К нам пришла компания с запросом на автоматизацию
Больше двадцати лет на рынке, сложившаяся структура, десятки сотрудников. На первой встрече мы задали стандартный вопрос: как у вас устроен этот процесс?
Мы слышим это регулярно. Формулировки разные, смысл один: компания хочет передать подрядчику не только разработку, но и понимание собственного бизнеса.
Двадцать лет работы накапливают не только опыт, но и процессы, которые давно никто не пересматривал. Их не описывают, потому что «и так все понимают». До момента, когда приходит подрядчик и оказывается, что все понимают по-разному.
Знание о бизнесе живёт внутри компании. Мы можем помочь его структурировать, задать неудобные вопросы и найти, где слова расходятся с практикой. Придумать логику чужого бизнеса за его владельцев не получится при всём желании.
Цифровизация как способ избежать разговора
Компании часто идут к разработчику не потому, что готовы к автоматизации, а потому, что хотят решить накопившиеся проблемы с процессами. Логика понятна: новая система всё упорядочит, заставит работать по-новому и снимет вопросы.
На практике система усиливает то, что уже есть. Плохо описанный процесс после автоматизации работает плохо, но быстрее и дороже.
Три признака, что компания не готова к внедрению ИТ-системы
- Разные руководители описывают один и тот же процесс по-разному. Не в деталях, а по сути. Если спросить троих, как происходит согласование заявки, можно получить три разных ответа.
- Нет человека, который принимает окончательные решения по продукту. Есть комитет, занятый руководитель и несколько отделов с конфликтующими интересами. Решения не принимаются или ходят по кругу.
- Требования меняются во время разработки, потому что подразделения только тогда начинают разговаривать между собой. Этот разговор нужно было провести до старта.
Если эти признаки уже видны, смена подрядчика сама по себе не исправит ситуацию. В материале «Почему информационные системы проваливаются» мы подробно разбираем, как организационные разрывы превращаются в срыв сроков, бюджета и внедрения.
Бизнес-анализ - это не формальность перед разработкой
Когда мы заходим в проект, первый шаг всегда один: понять, как устроен бизнес клиента. Не чтобы нарисовать красивые схемы, а чтобы найти, где реальность расходится с тем, как её описывает руководство.
В том проекте бизнес-анализ занял больше времени, чем планировалось. Выяснилось, что процессы, которые казались устоявшимися за двадцать лет, держались на нескольких конкретных людях и их личных договорённостях. Уйдёт человек - процесс рассыплется.
Компания узнала об этом до того, как риск проявился в плохой момент. Бизнес-анализ здесь сработал как диагностика, а не как формальность.
Что даёт нормальный бизнес-анализ
- Единое понимание процесса у всех участников до того, как написана первая строка кода. Это снимает значительную часть правок во время разработки.
- Чёткое разграничение: что автоматизируем, что остаётся на людях, где ИИ добавляет ценность, а где только усложняет работу.
- Реалистичная оценка стоимости. Размытые требования всегда превращаются в неожиданные расходы позже.
Если будущая система должна давать руководителю измеримую картину работы, на этом же этапе определяют, какие данные собирать и как будет устроена бизнес-аналитика и управление на основе данных .
ИИ масштабирует то, что уже есть
Сейчас к нам приходит много запросов с формулировкой «хотим внедрить ИИ». Иногда за этим стоит конкретная задача, чаще - ощущение, что нужно успеть за тенденцией.
ИИ хорошо работает там, где есть чёткий процесс и данные. Транскрибация совещаний, распознавание документов и предиктивная аналитика опираются на структурированные данные и понятную логику работы. Именно под такие задачи создаются ИИ-агенты и системы корпоративной автоматизации .
Компания, которая не может описать, как у неё обрабатываются входящие заявки, не готова к внедрению ИИ в этот процесс. Нечему учиться и нечего автоматизировать.
Мы видели проекты, где компании внедряли дорогие ИИ-решения и получали автоматизированную версию своей неразберихи. Работает. Только хаос теперь быстрее.
Практические критерии выбора подходящей задачи мы собрали в статье «Искусственный интеллект в госсекторе и на предприятиях» .
