СберТех: Process Mining, цифровые следы процессов превращаются в миллиарды экономии, Евгений Миронов

Евгений Миронов, руководитель направления продаж, СберТех. Конференция TAdviser «Цифровые технологии в промышленности: практика и кейсы» 2026. Контекст и постановка проблемы История четырёх промышленных революций — механизации, электрификации, автоматизации и цифровизации — используется как рамка для тезиса об их общей цели: рост производительности труда и оптимизация процесса. Интерактивный опрос аудитории о реальном применении искусственного интеллекта, роботов и автоматизации выявляет разрыв между декларативной известностью технологий и их практическим внедрением на предприятиях. Технология process mining Process mining определяется как анализ реальных процессов на основе цифровых следов — логов и датасетов, генерируемых информационными системами предприятия (ERP, электронный документооборот). Выделены четыре направления анализа: сопоставление эталонного регламента с фактическим исполнением процесса; управление ресурсами, задействованными в процессе (пример — компания Wildberries, перестраивающая процессы в кризисный период); расчёт стоимости процесса и отдельных его шагов для обоснования окупаемости внедрений; использование технологии как платформы для дальнейшей автоматизации и роботизации. Два подхода к диагностике неэффективностей Классический консалтинговый подход — наблюдение сотрудников с фиксацией вручную, «с блокнотом и ручкой» — критикуется через эффект наблюдателя: под контролем персонал начинает строго следовать регламенту, и итоговая картина описывается как «воздушные замки», где «пони бегают где-то там», то есть оторванная от реальной практики идеализация. Цифровые следы лишены этого искажения и позволяют выявить реальные паттерны — зацикливание, избыточные переходы, лишних согласующих, избыточную длительность этапов; используемая ML-модель обучена на тринадцати гипотезах неэффективности. Архитектура решения Решение включает восемь предобученных ML-моделей, разворачиваемых без дополнительного оборудования и автоматически формирующих список из десяти ключевых неэффективностей процесса, а также AI-ассистента в формате чата, требующего развёртывания на мощностях заказчика. Роль технологии поясняется сравнением с аппаратом МРТ: система диагностирует проблемные участки, а решение об их устранении — управленческое (реинжиниринг, изменение регламента, обучение сотрудников) или ИТ-решение (RPA, AI-ассистент) — остаётся за заказчиком. Кейс закупочной деятельности Анализ логов дочерней компании крупного холдинга за полтора года показал: лишь 31% заявок проходили без корректировок, 69% возвращались на доработку, что обернулось потерями в 2,2 миллиарда рублей. Рекомендованы доработка информационной системы (обязательные поля, подсказки) и обучение силами лучших сотрудников. Отдельно выявлено, что заявки брались в работу в последний из трёх регламентных дней; сокращение срока до двух дней снизило длительность процесса на 28% без роста бэклога. Пересмотр исторически закреплённой логики распределения заявок сэкономил 22 часа в месяц для перегруженной группы сотрудников. Формат сотрудничества Предложен пилотный проект с минимальными организационными издержками: со стороны заказчика — выбор процесса, NDA и выгрузка логов, со стороны исполнителя — аналитика и рекомендации по оптимизации. Срок реализации — около месяца, в зависимости от скорости документального оформления. Ключевая ценность технологии — в фиксации разрыва между декларативным регламентом и фактической практикой, выражающегося в измеримых финансовых потерях. Process mining позиционируется как диагностический, а не терапевтический инструмент, что снижает риски завышенных ожиданий заказчика. Критика классического консалтинга через эффект наблюдателя усиливает коммерческую аргументацию в пользу цифрового подхода как более объективного. Акцент на быстрые управленческие решения наряду с ИТ-инвестициями делает пилотный проект с низким порогом входа логичным следующим шагом для заказчика.