Как с помощью роботов RPA и искусственного интеллекта повысить производительность труда бэк-офиса на 60%

В этой статье мы проанализируем, как структура рабочего времени офисных работников влияет на производительность их труда, и как проблема поиска новых способов повышения эффективности в условиях существующей автоматизации решается с помощью программных роботов и технологии GPT.

Как теряется время

По стандартной формуле: Производительность труда = Выполненная работа / Затраченное время

Выполненная работа (P) при этом может быть измерена в количестве обработанных транзакций, составленных отчетов, закрытых балансов и т.д.

С затрачиваемым временем дело обстоит сложнее. Один из клиентов нашей компании — руководитель крупного промышленного предприятия задался вопросом: из чего скадывается рабочее время сотрудников казначейства, отделов продаж, бухгалтерии, клиентского сервиса и HR?

Для ответа на этот вопрос в компании оценили работу бэк-офиса, замерив время на выполнение разных задач. При этом оценивалось исключительно рабочее время, без учета обеденных и прочих перерывов. По итогам замеров выяснилось, что:

Т1 — это 66% рабочего дня — время, которое сотрудники бэк-офиса тратят на работу в различных информационных системах. При этом треть этого времени — 22% уходит на повторяемые, не требующие квалификации действия: перенос информации из одной системы в другую и перекрестную проверку данных.

T2 или 9% — время на поиск информации, необходимой для выполнения работы, в корпоративных базах знаний и внешних источниках, таких как Консультант+ .

T3 — 12,5% времени занимает продуктивное рабочее общение: постановка, обсуждение, решение бизнес-задач и т.д.

Т4 — 12,5 %, то есть столько же, отнимает помощь коллегам и ответы на их вопросы – «как это сделать», «где найти…», «а вот здесь у меня не получилось – посмотри, пожалуйста».

Таким образом, из переменных Т в получившейся формуле: Производительность труда = Р/(T1+T2+T3+T4) можно вычленить сразу несколько «утечек» временного ресурса:

• Простые, рутинные операции в информационных системах и на стыке между ними (Т1), например мониториг ресурсов с тендерами, или скачивание конкурсной документации,
• Помощь коллегам в процессе выполнения операций в этих системах (Т4)
• Поиск информации в различных источниках (Т2)

Даже в технически продвинутых компаниях ситуация усугубляется еще и тем, что распределение времени между Т2 (поиск информации), Т3 (продуктивное рабочее общение) и Т4 (помощь коллегам, которые не могут справиться с задачей самостоятельно) напрямую зависит от уровня квалификации сотрудника. Чем она выше, тем больше своего рабочего времени он вынужден тратить на Т4 —помощь менее квалифицированным коллегам в ущерб всему остальному.

То есть, чем дороже компании обходится ценный специалист, тем меньше времени он зачастую может тратить на сложные задач, для решения которых был нанят.

Оценивая возможности оптимизации бизнес-процессов в десятках разных компаний, включая собственную, мы можем с уверенностью сказать, что, несмотря на системное внедрение автоматизации, нерациональное с точки зрения производительности труда распределение рабочего времени характерно для большинства из них.


Традиционные способы решения проблемы «утечек» времени

Рутинные задачи в информационных системах (Т1) можно автоматизировать:

1. средствами этих же информационных систем. Например, за счет автоматизации новых функций в корпоративной 1С;
2. за счет внедрения новых информационных систем, автоматизирующих интеграционное взаимодействие между существующими системами, либо заменяющими их. Например, за счет разработки сервера для обмена информацией с федеральными органами исполнительной власти, который сможет менять формат входящих данных под требования госпортала и обменивается с ниминформацией до получения нужного результата.

Стратегически, второй способ представляется наиболее эффективным — мы не только решаем текущую задачу, но и закладываем фундамент для решения подобных задач в будущем.

Но есть и минусы — это дорого и требует существенных ресурсов ИТ-департамента и бизнес-подразделений. В краткосрочной перспективе 1-2 лет, пока идет проектирование, разработка и внедрение новых систем, подход приведет к сокращению производительности, а не наоборот.

Проблемы избыточной траты времени на поиск информации (Т2) и на помощь коллегам (Т4) могут быть решены за счет совершенствования внутренних образовательных платформ, создания баз знаний стандартизации процессов и процедур.

Это важные элементы стратегии, но, согласитесь, знания, полученные на курсе это совсем не то же самое, что знания, полученные в процессе живого неоднократного показа способа выполнения той или иной операции со стороны коллеги.

В дополнение к уже известным инструментам и подходам могут быть применены технологии, противоположные с точки зрения идеи, но взаимодополняющие друг друга в процессе повышения производительности труда. Речь про технологии RPA (Robotic Process Automation) и GPT (Generative Pre-trained Transformer).


Какие бизнес-процессы оптимизирует технология RPA

RPA предназначена для автоматизации рутинных задач в бизнес-процессах, которые выполняются на компьютере в любых приложениях по заранее заданному алгоритму.

Максимальный экономический эффект применения RPA, достигается в процессах, требующих быстрой и точной обработки большого объема однотипных данных. Например: обработка большого количества счетов и актов, поступающих от подрядчиков, их распознавание, структуризация полученной информации и внесение ее в корпоративную информационную систему для дальнейшей обработки. Еще один пример – проверка информации о контрагентах в системах Контур.Фокус, ФНС и т.д.

Для этого RPA использует программных роботов (ботов), которые буквально имитируют действий человека при взаимодействии с компьютером.

При этом ключевая особенность RPA как инструмента автоматизации — выполнение конкретных задач по заранее определенному сценарию.


Как RPA повышает производительность труда

С помощью RPA рутинные задачи автоматизируются без существенных затрат времени средств на полномасштабное внедрение новых информационных систем. А внедрение роботов от постановки задачи и оценки предполагаемого эффекта до запуска занимает от 2 до 5 недель.

При этом годовые затраты на одного робота эквивалентны 2-4 месячным окладам человека на соответствующей позиции.

RPA в разы сокращает время на выполнение операций. Внедрение роботизации в обработку данных о корпоративных поездках на такси в компании одного из наших клиентов — сети супермаркетов ускорило процесс в 30 раз и экономит компании 1,43 FTE.

Дополнительный доход другого нашего клиента — одного из ведущих российских банков только от внедрения робота RPA для подсчета плавающей процентной ставки составил 40 миллионов рублей. Общий экономический эффект роботизации рутинных задач в банке превышает 350 FTE, а совокупная выгода — более 600 000 000 рублей.

Важно отметить, что здесь речь идет именно о массовых, повторяемых операциях. Перераспределив ресурсы сотрудников с этих операций на операции, требующие экспертизы и когнитивных способностей, можно обеспечить большую производительность соответствующих процессов при сохранении объема затрачиваемых на них человеческих ресурсов.

Кроме того, избавление рутины поднимает мотивацию сотрудников. И значит — сокращает текучку кадров, затраты на поиск новых сотрудников и их обучение. А это уже снижает косвенные затраты на сопровождение бизнес-процессов.

А еще, RPA может помочь сократить затраты на обучение и повышение его эффективности. Программные роботы могут выполнять задачи не только как цифровые сотрудники, но и как менторы, в пошаговом режиме проводящие сотрудника по всем этапам процесса на его рабочем месте. В этом случае они не выполняют операции за человека, а подсказывают ему следующий шаг – какие кнопки надо нажать, какие данные ввести, давая пояснения по ходу работы. Важно, что сотрудник может повторять такие сессии с любой частотой и в то время, когда ему это удобно и необходимо.


Чем искусственный интеллект поможет бэк-офису

Поговорим о технологии GPT, которая, как уже упоминалось выше, работает по противоположному RPA принципу.

GPT — это модель искусственного интеллекта, ориентированная на понимание и генерацию естественного языка. Она может создавать тексты, отвечать на вопросы и выполнять другие задачи, связанные с обработкой естественного языка.

GPT работает на основе машинного обучения, обучается на огромных массивах текстовых данных пониманию контекста, стиля, структуры языка и генерирует ответы на вопросы, заданные на обычном, разговорном языке. Ключевая область применения GPT - создание контента, автоматизация ответов на запросы клиентов, анализ текстовых данных, обучение и другие задачи, где важно понимание и генерация текста на естественном языке.

И, что важно – GPT не про четкую, заранее определенную логику. А про синтез на основе информации из различных источников по принципу, сходному с мышлением человека.


Как GPT повышает производительность труда

GPT может:

- автоматически генерировать тексты, отчеты, электронные письма, а также создавать резюме документов, значительно сокращая время, необходимое для этих задач.

- предоставлять информацию, аналитические данные и рекомендации, основанные на анализе больших объемов данных, что помогает в принятии более обоснованных и своевременных решений;

- использоваться для создания персонализированных обучающих программ, интерактивных курсов и симуляций, что повышает эффективность обучения и развития персонала.

Типовым сценарием работы GPT является создание корпоративного робота-консультанта по HR-вопросам, помогающего сотруднику узнать о правлении компании, процедурах оформления документов, отпусков, больничных и т.д. Сотрудник в этом случае формулирует вопрос роботу в любом удобном виде, а в качестве ответа получает информацию, синтезированную на основе данных из корпоративных баз знаний и корпоративной HR-системы.

RPA + GPT = максимальный эффект

Объединение RPA и GPT позволяет кратно увеличить эффект от их применения за счет объединения сильных сторон этих технологий. Мы в Primo RPA идем именно таким путем и недавно дополнили наше решение RPA решением GPT от нашего технологического партнера, компании МТС ИИ. Комплексное решение, разворачиваемое как в облачной инфраструктуре, так и защищенном контуре заказчика, без выхода во внешнюю сеть, позволяет решать задачи минимизации участия человека в простых операциях.


Вот несколько примеров совместного использования.

Подготовка шаблонов договоров и ведение библиотеки шаблонов. В рамках этого кейса RPA по заданному расписанию собирает и передает на анализ в GPT действующие договоры и регламенты. GPT на основе этой информации + внутренних регламентов + информации из Консультант Плюс создает шаблоны договоров и классифицирует их по вариантам использования. RPA, в свою очередь, собирает шаблоны в формате MS Office на основе предоставленной GPT информации и размещает подготовленные шаблоны для последующего использования.

Например, в страховой компании договор с корпоративным клиентом собирается руками из частей аналогичных договоров, при этом нужно учитывать условия предыдущего договора, условия, выставленные в оффере на продление, с последующей двухступенчатой проверкой. Это занимает примерно 1 час 10 минут. Сборка договора егос помощью gpt займет примерно 5 минут, а RPA сразу же отправит его на согласование, а 2 проверки займут полчаса.

Автоматизация создания договоров на основе шаблонов. Сотрудник формулирует в диалоговом режиме GPT просьбу о подготовке проекта договора. GPT предлагает проект договора на основе шаблона и полученной от сотрудника дополнительной информации. А затем предоставляет текст сотруднику и, в случае его согласия, передает текст договора в RPA для подготовки проекта договора. RPA не только готовит файл с проектом договора, но и запускает его на согласование.

Результ применения такого комплекса решений — сокращение рутинной работы по ведению библиотеки шаблонов договоров и по подготовке новых договоров, сокращение затрат на поиск информации за счет формирования подсказок сотрудникам на основе информации из различных источников. Также снижаются затраты на перекрестную поддержку, поскольку необходимость давать ответы на простые вопросы берут на себя GPT и RPA.

Заключение

В России системные исследования практического влияния применения технологий RPA и GPT на производительность труда почти не проводились. Это связано с относительной новизной технологий — RPA всерьез российские компании начали применять только 5-6 лет назад, а о применении GPT многие задумались только в этом году.

Между тем, согласно исследованию Deloitte Global RPA Survey, роботы могут обеспечивать до 52% от общей емкости полной занятости для бэкофисных процессов, что позволяет перераспределить человеческие ресурсы на более ценные для компании виды деятельности.

Применение GPT на наш взгляд позволяет не только приблизиться к верхнему порогу этой цифры, но и увеличить его до 60-65%. И компании, начинающие применять эти технологии в этом и следующем году получат больше преимуществ перед конкурентами.

Источник: журнал "Генеральный директор. Управление промышленным предприятием", январь 2024