От RPA к гиперавтоматизации: как автоматизировать бизнес-процесс, а не отдельную операцию

За счет чего платформы гиперавтоматизации позволяют исключить сотрудников из участия во многих стандартных процедурах и полностью автоматизировать сквозные бизнес-процессы в компаниях, рассказывает Иван Мельников, директор по развитию продуктов ROBIN компании SL Soft.

Сквозная роботизация – новый уровень развития RPA

Программные роботы широко применяются для автоматизации типовых операций в финансовых и бухгалтерских подразделениях, отделах делопроизводства и управления кадрами, сервисном обслуживании и других сферах. На российском рынке существует достаточное количество зрелых и функциональных платформ RPA.

Но после того, как вендор закрыл базовые возможности роботизации, возникает вопрос о вариантах ее дальнейшего развития. Учитывая достижения в области искусственного интеллекта и растущие запросы заказчиков, возникает многообразие подходов.

Некоторые разработчики совершенствуют свои решения, реализуя специфичные возможности роботизации, например, работу с мобильными приложениями, нужными конкретным заказчикам. Другие добавляют BI-систему, OCR-возможности или моди ИИ, например, интегрируясь с большими языковыми моделями (LLМ). Таким образом платформы расширяются, но набора разрозненных сервисов и технологий недостаточно, чтобы заказчик получил решение для сквозной автоматизации процессов.

Дело в том, что в любой группе компаний или на предприятиях внедрено большое количество информационных систем: ERP, CRM, BPMS и множество других. И в то же время почти отсутствуют такие процессы, которые полностью проходят в одной системе. Как правило, для выполнения своих ежедневных обязанностей сотрудники работают в нескольких из них. Например, когда специалисту отдела снабжения на электронную почту приходит заказ на поставку клиенту определенной продукции, он первоначально должен уточнить информацию о статусе клиента в CRM-системе: есть ли с ним договор, какие условия в нем прописаны, совпадают ли реквизиты, указанные в заказе, с договором и т. д. Убедившись, что все в порядке, специалист открывает ERP-систему, чтобы проверить, есть ли указанные товарные позиции на складе в нужном количестве. Следом он переходит в логистический модуль TMS (Transport Management System), где оформляет заявку на поставку.

Таким образом, один процесс проходит через несколько систем. Мы можем автоматизировать некоторые элементы этой цепочки с помощью программных роботов: например, сделать так, чтобы робот получал сводный перечень товарных позиций, проверял их наличие в складской учетной системе и выводил результаты в таблице. Мы можем пойти еще дальше и подключить к выполнению задачи модуль OCR, чтобы система распознавала реквизиты контрагента в заказе и сравнивала с оригинальным договором. Но сотрудник все равно остается связующим звеном всех этих операций, полностью исключить его из процесса при таком подходе не получится. То есть, чтобы вывести платформу PRA на новый уровень, требуется еще одна составляющая.

Процессный движок – для взаимодействия людей, программных роботов и AI

Дополнительные компоненты, как технологии AI для обработки текстовой информации или OCR для распознавания сканов документов и изображений, расширяют возможности программных роботов. Но чтобы с их помощью автоматизировать процесс целиком, а не отдельные задачи, необходим процессный движок – BPM-модуль (Business Process Management или управление бизнес-процессами), обеспечивающий бесшовное взаимодействие пользователей и технологий (роботов, модулей AI, OCR…) в одном сквозном процессе.

Процессный движок позволяет увязать в одну схему программных роботов и смежные компоненты платформы – благодаря этому разные этапы бизнес-процесса могут выполняться последовательно или параллельно, на одном компьютере или на нескольких в рамках единого процесса. Сотруднику уже не нужно включаться в качестве связующего звена – посредника, запускающего тот или иной этап. Он принимает участие только в определенных ситуациях – когда нужно, например, согласовать результат или заполнить необходимые данные в экранной форме (например, код доступа или пояснительный комментарий). Но остальные шаги процесса выполняются автоматизировано другими технологиями: роботами или AI.

Допустим, когда специалист оформляет заявку на отпуск, она автоматически уходит в СЭД на согласование руководителю, который в экранной форме принимает соответствующее решение. Утвержденная заявка отправляется в отдел кадров, где также без участия человека заводится в HR-систему, а также в программу для начисления бухгалтерией отпускных. Получается, весь процесс потребовал пары кликов от сотрудника и его руководителя, а его реализацию взяли на себя программные роботы. Процессный движок позволяет охватить все вариации подобных процессов – в том числе и те, где шаги должны выполняться в течение определенных временных интервалов: например, выплата отпускных в утвержденный в организации срок с момента оформления заявки. Более того, поддерживаются схемы, при которых сотрудник или информационная система взаимодействует только с AI или OCR, без использования программного робота.

То есть, чтобы максимально исключить сотрудника из процесса требуется более комплексное решение – платформа интеллектуальной автоматизации, в которой все технологии уже настроены для быстрой сквозной автоматизации процессов. Скорость внедрения достигается за счет использования no-code/low-code подходов.

Итак, отличие платформ гиперавтоматизации, где RPA только один из компонентов, от классических систем роботизации – в наличии широкого технологического стека и процессного движка. Кроме того, все технологии, применяемые внутри таких платформ, комплементарны и совместимы при выполнении назначенных задач. Это преимущество в сравнении с мультивендорными решениями: ведь программного робота не всегда можно качественно интегрировать с той же OCR-системой другого производителя

Будущее автоматизации: Process и Task Mining и генеративный AI

Появление процессного движка превращает решение RPA в платформу интеллектуальной автоматизации или гиперавтоматизации. Какой может быть дальнейший вектор развития?

Если обратиться к опыту мировых лидеров отрасли, то компании UIPath и BluePrism развивают направление процессной аналитики – Process Mining. Эта траектория выглядит логичной: автоматизировав процесс, необходимо собирать и контролировать показатели эффективности, отслеживать узкие места и передавать следующие задачи для автоматизации. Например, если робот помогает персоналу в оформлении отпусков и теперь это происходит быстро, может возникнуть бутылочное горлышко на этапе заведения заявок в систему и формирования приказов на отпуск. Task Mining помогает собирать данные о работе сотрудника за компьютером, анализировать его деятельность и формировать предложения по роботизации операций.

Process и Task Mining могут продуктивно дополнять платформу гиперавтоматизации. Стоит заметить, что крупнейшие игроки рынка не решились создать такие технологичные продукт из смежной области с нуля: UiPath приобрел уже готовый продукт, а BluePrism пользуется партнерским решением Timeline от ABBYY.

Другим перспективным направлением развития платформ гиперавтоматизации становятся технологии генеративного AI и, в частности, большие языковые модели. Выступая дополнением к платформе интеллектуально автоматизации, большие языковые модели помогают решать задачи, связанные с обработкой обращений или документов. В то же время у бизнес-заказчиков остается вопрос защиты данных, которые они отдают на обработку системам AI. Крупные компании в России предпочтут разворачивать такие решения в защищенном контуре, что невозможно без наращивания вычислительных ресурсов.

Подводя итог, технология RPA хорошо проявляет себя там, где достаточно автоматизировать конкретную рутинную задачу. Если компании нужно настроить перенос данных из одной системы в другую – с этим справится программный робот. Но когда речь заходит об автоматизации сквозного процесса со множеством этапов, которые выполняются распределенно во времени и в разных информационных системах, то это задача для платформы гиперавтоматизации. Дополнительные встроенные технологии, такие как OCR, Low-Code, BPM, AI и большие языковые модели расширяют область применения и делают возможной автоматизацию тех процессов, которые другими средствами невозможно или дорого автоматизировать.