Task Mining: как делать на 20% больше с аналитикой операций

Всем привет! В прошлой статье мы поговорили о процессной аналитике в целом, а также рыночных трендах на 2025 год. Всем прочитавшим — большое спасибо! А теперь к одному важному нюансу.

Один из главных трендов — синергия технологий, и речь не только о связках Process Mining с искусственным интеллектом и машинным обучением. Речь об использовании процессной аналитики в паре с Task Mining — или с аналитикой операций. Давайте разбираться, что это такое.

Многие ошибочно полагают, что между Task Mining и Process Mining нет никаких различий. Безусловно, общий контур работы технологий совпадает — в конечном итоге, обе направлены на повышение эффективности бизнеса, но вот детали значительно отличаются.

Task Mining — технология фиксации мельчайших бизнес-действий пользователя, которая группирует их в бизнес-операции (некоторые системы делают это в автоматическом режиме). В основе может лежать как компьютерное зрение (сложно и дорого), так и специализированные агенты мониторинга.

Здесь стоит сделать важную оговорку: прочитав абзац выше, может сложиться ощущение, что аналитика операций — это продвинутая система учёта рабочего времени, главная задача которой — контроль сотрудников. Безусловно, Task Mining можно использовать и в этом направлении, но какой ценой? По сути контроль — это повышение эффективности не более, чем на 5%. Ресурсов в это дело будет вложено много, но выхлоп будет не настолько серьезным. Завершу рерайтом цитаты: использовать Task Mining только для контроля всё равно, что топить печь облигациями.

Аналитики Goldman Sachs посчитали, что в мире примерно 1 миллиард офисных сотрудников. И труд как минимум 20% из них можно улучшить. Как это работает? В большинстве своём стафф совершает бесконечное количество ручных и монотонных операций — копирование информации, заполнение полей и так далее. Может показаться забавным, но цена вот таких мелких ошибок может быть максимально высокой. С помощью Task Mining бизнес зафиксирует все эти действия, определит, какие операции являются наиболее трудозатратными и сформулирует оптимизационные рекомендации, если в систему встроены алгоритмы искусственного интеллекта. Ко всему прочему, аналитика операций позволяет определить лучшие практики выполнения конкретных задач, что даст возможность масштабировать их на все подразделения и использовать в программах онбординга новых сотрудников. Также стоит отдельно отметить момент с обнаружением областей для автоматизации и роботизации — внедрение роботов позволит разгрузить персонал и направить его ресурсы на решение стратегических и когнитивно сложных задач.

Очевидно, что не такой большой, как у Process Mining. По сути своей масштабное использование аналитики операций начинается только сейчас. Первым отечественным решением с функционалом аналитики операций стал Proceset. Сейчас вендор предлагает все плюшки автоматической аналитики и использования возможностей искусственного интеллекта. Из недавних кейсов — оптимизация клиентского сервиса для МТС.

Говорить о других продуктах можно, но пока это будут досужие рассуждения. Sber и VK сделали анонсы функционала, но о результатах проектов пока не сказано ни слова. Будем следить за развитием событий.

Статья оформилась в сюжетное кольцо, и мы возвращаемся к тому, с чего начинали, но под другим ракурсом. Итак, мы выяснили, что аналитика процессов и аналитика операций — это разные аналитики. Process Mining — это взгляд сверху, так скажем, рамка исследования, сформулированная общими мазками. Task Mining — история про штриховку рисунка, если сохранять художественные аналогии. Таким образом, связка технологий — инструмент для достижения полной прозрачности бизнеса, обнаружения наиболее «узких мест» и, соответственно, максимизации прибыли.

Спасибо, что дочитали! Пишите в комментариях, что думаете о будущем Task Mining в России. Задавайте вопросы — с радостью на всё отвечу.