Привет! Я — Андрей Шалягин, руководитель Офиса цифровизации в Альфа-Банке. Наша команда помогает различным подразделениям внедрять технологии и решения, направленные на выявление и оптимизацию рутины, повышение производительности и цифровизацию операций.
В Альфе множество сквозных процессов и точек взаимодействия между системами и людьми. BI-инструменты хорошо справляются с агрегацией данных и построением отчетности, но они редко отвечают на вопрос: как на самом деле протекает процесс, где он замедляется и почему возникают отклонения.
Чтобы получить объективную картину мы применяем Process mining — технологию, которая позволяет построить модель реального исполнения бизнес-процесса на основе логов событий. В банке развернута платформа Proceset от команды Инфомаксимум.
Но просто увидеть, как устроен процесс — недостаточно. Важно быстро находить возможности для улучшения и запускать изменения. Поэтому мы встроили искусственный интеллект непосредственно в аналитическую платформу. Теперь ИИ не просто помогает с рутиной, а сам предлагает гипотезы, находит узкие места и позволяет аналитикам быстрее принимать решения. Ниже расскажу, как мы это сделали, с какими вызовами столкнулись и куда движемся дальше.
Как мы организовали работу: децентрализация вместо единого бэклога
Ещё на старте мы решили, что будем развивать процессную аналитику в Альфе по децентрализованной модели. Это позволило нам быстро масштабироваться и встроить практику в бизнес без необходимости наращивать централизованную команду.
Как это работает?
Центр компетенций по процессной аналитике находится в блоке стратегии и задает общий вектор развития: методология, обучение, поддержка. Мы встречаемся с руководителями бизнес-подразделений, рассказываем о возможностях Process mining, обсуждаем, какие задачи можно решить с помощью этих технологий.
После этого предлагаем такую модель сотрудничества — руководитель выделяет одного из своих сотрудников, а мы:
помогаем освоить базовые навыки для старта в Process mining,
поддерживаем при реализации аналитических проектов,
подключаем к сообществу практиков внутри банка.
Так появляется процессный дата-аналитик — человек, который реализует весь цикл: от выгрузки и подготовки данных до согласования результатов с бизнесом. Аналитик работает внутри своего домена, понимает специфику процессов и знает, какие данные доступны и какого они качества.
Почему это работает
У такой модели есть несколько сильных сторон:
Глубокое понимание предметной области — аналитики находятся в подразделениях, знают процессы изнутри и могут быстро договориться с владельцами данных.
Масштабируемость — за год сеть процессных дата-аналитиков выросла до 20+ человек и каждый из них или уже реализовал (или завершает реализацию) как минимум 1 проекта.
Но есть и вызовы.
Главный — высокий порог входа в профессию. Мы честно говорим: процессный аналитик — это универсальный специалист, сочетающий в себе несколько ролей:
60% — дата-аналитик. Нужно уметь работать с логами, понимать, как устроены данные, как их выгружать, очищать, агрегировать.
40% — бизнес-аналитик и project-менеджер. Каждое исследование — это мини-проект: нужно собрать гипотезы, провести интервью, защитить выводы, предложить улучшения и обосновать ROI.
Набор компетенций успешного процессного аналитика очень большой. С ними можно, например, ознакомиться в исследовании Инфомаксимум и hh.ru, проведенном в 2025 (стр. 16-18). Чтобы снизить порог входа и ускорить работу, мы начали использовать искусственный интеллект.
Эволюция: от AI-ассистентов к AI-powered Process Mining
Этап 1. Copilot как ассистент для рутинных задач
Мы начали с простого — использования ИИ-ассистентов для выполнения отдельных задач.
В Альфе есть собственный GenAI-copilot Alfa AI, доступный сотрудникам через чат-интерфейс. Процессные аналитики используют его для генерации SQL и Python-скриптов для выгрузки и предобработки данных, а также оптимизации уже написанных запросов (например, по скорости выполнения или читаемости).
Чтобы это работало эффективно, мы системно обучаем аналитиков писать промпты. У нас в Альфе развита культура обучения ИИ: внутренние курсы, гайды, практикумы и регулярные сессии обмена опытом.
Результаты:
Снизили порог входа: знание SQL уже не обязательно, хотя остается полезным.
Устранили много рутины: меньше времени тратится на написание и отладку скриптов.
Сократили время от старта проекта до первой визуализации: карта процесса и базовый дашборд появляются быстрее.
Но у подхода есть ограничение: ассистент работает отдельно от аналитической платформы. Он не видит модель процесса, не знает метрик, не понимает контекста проекта. Поэтому вся дальнейшая работа по исследованию дашбордов и поиску проблем ложится на аналитика.
Этап 2. От ассистента к AI-powered Process Mining
Следующий шаг в развитии — встраивание ИИ прямо в платформу процессной аналитики Proceset. Мы перешли от использования ИИ как внешнего помощника к концепции AI-powered Process Mining.
Теперь ИИ встроен в саму систему Proceset, и не просто отвечает на запросы, а анализирует процесс как полноценный участник команды: находит узкие места, формулирует гипотезы и предлагает возможные причины и шаги по исправлению.
Это стало возможным благодаря интеграции с нашей корпоративной GenAI-платформой AlfaGen, внутри которой — стек LLM-моделей и вычислительная инфраструктура с API-интерфейсом, аналогичным OpenAI API.
Мы подключили Proceset к AlfaGen по API и передаем туда всю необходимую информацию о процессе. ИИ получает контекст и метрики, «смотрит» на процесс как аналитик и возвращает список инсайтов.
Что это даёт?
Если раньше аналитик вручную разбирал карту процесса, отслеживал метрики по каждому событию, искал закономерности и аномалии, то теперь он получает готовую отправную точку — список потенциальных проблем, которые можно сразу начать исследовать. Это не решает все задачи, но сильно сокращает time-to-insight и упрощает старт анализа.
«Одна кнопка» вместо промптов
Процитирую Дмитрия Медвежонкова, руководителя направления развития процессной аналитики Альфа-Банка:
«Мы сознательно отказались от поля для ввода промптов и сделали всё максимально просто: одна кнопка — и аналитик получает готовые инсайты. Не нужно тратить время на формулировку запросов или разбираться, как "спросить" у модели. Всё, что нужно — уже передано ИИ: контекст проекта, метрики, цели. Это не просто упрощение интерфейса — это смена парадигмы: от генерации запросов к получению готовых направлений для анализа».
Что происходит под капотом? При нажатии на кнопку формируется структурированный промпт, который включает:
1. Бизнес-контекст:
Анкета проекта — базовый документ, который аналитик заполняет на старте: описание процесса, его границы, цели проекта, проблематика.
Фрагменты интервью — транскрипты разговоров с владельцами или исполнителями процесса.
Оба блока загружаются в Proceset как обычный текст и автоматически включаются в промпт.
2. Метрики.
Предрассчитанные с помощью SQL-метрики:
последовательности событий,
квантили длительности,
частота повторов,
конверсии между этапами.
Эти данные агрегируются и упаковываются в JSON, который подставляется в промпт.
Далее отправляется запрос по API в AlfaGen. Для генерации используем локальные LLM-модели. Ответ возвращается в Proceset и отображается в интерфейсе в виде списка инсайтов.
Результат — у аналитика есть готовый набор гипотез и направлений для исследования. Не нужно тратить время на изучение карты процесса и ручной расчет метрик. Всё это уже сделано ИИ — и подано в удобном виде.
По итогам мы видим практический эффект: время подготовки аналитики сократилось в 2-3 раза, а количество релевантных гипотез выросло на 35-40%. Это ускоряет цикл принятия решений и снижает порог входа в процессную аналитику для специалистов разного уровня.
Что получилось: результаты и внешнее признание
Проект AI-powered Process Mining на базе Proceset стал победителем премии ProcessTech в номинации «Лучшая практика применения ИИ». Для нас это важный внешний сигнал: подход с глубокой интеграцией генеративного ИИ в аналитический контур работает не только внутри компании, но и воспринимается рынком как зрелое и масштабируемое решение.
ProcessTech — премия компании «Инфомаксимум», отмечающая проекты с ощутимыми результатами: от повышения эффективности и управляемости до масштабных эффектов цифровой трансформации.
Что дальше: аналитические агенты
Сегодня ИИ встроен в процессную аналитику как помощник: он предлагает гипотезы, находит узкие места, ускоряет старт анализа. Но мы смотрим дальше — в сторону аналитических агентов, которые смогут выполнять весь цикл исследования процессов по запросу, без участия человека на каждом этапе
В идеальном сценарии вместо работы в интерфейсе, аналитик просто формулирует задачу на естественном языке. Агент сам находит нужные данные, анализирует процесс на уровне алгоритма, выявляет узкие места и возвращает готовый отчет с гипотезами и предложениями по улучшению.
Сейчас мы находимся в активной фазе R&D. Проводим эксперименты с разными подходами к построению пайплайнов, автоматизации предобработки и формированию выводов. Ожидаем первые результаты уже в 2026.
Вместо выводов: профессия на пороге трансформации
ИИ в аналитике — это не просто про скорость. Он меняет саму суть профессии.
Раньше процессный аналитик был универсалом: и данные выгрузить, и гипотезы сформулировать, и с бизнесом поговорить. Сегодня часть этих задач, особенно рутинных, может выполнять ИИ. Это освобождает место для другой работы.
Что остается за человеком:
Понимание контекста и целей бизнеса.
Проектирование логики анализа и оценки результатов.
Интерпретация сложных случаев и принятие решений.
Коммуникация и внедрение изменений.
Процессный дата-аналитик становится архитектором аналитических систем. Он больше не «копает» вручную — он создает инструменты, которые копают за него.
ИИ не вытесняет специалистов. Он перераспределяет фокус: от рутинных операций — к мышлению, проектированию и влиянию на бизнес.
И чем раньше мы это примем, тем быстрее сможем перестроить подходы, команды и карьерные траектории.
Ещё скоро будет мероприятие для тех, кто внедряет ИИ-агентов. Повестка мероприяти метрики, экономика, эффективность, безопасность. Полный анонс в новости по ссылке:
Заходите в Телеграм-канал Alfa Digital — рассказываем о работе в IT и Digital, про спорт, карьеру, про работу направленией и команд, делимся интересными вакансиями, новостями и полезными советами, иногда шутим.
Может быть интересно: