Как пишет AWS Machine Learning, агентная автоматизация, программное обеспечение, которое может рассуждать и адаптироваться для выполнения задач, появляется в планах центров компетенций в области ИИ. Однако стандартный способ обоснования инвестиций в автоматизацию, основанный на сэкономленных часах, умноженных на стоимость труда за вычетом затрат на создание, был разработан для инструментов, основанных на правилах, таких как автоматизация процессов с помощью роботов (RPA). Эта модель упускает большую часть ценности, которую создают агенты. В данной статье мы представляем структуру, которую лидеры центров компетенций в области ИИ могут использовать для построения бизнес-кейса, отражающего полную ценность агентной автоматизации. Классическая модель возврата инвестиций (ROI) была создана для стабильной, высокообъемной, основанной на правилах работы: считайте транзакции, измеряйте минуты, умножайте на загруженную ставку, вычитайте затраты на создание. RPA заняла свое место именно на этих условиях. Модель предполагает, что мир, для которого она была создана, стабилен, поэтому она игнорирует затраты на поддержание автоматизации по мере изменения процессов. Она предполагает, что задачи основаны на правилах, поэтому в ней нет строки для исключений. Она предполагает, что работа — это вся работа, и поэтому никогда не учитывает затраты на человеческий надзор. И она рассматривает сэкономленный час как накопленную ценность, тогда как освобожденные ресурсы часто заполняются новыми задачами и никогда не доходят до отчета о прибылях и убытках (P&L). Недостаточное финансирование работы, которая превращает сэкономленные часы в результаты, является ошибкой, которую, по словам McKinsey, компании продолжают совершать: успешные трансформации с использованием ИИ следуют «модели 1:3:5», где «на каждый доллар, вложенный в агентные технологии, организации тратят три доллара на переработку процессов и пять долларов на развитие и внедрение возможностей». Однако большинство компаний полностью инвертируют эту формулу. Мы предполагаем, что ценность автоматизации заключается в задаче, но в агентной автоматизации большая часть ценности находится вокруг задачи: в суждениях, исключениях, координации между системами. Реальные выгоды приходят от переработки рабочего процесса вокруг агентов, а не от внедрения агента в неизмененный процесс. Лучшая бизнес-модель учитывает четыре измерения ценности, а также условие, определяющее, достигнут ли результат в отчете о прибылях и убытках. Мы называем это Моделью агентной ценности. Сохранение времени. Это все еще учитывается, но агенты расширяют его на работу, с которой фиксированное правило RPA справляется плохо или только с помощью обширной логики исключений. Измерение остается прежним. Агенты применяют его к более широкой базе работы. Обработка исключений. Исключения несут большую часть затрат. Рекомендации AWS предоставляют диапазоны планирования: исправление ошибки может стоить от 1,5 до 4 раз больше, чем первоначальная транзакция, а человеческая ошибка может составлять от 2 до 15 процентов операционных затрат. Мультипликатор переработки оценивает стоимость исключений, которые ваша команда ловит. Процент ошибок оценивает те, которые ускользают. Случаи, основанные только на трудах, упускают оба. Качество решений. Агенты могут применять общую политику в масштабе с зарегистрированным обоснованием, хотя согласованность и уровень ошибок требуют постоянного измерения. Как отмечает AWS, «решения с низким объемом и высокой ценностью могут оправдать помощь агентов для улучшения качества решений, а не для снижения затрат». Одно лучшее решение в области кредитования, ценообразования или рисков может затмить год сэкономленных минут. Устойчивость к изменениям и экономика обслуживания. Это измерение работает в обе стороны. Скрипты хрупки: когда экран или система изменяются, они ломаются, и кто-то их перестраивает. Агенты поглощают некоторые изменения без переписывания, но они переводят обслуживание в оценки, подсказки, мониторинг и операции моделей, а не устраняют его, и их работа несет свои собственные затраты. Условие, которое управляет всеми четырьмя, — это реализация ценности: каждая выгода требует четко определенного механизма, который превращает операционное улучшение в экономическую ценность, плюс ответственный владелец. Для освобожденного труда это означает сокращение затрат или перенаправление ресурсов на названный, измеримый результат. Рассмотрим процесс триажа заявлений, с иллюстративными цифрами. Он обрабатывает 200 000 заявлений в год по примерно 12 минут на заявление (до переработки) и $45 в час с полной нагрузкой, базовая стоимость составляет примерно $1,8 миллиона. Автоматизировав рутинные 70 процентов, вы освобождаете около 28 000 часов, или примерно $1,26 миллиона ресурсов, до учета времени надзора, которое все еще требуется для этих заявлений. Вот где большинство случаев ошибается, потому что освобождение часов не равно экономии денег. Компания только тратит меньше, если она нанимает меньше людей или сокращает затраты на подрядчиков, сверхурочные или аутсорсинг. В противном случае те же люди остаются на зарплате, и P&L никогда не видит $1,26 миллиона. Если текучесть кадров и снижение сверхурочных захватывают половину из этого, дело должно составлять около $630 000, а не полную сумму. Перераспределение людей является более распространенным результатом, и тогда ценность — это то, что они теперь производят. Для каждого освобожденного часа учитывайте перераспределенную ценность или сокращение денежных затрат, а не оба. Затем добавьте то, что случай, основанный только на трудах, не может увидеть. Из 8 процентов, требующих исправления (16 000 заявлений), стоимость исправления, равная 3,5 раза примерно $9 затрат на обработку (12 минут по $45 в час), дает около $504 000 в годовых затратах на исправление. Это базовый уровень, а не агентная ценность. Ценность — это доля, которую агент удаляет: 40-процентное сокращение, скорректированное на 75-процентный коэффициент реализации, представляет собой смоделированную выгоду около $151 000. Это до учета единственного улучшенного решения по выявлению мошенничества. Поскольку базовая 12-минутная оценка исключает время переработки, этот пул не пересекается с освобожденной мощностью. Если ваша базовая линия включает время переработки, учитывайте эти сбережения только в одном пуле. Эта версия дела производит цифру, которую финансы могут защитить. Чтобы сохранить математику последовательной, размер каждого пула ценности одинаково и вычтите затраты, как обобщено в следующей таблице. Пул ценности Базовая линия Ожидаемая дельта Коэффициент реализации Владелец Освобожденная мощность Часы × загруженная ставка % автоматизировано Только если перераспределено на названный результат или затраты падают Ведущий операций Затраты на исключения и ошибки Стоимость исправления + потери от ошибок Ожидаемое сокращение Доля захваченного Ведущий качества Качество решений Ценность лучших решений Увеличение на решение Принадлежащая доля Владелец области Устойчивость к изменениям и экономика обслуживания Стоимость исправления скриптов + простой Избегаемые перестройки, более быстрое приспособление к изменениям Доля избегаемых перестроек, с учётом затрат агентов, вычтенных один раз из формулы Ведущий инженерии. Все это следует сформулировать в одной строке, присваивая каждую выгоду одному пулу, чтобы избежать двойного учета: Чистая годовая ценность = реализованная ценность мощности + избегаемые затраты на исправление и ошибки + увеличение ценности решений + избегаемое обслуживание и простой, минус годовые затраты на внедрение, минус затраты на работу агентов, интеграцию, оценку, надзор, управление и изменения, минус потери от любых новых ошибок, которые агент вводит. Ошибки, которые агент не устраняет, уже находятся вне термина избегаемых затрат, поэтому не вычитайте их второй раз. Для многолетней программы учитывайте затраты на внедрение в том году, когда вы их тратите, а не аннулируйте их, наращивайте выгоды по мере роста внедрения и дисконтируйте годовые денежные потоки до чистой приведенной стоимости (NPV). Три ранних развертывания Amazon Quick Automate, сервиса автоматизации в рамках Amazon Quick, демонстрируют работу этих измерений. Kitsa, компания по выбору мест для клинических испытаний, автоматизировала извлечение более 50 данных по сотням тысяч веб-сайтов. Она сообщила о 91-процентной экономии затрат и 96-процентном ускорении получения данных при 96-процентном охвате, перенаправляя случаи с низкой уверенностью к рецензентам (сохранение времени и обработка исключений). Как отметил соучредитель и технический директор Kitsa Рохит Банга в посте в блоге AWS Machine Learning, объединение качественных данных о сайтах в масштабе преодолело основное узкое место. Это позволило агенту Site Finder оценивать больше сайтов с большей точностью. dLocal, поставщик услуг трансакций через границу, автоматизировала до 75 процентов проверок соблюдения требований для торговцев в контролируемых оценках. Это освободило специалистов для сложных высокорисковых случаев (качество решений) и добавило непрерывные проверки на отклонения от политики, которые периодическая ручная проверка могла бы пропустить (устойчивость к изменениям). dLocal сообщает, что специалисты, которые раньше тратили часы на рутинные проверки, теперь тратят это время на случаи, требующие регуляторного суждения. А Genpact, автоматизировавшая анализ рисков в цепочке поставок через несколько систем SAP, сообщает о сокращении анализа воздействия нарушений с 2–3 дней до минут. Это тот вид координации между системами, который не принадлежит ни одной системе учета (сохранение времени и качество решений). Ни одно из этих развертываний не доказывает все четыре пула, поэтому дело должно оцениваться для каждого из них отдельно. Структура для приоритизации оценивает каждый кандидат на рабочий процесс по двум осям. Первая — сложность задачи, насколько много рассуждений, контекста и адаптации она требует. Вторая — риск принятия решения, стоимость ошибки, что определяет, сколько автономии вы можете предоставить. Обе оси исходят из руководства по экономике AWS, и вместе они образуют матрицу 2 на 2, которую может использовать управляющий комитет. Низкая сложность, низкий риск: оставьте это на RPA, поскольку агенты добавляют стоимость без добавления ценности. Высокая сложность, низкий риск — это игра на мощность, поэтому автоматизируйте для пропускной способности и поглощения исключений. Высокая сложность, высокий риск — это игра на качество решений, поэтому оставьте человека в процессе и оправдайте это лучшими решениями. Низкая сложность, высокий риск — это игра на защитные меры, поэтому укрепите контроль вокруг шага, а не добавляйте рассуждения, которые не нужны. Полезная подсказка: если человек перемещается между системами и интерпретирует неоднозначный контекст на каждом шаге, оцените агентный подход. Если путь остается детерминированным, RPA все еще может быть дешевле. Используйте Модель агентной ценности, чтобы определить, что измерять, и эту матрицу, чтобы определить, что приоритизировать. Представьте инвестиции как портфель рабочих процессов, а не как отдельный проект. Исследования McKinsey показывают, почему изолированные пилоты застревают: почти две трети предприятий экспериментировали с агентами, но менее 10 процентов масштабировали их до ощутимой ценности. Ценность приходит от определения результатов, глубокого внедрения агентов в основные рабочие процессы и переработки операционных моделей вокруг них. Предложите руководству три-четыре приоритизированные области, каждая с бизнес-кейсом из четырех измерений. Единственное, что убедит скептически настроенного финансового директора, — это правило остановки: этапируйте инвестиции с явными целями безубыточности и заранее определенными моментами для прекращения финансирования агентов, которые не показывают результаты. Свяжите каждую область с ключевым показателем эффективности (KPI), который руководство уже отслеживает, будь то стоимость обслуживания, время цикла, индекс удовлетворенности клиентов или риски несоответствия. И рассматривайте управление как способ ускорить процесс: ограниченная автономия, надзор, где риск высок, и возможность аудита по умолчанию позволяют вам расширить автономию агентов по мере накопления доказательств. Amazon Quick объединяет исследования, бизнес-аналитику и автоматизацию в одном агентном опыте. С Quick Automate, его сервисом автоматизации, команды организуют действия пользовательского интерфейса, вызовы API и человеческий обзор в рамках корпоративных рабочих процессов. Это производит данные о выполнении на уровне случаев, которые центр компетенций может сопоставить с операционными и финансовыми KPI для измерения ценности по мере ее реализации. Это измерение превращает первый проект в портфель. После того как вы ищете четыре пула ценности, вы, как правило, находите их там, где человек перемещается между системами, интерпретирует контекст и очищает исключения вручную. Введите один рабочий процесс в эксплуатацию, установите базовую линию его пулов ценности и операционных затрат, назначьте владельца и подтвердите цифру. Затем портфельный случай возрастает по мере того, как каждый новый рабочий процесс сообщает о результатах. Вопрос в том, где агентная автоматизация приносит ценность, которую ваши существующие инструменты не могут, и как это доказать до начала расходов. Дисциплина, описанная в этой статье, оценка каждого пула ценности, применение реалистичных коэффициентов реализации и установка правил остановки, делает это доказательство правдоподобным. Команды, которые доказывают ценность в одном рабочем процессе, могут финансировать следующий на основе измеренных результатов, а не прогнозов. Для понимания основной экономики хорошей отправной точкой является руководство AWS по экономике агентного ИИ. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.