Сегодня искусственный интеллект (далее — ИИ) проникает во все сферы бизнеса, беря на себя всё больше задач — от анализа данных до оптимизации процессов. Он может быть использован как для решения локальных задач (наиболее востребованное направление), так и для работ по системным улучшениям. Но настоящая эффективность ИИ раскрывается только там, где есть четкая методология, которая разграничивает зоны ответственности: что остаётся за экспертом с его опытом и интуицией, а что можно смело доверить ИИ. Готовность передать ему часть работы — это не вопрос слепой веры в технологии, а результат глубокого понимания его возможностей. Такая готовность предполагает уверенность в собственных компетенциях, умение ставить точные задачи и — главное — системный подход, который превращает ИИ из «волшебного черного ящика» в предсказуемого и высокопроизводительного помощника. Консалтинг, а конкретнее — проекты (внешние или внутренние) по проектированию, анализу, оптимизации бизнес-процессов и их подготовке к автоматизации, — одна из наиболее благодарных с точки зрения эффекта от применения ИИ сфер деятельности. В данной статье мы постараемся это наглядно продемонстрировать на примере реализованных нами проектов.

Важно отметить, что такие проекты, в отличие от «простых» задач, связанных с генерацией текста, обобщением информации и т.п., требуют применения строгой методологии, обеспечивающей одновременно единый подход и возможность применения различных инструментов в зависимости от целей, задач проекта, а также качества исходных данных.

В этой статье мы разберём, как совместить методологическую строгость с технологическими возможностями, чтобы цифровизация обеспечивала не только скорость, но и качество проводимых работ.

Обычно проект оптимизации бизнес-процессов включает 4 этапа с разной трудоемкостью (Рис. 1):
1. Сбор информации (60% затрат): сбор, систематизация данных.

2. Анализ (25%): выявление проблем, причин, возможностей, выработка и проверка гипотез.

3. Проектирование изменений (10%): Разработка и согласование предложений по улучшениям, регламентация.

4. Документирование (5%): Оформление результатов.

На каждом из этих этапов ИИ может существенно (почти вдвое) снизить трудоемкость и стоимость проведения работ (Рис. 1), но только при условии, что на каждом этапе ведущую роль играет эксперт, а ИИ выступает в роли инструмента.

1. Этапы проекта: как ИИ помогает на каждом из них и почему без эксперта — никуда

1.1. Сбор информации: скорость + качество = результат

Этап сбора информации, по нашему опыту, наиболее трудоемкий. Именно этот этап позволяет в наибольшей степени продемонстрировать, насколько полезным может быть ИИ в руках опытного эксперта, вооруженного стройным методологическим подходом. 

На ИИ в рамках работ по сбору информации можно возложить выполнение рутинных задач по распознаванию, преобразованию, систематизации, проверке соответствия формальным критериям, анализу первичных данных, формированию ответов на общие вопросы по содержанию документов.

Здесь и далее для каждого из этапов приводятся примеры работ, которые в наших проектах ИИ выполнял с должным уровнем качества и со скоростью, многократно превышающей скорость выполнения соответствующих работ квалифицированным консультантом.

·Что делает ИИ (инструмент) на этапе сбора:

1.  Анализ соответствия законодательству локальных нормативных актов (далее - ЛНА), регулирующих процесс (Рис. 2).

2. Выявление дублирования ответственности и полномочий.

3. Поиск противоречий в ЛНА, регулирующих процесс (сроки/ продолжительность, порядок выполнения, распределение полномочий и ответственности).

4. Анализ полноты регулирования предметной области и т.д.

5. Заполнение чек-листов на основе полученных документов.

6. Анализ статистики операций (при наличии качественных данных).

·Роль Эксперта [2] (модератор, контролер и интерпретатор):

1. Проведение интервью, модерация встреч. Этого «массовый» ИИ делать пока не может, несмотря на очевидный прогресс. Максимум, что ему можно доверить – это планирование и организация встреч, напоминания, формирование протоколов встреч, контроль исполнения принятых решений. Что, согласитесь, тоже немало.

2.  Формирование схемы процесса «как есть». Несмотря на наличие на рынке нескольких решений, нам не удалось найти модель ИИ, позволяющую строить схему процесса удовлетворительного качества. Однако считаем, что в данном случае такое наличие могло бы повредить погружению эксперта в процесс. Поэтому качественная схема процесса, составленная им самостоятельно с применением специализированного ПО, необходима. При этом она будет во много определять результат последующего анализа и качество регламентации процесса. А использование экспертом дополнительных свойств элементов при построении схемы процесса существенно расширит возможности анализа, оптимизации и регламентации деятельности на последующих этапах.

3. Постановка/ своевременная корректировка задач: постановка/ корректировка ИИ задачи для углубленного анализа на основе первичных данных. Без грамотной постановки задачи результаты работ ИИ спонтанны и невоспроизводимы, без декомпозиции запрос для ИИ может оказаться слишком сложным и труднообрабатываемым, а без своевременной корректировки задачи ИИ работает по первоначальной инструкции, без учета возникающих нюансов.

4. Отбор источников: определение релевантности предлагаемых к анализу документов, отсев "информационного шума". Без эксперта ИИ анализирует всё подряд, включая устаревшие или нерелевантные документы, тратя время и выдавая ложные выводы.

5. Интерпретация результатов: оценка критичности и полноты найденных ИИ противоречий (Рис. 3) с учетом контекста и нюансов бизнеса. Без эксперта формальное противоречие, найденное ИИ в ЛНА, может быть несущественным, а серьезная проблема — остаться незамеченной. Однако есть и обратная сторона: ИИ может натолкнуть на мысль, к которой эксперт мог бы не прийти самостоятельно.

6. Принятие решений: определение достаточности собранных данных для перехода к анализу. 

Без эксперта ИИ-агент может пойти по ложному пути из-за неполной или неверно интерпретированной информации.

1.2. Анализ информации и разработка предложения по улучшениям: от данных к действиям

·Что делает ИИ (мощный аналитик) на данном этапе:

1.  Оценку и наглядное представление уровня зрелости процесса (Рис. 4).

2.  Разрабатывает первоочередные мероприятия по улучшениям организации процесса, логично вытекающие из проведенной оценки (Рис. 5).

3.  Выявляет статистические "узкие места", задержки, отклонения.

·Роль Эксперта (стратег, методист и реалист):

1. Определение/ корректировка контрольных вопросов для оценки уровня процессной зрелости: несмотря на наличие ГОСТа и общий для оценки состав атрибутов, нет универсальных вопросов, их характеризующих, и в каждом случае что-то приходится корректировать с учетом специфики деятельности. Без эксперта: ИИ может неверно интерпретировать представленные данные о наличии/ отсутствии необходимой информации.

2. Верификация перечня мероприятий по повышению зрелости процесса: определяет приоритеты и реализуемость предложенных ИИ мероприятий.

3. Определение общего подхода, целей и критериев оптимизации: Задает ИИ правильные вопросы: оптимизировать по скорости, стоимости, надежности? Без эксперта: ИИ оптимизирует процесс "вообще", возможно, не решая ключевой для бизнеса боли.

4. Определение критериев и подходов к оптимизации: выявление коренной причины на основе имеющейся информации.

5. Валидация выводов ИИ: проверяет, насколько найденные "узкие места" и причины реальны и значимы в контексте бизнеса. Отсеивает статистические артефакты. Без эксперта: ИИ может необоснованно "обвинить" этап процесса, основываясь на корреляции, а не причинно-следственной связи.

6. Оценка реализуемости предложений: учитывает человеческий фактор, корпоративную культуру, ресурсные ограничения. Без эксперта: ИИ может предложить идеально эффективное, но абсолютно нереализуемое на практике решение.

7. Выбор оптимального пути: на основе данных ИИ и своего опыта принимает решение, какой сценарий оптимизации реализовывать. Без эксперта: выбор может быть сделан случайно или на основе неполных критериев.

1.3. Документирование (регламентация процессов и отчетность по проекту): стандартизация без потери смысла

·Что делает ИИ (скоростной документалист) на данном этапе:

1. Генерация проектов регламентов, инструкций, отчетов на основе схем процессов (и формализованных решений).

2. Оформление документов по заданным шаблонам.

3. Формирование графической версии документа (переработка текста в простую и удобную для восприятия картинку (при необходимости)).

·Роль Эксперта (гарант качества и ясности):

1. Контроль корректности и полноты: проверяет, точно ли сгенерированный документ отражает принятые решения и специфику процесса (при высоких требованиях к точности проверка обязательна!). Отсев "галлюцинаций" или упрощений ИИ. Без эксперта: Регламент может содержать внутренние противоречия, неполные инструкции или терминологические ошибки, делая его бесполезным или вредным.

2. Адаптация под аудиторию: упрощает/ адаптирует формулировки ИИ, добавляет необходимые пояснения, примеры. Без эксперта: Документ может быть технически точным, но непонятным для конечных исполнителей.

3. Утверждение финальной версии: несет ответственность за качество и применимость документа. Без эксперта: Ответственность размыта, качество документации не гарантировано.

2. ИИ в руках эксперта: безопасность, польза и контроль

2.1. Оптимизация процессов — "Безопасная гавань" для ИИ (благодаря Эксперту!)

1. Использование незакрытых данных: работа с регламентами, шаблонами, открытой статистикой менее рискованна, чем с персональными данными или стратегическими планами. Эксперт гарантирует, что ИИ не получит доступ к чувствительной информации.

2. Польза "местным" аналитикам: ИИ берет на себя рутинный сбор и первичный анализ, освобождая время экспертов и внутренних аналитиков компании для глубокой интерпретации, стратегических выводов и внедрения изменений. ИИ-специалист настраивает модель ИИ и инструкции для ее корректной работы (промпты). Эксперт учит команду с ними работать, давая возможность впоследствии работать команде самостоятельно.

2.2. ИИ — "идеальный сотрудник" в руках эксперта

Регулярные сообщения об ИИ-"галлюцинациях" в юриспруденции или финансах — яркое напоминание: технология без контроля опасна. Наш подход основан на принципе: ИИ — "идеальный сотрудник" в руках эксперта, требующий:

• четкой постановки задач (промпты): Эксперт формулирует запросы точно и однозначно;

• непрерывного контроля (верификация): Эксперт проверяет каждый значимый вывод ИИ;

• постоянного "обучения" (дообучение/настройка): Эксперт корректирует работу ИИ под уникальные нужды клиента.

Пример (Закупки): анализ 500+ тендерных заявок ИИ дал 12% погрешность. Эксперт выявил ошибки в интерпретации критериев, дообучил модель, провел повторный контроль — погрешность упала до 0.9%. Без эксперта эти 12% ошибок могли бы привести к финансовым и репутационным потерям.

2.3. За счет чего повышается качество анализа

Современные системы ИИ в консалтинге всё чаще реализуются с применением паттерна SO + CoT (Structured Output + Chain of Thought). В этой связке Structured Output представляет собой заранее заданную структуру ответа (чаще всего в формате JSON), которую ИИ строго заполняет в ходе работы. Это реализуется через механизм Constrained Decoding — особый режим генерации, при котором LLM не может отклониться от заданного формата. Вместо открытого текста модель «отвечает» так, как если бы человек заполнял чек-лист или таблицу, тем самым минимизируя ошибки в интерпретации и повышая пригодность вывода для дальнейшего автоматизированного анализа.

В свою очередь, Chain of Thought задаёт порядок логических шагов, которые ИИ должен последовательно пройти при анализе, чтобы ответ получился не только формально корректным, но и содержательно осмысленным. Такая комбинация позволяет достичь воспроизводимого, контролируемого и экспертно понятного результата — особенно важного в задачах, где от ИИ требуется не генерация «текста ради текста», а помощь в принятии решений по чётким критериям.

При этом результаты, полученные с помощью ИИ, проходят обязательную проверку и валидацию — как со стороны заказчика, так и, при необходимости, независимым консультантом. Такой «встроенный контроль» становится естественным элементом системы, обеспечивающим объективность и качество итогового решения.

3. Заключение: экспертиза — ключ к раскрытию потенциала ИИ

ИИ революционизирует консалтинг, но его магия работает только при наличии четкой методологии и безусловного лидерства эксперта:

• Методология — это карта, определяющая что, когда и как делает ИИ, а что остается за человеком.
  

• Эксперт — это проводник, который:

  • Ставит точные задачи ИИ (без этого — мусор на входе/выходе);
    

  • Контролирует и интерпретирует результаты (без этого — риск ошибок и "галлюцинаций");
    

  • Принимает ответственные решения на основе данных ИИ и своего опыта (без этого — нереализуемые или неэффективные решения);
    

  • Гарантирует качество и этичность (без этого — репутационные и юридические риски).

Таким образом, ИИ настолько же эффективен, насколько широк ваш кругозор, глубок ваш опыт, а вы сами способны качественно и терпеливо ставить задачи и контролировать их выполнение. В этом смысле ИИ «демократизирует» консалтинг, делая принципиально возможным выполнение больших объемов работ, до которых, вероятно, никогда не дошли бы руки. Он существенно упрощает оптимизацию деятельности вне зависимости, например, от уровня процессной зрелости (да и наличия процессного подхода).

Правда, и потенциальные эффекты в зависимости от уровня процессной зрелости совершенно разные. Одно дело точечно оптимизировать отдельные операции (как, например, распознавание документов), другое – встраивать ИИ в межфункциональные процессы или автономно корректировать процессы на основе данных с использованием генеративного ИИ, открывающего путь к ИИ-агентам, позволяющим автоматизировать выполнение отдельных сложных функций / процессов (Таблица 1).

Это мощный рычаг трансформации. ОДНАКО:

• Автономность ≠ бесконтрольность: ИИ-агенты должны действовать в рамках строгих правил, заданных экспертами.
  

• "Обучение на лету" требует надзора: Способность агента адаптироваться требует постоянного мониторинга и корректировки со стороны эксперта, чтобы избежать "дрейфа" целей.

Пример (бухгалтерия): Генеративный ИИ распознает первичные документы, заполняет регистры в 1С, но эксперт-бухгалтер обязательно проверяет сложные или нетиповые операции, контролирует соответствие ПБУ, предотвращая дорогостоящие ошибки. ИИ дает скорость, эксперт — точность и соответствие стандартам.

Насколько универсальны разрабатываемые инструменты и модели? Разработанные для одного проекта, они могут быть адаптированы для использования в других проектах, но требуют обязательной валидации и доработки с учётом уникальных особенностей каждого нового процесса. Универсальность решений зависит от схожести процессов и качества исходных данных.
______________

[1] В том числе трудозатраты ИИ – специалиста по настройке моделей и паттернов
[2] Эксперт — квалифицированный специалист, обладающий глубокими знаниями в области бизнес-консалтинга и опытом работы с ИИ, который управляет и контролирует применение ИИ-инструментов и принимает ответственные решения по использованию результатов такого применения.
[3] Оценка с использованием ГОСТ Р ИСО/МЭК 15504-2-2009 «Информационная технология. Оценка процесса. Часть 2. Проведение оценки».