Оптимизировали 5 рабочих процессов с помощью AI. Не rocket science, но уже экономит ресурсы

Вероятно, вы уже видели новость от экс-data-подрядчика Google, что искусственный интеллект не оправдывает надежд бизнеса и вложенных в него денег. Проблема в том, что сделать AI полезным можно только после обучение нейросети на большом объёме корпоративных данных, (и на этом этапе всё обычно останавливается).

Процессы, где внедрение AI сразу приносит пользу, тоже есть, но это не rocket science. Например, подготовка протокола встречи. Раньше руководитель проекта собирал его за час и стоило это тысячу рублей (при зарплате 170 тыс., делённой на количество рабочих часов в месяц), а нейросеть делает это за две секунды. Получается, что бизнесу сначала надо много потратить на запуск AI, а потом отбить вложения за счёт экономии на рутинных действиях. 

Меня зовут Максим Тимонов, я дизайн-директор в IT-компании «Первая Форма». Мы не можем себе позволить отставать от трендов, потому запустили в компании AI-стрим, чтобы проверить возможности технологии. В статье я покажу пять самых полезных кейсов — расшифровку созвонов и подготовку протоколов встреч, умный поиск по системе с OCR, распознавание и оцифровку документов (IDP), AI-ассистента — и расскажу, это всё нам помогает.

---

Расшифровка созвонов в ВКС

Как мы работали с записями раньше

В своей ВКС мы проводим всё – внутренние статус-встречи, переговоры с клиентами, UX-исследования, тренинги, вебинары. Такие звонки обычно длятся минимум час. Раньше сотрудники пересматривали записи, чтобы найти и письменно зафиксировать нужную информацию. 

Конечно, можно было скачать файл и загрузить его во внешние сервисы для транскрибирования, но это не лучший вариант:

• в  масштабе всей компании сервис нужно оплатить и ввести как стандарт, а сотрудников обучить работе с ним (это долго и дорого);

• обычно расшифровщики плохо определяют спикеров и понимают спец-термины;

• на все действия всё равно уходит много времени;

• такое решение в целом небезопасно — мы не знаем, где и как хранятся загруженные материалы.

Как мы улучшили процесс с помощью искусственного интеллекта

Теперь расшифровку нам готовит нейросеть. В течение разговора она разбивает текст на спикеров и тайминги по активным участникам в ВКС. Чтобы решить проблему с описками, мы передали модели наши термины: CRM, СЭД, портал, категории, автоматизации, SMART-выражения и другие фразы. 

В готовом тексте нужную информацию можно найти по ключевым словам или имени говорящего. Расшифровки также учитываются в общем поиске по системе и попадают в выдачу вместе с задачами.

Так как AI, ВКС и записи находятся на наших серверах, мы не скачиваем и никуда не отправляем видео с чувствительными данными. Всё остаётся в системе, и при необходимости записи встреч можно сгрузить в архив, а в карточках оставить только расшифровки.

Подготовка протоколов встреч

Как мы собирали протоколы раньше

После каждой встречи ответственному менеджеру нужно готовить протокол. Тут у нас было два подхода:

1. Важную информацию по ходу разговора фиксировал секретарь. Но если его не было, эта обязанность ложилась на менеджера. А одновременно держать фокус разговора и записывать — сложно.

2. Протокол после встречи писал сам менеджер. Итоги готовили «по горячим следам», но все равно информацию нужно было проверить, а потом согласовать протокол. Встречи у менеджеров могут идти подряд, а значит полдня уходит на разговоры, а ещё половина — на сбор саммари.

Как мы улучшили процесс с помощью ИИ

Мы настроили AI так, чтобы он собирал структурированные саммари под разные виды встреч. Для этого в системе создали промпты и привязали их к конкретным категориям задач. Так, отдел продаж получает протокол разговора с клиентом, проектный офис — список задач со статусами и оговоренными сроками, маркетинг — ключевые пункты из разговора с экспертами для подготовки контента.

Также мы настроили автосоздание поручений на основе саммари. По ходу «планёрки» AI расшифровывает разговор, собирает саммари, а BPM-система создаёт карточки задач, выбирает исполнителей и задаёт сроки по ключевым словам. 

Это работает так: когда встреча заканчивается, расшифровка вместе с промптом, привязанным к конкретной категории задач, отправляется в LLM (большую языковую модель). LLM на основе структуры промпта формирует саммари по содержанию расшифровки.

В системе можно хранить неограниченное количество промптов. Если какой-то из них нужно отредактировать, мы обращаемся к администратору. Он вносит правки, а модель учитывает их при следующем запуске. Протокол вместе записью и расшифровкой приходит в задачу, из которой создана встреча — так их могут увидеть все сотрудники, даже если они пропустили созвон.

Распознавание текстов и быстрый поиск информации по задачам и материалам

Как мы искали информацию и работали со сканами раньше

Чтобы упростить поиск информации и файлов, мы внедрили OCR — технологию, которая распознаёт текст на фотографиях и сканах. Если у вас есть скан договора, вы можете загрузить его в систему и затем найти в нём конкретный пункт. Оцифрованный текст участвует в глобальном поиске по системе.

До появления в системе AI-поиска с функцией OCR у нас был простой поиск по карточкам задач, клиентов, сотрудников. Было много фильтров, чтобы быстрее получать нужные результаты, но всё равно приходилось вспоминать, где именно обсуждался тот или иной документ, кто был исполнителем задачи и всё такое.

Как мы улучшили процесс с помощью ИИ

Когда сотрудник вводит запрос, система выполняет полнотекстовый и векторный поиск, объединяет результаты и сортирует их с учётом сроков поиска и свойств задач по отношению к пользователю. Учитываются задачи, в которых он, сотрудник, — заказчик и исполнитель, его должность, оставленные комментарии, права доступа. На основе этого умный поиск формирует персонализированную выдачу.

Ещё мы используем умный поиск, чтобы быстро искать конкретные инструкции в базе знаний. Техдирекция, техподдержка и проектный офис хранят много справочных материалов, среди которых есть и книги. Умный поиск находит нужное, даже если в запросе есть опечатки или не та раскладка. У меня теперь на поиск уходит в пять раз меньше времени, чем если кликать по всем материалам.

Распознавание и оцифровка документов с технологией IDP

Технология позволяет распознавать конкретные поля, находить печати и подписи, считывать текст даже из старых архивных документов.  С её помощью можно быстро заполнять паспортные данные, ИНН, БИК, а также номера договоров, УПД, счёт-фактур. 

Как мы работали с документами раньше

В «Первой Форме» можно автоматизировать весь жизненный цикл документов, ЭДО и КЭДО. Но когда документы приходили в формате PDF-скана или фото IMG/ PNG, то данные из них (например, для учёта или оформления сотрудника) нужно было перебить руками.  

Чтобы упростить обработку, мы интегрировали систему с сервисом интеллектуального распознавания Dbrain. Пока мы применяем его в двух бизнес-процессах — документообороте с контрагентами и КЭДО. 

Структура данных внутри каждого вида документа не меняется, поэтому при автоматизации мы можем без ошибок получать нужные данные. Так мы обрабатываем договоры, чеки, акты, платёжные поручения, закрывающие документы, паспорт, СНИЛС, ИНН, трудовую книжку, военный билет, свидетельство о браке.

Как мы упростили обработку документов от контрагентов с помощью IDP 

Клиенты отправляют документы на отдельные рабочие почты менеджеров. Чтобы не интегрировать их все с «Первой Формой», мы завели специальный почтовый ящик. Когда менеджер отправляет на него письмо с файлом, система автоматически создаёт карточку документа в архиве с этим файлом и отправляет запрос на распознавание к API Dbrain. ИИ определяет данные и возвращает их в виде JSON-объектов, например, nds_sum: 2 000 000.

Эти данные мы парсим и автоматически вносим в конкретные поля карточки в архиве. 

Бывает, что нам нужно сравнить отправленную версию договора с подписанной контрагентом. Этот процесс мы тоже автоматизировали: подписанный документ мы прикрепляем в специальное поле карточки, и система отправляет в Dbrain запрос на сравнение. Когда сервис присылает ответ, система сообщает менеджерам, есть ли правки.  

На обработку документов теперь уходит пара минут. Если какой-то информации не хватает, например, в договоре не указаны номера счетов или не поставлена печать, система присылает уведомление ответственному сотруднику. 

Как IDP упростило оформление нового сотрудника

Ещё один профит – для отдела кадров. Если раньше данные новичков заводили в систему вручную, то теперь на оформление уходит в три раза меньше времени. Сотрудник сам заполняет анкету и прикрепляет необходимые документы. Затем переводит карточку в статус обработки, и файлы отправляются в Dbrain. ИИ классифицирует документы и распознаёт данные, но нам возвращает только нужную информацию. Полученный ответ парсится, и система заполняет карточку кандидата.

Инструкции от AI-ассистента

Как мы онбордили и искали ответы на частые вопросы раньше

Умный поиск помогает нам, если нужно найти материал по конкретной теме. Но в случае с Service и Help Desk нужно было решение, которое могло бы собрать пошаговую инструкцию из разных регламентов и статей. Это было бы особенно актуально для адаптации сотрудников. 

У каждого отдела в компании есть инструкции и регламенты для разных этапов работы, плюс описаны практические кейсы. Информация обычно хорошо структурирована, но её много и новичкам часто трудно сориентироваться.

Как мы улучшили эти процессы с помощью искусственного интеллекта

Мы внедрили в систему AI-ассистента. У него есть доступ ко всем регламентам и справочным материалам, из которых он в момент запроса собирает ёмкие инструкции под конкретную потребность. В них также есть ссылки на полные статьи по теме, если сотруднику нужно будет узнать больше деталей.

По наблюдениям наших HR-специалистов, сотрудники отделов, которые использовали АI в онбординге, на четверть быстрее выполняли задачи в течение испытательного срока.

Несколько выводов о рабочей жизни с AI

1. Подготовку протоколов встреч можно автоматизировать с помощью настраиваемых промптов, что позволяет получать структурированные саммари сразу после окончания разговора.

2. Умный поиск с OCR ускоряет поиск нужной информации примерно в 5 раз.

3. Технология IDP помогает автоматизировать обработку документов, значительно сокращая время на ручной ввод данных.

4. AI-ассистент облегчает адаптацию новых сотрудников, предоставляя быстрые ответы на вопросы и собирая пошаговые инструкции из разных источников.

5. Внедрение AI не нарушает безопасность работы с данными, если вся информация остаётся на ваших серверах.

В общем, я могу сказать, что AI значительно экономит нам человеческие ресурсы. Его использование в рабочих процессах позволяет сотрудникам сосредоточиться на более важных и творческих задачах, а компании — увеличивать эффективность не расширяя штат.