Фрагмент для ознакомления
2
В условиях активной цифровизации экономики компании сталкиваются с ростом объёма операций, выполняемых по формализуемым регламентам: обработка обращений клиентов, ввод и верификация данных, формирование отчётности, первичная проверка документов, сверка статусов заказов, инициация типовых задач в информационных системах. При увеличении нагрузки ручное выполнение таких действий приводит к росту издержек, увеличению времени реакции и повышению риска ошибок. Поэтому практико-ориентированный интерес смещается от классической автоматизации (жёстко заданные правила) к интеллектуальной автоматизации, где часть решений принимается на основе анализа данных и машинного обучения.
Интеллектуальная автоматизация процессов (IPA) рассматривается как развитие роботизации бизнес-процессов (RPA) за счёт включения компонентов машинного обучения и аналитики. В классическом RPA-приложении «робот» воспроизводит действия человека в интерфейсах систем (CRM/ERP/Service Desk/порталы), выполняя сценарии по правилам. IPA добавляет способности к интерпретации входных данных, работе с неструктурированным контентом (текст, изображения), выявлению аномалий и адаптивному выбору сценариев.
По результатам изучения публикаций выделяются устойчивые направления прикладного ИИ для бизнес-процессов: интеллектуальная поддержка решений, обработка естественного языка (NLP), компьютерное зрение и распознавание документов, прогнозирование спроса и рисков, обнаружение мошенничества, оптимизация цепочек поставок, персонализация маркетинга и продаж, а также мониторинг и предиктивное обслуживание оборудования. Значительная доля эффектов достигается за счёт сокращения «ручного труда» на операционном контуре и повышения качества данных.
Сформулированная тема научного исследования в рамках практики: «Интеллектуальная автоматизация маршрутизации обращений клиентов на основе машинного обучения и роботизации процессов (IPA + RPA)». В качестве целевого процесса выбрана первичная обработка обращений (классификация по тематике, приоритизация и назначение ответственного подразделения), так как он обладает высокой повторяемостью, значимой долей ручных действий и измеримыми показателями эффективности.
Ключевые проблемы процесса AS-IS, выявленные при анализе литературы и практик компаний:
1) Высокая доля рутинных действий. Первичная классификация и маршрутизация занимает существенное время операторов и не создаёт добавленной стоимости; 2) Неоднородность качества. Разные сотрудники по-разному интерпретируют тексты, что приводит к ошибкам назначения и повторной переадресации; 3) Сложность масштабирования. При росте обращений требуется пропорционально увеличивать штат; 4) Потери в данных. Часто отсутствует единый стандарт фиксации причин и результатов, из-за чего ухудшается аналитика; 5) Риски соблюдения SLA. Неправильная маршрутизация увеличивает время ответа и снижает удовлетворённость клиентов.
Сущность проблемы маршрутизации обращений состоит в преобразовании неструктурированного текста в управленческое решение: определить тематику обращения, оценить приоритет, определить правильную очередь/подразделение и инициировать дальнейшие шаги в соответствии с регламентом. Человеческий оператор решает задачу на основе опыта и контекста; автоматизация требует формализации и/или построения модели, способной обобщать знания из данных.
Для экспериментальной апробации сформирован тестовый стенд на основе инструментов анализа данных и машинного обучения. В качестве платформы моделирования использован Python с библиотеками обработки данных и построения моделей. В части автоматизации действий в корпоративных системах рассматриваются типовые платформы RPA/low-code (UiPath, Microsoft Power Automate) как средства оркестрации (создание и обновление тикетов, назначение очереди, постановка задач, отправка уведомлений).
Для практической интеграции в контур IPA целесообразно использовать стратегию управления риском: а) для каждого предсказания рассчитывать уверенность (probability); б) автоматически обрабатывать только обращения с уверенностью выше порога; в) остальные направлять на ручную проверку с последующим учётом результата для переобучения.
В рамках практики также проведена оценка потенциального эффекта по времени на основе типового сценария обработки входящего потока. Рассмотрим 10 000 обращений в месяц. При ручной первичной обработке со средним временем 2 минуты на обращение затраты составят 333.3 человеко-часов. При внедрении IPA-подхода примем: 15 секунд на автоматическую классификацию и создание тикета (0,25 минуты), а также 15% обращений на ручную проверку по 2 минуты. Тогда суммарные затраты составят 91.7 человеко-часов, экономия — 241.7 человеко-часов (≈72.5%).
В условиях развития цифровой экономики возрастает потребность в надёжных механизмах хранения и обработки данных, обеспечивающих их целостность, прозрачность и защищённость от несанкционированных изменений. Современные бизнес-процессы всё чаще реализуются с участием множества независимых субъектов, что усложняет централизованное управление информацией и повышает требования к доверию между участниками.
Технология блокчейн рассматривается как один из перспективных инструментов решения данной проблемы за счёт использования распределённого реестра транзакций, в котором каждая запись подтверждается консенсусом участников сети и не может быть изменена задним числом без нарушения целостности всей цепочки.
Целью данного кейса является анализ возможности применения технологии блокчейн для повышения прозрачности и надёжности данных в бизнес-процессах.
Изучены научные и прикладные источники, посвящённые технологии блокчейн, включая публикации в научных базах, обзорные статьи и материалы компаний-разработчиков. Рассмотрены основные принципы функционирования блокчейна, механизмы консенсуса, смарт-контракты и особенности применения в различных отраслях.
Сформулирована тема исследования: «Использование технологии блокчейн для обеспечения целостности и прозрачности данных в бизнес-процессах».
К настоящему времени наблюдается устойчивая тенденция к росту мобильности электронных приложений для бизнеса. Современные руководители, владельцы компаний и сотрудники нуждаются в постоянном и оперативном доступе к корпоративным информационным ресурсам и сервисам с различных устройств. В этих условиях мобильные приложения становятся важным инструментом повышения эффективности управления и организации труда.
Развитие мобильных технологий приводит к росту спроса на корпоративные мобильные приложения, обеспечивающие доступ к данным, задачам и отчётности в режиме реального времени. При этом перед организациями встаёт задача выбора оптимальных технологий разработки, способных обеспечить баланс между функциональностью, безопасностью и затратами.
В ходе работы изучены научные статьи и практические материалы, посвящённые разработке мобильных приложений для бизнеса, включая нативные и кроссплатформенные технологии. Рассмотрены публикации по вопросам пользовательского интерфейса (UI/UX), информационной безопасности, интеграции мобильных приложений с корпоративными системами, а также документация современных инструментов разработки.
Сформулированная тема исследования: «Выбор технологий разработки корпоративных мобильных приложений для повышения эффективности бизнес-процессов».
В современных условиях разработки программного обеспечения возрастает потребность в гибких подходах к управлению проектами, способных быстро адаптироваться к изменениям требований и условий внешней среды. Классические каскадные модели управления часто не обеспечивают необходимой гибкости и приводят к задержкам сроков и снижению качества продукта.
Agile-методологии ориентированы на итеративную разработку, тесное взаимодействие с заказчиком и непрерывную поставку ценного функционала. Их применение позволяет повысить прозрачность процессов, снизить риски и улучшить производительность проектных команд.
В ходе исследования изучены научные и прикладные источники по Agile-методологиям, включая Scrum, Kanban и экстремальное программирование (XP). Рассмотрены принципы Agile-манифеста, опыт внедрения гибких подходов в ИТ-компаниях и публикации о влиянии Agile на производительность команд.
Сформулированная тема исследования:
«Применение Agile-методологий для повышения эффективности управления ИТ-проектами».
В условиях цифровизации возрастает объём данных, обрабатываемых организациями, что требует надёжных и масштабируемых решений для их хранения и совместного использования. Облачные технологии предоставляют доступ к вычислительным ресурсам и данным через сеть, снижая требования к локальной инфраструктуре.
Использование облачных сервисов позволяет повысить доступность информации, обеспечить совместную работу пользователей и оптимизировать затраты на ИТ-инфраструктуру.
Изучены научные и прикладные источники по облачным вычислениям, моделям развертывания (частное, публичное и гибридное облако), а также рекомендации по обеспечению информационной безопасности в облачных средах.
Сущность проблемы заключается в обеспечении надёжного хранения данных при одновременном снижении затрат и повышении доступности. Рассмотрены основные модели облаков.
Сопоставление показало, что облачные технологии обеспечивают повышение доступности данных и эффективности совместной работы при условии соблюдения требований информационной безопасности.
В ходе практики выполнено исследование применения прикладного искусственного интеллекта для интеллектуальной автоматизации рутинных операций в бизнес-процессах компании. Проведён обзор научных и прикладных источников, систематизированы направления применения ИИ и роботизации, выявлена проблема низкой эффективности и вариативности ручной маршрутизации обращений.
Фрагмент для ознакомления
3
Список использованных источников
1. Тимербаев Р. Р. Автоматизация бизнес-процессов с использованием технологии RPA // E-Scio. 2019. № 5(32). URL: https://cyberleninka.ru/article/n/avtomatizatsiya-biznes-protsessov-s-ispolzovaniem-tehnologii-rpa (дата обращения: 09.01.2026).
2. Сидорова М. М. Роботизация бизнес-процессов и ее применение в банковской сфере // Хроноэкономика. 2021. URL: https://cyberleninka.ru/article/n/robotizatsiya-biznes-protsessov-i-ee-primenenie-v-bankovskoy-sfere (дата обращения: 09.01.2026).
3. Ефимов И. А. RPA. Автоматизация бизнес-процессов в IT-сфере // Лесотехнический журнал. 2023. URL: https://cyberleninka.ru/article/n/rpa-avtomatizatsiya-biznes-protsessov-v-it-sfere (дата обращения: 09.01.2026).
4. Гарадурудыев М. Искусственный интеллект и машинное обучение в автоматизации предприятий: современные тенденции и перспективы // Экономика и социум. 2024. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-i-mashinnoe-obuchenie-v-avtomatizatsii-predpriyatiy-sovremennye-tendentsii-i-perspektivy (дата обращения: 09.01.2026).
5. Сазонова Я. А. Применение искусственного интеллекта в бизнес-процессах: от практики использования к определению понятия «искусственный интеллект» // Социально-гуманитарное обозрение. 2024. URL: https://cyberleninka.ru/article/n/primenenie-iskusstvennogo-intellekta-v-biznes-protsessah-ot-praktiki-ispolzovaniya-k-opredeleniyu-ponyatiya-iskusstvennogo (дата обращения: 09.01.2026).
6. Ваганова П. А. Современные способы обработки запросов в службу технической поддержки // Colloquium-journal. 2024. URL: https://cyberleninka.ru/article/n/sovremennye-sposoby-obrabotki-zaprosov-v-sluzhbu-tehnicheskoy-podderzhki (дата обращения: 09.01.2026).
7. Маштакова Н. Г., Файзрахманова Г. М. Роботизация бизнес-процессов: инструменты и перспективы // Вестник Института экономики и управления НИУ «БелГУ». 2023. URL: https://cyberleninka.ru/article/n/robotizatsiya-biznes-protsessov-instrumenty-i-perspektivy (дата обращения: 09.01.2026).
8. Попов А. С. Обработка заявок в службе поддержки: подходы к распределению и контролю качества // Мир транспорта. 2022. URL: https://cyberleninka.ru/article/n/obrabotka-zayavok-v-sluzhbe-podderzhki-podhody-k-raspredeleniyu-i-kontrolyu-kachestva (дата обращения: 09.01.2026).
9. Мамочкина В. А. Выбор алгоритмов машинного обучения для классификации текстовых документов // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2021. № 4. URL: https://cyberleninka.ru/article/n/vybor-algoritmov-mashinnogo-obucheniya-dlya-klassifikatsii-tekstovyh-dokumentov (дата обращения: 09.01.2026).
10. Мальцева Н. А. Классификация текстов при помощи алгоритмов машинного обучения // Вестник науки и образования. 2020. URL: https://cyberleninka.ru/article/n/klassifikatsiya-tekstov-pri-pomoschi-algoritmov-mashinnogo-obucheniya (дата обращения: 09.01.2026).
11. Wewerka J., Reichert M. Robotic Process Automation -- A Systematic Literature Review and Assessment Framework // arXiv. 2020. URL: https://arxiv.org/abs/2012.11951 (accessed: 09.01.2026).
12. Wewerka J., Reichert M. Robotic Process Automation - A Systematic Mapping Study and Classification Framework // Enterprise Information Systems. 2023. URL: https://dbis.eprints.uni-ulm.de/2080/ (accessed: 09.01.2026).
13. Chakraborti T., Isahagian V., Khalaf R., Khazaeni Y., Muthusamy V., Rizk Y., Unuvar M. From Robotic Process Automation to Intelligent Process Automation - Emerging Trends // IBM Research. 2020. URL: https://research.ibm.com/publications/from-robotic-process-automation-to-intelligent-process-automation-emerging-trends (accessed: 09.01.2026).
14. Lievano-Martínez F. A., Fernández-Ledesma J. J., et al. Intelligent Process Automation: An Application in Manufacturing Industry // Sustainability. 2022. Vol. 14. Issue 14. Article 8804. DOI: 10.3390/su14148804. URL: https://www.mdpi.com/2071-1050/14/14/8804 (accessed: 09.01.2026).
15. van der Aalst W. M. P. Process Mining: Data Science in Action. 2nd ed. Berlin: Springer, 2016. ISBN 978-3-662-49850-7.