Мы все видели, как такие инструменты, как ChatGPT, справляются с множеством бизнес-задач, автоматизируя практически всё.
И это правда — генеративный ИИ действительно способен выполнять широкий спектр задач, которые сегодня делают люди. Так зачем же проектировать и запускать бизнес-процессы, используя стандарты автоматизации, разработанные двадцать лет назад в совершенно другую технологическую эпоху? Почему бы не позволить бизнес-пользователям напрямую работать с ИИ, чтобы делать всё это?
Зачем нужен был BPMN?
Стандарт Business Process Model and Notation (BPMN), представленный в 2004 году, вырос из более ранних стандартов, таких как BPEL (Business Process Execution Language). Его цель — создать единый способ моделирования бизнес-процессов, понятный всем заинтересованным сторонам: от бизнес-пользователей, менеджеров и аналитиков до разработчиков и систем, исполняющих эти процессы.
Почему это было так важно? Потому что каждая из этих групп имела свои ожидания и потребности. Полагаться только на описание задачи от бизнес-пользователя — недостаточно для нужд всей организации. Например, бизнес должен учитывать требования законодательства — финансовые, по конфиденциальности, безопасности и прозрачности. Бизнес-пользователи, как правило, не разбираются в таких регламентах, как GDPR, поэтому определение процессов без участия специалистов по праву, комплаенсу или безопасности приводит к неполным или ошибочным моделям. BPMN позволял учесть все эти точки зрения и свести их воедино.
Agentic AI — следующий шаг
ИИ развивается с невероятной скоростью и уже давно не ограничивается диалогами в формате «вопрос-ответ». Сейчас появляются системы, способные к многошаговому рассуждению и взаимодействию с сетью ИИ-«агентов». Эти продвинутые системы, известные как Agentic AI или LAM (Large Action Models), потенциально могут заменить всех людей, участвующих в построении бизнес-процессов.
Специализированные ИИ-агенты, обученные под разные бизнес-перспективы и экспертизу, смогут выполнять эти задачи без участия человека. Например, агент ИИ по HR, взаимодействуя с агентами по конфиденциальности, корпоративной культуре и ИТ-системам, сможет самостоятельно создать подходящий процесс онбординга сотрудников. Но как эти ИИ-агенты смогут однозначно взаимодействовать между собой? На самом деле, так же, как это делают люди — им всё равно нужен общий язык для общения о процессах. Качество и переиспользуемость результата будет максимальной, если существует мощный, формализованный язык для описания процессов (сложнее, чем просто список шагов). Именно этим и является BPMN.
Одна из ключевых целей BPMN заключалась в том, чтобы его можно было объяснить нетехническим пользователям — чтобы разные люди могли проверить, как процесс будет работать. Поэтому логично двигаться в сторону того, чтобы ваши ИИ-агенты генерировали понятные BPMN-описания бизнес-процессов. При этом внешние интеллектуальные сервисы тоже смогут участвовать, используя тот же формат. Семь лет назад мы показали, как ИИ, обученный на принятии решений в процессе, может динамически генерировать понятную и исполняемую модель DMN.
Зачем использовать ИИ для запуска процессов?
Когда у вас есть BPMN, сгенерированный ИИ, вы можете передать его другому ИИ-агенту, обученному исполнять BPMN, чтобы запускать новый экземпляр процесса по мере необходимости. Но обучение и запуск ИИ-агентов — это дорого и относительно медленно. Использовать ИИ для того, чтобы делать то, с чем давно справляются масштабируемые, гиперэффективные BPMN-движки — пустая трата ресурсов.
Гораздо эффективнее, стабильнее и надёжнее запускать ваши процессы BPMN на этих проверенных движках. Современные BPMN-системы должны стать «исполняющей средой» для ИИ. То же относится и к другим ключевым стандартам автоматизации — CMMN (Case Management Modeling and Notation) и DMN (Decision Management Notation). У Flowable, например, есть клиенты, которые запускают миллионы экземпляров BPMN и CMMN каждый день.
ИИ понравится управление кейсами
Напоследок — раз уж речь зашла о CMMN. Это лучший способ управлять исполнением ИИ-сервисов и агентов.
Кейс-менеджмент, реализованный через CMMN, позволяет описывать сложную автоматизацию, которая не ограничивается последовательным выполнением шагов. Он позволяет описывать полную сквозную автоматизацию с 360-градусным охватом того, что может быть уместно на разных этапах жизненного цикла чего-либо — будь то человек, ситуация, документ, проект или любой другой объект автоматизации. Система может принимать решение, когда запрашивать услуги, координировать их ответы или выбирать нужные. В CMMN есть такие концепции, как сентри (триггеры) и стейджи (контексты). Вы можете задать контексты, когда определённые ИИ-агенты применимы (или нет), и активировать их по нужному триггеру. В зависимости от результатов этих агентов могут быть запущены другие ИИ-агенты или процессы BPMN. И всё это время участие человека также может быть частью общей интеллектуальной автоматизации.
Пять лет назад мы называли этот подход намеренными процессами (intentional processes) и представляли идею на BPMNext.
Подписывайтесь на наши телеграм каналы:
[Реклама удалена модератором]
BPM Developers — про бизнес-процессы: новости, гайды, полезная информация и юмор.
