Многие компании перешли на ЭДО – автоматизация документооборота помогает оптимизировать бизнес-процессы и экономит время на обработку документов. Кроме того, снижаются расходы на бумагу, услуги курьеров, хранение бумажных архивов. Однако ЭДО не спасает в ситуации, когда документов много. Чаще всего трудоемкая работа ложится на плечи секретарей, делопроизводителей, специалистов по кадрам, юристов, бухгалтеров.
Решить проблему может искусственный интеллект. Окупаемость затрат зависит от объема документооборота и составляет в среднем от 6 месяцев до 1,5 лет. Технология значительно сокращает потребность в ручной обработке документов, повышает точность проверки данных и снижает вероятность ошибок при заполнении форм.
Что могут сервисы ЭДО с применением ИИ
- Выявление и сравнение текстов документов. Алгоритм распознает и классифицирует отсканированный текст по категориям документов, а также сравнивает версии одного и того же документа. Кроме того, можно находить похожие файлы и выстраивать связи между ними по проектам или контрактам.
- Работа с информацией в документах. ИИ может извлекать из текста ключевые данные, такие как даты, ФИО, условия, реквизиты. Алгоритм умеет саммаризировать информацию, составлять краткие аннотации и искать в документе нужные разделы. В некоторых сервисах можно проверять документ на фактические ошибки и несоответствия, а также корректировать его под требования конкретной организации.
- Автоматизация рутинных задач. ИИ-алгоритмы генерируют шаблоны для новых документов, автоматически заполняют карточки документов и формируют отчеты на основе доступной аналитики. Системы могут сортировать входящую корреспонденцию и направлять ее конкретным сотрудникам, а также напоминать о необходимости ответить.
Однако не стоит думать, что внедрение искусственного интеллекта повлечет за собой полное выключение человека изо всех процессов.
Актуальные проблемы внедрения ИИ
- Можно автоматизировать функции, но не заменить специалиста. ИИ автоматически справляется с отдельными задачами, которые хорошо раскладываются на алгоритм. Однако, если задача уникальная, например, нешаблонный договор со специфическими пунктами, то ИИ выступает в качестве помощника человека.
- Расходы на старте. Экономия от внедрения ИИ в любой бизнес-процесс проявится далеко не сразу. Сначала бизнесу нужно подготовить специалистов – оператора ИИ, а также сотрудника, принимающего результат работы. Потом на практике увидеть типовые проблемы, которые несет автоматизированный подход. И выработать решения. Например, что делать, если алгоритм с вероятностью 2% неверно выявляет риски в договорах? Можно построить процесс так, чтобы после обработки документа сотрудник обязательно проверял договор, тем самым минимизируя дальнейшие проблемы при согласованиях и форс-мажорах. Кажется, что эти действия не оптимизируют процесс, но на самом деле специалисты будут тратить в среднем на 70% меньше времени на обработку документов. Этот процесс, скорее всего, компания выработает на опыте. Предусмотреть все кейсы на этапе внедрения невозможно.
- Нужно определиться, поручить ли задачу по внедрению ИИ внутренней команде или доверить эту миссию вендору. В зависимости от этого план внедрения нужно будет скорректировать, но общие принципы одинаковые для обоих процессов.
Краткий план внедрения ИИ в документооборот
1. Выявить бизнес-проблему
Проанализируйте процессы в вашей компании и определите пул задач, которые выполняются дольше всего и сопровождаются ошибками. По нашему опыту, чаще всего проблемы возникают с упорядочиванием и сбором всей информации и документов в едином месте. Обсудите со стейкхолдерами, насколько сейчас важно решить задачу и какие средства выделены на этот процесс. Приступать к действиям стоит только после того, как сформируете четкую бизнес-потребность и согласуете задачу с лицами, принимающими решения.
Чаще всего компании сталкиваются с одной из двух верхнеуровневых проблем:
- Повышенная загрузка юристов из-за роста компании. Если проверкой и согласованием документов занимаются только юристы, а бизнес растет, в определенный момент количество договоров увеличится настолько, что штат придется срочно расширять. Тогда компании обращаются к ИИ-инструментам, чтобы оптимизировать процессы и увеличить пропускную способность юристов.
- Повышенная нагрузка на юристов из-за сложных процессов со смежниками. Если в работу с договорами вовлечены разные сотрудники, например, финансисты, менеджеры или продажники, то возникает шаблонная проблема, когда смежные специалисты перенаправляют все документы юристам. Тогда количество документов резко увеличивается, а процесс взаимодействия с контрагентом, соответственно, замедляется. В таком случае ИИ-инструменты помогут смежным специалистам быстро проверять типовые документы и снизить нагрузку юристов.
При выборе вендора обратите внимание на то, что технологический стек решения должен быть совместим с уже используемыми вами программами, а готовый продукт сможет быть гибким и масштабируемым.
2. Подготовить ТЗ для работы
Исполнителем может быть вендор или собственная команда внедрения. В качественном техническом задании нужно описать все требования:
- Цели и ожидаемые результаты: как должен работать готовый продукт и какие задачи выполнять.
- Технические особенности проекта: какие есть источники данных для работы, где они расположены и нужно ли их обезличивать перед передачей.
- Прописать возможные параметры аппаратного обеспечения, в зависимости от того, хотите ли вы облачное решение или серверное.
Вендор в таком случае поможет конкретизировать задачу: дополнительно запросит информацию, чтобы заполнить пробелы и синхронизироваться в понимании итогового результата.
3. Передать документацию исполнителю
После брифа исполнитель соберет проектную команду, в которой будут программисты, бизнес-аналитики, менеджеры и другие специалисты. Со стороны бизнеса важно также собрать людей, которые будут контролировать результат и оперативно передавать информацию вендору.
Основа для будущей разработки – доступный массив существующих документов. Если в компании он не структурирован, это нормально. Передайте все источники документов проектной команде, дальше аналитики возьмут данные в работу.
Исполнителям важен не формат данных, а их содержание. Искусственный интеллект выявляет в документах текстовый слой, векторизует его и анализирует. Поэтому может подойти и аккуратный PDF, и качественный скан. Интересно, что алгоритмы ИИ обучены таким образом, что не просто распознают текст, а делают семантический анализ. Например, если вы в поиске напишете «штраф», и в обычном документе ничего не будет обнаружено, то ИИ предложит поиск по схожим по смыслу словам, таким как «неустойка».
4. Оставаться на связи
После брифа, заключения контракта и передачи информации команда приступает к разработке решения. В зависимости от цели проекта это может быть адаптация существующих продуктов разработчика под вашу компанию или разработка решения с нуля.
Если проект – адаптация существующих сервисов, то в разработке есть три этапа:
- Подбор подходящего готового продукта.
- Адаптация сервиса под ваши требования. Например, если нужен алгоритм анализа договора на риски, то разработчики адаптируют требования к документам и риски, которые учитывают юристы.
- Интеграция продукта в IT-ландшафт. На этом этапе готовое решение встраивают в цепочку получения и обработки документов. Иногда могут возникнуть сложности из-за закрытого API, тогда исполнитель свяжется с разработчиками ПО.
Если продукт – уникальная разработка под компанию, то этапы сложнее:
- После брифа нужно детально изучить процесс, в который встроится будущий продукт: понять пользовательский опыт, выявить проблемы и предложить оптимальное для данной проблемы решение.
- Согласовав продукт с заказчиком, проектная команда переходит к разработке. Это долгий процесс, в течение которого нужно регулярно калибровать ожидаемый результат.
- После разработки решения следует этап тестирования функциональности. На него всегда закладывается время, выявляются ошибки и проблемы, которые дорабатываются перед выкаткой на всех пользователей.
- После доработки и устранения проблем непосредственно идет процесс внедрения. Чаще всего интеграция заранее продумана. Это происходит еще на стадии анализа проблемы: после брифа вы согласуете с вендором, на каком этапе подключится алгоритм, и какие конкретно функции будет выполнять.
Во время разработки важно быть на связи. Для плодотворной работы оптимально будет синхронизироваться по процессам раз в две недели: согласовывать план работы на ближайшее время и отвечать на вопросы проектной команды.
5. Увеличить запросы, если необходимо
Часто бывает так, что в процессе внедрения или после возникает желание автоматизировать работу и в других подразделениях. Это нормально. В таком случае процесс запускается заново: для новых задач нужно техническое задание, бриф, проектная команда.
Говорят, что аппетит приходит во время еды. С внедрением ИИ-продуктов все именно так. Компании приходят за одним коробочным решением, проверяют качество продукта и решают расширить функциональность для оптимизации процессов.
6. Помочь команде адаптироваться к изменениям
После внедрения важно помочь сотрудникам переехать на новую платформу. Если на этапе разработки решения оно действительно было нужным не только руководству, но и непосредственным исполнителям, сопротивления со стороны сотрудников не возникнет.
- При адаптации готового решения предоставляются записанные инструкции в виде текстов и видео, а подготовленные специалисты со стороны компании-разработчика помогают разобраться с вопросами.
- Если разработка новая, то обучение проходит поэтапно: сначала вендор обучает руководителя проекта, а потом он самостоятельно помогает освоиться сотрудникам.
Важно не только дать понятные инструкции по работе с продуктом, но и сформировать правильное позиционирование сервиса. Нужно, чтобы все сотрудники понимали, как ИИ ускорит процессы и оптимизирует работу.
7. Делиться проблемами и обращаться за поддержкой
Вендоры предусматривают поддержку интеграции после внедрения решения. В процессе работы могут возникать неполадки, что-то может ломаться при обновлении программ – проектная команда быстро реагирует и помогает устранить проблемы.
Выводы
- На рынке есть набор решений, которые могут в значительной степени помочь компаниям оптимизировать бизнес-процессы и передать рутинную или трудновыполнимую работу с большим объемом данных из документов искусственному интеллекту.
- Для успешного внедрения проекта должны быть лидеры-энтузиасты со стороны заказчика, которые будут двигать процесс внутри компании. В процессе должно быть заинтересовано и руководство компании, а также исполнители, работа которых изменится с внедрением ИИ.
- Должен быть надежный исполнитель, который может выполнить конкретную задачу с применением искусственного интеллекта. Должны быть необходимые специалисты, набор компетенций и реальный опыт внедрения подобных продуктов.
- Важно понимать, что ИИ – не замена сотрудников, а качественный инструмент, который помогает оптимизировать процессы. Если человек проверяет договор 1,5-2 часа, то система справится за пару минут и не устанет на 15 документе за день.
Когда все компоненты сходятся, рождается успешное решение.
Также читайте:
а в арбитраж после своей проверки договора тоже ваш ИИ пойдет? ...нет? а кто пойдет? юрист? ... я уже в красках представляю себе что ответит юрист на такое поручение ...
В итоге персонал будет перепроверять и переобучать ИИ бесконечно, увеличивая ТСО системы...
Это точно!
Статья на самом деле нужная своевременна. Сейчас про ИИ много разговоров и тем.
Но что-то мне кажется, что мы ставим телегу впереди лошади. Я вот в переписке с госорганами давно заметил, что там суперИИ внедрён и работает - маршруты известны, ответы обтекаемы и бесполезны. А уж если ты попал в кругооборот судебных тяжб, то вовсе беда. Но это шутка.
В действительности уже давно работают боты для разнообразных целей, например, удаляют отрицательный комментарий. Вместо ИИ проще прицепить с десяток ботов вот они и будут и письма вниз спускать, и жалобщиков отсеивать, и договора браковать, если что - и всем хорошо!-
Наверное, вам будет интересно, Анатолий – статья об искусственном интеллекте, опубликованной в далеком 1975 году в научно-популярном журнале института «За науку». опубликовнная сегодня Лингвоведом в Телеграм. "Читается она удивительно свежо и современно, особенно в контексте поиска основы для такой модели не только в математике, но и психологии, лингвистике и культурологии, полный текст можно прочитать по ссылке https://disk.yandex.ru/i/bABMYKVe4wr7og
Спасибо, Ирина! Да, забавно!
Для меня 75 год далековато, но вот срез 80 застал. Тогда, на мой взгляд, был огромный всплекск интереса к ИИ. Но тогда мы слишком многого не имели в плане развития мощностей. Поэтому больше философствовали.
Поразительно, что тогда была любимая загадка: "Как отличить кошку от собаки". Эту задачу мы успешно решили!
А я вот о чем подумала – как давно это начиналось, полвека прошло, а рзулльт-то пока не очень понятен еще) хотя продвинулись, конечно. Так чем отличается кошка от собаки? )
В статье, в частности, задаётся вопрос, почему машина играет в шашки хорошо, а в шахматы плохо. Эту проблему решили, хотя и не так, как поначалу собирались. Как и многие другие.
Например ...
Я не спорю с тем, что продвинулись ))
С этим уже поздно спорить. Думаю, что системы распознавания неплохо обучены отличать кошку от собаки даже при плохом освещении.
Я и рано не спорила )
Как занятно) Особенно в ракурсе представлений о достижениях человечества к нашему времени)