В условиях дефицита кадров все большие обороты набирает цифровизация в разрезе производительности труда и оптимизации бизнес-процессов. Одно из перспективных направлений – это создание цифровых двойников бэк-офисных процессов с помощью решений класса process и task mining.

Эти инструменты собирают и обрабатывают большие объемы данных обо всех этапах деятельности предприятия и действиях пользователей в ИТ-системах. Искусственный интеллект используется для анализа прохождения процессов и выявления паттернов: они могут быть признаками того, какие именно этапы можно автоматизировать и роботизировать. Опираясь на эту информацию, аналитик выявляет пути повышения эффективности. В итоге это позволит компании сократить трудозатраты на выполнение части рутинных операций, повысить операционную эффективность и сэкономить ресурсы.

В связи с уходом международных игроков наблюдается консолидация бизнеса, в частности, промышленных предприятий. С одной стороны, им нужен гибкий инструментарий оценки инвестиционных проектов и формирования программы: это делается, в том числе, за счет агрегации данных по производственным планам дочерних компаний. И поскольку рынок остается достаточно волатильным, всем важно повышать оперативность получения комплексной аналитической информации для принятия управленческих решений.

С другой стороны, чтобы эффективно встраивать в структуру новые бизнес-единицы и управлять ими, необходима модификация и стандартизация процессов, которые должны быть «зацементированы в бетоне», то есть в ИТ-решениях.

В процессе консолидации на уровне учетных систем многие компании сталкиваются с вопросом качества данных из разных источников, трудоемкости их подготовки и высвобождения дефицитных трудовых ресурсов на более интеллектуальные задачи. 

При этом подавляющая часть проектов в компаниях направлена на использование данных, а не на повышение их качества и доступности. Часто по этой причине многие инициативы, связанные с прогнозированием или искусственным интеллектом, не добиваются успеха. Опыт западных стран говорит о соотношении 30 / 70, где первая треть направлена именно на управление данными.

Корпоративный сегмент крайне неравномерно открылся технологиям на базе искусственного интеллекта. Понимая общие тренды развития и уже используя элементы, компании госсектора, промышленные предприятия и энергетическая отрасль пока с осторожностью подходят к применению такого рода технологий в связи с вопросами информационной безопасности и критичности любых ошибок и утечек. Но это вопрос времени.

В авангарде сейчас телеком, FMCG, ритейл и банки: они очень активно проводят тестирование, оценивают эффекты, анализируют ошибки и тиражируют разного рода решения на базе ИИ.

Когда мы говорим про импортозамещение, то понимаем, что есть западные решения с очень длинным жизненным циклом. Их довольно сложно заменить в короткие сроки, поскольку за ними стоят десятилетия бизнес-экспертизы и разработки. Возможным выходом в этой ситуации является совместное создание различных решений с переосмыслением подходов к разработке и привлечению лучших практик, которые сохраняются на рынке. В то же время отечественные решения и «молодые технологии», в том числе ИИ и big data, могут довольно быстро догнать, превзойти и составить серьезную конкуренцию текущим мировым лидерам.