Как меняется автоматизация процессов
Александр Бочкин, генеральный директор Инфомаксимум, рассказал, как меняется автоматизация процессов, где возможностей RPA уже недостаточно, какие задачи берет на себя ИИ и почему перед автоматизацией важно сначала разобраться, как процесс работает на практике.
Автоматизация в бизнесе долго строилась вокруг тезиса «отдать роботу однотипную ручную работу». И это работало: удавалось ускорить перенос данных между системами, заполнение форм, обработку стандартных заявок и другие повторяющиеся операции.
Однако для многих этого уже недостаточно: документы приходят в разных форматах, обращения клиентов требуют анализа, данные нужно сверять между несколькими системами, а сотрудники часто принимают решения, исходя из ситуации и контекста.
Поэтому фокус постепенно смещается от простого повторения действий к работе с процессом в целом.
Робот, который работает по сценарию
Программный робот (RPA) повторяет действия человека: «видит» экран, нажимает кнопки, переносит данные между окнами, заполняет формы. Технически он работает с элементами интерфейса, а сценарий описывается по шагам: открыть приложение, авторизоваться, найти поле, скопировать значение, вставить в другую систему.
RPA-решения стали популярными, потому что дали бизнесу быстрый и понятный способ убрать рутину. Повторяемую операцию можно было описать по шагам и передать роботу без долгого ИТ-проекта, глубокой перестройки систем и сложной интеграции. Особенно это помогало там, где сотрудники каждый день работали между несколькими разрозненными приложениями.
Но у этой модели есть ограничения. Робот зависит от сценария и интерфейса: меняется экран, порядок действий или формат входных данных — сценарий приходится дорабатывать. Если информация приходит не в стандартном поле, а в письме, скане, документе или свободном комментарии, одной пошаговой инструкции уже мало. RPA ускоряет повторяемые операции, но плохо работает там, где нужно понять содержание задачи и принять решение, исходя из ситуации.
В Gartner зафиксировали, что уже в 2024 году рост мирового рынка ПО RPA замедлился — до 14,5% и $3,6 млрд за год, — и связали это с развитием генеративного ИИ и агентной автоматизации.
Контекст — главное
По моим наблюдениям, всё больше компаний уходят от автоматизации, которая держится только на жестком сценарии и действиях в интерфейсе. Этому способствует развитие API — механизмов прямого обмена данными между системами. Такой формат меньше зависит от интерфейса: если на экране изменилась кнопка или форма, процесс не ломается, потому что работа идет через заранее описанный обмен данными.
Это меняет саму логику: в центре оказываются данные, маршруты и правила их обработки. Но доступ к данным сам по себе не решает все задачи. В простых сценариях их достаточно передать из одной системы в другую. В более сложных — нужно понять содержание обращения, документа или отклонения и определить, что делать дальше. Здесь и появляется ИИ.
Например, RPA хорошо работает со стандартной формой, где все поля заранее известны. Но если приходит письмо, в котором нужные данные каждый раз указаны по-разному, жесткого сценария уже мало. ИИ может извлечь из текста суть, сопоставить ее с историей обращения и предложить следующий шаг: подготовить ответ, запросить недостающую информацию или передать задачу профильному специалисту.
Такая же история с отклонениями. Там, где сценарий RPA упирается в нестандартный случай и останавливается, ИИ помогает разобрать ситуацию по содержанию, а не только по заранее заданному списку шагов.
При этом самостоятельность остается управляемой. ИИ действует в границах, которые задает компания: какие действия ему разрешены, где обязательна верификация человеком, какими данными можно пользоваться и в каких случаях должен передать задачу сотруднику.
Разница подходов
ИИ расширяет возможности автоматизации. Он работает не только с формами и таблицами, но и текстами/документами/обращениями/перепиской, учитывает контекст и содержание, разбирает нестандартные ситуации и выбирает следующий шаг. Ещё одно важное отличие — устойчивость к изменениям, про которую я говорил выше.
Все можно обобщить в небольшой таблице:
RPA все еще полезен там, где процесс простой и стабильный. Но чем больше в работе данных и исключений, тем заметнее преимущество ИИ. По данным McKinsey, 92% компаний хотят увеличивать инвестиции в ИИ в ближайшие три года.
Не внедрять ИИ вслепую
Интерес к технологии массовый: в 2025 году 71% крупных отечественных компаний использовали генеративный ИИ минимум в одной бизнес-функции — на 17 процентных пунктов больше, чем в 2024.
Однако у ИИ есть свои особенности. Он хорош там, где есть данные, контекст и понятная задача. Поэтому внедрять его нужно адресно: не «куда-нибудь в процесс», а туда, где он действительно снимет нагрузку, ускорит работу или поможет принимать решения.
Но как такое место найти? Для этого нужна диагностика. Важно увидеть процесс таким, какой он есть в реальности: где сотрудники вручную переносят данные, где переключаются между системами, где повторяют одни и те же действия, а где каждый раз разбираются в ситуации заново.
Эту картину на уровне рабочих действий дает аналитика бизнес-операций (Task Mining). Task Mining показывает, как сотрудники выполняют задачи в приложениях: куда переходят, где вручную вводят данные, что копируют, какие операции повторяют. Так видно, где работа перегружена ручными действиями, где появляются лишние переключения между системами и какие участки подходят для автоматизации.
Так это сработало в одном из наших проектов. Крупный банк проанализировал обработку входящей корреспонденции и подготовки ответов на запросы с помощью аналитики процессов и операций (Process Mining и Task Mining). Диагностика показала интересную вещь: значительная часть трудозатрат приходилась на работу с неструктурированными документами — теми самыми, где классический сценарный робот может остановиться. Выявленный потенциал оптимизации составил 40–60% трудозатрат, а реализовать его планируется через связку ИИ с программной роботизацией. Как раз пример того, как подходы дополняют друг друга, если сначала понять процесс, а потом выбирать инструмент.
Можно продолжать опираться на классические сценарии автоматизации, но по мере усложнения процессов и роста требований к скорости изменений их ограничения будут проявляться все сильнее. Опыт позволяет говорить, что автоматизация постепенно смещается в сторону решений, работающих с данными и принимающих решения на уровне логики процессов. Так что переход к ИИ — это просто вопрос времени.
