Как провести рентген бизнеса и извлечь знания экспертов

В новой статье про рентген бизнеса я разобрал только часть методов, которыми можно восстанавливать реальные процессы и извлекать знания экспертов.

В официальном BABOK (Business Analysis Body of Knowledge) описано 50 техник бизнес-анализа.

Но я бы не воспринимал BABOK как инструкцию, по которой нужно последовательно пройти все 50 пунктов. Это скорее большой набор инструментов, из которого под конкретную проблему выбирается несколько нужных.

Например, в статье я коротко рассказал про интервью, наблюдение, анализ документов, воркшопы, опросы, фокус-группы, моделирование процессов, бизнес-правила и решения.

Но для полноценной ИИ-трансформации одного бизнес-анализа недостаточно. Значительная часть реальной экспертизы компании существует в головах людей.

Опытный сотрудник знает, какого клиента лучше не онбордить и почему кандидат с хорошим резюме на практике не подойдет.

Причем часть реального процесса вообще может быть скрыта внутри его мышления. На схеме написано «проанализировать заявку», но внутри человек замечает необычный сигнал, сравнивает его с прошлыми кейсами, оценивает несколько признаков и только после этого принимает решение.

Поэтому я бы дополнял классический бизнес-анализ методами, которых нет в BABOK.

Например, Process Mining позволяет восстанавливать фактический процесс по цифровым следам в информационных системах, а не только по тому, что сотрудники рассказывают на интервью.

Task Mining показывает, что человек делает непосредственно на компьютере: между какими системами переключается, что копирует вручную и какие операции повторяет.

А когнитивный анализ задач (Cognitive Task Analysis, CTA) нужен для извлечения того, что происходит уже в голове эксперта. Тут вы становитесь своего рода психологом.

Для когнитивного анализа я бы выделил шесть вопросов для интервью:

1. Информация — на что человек смотрит? Какие данные важны? Что он замечает первым и с чем сравнивает?

2. Интерпретация — что он понимает из увиденного? Что означает конкретный признак? Какую гипотезу он строит? И какие признаки рассматривает вместе?

3. Логика решения — как выбирается результат? Какие есть варианты? По каким критериям выбирается каждый? И где проходят границы?

4. Опыт и эвристики — что находится только в голове эксперта?
Что он замечает быстрее новичка? Какие негласные правила использует? И что сложно формализовать?

5. Неопределенность и исключения — когда обычное правило не работает?
Что делать, когда данных недостаточно? Что вызывает сомнение? И когда нужно запросить дополнительную информацию и передать решение человеку?

6. Качество и обратная связь — как понять, что решение хорошее? Как проверить результат? Какие ошибки критичны? И что заставит пересмотреть решение?

В итоге нужно восстановить всю когнитивную цепочку: что человек увидел, как это интерпретировал, с чем сравнил, какое решение принял, как обработал исключение и по каким признакам понял, что результат правильный.

Получается, что бизнес-анализ показывает, что делает человек, а когнитивный анализ — что он думает, когда это делает.

Для ИИ-агентов это важно, потому что автоматизировать нужно не только видимые действия, но и скрытые правила и логику принятия решений.

При этом эксперт тоже может ошибаться. Поэтому извлеченные знания нужно проверять и только после этого передавать агенту. Все же мы, люди, склонны к когнитивным искажениям. Включайте свое критическое мышление и здравый смысл.

Задача не в том, чтобы научить агента повторять действия сотрудника, а в том, чтобы отделить знания компании от конкретных людей, проверить их и превратить в воспроизводимый интеллектуальный процесс.

Тогда человек может уйти из компании, а накопленная экспертиза останется внутри.

В следующей статье разберемся, как увидеть бизнес-процесс таким, какой он есть на самом деле: как использовать Process Mining с помощью цифрового следа, находить расхождения с реальностью и описывать процесс так, чтобы его одинаково понимали и люди и ИИ.

👉 Полная статья