро внедряемая технология, поэтому она может принести компании достаточно быструю выгоду за счет экономии времени и средств, особенно если ее можно применить в узких местах определенных процессов.

3) Искусственный интеллект

Искусственный интеллект — это моделирование человеческого интеллекта машинами.

Другими словами, это дисциплина, которая пытается создать системы, способные учиться и рассуждать как человек.

Искусственный интеллект окружен прочими понятиями, такими как машинное обучение, глубокое обучение, обработка естественного языка (NLP), распознавание объектов, большие данные и т. д. Несмотря на то, что это очень широкое понятие, охватывающее множество уровней (от простой автоматизации до сложных виртуальных помощников), стоит выделить следующие достоинства в текущей бизнес-среде:

Дешифровка моделей из предыдущего опыта.
Умное принятие решений.
Предписательная и предиктивная аналитика.
Улучшение пользовательского опыта.

4) Интеграции

Связь и интеграция между системами — одна из самых больших проблем для компании, поскольку каждая система или программное обеспечение имеет свои особенности.

Обычно для взаимодействия предлагают интерфейс прикладного программирования (API), который обычно основан на каком-либо стандарте, например, SOAP (применяется в веб-сервисах) или REST (на основе протокола HTTP).

Для интеграции обычно требуется программирование, но современные платформы позволяют помимо управления процессами, использовать собственные коннекторы (например, с SAP или 1С) для быстрой интеграции без программирования.

В случаях, когда интеграция через API нецелесообразна или невозможна, можно использовать RPA для интеграции на уровне графического интерфейса приложений.

Основные цели интеллектуальной автоматизации

Основная цель интеллектуальной автоматизации — улучшение качества обслуживания клиентов и сотрудников и повышение производительности.

Кроме того, она обеспечивает экономию времени и затрат, значительно сокращая вмешательство человека в технологический цикл бизнес-процессов, что позволяет сотрудникам больше времени уделять творческим задачам, стратегии, принятию решений и т. д.

Еще одна цель — сокращение количества ошибок в процессах, а также сокращение использования бумаги, поскольку эта тенденция полностью ориентирована на чисто цифровое управление.

Выводы

Интеллектуальная автоматизация родилась как термин, связанный с цифровой трансформацией, но она более чётко определена и предлагает реальное решение, объединяющее четыре ветви технологий: BPM, RPA, искусственный интеллект и интеграцию.

Идеальным случаем была бы компания, в основе которой лежат рабочие процессы (с использованием BPM), где задействованы пользователи, системы, данные и документы; использующая RPA в определенные моменты и задачи (для устранения узких мест в ранее выполняемых вручную задачах); с гибридным принятием решений между менеджерами и автоматизацией на основе искусственного интеллекта. В завершение картины мы соединим все системы, используемые компанией, посредством интеграции (уровень API, если это возможно, и с помощью RPA, если нет) и централизуем информацию, генерируемую процессами, в едином хранилище данных. Данные будут проанализированы и переданы в систему машинного обучения искусственного интеллекта, чтобы обеспечить более обоснованные решения.

Основные цели интеллектуальной автоматизации остаются неизменными (и в то же время их трудно достичь): улучшить комплексное обслуживание клиентов и повысить продуктивность сотрудников, избавившись от рутинных задач и позволив сотрудникам сосредоточиться на задачах, которые повышают ценность компании (творческие улучшения, новые стратегии и решения, принятие решений и т.д.) и, конечно же, экономия времени и денег.