Автоматизация бизнес-процессов с помощью искусственного интеллекта: от маркетинга до операционного управления

Современный этап развития бизнеса характеризуется коренным изменением подходов к управлению и организации бизнес-процессов, а также активным внедрением цифровых технологий. Рынок цифровых решений предлагает достаточно широкий спектр инструментов по автоматизации, при этом, одним из наиболее трендовых направлений является применение технологий ИИ.

Актуальность исследования вопроса автоматизации бизнес-процессов с помощью ИИ обусловлена в первую очередь ускорением технологического прогресса в данной области: в настоящее время значительно расширилась сфера использования ИИ, но самое главное - кратно выросло качество реализации самих решений, т.е. результативность цифровых продуктов на основе ИИ. Помимо данного фактора, можно выделить возрастающие требования потребителей, усиление конкуренции и повышенную необходимость оперативного реагирования на изменения внешней среды. Также важно отметить, что на сегодняшний день искусственный интеллект уже не является прерогативой исключительно крупных корпораций - его возможности используются на предприятиях разного масштаба. Таким образом, изучение роли и возможностей искусственного интеллекта в автоматизации бизнес-процессов имеет высокую практическую значимость [5, с. 11].

По определению, бизнес-процессом является совокупность взаимосвязанных действий или задач, направленных на создание ценности для клиента или достижение конкретных целей организации [3, с. 64]. Выделяются следующие виды бизнес-процессов:

основные (направлены на создание конечного продукта или услуги, которые представляют ценность для клиента, например, маркетинг, производство, продажи, доставка);

вспомогательные (обеспечивают поддержку основных процессов - бухгалтерский учет, управление персоналом, IT-поддержка);

управляющие (обеспечивают контроль, координацию и стратегическое планирование деятельности компании - стратегический менеджмент, управление рисками, операционное управление).

Автоматизация бизнес-процессов с помощью искусственного интеллекта осуществляется в виде реинжиниринга (полное переосмысление и кардинальное преобразование существующих процессов с целью достижения значительных улучшений в показателях эффективности) или оптимизации (улучшение отдельных составляющих существующих процессов за счет внедрения специализированных решений) [4, с. 71].

В зависимости от областей применения, методов функционирования и автономности ИИ подразделяется на следующие виды:

• 1.    По областям применения: распознавание образов (визуальные системы, анализ изображений и видео); обработка естественного языка (чат-боты, голосовые помощники, машинный перевод); робототехника (автономные устройства, промышленные роботы); предиктивная аналитика (прогнозирование рыночных трендов, анализ рисков).

• 2.    По методам функционирования: экспертные системы – используют заранее заданные правила и базы знаний для решения задач; машинное обучение – алгоритмы, которые обучаются на основе данных и улучшают свои результаты с опытом. К данному подвиду относятся, в том числе, нейронные сети;

• 3.    По степени автономности – автономные системы (ИИ, способный самостоятельно принимать решения без вмешательства человека) и полуавтономные системы (требуют участия человека для принятия ключевых решений).

В контексте научных подходов к изучению ИИ выделяют кибернетику и нейрокибернетику [2, с. 160]. Первая представляет собой область знаний, изучающую процессы управления информацией в системах, основанных на математическом моделировании и логических алгоритмах.

К нейрокибернетике относится моделирование процессов, происходящих в человеческом мозге, с целью создания искусственных нейронных сетей, которые способны обучаться и адаптироваться к новым условиям. Нейронные сети в последнее время приобрели особую популярность, поскольку предоставили возможность нового уровня автоматизации (генерация текста, изображений, видео, звука, моделирование сложных процессов, прогнозирование). Ключевой принцип работы нейронной сети состоит в обучении на основе примеров: данные проходят через многослойную структуру искусственных нейронов, имитирующую работу человеческого мозга. Каждый «нейрон» получает входные данные, обрабатывает их и передает результат на следующие слои [1]. Обучение нейронной сети заключается в минимизации ошибки, которую она совершает при предсказании, путем корректировки весов с использованием алгоритмов обратного распространения ошибки и градиентного спуска. Данный процесс повторяется до тех пор, пока сеть не сможет точно обрабатывать данные или решать поставленные задачи [6, с. 1536].

Основные возможности ИИ с позиции автоматизации бизнес-процессов показаны в таблице 1.

Таблица 1. Возможности ИИ с позиции автоматизации бизнес-процессов

Рассматривая потенциал ИИ в области автоматизации маркетинга, согласно данным таблицы 1, можно выделить следующие виды решений (технологий):

• 1.    Персонализация – выступает одним из наиболее востребованных направлений в маркетинге во многом благодаря применению технологий машинного обучения (ML). В частности, алгоритмы ML предоставляют широкие возможности по анализу поведения пользователей, их предпочтений, истории покупок, демографических данных, взаимодействий с контентом и ряда других направлений. На основе полученных данных создаются рекомендации, адаптированные под каждого клиента. Примеры персонализации:

• -    системы рекомендаций на маркетплейсах (Amazon, Ozon и др.) или онлайн кинотеатрах (Netflix, IVI) на основе предыдущих действий пользователя;

• -    формирование целевых аудиторий и выбор подходящих форматов объявлений на платформах поисковых систем (Google Ads, Яндекс.Директ или Facebook Ads).

• 2.    Чат-боты – это интеллектуальные системы, разработанные на основе технологий обработки естественного языка (NLP) и машинного обучения, которые способны взаимодействовать с пользователями через текстовые или голосовые сообщения. В настоящее время чат-боты все чаще заменяют традиционные каналы взаимодействия и автоматизируют рутинные операции в службе поддержки, продажах и маркетинге. Основные сферы применения: ответы на часто задаваемые вопросы, обработка запросов и решение проблем пользователей, информирование клиентов о новых предложениях, помощь в подборе товаров и т.д. Примеры платформ: Facebook Messenger, WhatsApp Business API, Telegram-боты, а также специализированные сервисы [7, с. 144].

• 3.    Анализ рыночных данных – применение алгоритмов машинного обучения и Big Data с целью выявления трендов, поведения потребителей и конкурентных стратегий. Примеры применения:

• -    выявление популярных продуктов или услуг на базе анализа социальных сетей, поисковых запросов и отзывов (трендовый анализ);

• -    динамическое ценообразование, основанное на спросе, предложении и активности конкурентов, например, в системах бронирования билетов или отелей;

• -    создание таргетированных маркетинговых кампаний.

Примеры инструментов: Tableau, Power BI, Google Analytics, а также специализированные платформы для анализа больших данных.

Касательно автоматизации операционного управления (организация, координация и контроль всех процессов, необходимых для выполнения повседневных операций), можно выделить следующие возможности ИИ:

• 1.    Системы прогнозирования и планирования ресурсов:

• -    оптимизация использования ресурсов – планирование графиков работы сотрудников с учетом их загрузки, производительности и требований законодательства, распределение оборудования и инфраструктурных ресурсов с целью минимизации простоев и т.д.;

• -    управление цепями поставок – определение оптимальных маршрутов доставки, расчет времени доставки и затрат, автоматизация закупок.

• 2.    Автоматизация управления задачами и графиками:

• -    управление проектами – анализ задач, приоритетов и сроков, автоматическое распределение их между сотрудниками, прогнозирование вероятности завершения проекта в срок, предложение по оптимизации рабочих процессов. Основные инструменты – Asana, Trello, Microsoft Project с интеграцией ИИ;

• -    автоматическое создание сменных графиков на основе анализа занятости сотрудников, их навыков и доступности, предупреждение о возможных конфликтных ситуациях (например, перегрузка сотрудников);

• -    системы управления задачами – отслеживание прогресса работы в реальном времени, уведомление о задержках, предложение корректирующих мер, анализ производительности сотрудников, выявление узких мест в процессах.

Таким образом, можно сделать вывод, что ИИ обладает значительным потенциалом трансформации бизнеса и в случае успешной интеграции обеспечивает предприятиям достижение конкурентных преимуществ на глобальном рынке.