Интеллектуальные программные роботы – практические кейсы цифровой трансформации

Александрович
к.ф.-м.н., доцент кафедры моделирования и оптимизации бизнес-процессов Школы бизнес-информатики Факультета

рутинных операций при взаимодействии с информационными системами
Действия человека записываются и

похожесть
Именованные сущности (NER)
Семантические сети
Эмоциональная окраска
Аннотирование
Лексические шаблоны
Морфологи-ческий анализ
Синтакси-ческий анализ
Полнотексто-вый индекс
Языки,

Значимость лексики

Text 2 Speech

Speech 2 Text

Авто- перевод

Чатботы

OCR

Генерация текста

Алгоритми-ческие роботы

изучающий смысловое значение единиц языка
Один и тот же смысл может

Семантический анализ – выделение смысловых инвариантов (элементов смысла, независимых от текстового представления)

предметной области, типы связей: «причина – следствие», «часть –целое», «род

разделяют данные на кластеры
Алгоритмы обучаются классифицировать информацию на примерах решения

них упоминаний недопустимых форматов документации
Печать и рассылка официальных писем, подготовка

Проверка требований законодательства

Торги на сайте zakupki.gov.ru на разработку проектно-сметной документации на строительство и ремонты в Москве

Найденные в ТЗ несоответствия требованиям 728-ПП, письма в организации, допустившие нарушения

Ручной труд

Автоматически скачивает нужную КД, находит файлы с ТЗ, анализирует текст и находит несоответствия 728-ПП
Формирует проекты обращений и отправляет их как исходящие в СЭД …

Применение AI и ML

реквизитов, сумм и сроков, ссылок на НПА и стандарты, …
Высокая

Анализ договоров и госконтрактов

Проекты договоров, госконтрактов, конкурсная документация, ТЗ

Найденные и исправленные ошибки, перечень замечаний, оценка уровня риска

Ручной труд

Автоматически распознаёт 30 типов договоров, находит ошибки, выделяет ключевые условия, пропущенные разделы, оценивает риски,…
Проверяет контрагентов

Применение AI и ML

проекта НПА
Методика 96ПП от 26.02.2010
Антикоррупционная экспертиза
Проект нормативного правового акта ОИВ
Заключение

Ручной труд

Автоматически выделяет потенциальные корр. факторы на основе общей базы знаний, готовит проект заключения
Обучается на основе обратной связи от экспертов

Применение AI и ML

техники, анализ соответствия действующему законодательству
Подготовка заключения
Правовая экспертиза
Законопроект или проект внутреннего

Заключение о проведении правовой экспертизы с перечнем замечаний

Ручной труд

Применяет к проекту документа настраиваемый набор правил проверки, исправляет ошибки, готовит проект заключения
Проверяет терминологию, выявляет возможные правовые пробелы и коллизии

Применение AI и ML

фрагментов
Кропотливая работа по созданию изменяющих формулировок
Неизбежность ошибок
Конструктор НПА и ОРД
Текст

Текст проекта документа «О внесении изменений в …»

Ручной труд

Распознаёт структуру изменяемого НПА и предоставляет возможность его прямого редактирования
Автоматически формирует точный текст проекта документа «О внесении изменений…»

Применение AI и ML

в ИС, предложить решение
И так сотни раз в день -

Обработка запросов в тех. поддержку

Обращение сотрудника организации или внешнего пользователя через сайт или по электронной почте

Обращение классифицировано, принято в работу и направлено специалисту

Ручной труд

Автоматически классифицирует обращение с помощью нейросети, построенной на данных обучающей выборки
Использует информацию из текста обращения и скриншотов
Учитывает обратную связь

Применение AI и ML

решать, заполнить данные в ИС, отправить по принадлежности
Особенно тяжело весной

Анализ обращений граждан

Обращение гражданина на сайте ОИВ или по электронной почте

Обращение классифицировано, принято в работу и направлено в структурное подразделение

Ручной труд

Автоматически классифицирует обращение (обучающая выборка + нейросеть)
Обеспечивает адресную привязку
Находит похожие обращения
Учитывает обратную связь

Применение AI и ML

каждому объекту недвижимости
Неизбежные ошибки в наименованиях, комплектности, структуре документов затрудняют

Классификация проектной документации

Файлы с проектно-сметной документацией на строительство и ремонты в Москве, подаваемые на гос.экспертизу

Полный комплект электронных документов загружен, проверен на комплектность и готов к экспертизе

Ручной труд

Автоматически распознаёт текст документа, классифицирует и проверяет более 30 типов документов
Определяет отсутствующие
Проверяет реквизиты объекта

Применение AI и ML

записей в день
Нормализация и очистка данных
Неструктурированные почтовые адреса и ФИО

Структурированные и приведенные к единому виду почтовые адреса, привязанные к ФИАС;
Нормализованные ФИО

Ручной труд

Анализирует текст, преобразует строку адреса и ФИО в объект с совокупностью атрибутов
Формирует метрики качества
Связывает с кодами справочника ФИАС

Применение AI и ML

с актами КС-2, накладными ТОРГ12 и т.п.
Они никогда не совпадают…
Сверка

Исходные сметы и спецификации;
Акты и накладные, представляемые Заказчику в ходе исполнения контракта

Найденные и исправленные ошибки и несоответствия в товарных позициях актов / накладных и смет / спецификаций

Ручной труд

Распознаёт данные в сметах, спецификация, актах, накладных
Находит совпадающие, похожие, лишние и отсутствующие позиции, выделяет их цветом
В десятки раз ускоряет сверку

Применение AI и ML

порождает ошибки
Сверками заняты тысячи сотрудников
Сверка финансовых данных в разных ИС
Информация

Выявленные ошибки и несоответствия в финансовой отчетности

Ручной труд

Более 200 алгоритмических роботов еженочно проводят сверки и выявляют ошибки
Работают через GUI и/или API
Сокращают нагрузку на тысячи сотрудников

Применение AI и ML

или больничный
Действие робота всегда подконтрольно, ведется запись действий
Легко перенастраивается, человека

Роботы не требуют сложной системной интеграции в существующую ИТ-инфраструктуру

Работа робота снижает затраты и количество ошибок

Роботы сокращают время выполнения задач, объединяя данные из разрозненных систем

Высокая гибкость и хорошая масштабируемость

1

2

3

4

5

6

7

сотрудником
Когда сотрудник работает сразу с несколькими ИС
Для миграции данных при переходе

Когда требуется срочная интеграция с унаследованной ИС

RPA

интеллектуальных программных роботов
Заполните таблицу SIPOC-диаграммы для выбранного бизнес-процесса (заполнение

20 минут!

в машиночитаемом формате
1

разнообразных и сложных навыков
3

может быть получена сразу же или может быть выделена из

4

приведет к серьезным последствиям
5

человеком
6

информации с понятиями, метками, прогнозами или действиями
8

клиентом или другим человеком
9

одинаково
10

принято именно такое решение
12

ответов, ранжированию альтернативных вариантов, прогнозированию количества или группировке похожих объектов
13

экземпляра бизнес-процесса
14

может потребовать работы с текстом в будущем
15

видео или может потребовать такой работы в будущем
16

голосом, …) или может потребовать такой работы в будущем
17

типами данных (кроме текста, изображения / видео и речи)
18

секунду или меньше
19

получаемые результаты можно измерить
20

процесса
21