Process Mining нового поколения: как ИИ трансформирует аналитику

О спикере: Мария Гуртученко, старший управляющий директор, начальник управления аналитики по расходам и Process Mining «Сбера».

От процессов к результатам

— Что такое Process Mining и в чем его преимущества по сравнению с традиционными подходами к анализу процессов?

— Process Mining (процессная аналитика) — это технология, которая позволяет анализировать бизнес-процессы на основе цифровых следов, оставляемых в информационных системах. Если раньше анализ проводился вручную экспертами, занимал много времени и был подвержен субъективной оценке, то с внедрением Process Mining этот процесс стал автоматизированным, быстрым и объективным. Такая аналитика позволяет увидеть скрытые взаимосвязи и зависимости внутри процессов, что помогает выявить неэффективности и предложить конкретные меры по их улучшению, основанные на данных. Это дает компаниям качественно иной уровень управляемости.

«Сбер» начал разрабатывать собственное решение еще в 2018 году — мы были одними из первых в России, кто системно занялся этим направлением.

— В каких отраслях Process Mining востребован сегодня больше всего?

— Технология активно применяется в самых разных секторах экономики. По данным нашего совместного исследования с компанией «Технологии доверия» в 2024 году, наибольшую активность во внедрении Process Mining показывают финансовый сектор и лизинг, металлургия и горнодобывающая промышленность, ретейл, тяжелая промышленность и машиностроение, а также сельское хозяйство и пищевая промышленность. Мы также видим растущий интерес к технологии в сфере IT и в государственном управлении.

— Согласно вашему исследованию, к 2028 году рынок Process Mining в России вырастет до ₽7,3 млрд. За счет чего ожидается такой рост?

— Есть несколько ключевых факторов. Во-первых, процессы в компаниях становятся все сложнее, Process Mining способен дать объективную и детализированную картину происходящего. Во-вторых, стремительно увеличивается объем данных — и в них может быть скрыто множество инсайтов, которые важно использовать для повышения эффективности.

И наконец, бизнесу сегодня как никогда важно быстро принимать управленческие решения. Process Mining позволяет сократить время анализа за счет автоматизации и предоставляет информацию в нужный момент.

Индустрия 4.0 9 трендов автоматизации бизнес-процессов

ИИ как двигатель процессной аналитики

— Насколько возможно масштабировать Process Mining без использования искусственного интеллекта?

— На деле — практически невозможно. Сегодня любые аналитические инструменты, в том числе и Process Mining, требуют поддержки ИИ, чтобы работать в больших масштабах. Поэтому мы изначально проектировали нашу платформу как экосистему со встроенными ИИ-решениями — начиная от ML-моделей и автоматического исследования и продолжая текущей разработкой ИИ-агентов.

Мы уже видим эффект от этого подхода: например, совокупный экономический результат от применения Process Mining в «Сбере» превысил ₽26 млрд. Это подтверждает, что масштабирование решений, усиленных ИИ, — это не теория, а рабочая практика, уже доказавшая свою эффективность.

ИИ-агенты — это следующий этап эволюции. Они способны проверять больше гипотез, чем человек, самостоятельно подбирать нужные методы анализа и принимать решения о том, какие данные использовать. Все это критически важно в условиях стремительной цифровизации, роста объемов информации и необходимости быстро внедрять изменения.

— Как внедрение ИИ-агентов меняет сам подход к анализу процессов в Process Mining?

— Оно существенно меняет логику распределения задач. Рутинную и техническую часть анализа теперь берет на себя ИИ-агент. Это позволяет освободить экспертов для задач более высокого уровня: глубокой аналитики, управления изменениями, работы с человеческим фактором.

Пользователь формулирует вопрос на естественном языке, загружает цифровые следы и бизнес-контекст — дальше агент самостоятельно подбирает методы анализа, обрабатывает данные и формирует выводы. Эти выводы тоже представлены на естественном языке, что делает процесс максимально прозрачным и понятным для пользователя.

Например, мы анализировали процесс предоставления социальных услуг в Липецкой области. Аналитик потратил на это исследование 40 часов. ИИ-агент справился с тем же объемом за 35 минут и выявил 62% ключевых неэффективностей, которые обнаружил человек. Это наглядно демонстрирует, как сильно ИИ может ускорить аналитику.

Индустрия 4.0 Не помощник, а коллега: как ИИ-агенты изменят работу

— Можно ли полностью доверять выводам ИИ-агента и кто несет ответственность, если рекомендации ИИ оказываются неверными?

— Важно понимать, где заканчиваются компетенции ИИ и начинается зона ответственности человека. Агент — это сочетание LLM и классического кода: первый выполняет роль «мозга» и интерпретатора, второй отвечает за точные расчеты. Цифрам и расчетам можно доверять, а вот интерпретации — в зависимости от качества методологии, заложенной аналитиками, и зрелости LLM. Один из главных рисков — ошибки на этапе обучения модели. Чтобы их избежать, мы регулярно мониторим качество и полноту данных, на которых обучаем агентов, и проводим контрольные проверки.

Если говорить об ответственности, то, когда речь идет о базовых способностях LLM, за это несет ответственность разработчик, так как он закладывает всю логику в модель и задает рамки того, что должна делать LLM, а что — классический код. За интерпретацию и внедрение изменений отвечает аналитик и бизнес-пользователь. ИИ-агент — это всего лишь инструмент. Он помогает ускорить работу, но решения по-прежнему принимает человек — и именно он несет за них ответственность.

Люди, данные и путь к зрелости

— Насколько серьезным барьером для внедрения Process Mining сегодня являются исходные данные? Часто можно услышать мнение, что в компаниях их просто недостаточно для полноценного анализа процессов.

— Это действительно частое опасение. Для качественного анализа с помощью Process Mining нужны обязательные атрибуты: уникальный экземпляр процесса, операция и дата. При этом наличие дополнительных параметров, таких как пользователь, территория, продукт и т.д., значительно усиливает аналитическую глубину.

Многие компании сомневаются в своей готовности к внедрению, особенно если уровень цифровизации невысокий или действия происходят вне автоматизированных систем. В таких случаях мы рекомендуем использовать Process Mining в связке с Task Mining (далее — ТМ) — технологией, которая собирает цифровые следы сквозных процессов, протекающих в разных системах и приложениях на рабочем компьютере. TM фиксирует действия пользователей: клики, переходы, ввод данных, работу в браузере и электронной почте. Благодаря этому мы получаем непрерывную цепочку от действий человека до системных событий, что позволяет восстановить сквозной процесс даже при недостаточном логировании (фиксация и хранение информации о событиях, действиях и ошибках в работе системы для анализа и отладки).

— А какие требования предъявляются к данным, чтобы с ними мог корректно работать ИИ-агент?

— ИИ-агенту нужны структурированная модель данных, контроль ее качества, а также описание информации на естественном языке — чтобы LLM могла правильно интерпретировать их значение и контекст.

Подготовка таких данных требует участия аналитика: именно человек формирует описание, которое становится понятным для модели. Без этой работы ИИ не сможет выдать достоверный результат — и здесь снова проявляется важность человеческой экспертизы.

ИИ-агент ограничен базой знаний человека, на основе которой он был обучен. Без специалиста система не растет, поэтому, если в его картине мира нет знания о том, что такое, например, «заявка» или «оплата», он не сможет корректно проанализировать данные. Если взаимосвязи между показателями известны только человеку-эксперту, LLM не в состоянии их восстановить без соответствующей поддержки в своей базовой модели.

Индустрия 4.0 LLM: как работают языковые модели для чат-ботов и умных поисковиков

Несмотря на стремительное развитие искусственного интеллекта, человек по-прежнему остается ключевой фигурой в анализе процессов. ИИ-агент — это не замена, а «умный помощник». Он не способен придумать новое или выйти за пределы того, чему был обучен. Ключевые решения, внедрение изменений — все это остается на стороне человека. Только эксперт может быть источником знаний и тем, кто может транслировать выводы.

— Требуется ли специальное обучение аналитиков для работы с ИИ в Process Mining от «Сбера»?

— Наша платформа разрабатывается так, чтобы ее использование было интуитивно понятным: это снижает барьер входа и не требует дополнительного обучения. Однако важно, чтобы специалист понимал, как работает LLM, какие у нее есть возможности и ограничения. Это знание необходимо для корректного взаимодействия с агентом и правильной интерпретации его рекомендаций.

— Возможно ли в будущем, что ИИ-агенты обретут «профессиональную интуицию», сравнимую с человеческой? И нужно ли к этому стремиться?

— На текущем этапе развития искусственного интеллекта мы говорим об ANI — Artificial Narrow Intelligence (узкоспециализированном искусственном интеллекте). Это алгоритм, который выполняет четко заданные функции, но не способен к самообучению, интуиции или самостоятельному мышлению. Да, уже существуют методы дообучения, такие как LoRA, которые позволяют адаптировать модели к новым данным, но это все еще строго контролируемый процесс.

Если говорить о будущем, где модели потенциально будут обладать когнитивными способностями и элементами самообучения, важно помнить о рисках. Такие системы потребуют совершенно новых подходов к вопросам безопасности, интерпретируемости и управляемости. И эти вопросы нужно начинать прорабатывать уже сегодня.

— Какие планы у «Сбера» по дальнейшему развитию ИИ в Process Mining?

— Сейчас мы завершаем тестирование нашего ИИ-агента. До конца 2025 года планируем вывести его первую версию в промышленную эксплуатацию внутри «Сбера». А уже в 2026 году этот функционал станет доступен и для внешнего рынка. Это будет важный шаг к масштабному внедрению ИИ в процессную аналитику в самых разных отраслях.

Мы считаем важным развивать не только продукт, но и профессиональное сообщество вокруг него. Для этого используем разные форматы: проводим открытые воркшопы, обучение студентов в вузах, создали сообщество по Process Mining. Одним из ключевых мероприятий является наша ежегодная конференция по процессной аналитике. Следующая будет посвящена теме «AI в Process Mining — новые возможности». Такие события способствуют распространению знаний, развитию лучших практик и формируют интерес к технологии в бизнесе и госсекторе.

Экономика инноваций Кто такой бизнес-коуч и как его выбрать для команды

— Что бы вы посоветовали тем, кто только начинает внедрять ИИ в Process Mining?

— Прежде всего нужно понимать: внедрение ИИ-агентов требует системного подхода и проработки взаимодействия между аналитиком и моделью.

ИИ-агенты уже сегодня усиливают возможности Process Mining, но именно человек остается источником методологии, экспертизы и стратегического видения. Успешное внедрение зависит от того, насколько точно аналитик умеет «перевести» свой опыт на язык модели.