AI+RPA: какие процессы окупаются первыми

Что такое AI+RPA и почему это работает лучше по отдельности

Начнём с основ, но без занудства. RPA (Robotic Process Automation) — программные роботы, которые имитируют действия человека в компьютере. Они умеют открывать приложения, копировать данные, заполнять формы, нажимать кнопки. Всё то, что делает сотрудник, когда переносит информацию из одной системы в другую.

Главное преимущество RPA — детерминированность. Робот делает ровно то, что вы ему сказали, каждый раз одинаково. Не устаёт, не ошибается от невнимательности, работает 24/7. Но есть ограничение: классический RPA плохо справляется с неструктурированными данными и нестандартными ситуациями. Если формат документа изменился или пришло письмо с нетипичным текстом — робот встанет.

Тут на сцену выходит AI. Нейросети умеют распознавать текст на изображениях, понимать смысл писем, классифицировать документы, извлекать данные из неструктурированных источников. Они справляются с вариативностью, которая ставит в тупик RPA.

Когда AI и RPA работают вместе, получается мощная связка. AI берёт на себя «понимание»: распознаёт документ, определяет его тип, извлекает нужные поля. А RPA выполняет действия: вносит данные в систему, создаёт записи, отправляет уведомления. Это и есть гиперавтоматизация — когда интеллект AI дополняется исполнительностью роботов.

Как понять, какой процесс автоматизировать первым

Ошибка номер один — пытаться автоматизировать всё сразу. Это дорого, сложно и обычно заканчивается разочарованием. Правильный подход — выбрать процессы, которые дадут максимальную отдачу при минимальных усилиях.

Пять критериев, по которым стоит оценивать каждого кандидата на автоматизацию:

Объём операций. Сколько раз в день, неделю, месяц выполняется этот процесс? Если бухгалтер раз в квартал делает какую-то сверку — автоматизировать её бессмысленно. А вот если сотрудники обрабатывают по 200 заявок в день — это первый кандидат. Чем больше объём, тем выше потенциальная экономия.

Стоимость ошибки. Что происходит, когда человек ошибается в этом процессе? Если ошибка в формировании отчёта приводит к штрафу от налоговой — это критичный процесс. Если неправильно записали телефон клиента — неприятно, но не катастрофа. Чем выше стоимость ошибки, тем ценнее автоматизация с её стабильностью и предсказуемостью.

Структурированность данных. Насколько чётко определены входные данные и ожидаемый результат? Процесс «проверить контрагента по ИНН в открытых базах» — структурирован. Процесс «оценить перспективность сделки» — нет. Структурированные процессы автоматизируются проще и дешевле.

Наличие правил. Можно ли описать логику процесса чётким алгоритмом? Если да — отлично. Если процесс держится на интуиции и опыте конкретного сотрудника — придётся сначала его формализовать, а это отдельный проект.

Готовность интеграций. С какими системами взаимодействует процесс? Есть ли у них API, или придётся работать через интерфейс? Интеграция через API — дешевле и надёжнее. Работа с интерфейсом — дороже и требует больше поддержки.

Матрица приоритизации: куда направить AI, куда RPA

Не все процессы требуют AI. И не для всех нужен RPA. Чтобы не переплачивать за избыточные технологии, полезно разложить процессы по матрице.

Представьте систему координат. По одной оси — структурированность данных (от «полный хаос» до «чёткие правила»). По другой — сложность принятия решений (от «простая маршрутизация» до «нужен анализ и вывод»).

Квадрант «RPA достаточно»: структурированные данные, простые правила. Типичный пример — перенос данных из одной системы в другую, когда форматы известны и стабильны. Или автоматическая отправка отчётов по расписанию. Здесь AI только увеличит стоимость без дополнительной пользы.

Квадрант «AI нужен»: неструктурированные данные, но решения простые. Пример — распознавание входящих документов. Накладная, счёт-фактура, акт — нужно понять, что это, и извлечь ключевые поля. AI распознаёт, RPA вносит в систему.

Квадрант «Гибрид AI+RPA»: данные могут быть разными, и решения требуют анализа. Обработка клиентских обращений: нужно понять суть запроса (AI), классифицировать его, маршрутизировать в нужный отдел, создать задачу в CRM (RPA).

Квадрант «Пока не автоматизируем»: сложные решения, высокая неопределённость, мало данных. Это пока территория человека. Переговоры с ключевыми клиентами, стратегическое планирование, антикризисное управление.

Топ-10 процессов для старта: проверено практикой

За годы работы с автоматизацией в разных отраслях у меня сформировался «золотой список» процессов, которые окупаются почти всегда. Не потому что модные — а потому что массовые и реально болят.

1. Обработка входящих документов. Классика жанра. AI распознаёт скан или PDF, определяет тип документа (накладная, счёт, акт, договор), извлекает реквизиты, суммы, даты. RPA вносит данные в 1С, ERP или другую учётную систему. Средняя экономия — 70-80% времени, которое раньше тратилось на ручной ввод.

2. Сверка данных между системами. Остатки в CRM не сходятся со складом. Данные в Excel расходятся с тем, что в 1С. Знакомо? RPA-робот ежедневно или еженедельно сравнивает данные, находит расхождения и формирует отчёт для разбора. Без автоматизации эта задача съедает часы рабочего времени квалифицированных сотрудников.

3. Формирование регулярных отчётов. Каждый понедельник кто-то собирает данные из пяти систем, сводит в Excel и отправляет руководству. RPA делает это за минуты, без участия человека и без ошибок. А AI может добавить к отчёту краткое резюме: что изменилось, на что обратить внимание.

4. Обработка заявок. Клиент оставил заявку на сайте. Её нужно внести в CRM, проверить, есть ли такой клиент в базе, назначить ответственного менеджера, отправить подтверждение. Весь этот цикл автоматизируется полностью. AI помогает, если заявки приходят в свободной форме — по почте или через мессенджеры.

5. Онбординг новых сотрудников. Создание учётных записей, настройка доступов, отправка приветственных писем, добавление в нужные группы и чаты. HR тратит на это часы при каждом найме. RPA выполняет за 10 минут. А AI-бот может ответить новичку на типовые вопросы о компании и процедурах.

6. Проверка контрагентов. Перед заключением договора нужно проверить компанию по открытым базам: не банкрот ли, нет ли долгов, актуальны ли реквизиты. RPA собирает данные из ЕГРЮЛ, ФССП, арбитражных судов и формирует карточку контрагента. То, на что раньше уходило 20-30 минут, теперь делается за 2.

7. Мониторинг цен конкурентов. Для ритейла и e-commerce — критичная задача. RPA-робот ежедневно обходит сайты конкурентов, собирает цены, сравнивает с вашими и формирует отчёт. AI помогает, если разметка сайтов разная и нужно понимать, какой товар с каким сравнивать.

8. Обновление прайс-листов. Поставщик прислал новый прайс в Excel. Нужно сверить с текущими ценами, обновить в системе, пересчитать наценки. Рутина, которая отнимает время и чревата ошибками. RPA справляется идеально.

9. Генерация коммерческих предложений. Клиент запросил КП. Менеджер собирает данные о клиенте, подбирает товары, формирует документ. AI помогает персонализировать текст под конкретного клиента и его потребности. RPA собирает всё в красивый PDF и отправляет.

10. Обработка возвратов. Клиент хочет вернуть товар. Нужно проверить условия, создать заявку, уведомить склад, инициировать возврат денег. Процесс включает несколько систем и легко автоматизируется. AI помогает классифицировать причину возврата и выявлять закономерности.

Как посчитать ROI: формула и пример

Прежде чем вкладывать деньги в автоматизацию, хорошо бы понять, вернутся ли они. Для этого есть простая формула ROI:

ROI = (Экономия в год − Стоимость внедрения и поддержки) / Стоимость внедрения × 100%

Чтобы применить формулу, нужно оцифровать процесс. Давайте разберём на примере обработки входящих счетов-фактур.

Шаг 1: Замеряем текущие затраты. Сколько документов обрабатывается в месяц? Допустим, 500. Сколько времени уходит на один документ? В среднем 8 минут (открыть, прочитать, ввести данные, проверить). Итого: 500 × 8 = 4000 минут, или 67 часов в месяц. Если час работы бухгалтера стоит компании 600 рублей (зарплата + налоги + накладные), то ежемесячные затраты: 67 × 600 = 40 200 рублей. В год — около 480 000 рублей.

Шаг 2: Оцениваем эффект автоматизации. AI+RPA-решение обрабатывает 90% документов полностью автоматически. Оставшиеся 10% требуют ручной проверки (около 2 минут на документ вместо 8). Новые затраты времени: 450 документов × 0 минут + 50 документов × 2 минуты = 100 минут. Экономия: 4000 − 100 = 3900 минут в месяц, или 97,5%.

Шаг 3: Считаем стоимость внедрения. Типичная стоимость автоматизации одного процесса — от 300 000 до 1 000 000 рублей в зависимости от сложности. Возьмём 500 000 рублей. Ежемесячная подписка на платформу и поддержка: 30 000 рублей, или 360 000 рублей в год.

Шаг 4: Считаем ROI. Годовая экономия: 480 000 × 0,975 = 468 000 рублей. Затраты первого года: 500 000 + 360 000 = 860 000 рублей. ROI первого года: (468 000 − 860 000) / 860 000 = −46%. Окупаемость — 22 месяца.

Кажется, что это долго? На самом деле для автоматизации — нормально. А вот со второго года картина меняется радикально. Затраты: только 360 000 рублей на поддержку. Экономия: те же 468 000 рублей. ROI второго года: +30%. И дальше — каждый год прибыль.

Но главное — не только деньги. Бухгалтер, который раньше 67 часов в месяц вбивал данные, теперь может заниматься анализом, оптимизацией налогов, работой с дебиторкой. Или вы можете не нанимать дополнительного сотрудника при росте объёмов.

Реальные кейсы: как это работает на практике

Хватит теории — интереснее посмотреть, как AI+RPA работает в реальном бизнесе. Несколько примеров из практики:

Кейс 1: Банк в Казахстане — обработка кредитных заявок.

Проблема: банк получал около 1000 заявок на потребительские кредиты в день. На первичную проверку каждой заявки уходило 15-20 минут: проверить данные в бюро кредитных историй, запросить информацию из налоговой, сверить с внутренними базами. Это требовало команды из 15 специалистов.

Решение: внедрили AI+RPA для автоматической проверки. AI анализировал анкету и документы заявителя, выявлял несоответствия и красные флаги. RPA собирал данные из внешних источников, формировал досье и присваивал скоринговый балл.

Результат: 70% заявок обрабатываются полностью автоматически. Время обработки сократилось с 20 минут до 3. Команду сократили до 5 человек, которые теперь занимаются только сложными случаями и апелляциями. Экономия — более 40 миллионов тенге в год.

Кейс 2: Ритейлер в России — сверка поставок.

Проблема: сеть из 50 магазинов получала сотни поставок ежедневно. Приёмка товара требовала сверки накладных с заказами и фактическим приходом. Расхождения выявлялись через несколько дней, когда исправить что-то уже сложно.

Решение: AI распознаёт накладные от поставщиков (разные форматы, иногда рукописные). RPA сверяет с данными заказа в ERP и с информацией от сканеров на складе. При расхождении — моментальное уведомление логисту с детализацией, что не сходится.

Результат: время на приёмку сократилось на 60%. Количество невыявленных расхождений снизилось с 3% до 0,2%. Потери от недопоставок уменьшились на 12 миллионов рублей в год.

Кейс 3: Логистическая компания — обработка заявок.

Проблема: компания получала заявки на перевозку по почте, через форму на сайте, по телефону и в мессенджерах. Менеджеры вручную создавали заказы в TMS (системе управления перевозками), что занимало до 10 минут на заявку. При 200+ заявках в день это требовало четырёх человек только на ввод.

Решение: AI понимает текст заявки независимо от формата и канала. Извлекает маршрут, даты, параметры груза. RPA создаёт заказ в TMS, рассчитывает стоимость по тарифной сетке и отправляет клиенту подтверждение.

Результат: 80% заявок обрабатываются без участия человека. Среднее время от получения заявки до ответа клиенту — 2 минуты вместо 2 часов. Конверсия заявок в заказы выросла на 15%, потому что клиенты получают ответ быстрее конкурентов.

Типичные ошибки при внедрении: как не повторить чужие грабли

Не все проекты автоматизации заканчиваются успехом. Вот ошибки, на которых чаще всего спотыкаются — и как их обойти.

Автоматизация хаоса. Если процесс плохо работает с людьми — с роботами он будет работать так же плохо, только быстрее. Перед автоматизацией нужно навести порядок: описать процесс, устранить лишние шаги, стандартизировать. Иногда оказывается, что после оптимизации автоматизация и не нужна — процесс стал простым и быстрым.

Игнорирование исключений. В любом процессе есть нетипичные случаи. Документ в нестандартном формате. Клиент, который не вписывается в правила. Системная ошибка. Если не продумать, как робот будет обрабатывать исключения — он просто остановится. Или, что хуже, сделает что-то неправильно. Всегда закладывайте сценарий «что делать, если что-то пошло не так».

Отсутствие владельца процесса. Автоматизация — это не разовый проект «сделали и забыли». Бизнес меняется, системы обновляются, появляются новые требования. Если за роботом никто не следит — он постепенно начнёт ломаться. Назначьте ответственного, который будет мониторить работу, вносить изменения и развивать автоматизацию.

Попытка заменить людей полностью. AI+RPA — это не замена людей, а инструмент для их усиления. Попытка полностью исключить человека из процесса приводит к хрупким решениям, которые ломаются при любом отклонении от нормы. Оставьте людей там, где нужен опыт и интуиция. Роботы пусть берут на себя рутину.

Недооценка затрат на поддержку. Стоимость внедрения — это только начало. Дальше нужна поддержка: обновления, мониторинг, доработки. Закладывайте на поддержку 15-25% от стоимости внедрения ежегодно. Иначе через год-два обнаружите, что система не работает, а денег на исправление нет.

С чего начать: пошаговый план

Если вы дочитали до этого места и думаете «окей, хочу попробовать» — вот простой план действий.

Шаг 1: Составьте список рутинных процессов. Соберите руководителей отделов и спросите: на что ваши люди тратят время, и что им не нравится делать? Обычно ответы совпадают: рутинные, повторяющиеся задачи с большим объёмом. Запишите всё, не фильтруя.

Шаг 2: Оцените каждый процесс по критериям. Используйте те пять критериев, о которых говорили выше: объём, стоимость ошибки, структурированность, наличие правил, готовность интеграций. Поставьте оценки от 1 до 5. Посчитайте сумму.

Шаг 3: Выберите 2-3 процесса с наивысшим баллом. Это ваши кандидаты на пилотный проект. Не берите больше — иначе распылите ресурсы и не доведёте ничего до конца.

Шаг 4: Опишите текущий процесс детально. Кто делает, в каких системах, сколько времени занимает каждый шаг, какие бывают исключения. Это основа для технического задания.

Шаг 5: Посчитайте ROI. Используйте формулу из этой статьи. Если окупаемость — больше 2 лет, возможно, стоит выбрать другой процесс.

Шаг 6: Найдите подрядчика или платформу. Можно делать на своих силах, если есть экспертиза. Или привлечь интегратора. Или использовать готовые платформы с низким порогом входа. Зависит от бюджета и внутренних ресурсов.

Шаг 7: Запустите пилот. Начните с малого: один процесс, ограниченный объём, 2-4 недели. Соберите метрики, сравните с ожиданиями. Если работает — масштабируйте.

Тренды 2025: hyperautomation и что это значит для бизнеса

Если следить за отчётами Gartner и других аналитиков, все говорят о гиперавтоматизации. Это не просто модное слово — за ним стоит реальный сдвиг в подходе к автоматизации бизнес-процессов.

Суть в том, что автоматизация перестаёт быть точечной. Раньше автоматизировали отдельные задачи: «пусть робот заполняет эту форму». Теперь речь идёт об автоматизации сквозных процессов, которые проходят через несколько отделов и систем.

Другой тренд — демократизация. Появляются low-code и no-code платформы, где автоматизацию могут настраивать бизнес-пользователи без программистов. Это снижает порог входа и ускоряет внедрение. Но создаёт новые вызовы: как управлять зоопарком роботов, которых создают все подряд?

AI-компоненты становятся обязательной частью автоматизации. Если раньше можно было обойтись простым RPA, то теперь клиенты ожидают, что система будет «умной»: понимать разные форматы документов, адаптироваться к изменениям, предлагать оптимизации.

И наконец — интеграция с GenAI. Большие языковые модели вроде GPT открывают новые возможности: генерация текстов, ответы на вопросы по документам, понимание контекста. Связка RPA + классический AI + GenAI — это то, что уже сейчас называют «когнитивной автоматизацией».

Итог: автоматизация — это марафон, не спринт

AI+RPA — мощный инструмент, но не волшебная таблетка. Нельзя просто купить платформу и ждать, что всё заработает само.

Успех зависит от правильного выбора процессов, трезвых ожиданий и готовности вкладывать время в настройку и поддержку. Начните с малого, измеряйте результаты, масштабируйте то, что работает.

Компании, которые получают от автоматизации максимум — те, кто относится к ней как к непрерывному процессу, а не к разовому проекту. Каждый месяц — новый процесс, новая оптимизация, новая экономия. Через год-два накопительный эффект становится ощутимым.

Роботы не заменяют людей — они освобождают их от рутины. Чтобы оставалось время на то, что требует человеческого мышления, креативности и эмпатии.