Для анализа процесса недостаточно здравого смысла.

Я уже писал свое мнение о том, что ИИ в обозримом будущем не сможет полностью заменить процессного аналитика так как делает выводы на основе здравого смысла, не обладая знаниями о процессе. Может поискать по тэгу #electric_sheeps.

Рассмотрим это ограничение на примере. Из-за NDA он собран из нескольких реальных случаев так что все совпадения случайны.

Есть пищевой ритейл для которой проводили анализ процесса снабжения магазинов. Одной из зон внимания сам заказчик назвал ручное формирование заказа. В сети реализован автозаказ на пополнение запасов из распределительного центра или напрямую от поставщиков который формируется ежедневно. Корректировка такого заказа или создание с нуля вручную дает дополнительную нагрузку на ресурсы.

После загрузки журнала событий аналитик подтвердил, что проблема существует и объем таких заказов велик - более 4% от общего числа. Сразу захотелось пойти по пути "fte-first" и предложить клиенту поправить автоматизацию или "натравить" на эту задачу робота.

Кстати, аналитик, пришедший из мира BI, совершил типовую ошибку - воспроизвел метрику, о которой рассказал заказчик с разбивкой по магазинам, категориям товаров и т.п. Уже позже мы проверили что присутствуют как события по созданию, так и по изменению ручного заказа. Редактирование позиция заказа занимает до получаса. Перед встречей с клиентом дополнили дэшборд графиками изменений числа заказов во времени и профилем работы с заказами внутри рабочего дня. Если будет интересно - напишите в комментариях и я напишу отдельную статью об этос типовом приеме.

Возвращаемся к ручным операциям. Мы обсудили результат в совместной с заказчиком в рабочей группе и за 30 минут успели пройти серию итераций: 1. Для определённых категорий ручной заказ утром это норма так как автозаказ не справляется - свежая рыба, хлеб и торты, и т.п. 2. Для других категорий заказ инициируют не сотрудники, а мерчандайзеры поставщика продукции которые оценивают полноту выкладки и просят дозаказать. Тут заказ происходит в произвольное время дня 3. Оставшиеся ручные заказы — это очень малая доля от общего числа, эффекта от их "искоренения" не будет 4. Вопросы вызвал профиль распределения активности по вводу заказов - она равномерна «размазана» по дню, менеджер сидит за компьютером вместо того, чтобы контролировать торговый зал и его загрузка выше, чем ожидал заказчик, планируя состав смены в магазине. 5. Опрос сотрудников из двух магазинов выявил причину – настойчивость мерчандайзеров, настаивающих на немедленном вводе заказа 6. Заказчик дополнил регламент, определив четкие временные окна для ввода ручных заказов, исправив ситуацию

Я не проводил контрольного эксперимента с LLM моделью, но уверен, без контекста шансов у LLM понять, что есть категории-исключения нет. Вести диалог, одновременно накладывая фильтры в ИС существующие ИИ агенты так же не смогут - представитель функционального заказчика рассуждал в общении с нами вслух, а не формулировал просьбу наложить конкретный фильтр.

Еще лет 5 мы будем страдать от отсутствия квалифицированных процессных аналитиков, следя параллельно за совершенствованием ИИ.

Я не могу назвать себя гуру в области ИИ. Если существует способ настроить ИИ для работы в описанной ситуации - с удовольствием обсужу в комментариях

#dreamteam #pass_or_fail