В разделе, посвященном iBPMS, была упомянута концепция минимального кодирования (low-code), но следует иметь в виду, что она подходит для не самых сложных процессов, которые могут быть оптимизированы относительно быстро с минимальным вмешательством в работу компании. Для интеграции BPM с платформами ИИ, машинного и глубокого обучения лучше использовать микросервисы.
Согласно отчету Роба Копловица из Forrester, BPM будет развиваться в следующих направлениях:
● Машинное обучение позволит оптимизировать процессы. Аналитика проникнет повсюду, включая управление процессами. Раньше системы только предоставляли данные, появление ИИ позволяет сделать шаг вперед – рекомендовать действия.
● Неструктурированные данные систематизируются. BPM традиционно силен в автоматизации структурированных процессов. Неструктурированные процессы – это другая история, здесь шаблоны не столь очевидны. ИИ, в частности, технологии обработки естественного языка (Natural Language Processing, NLP), решает эту проблему, анализируя эмоциональную окраску сообщений и преобразуя неструктурированные данные в нечто более организованное.
● Новые интерфейсы, новые возможности. Новые технологии привели к появлению нового стиля взаимодействия с пользователем и новых интерфейсов, таких как управление голосом и чат-боты.
8.3.2.6. ИИ в цепях поставок
По мнению One Network Enterprises, успех внедрения ИИ в управление цепями поставок следует оценивать по восьми критериям:
● доступ к данным в режиме реального времени;
● доступ к общим данным цепи поставок;
● поддержка общих для всей сети целевых функций;
● инкрементный процесс принятия решений, учитывающий стоимость изменений;
● постоянное самообучение и самоконтроль в процессе принятия решений;
● системы ИИ должны являться автономными системами принятия решений;
● системы ИИ должны масштабироваться в широких пределах;
● система должна предусматривать взаимодействие с пользователями.
Доступ к данным в режиме реального времени
Новые системы ИИ должны устранить проблему устаревших данных, характерную для традиционных корпоративных систем с их пакетной обработкой. Большинство цепей поставок сегодня пытаются работать по планам, данные которых устарели на несколько дней, что негативно влияет на качество решений в цепи поставок и требует ручного вмешательства для устранения проблем. Без информации в реальном времени система ИИ просто будет быстрее принимать плохие решения.
Доступ к данным участников многосторонней цепи поставок
Алгоритмам ИИ, глубокого обучения и машинного обучения должны быть доступны данные за пределами вашего предприятия и в особенности данные сообщества ваших торговых партнеров.