Перейти к основному содержимому
Основной8–12 часов

Карта автоматизации процессов с AI

Преобразуйте as-is процесс в evidence-backed карту автоматизации с bottlenecks, controls, AI candidates, deterministic alternatives, human checkpoints и измеримыми acceptance criteria.

process mappingautomation discoverycontrol designrequirements traceabilityAI capability fit

Сценарий

Задача

Операционный процесс проходит через email, таблицы и CRM, содержит ручные проверки, повторный ввод данных и несколько веток исключений. Команда предлагает добавить AI, но не имеет доказательств, где модель создаёт ценность, а где достаточно deterministic workflow automation. Постройте as-is/to-be карту, отделите deterministic automation от probabilistic AI, сохраните контрольные точки и определите проверку результата до rollout.

Пошаговое выполнение

1. Восстановите реальный as-is процесс

Результат: Process map опирается на evidence и показывает исключения, а не только happy path.

Задачи

  • Соберите 10–20 реальных process instances
  • Отметьте actors, systems, queues, approvals и rework
  • Зафиксируйте cycle time, wait time и error/rework signals
  • Привяжите critical steps к source documents или system events

Проверки

  • Каждый high-impact шаг имеет evidence source
  • Exceptions не спрятаны в примечаниях
  • У каждой ручной проверки есть явная цель

2. Разделите deterministic, AI-assisted и agentic automation

Результат: AI используется только там, где нужна probabilistic capability.

Задачи

  • Для каждого bottleneck задайте минимум одну non-AI альтернативу
  • Оцените input variability, ambiguity, required reasoning, tool access и failure impact
  • Назначьте authority class: read, recommend, draft, bounded action или prohibited action
  • Выделите dependencies на data quality, retrieval, identity, permissions и human review

Проверки

  • Для каждого AI candidate есть non-AI baseline
  • Model output не считается permission или authoritative result
  • High-impact action не получает autonomy без control evidence

3. Постройте to-be flow с controls и failure paths

Результат: Будущий процесс описывает validation, escalation, retry и reconciliation, а не только AI stage.

Задачи

  • Нарисуйте normal path и минимум три failure paths
  • Добавьте schema/field validation до domain logic
  • Для write actions задайте preconditions, idempotency и authoritative postconditions
  • Определите fallback для unavailable model, stale data, low confidence или policy conflict

Проверки

  • Timeout после side effect ведёт в reconciliation, а не в blind retry
  • Uncertain или unsupported result имеет safe exit
  • Human checkpoint привязан к risk и authority

4. Превратите карту в decision-ready experiment

Результат: Команда может принять go, iterate или kill решение по измеримым сигналам.

Задачи

  • Сформируйте representative evaluation set с happy path, edge cases и costly failures
  • Зафиксируйте baseline и target для quality, time, cost и rework
  • Спроектируйте shadow, draft и canary rollout
  • Определите rollback, owner и production feedback → regression loop

Проверки

  • Каждая success metric имеет baseline и источник ground truth
  • Critical failure блокирует rollout независимо от среднего score
  • Cost считается на successful task с review/retry overhead

Критерии приёмки

  • As-is карта имеет evidence для critical steps, handoffs, exceptions и controls
  • Каждый AI candidate сравнивается с deterministic или non-AI baseline
  • To-be flow содержит authority, validation, escalation, retry/reconciliation и fallback
  • Есть representative eval set и заранее заданные go, iterate или kill criteria
  • High-impact automation требует explicit human/permission boundary и authoritative verification

Материалы перед выполнением