Автоматизация бизнеса и искусственный интеллект: почему их нельзя путать

Автоматизация бизнеса - это перевод ручных, разрозненных операций в единый цифровой контур.

Цель автоматизации - обеспечить однократную фиксацию факта хозяйственной деятельности и его автоматическое отражение во всех видах учёта (управленческом, бухгалтерском, налоговом и др.).

Объекты автоматизации: учёт продаж и закупок, складские операции, казначейство, расчёт заработной платы, регламентированная отчётность и т.д.

Инструментами автоматизации выступают учётные системы класса ERP или комплексной автоматизации. В российской практике к таким решениям относятся «1С:ERP Управление предприятием», «1С:Комплексная автоматизация», «1С:Управление торговлей» и другие продукты «1С».

Они выстраивают сквозные процессы между подразделениями и обеспечивают единство нормативно-справочной информации.

Искусственный интеллект в прикладном смысле - это класс технологий, которые на основе данных способны выявлять закономерности, делать прогнозы, распознавать образы, обрабатывать естественный язык и выполнять другие интеллектуальные задачи, традиционно требовавшие участия человека.

В бизнес-контексте к ИИ относят:

• прогнозирование спроса и товарных остатков;
• выявление аномалий в транзакциях (брак, мошенничество, ошибки);
• интеллектуальное распознавание первичных документов;
• рекомендательные системы для кросс-продаж;
• управление ценообразованием в реальном времени.

Для работы ИИ необходимы большие объёмы консолидированных, очищенных и размеченных данных. Модель обучается на исторических выборках и выдаёт результаты с определённой вероятностью.

Без качественного фундамента в виде данных любые алгоритмы будут давать некорректные выводы.

Удобно рассматривать разницу по нескольким параметрам.


Таким образом, автоматизация решает задачу «чтобы всё лежало на своих местах», а ИИ - задачу «чтобы мы знали, что будет, и могли на это повлиять». Первая является базисом для второй.

Смешение понятий вызвано несколькими факторами.

Во-первых, высокой медийной активностью вокруг. Термин ИИ стал модным и часто употребляется без должного понимания.

Во-вторых, многие поставщики программного обеспечения маркируют любые аналитические функции, включая простые отчёты, как «элементы ИИ», размывая границу.

В-третьих, у руководителей, не погружённых в технологические детали, складывается впечатление, что можно сразу «включить ИИ» одним нажатием кнопки и получить готовые решения, минуя этап наведения порядка в данных.

Если компания пытается внедрить ИИ при неготовой информационной базе, возникают следующие проблемы:

• Модель обучается на фрагментированных или противоречивых данных, её предсказания оказываются неточными, что подрывает доверие к технологии.
• Проект затягивается, так как значительная часть времени уходит не на обучение алгоритма, а на выверку и консолидацию данных.
• Бюджет расходуется без измеримого экономического эффекта, и руководство приходит к выводу, что «ИИ не работает».

Путь к результативному ИИ лежит через грамотную автоматизацию. Оптимальный алгоритм действий следующий.

1. Централизация учёта. Все операционные данные (продажи, закупки, склад, производство, финансы) должны быть сведены в единую систему, например «1С:ERP» или «1С:КА». Это даёт непротиворечивый массив первичной информации.
2. Стандартизация НСИ. Единые справочники номенклатуры, контрагентов, статей затрат устраняют дубли и разночтения.
3. Регламентация процессов. Каждая операция получает чёткий маршрут и ответственного, что исключает пропуски и двойной ввод.
4. Накопление данных. В течение нескольких периодов формируются временные ряды, пригодные для обучения моделей.
5. Постановка задачи для ИИ. Только после выполнения предыдущих шагов выбирается конкретная бизнес-гипотеза (снизить брак, прогнозировать спрос, оптимизировать запасы) и запускается пилотный проект с чёткими метриками.

Задать вопросы эксперту Сергею Климову можно по email - info@it-system.biz