Джон Будро - Реинжиниринг бизнеса [Как грамотно внедрить автоматизацию и искусственный интеллект] [litres]

Компании, оказывающие финансовые услуги, всё чаще сталкиваются с повышением расходов, направленных на соблюдение законодательных требований. По данным Института международных финансов, средняя сумма для каждой организации составляет примерно $1 млрд в год. Значительный процент этих затрат связан с деятельностью кредитных аналитиков. Их работа включает в себя, в частности, задачи по выполнению требований, связанных со «знаниями о клиенте». Эти требования регулирующего органа обязывают банки демонстрировать понимание того, кто одалживает у них деньги и пользуется их услугами. Необходимо показать, что банкиры знают, как именно заемщики используют выделенные им средства, – чтобы, к примеру, не дать кредит торговцу наркотиками или организации, занимающейся отмыванием денег. Когда, допустим, кто-то обращается за ипотечным кредитом, аналитик должен собрать информацию о нем в банковских базах данных, запросить его кредитную историю у рейтинговых агентств, проанализировать то, как он платит налоги, и просмотреть его профили в соцсетях, чтобы оценить возможные риски по кредиту. Эта работа отнимает уйму времени, к тому же аналитику легко совершить ошибку, которая приведет к принятию неправильного решения (а возможно, и к нарушению местного или федерального законодательства).

Однако сегодня многие из этих задач можно возложить, хотя бы частично, на автоматизированную систему: она соберет все данные из разных источников, объединит их и представит полную информацию о клиенте, причем сделает это гораздо быстрее человека, допустив меньше ошибок. По оценке экспертов McKinsey&Company, окупаемость инвестиций в подобные системы составит от 30 до 200 % только за первый год [31] Xavier Lhuer, “The Next Acronym You Need to Know About: RPA,” Digital McKinsey , December 2016; https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/the-next-acronym-you-need-to-know-about-rpa . . При этом снижение числа ошибок приведет к тому, что невыплачиваемых кредитов и отказов по заявкам о кредитах станет меньше, а удовлетворенность клиентов возрастет. Этих стратегических целей можно достичь, всего лишь переосмыслив работу кредитного аналитика и видоизменив процесс рассмотрения заявок. Если роботизированные системы возьмут на себя часть обязанностей данных специалистов, то сами аналитики смогут посвящать больше времени поддержке клиентов – объяснениям, почему тому или иному человеку было отказано в кредите, предложениям по исправлению кредитной истории, работе с нестандартными случаями.

Помимо прочего, внедрение роботизированной автоматики способствует масштабированию процессов. Всплеск заявок на ипотеку в связи со снижением кредитных ставок зачастую требует от банка привлечения 40 дополнительных сотрудников в выходные дни. Если же работу выполняет роботизированная система, то можно в субботу и воскресенье задействовать дополнительных роботов, а в понедельник просто отключить их.

Оптимизация трудовой деятельности вследствие замены людей роботизированными системами помогает избежать негативных значений ПУРР, снижая число ошибок. Переключение специалистов на общение с клиентами и принятие решений по нестандартным случаям способствует плавному росту ПУРР, поскольку вследствие улучшения качества работы создается дополнительная ценность.

Подбор персонала требует много времени, и это правило верно для любой организации. Сотрудники кадровых служб тратят массу усилий на размещение вакансий, просмотр резюме кандидатов, оценку их умений и навыков, проведение собеседований. В данном случае речь идет об автоматизации работы с теми же характеристиками, что и в предыдущем случае (стандартная, умственная, выполняемая индивидуально), однако здесь мы переместимся в крайнюю правую часть графика ПУРР. Оптимальной тут будет не столько замена людей машинами, сколько расширение их функционала за счет познавательной автоматики. В этом разделе мы поговорим о ее возможностях.

Познавательная автоматика способна дополнить и расширить некоторые задачи рекрутеров. Так, компания Unilever использует искусственный интеллект, отбирая претендентов в Facebook и других социальных сетях. Соискатели, кликая на рекламное объявление, посылают отклик на вакансию через свой профиль в сети LinkedIn. Unilever получает сотни тысяч таких заявлений от желающих получить работу. Раньше сотрудники кадровой службы просматривали каждое резюме, отделяя достаточно квалифицированных претендентов от тех, кто не обладает нужными навыками и умениями. Теперь же в Unilever задействовали специально созданный алгоритм, анализирующий информацию о квалификации соискателя и отбирая тех, чей профессиональный уровень удовлетворяет необходимым требованиям. Далее кандидаты должны пройти автоматическое тестирование, в которое входят онлайн-игры, ответы на вопросы и запись видео. Искусственный интеллект, следуя заданным параметрам, анализирует всю полученную информацию и выставляет оценку каждому претенденту, определяя тех, кому будет предложено лично явиться на собеседование. По словам представителей Unilever [32] Richard Feloni, “Consumer-Goods Giant Unilever Has Been Hiring Employees Using Brain Games and Artificial Intelligence,” Business Insider , June 28, 2017; http://www.businessinsider.com/unilever-artificial-intelligence-hiring-process-2017–6 . , после интервью предложение о работе получают около 80 % соискателей, отобранных программой, тогда как до ее внедрения этот показатель составлял лишь 63 %.