Процессный интеллект и эпоха агентов: как Celonis меняет работу крупных корпораций
Традиционный консалтинг часто полагается на интервью и субъективные оценки, однако современный бизнес требует прозрачности, основанной на фактах. В этом видео ведущий подкаста Eye on AI Крейг обсуждает с Мануэлем Хаугом, представителем компании Celonis, как технологии процессного анализа и искусственного интеллекта позволяют корпорациям видеть реальную картину своей операционной деятельности, устранять неэффективность и переходить к автономным рабочим процессам.
🧠 Что такое Celonis и как работает процессный интеллект 1:06
Celonis выступает ведущим поставщиком платформы для процессного интеллекта, помогая крупнейшим компаниям мира оптимизировать взаимодействие с клиентами, производство и закупки.
Суть технологии заключается в глубоком анализе цифровых следов, которые оставляют бизнес-процессы в IT-системах компании. Вместо того чтобы проводить интервью с сотрудниками, система «подключается» к источникам данных, реконструируя то, как на самом деле функционирует компания.
По словам Мануэля Хауга, это дает компании «цифровой двойник» её бизнес-процессов. Такой подход позволяет:
- Выявлять операционные сбои — например, дублирующиеся счета, которые приводят к двойным оплатам.
- Создавать трансляционный слой между устаревшим корпоративным IT (legacy-системами) и современными бизнес-приложениями, позволяя внедрять инновации без риска остановки основных ERP-систем.
- Отслеживать взаимозависимости между разными департаментами: например, как задержки в закупках влияют на производство и итоговую удовлетворенность клиента.
🤖 Роль генеративного ИИ и AI-агентов 6:40
Мануэль Хауг отмечает, что Celonis всё активнее интегрирует искусственный интеллект, особенно в работу с неструктурированными данными — документами, контрактами и текстами обращений. ИИ помогает классифицировать типы заявок, извлекать суть из условий договоров и автоматизировать обработку запросов, которые ранее требовали ручного труда.
Гость подчеркивает:
- Celonis предоставляет платформу, где разработчики и «гражданские разработчики» (бизнес-пользователи) могут создавать свои приложения для решения конкретных задач.
- В портфолио компании есть как готовые решения (App Store для стандартных проблем), так и инструменты для создания собственных агентов.
- Система может выступать «мозгом» для сторонних AI-решений, предоставляя им контекст процесса: как измерить эффективность, что является целевым результатом и какие статусы у задач.
⚙️ Агентские рабочие процессы в действии 27:18
Хауг поделился примером реального внедрения AI-агента для улучшения цикла «от заказа до получения денег» (cash conversion cycle). Агент берет на себя роль сотрудника в расследовании причин блокировки заказов (например, из-за проблем с лицензиями):
- Агент анализирует данные процесса и понимает, почему стоит «блок».
- Он самостоятельно генерирует запросы в другие отделы (например, в отдел лицензирования) по электронной почте.
- После получения ответа он обновляет данные в системе и рекомендует команде, стоит ли снимать блокировку, оставляя человеку только финальное решение.
По мнению гостя, в краткосрочной перспективе ожидания от ИИ могут быть завышены, так как компаниям требуется время на адаптацию. Однако он прогнозирует, что «автономное предприятие», где системы взаимодействуют друг с другом, станет реальностью гораздо раньше, чем через 10 лет.
📉 Практические результаты и совет для бизнеса 26:35
Эффективность таких решений подтверждается цифрами. Мануэль Хауг привел кейс из автомобильной промышленности, где использование платформы позволило сократить количество «неудачных поставок материалов» (failed material calls) на 30%. Это позволило избежать простоев производственных линий.
Для компаний, которые только начинают путь к цифровой трансформации, гость дает два совета:
- Действовать узко: Не пытаться «покорить океан» и решить всё сразу. Лучше сфокусироваться на одной конкретной проблеме, внедрить решение и затем масштабироваться.
- Провести оценку стоимости: Перед масштабным проектом Celonis проводит анализ данных, чтобы рассчитать ожидаемый эффект от улучшений и определить приоритетные участки.
