07.05.2025

AI‑driven Process Discovery – jak wybrać najlepszy proces do automatyzacji i zmaksymalizować ROI

AI‑driven Process Discovery – jak wybrać najlepszy proces do automatyzacji i zmaksymalizować ROI

Wprowadzenie

W dobie transformacji cyfrowej, jedno pytanie pojawia się niemal zawsze na początku każdego projektu związanego z automatyzacją i sztuczną inteligencją: „Od którego procesu powinniśmy zacząć?”. Choć może się wydawać banalne, od tej decyzji zależy tempo adopcji technologii, zaangażowanie interesariuszy i wreszcie – zwrot z inwestycji.

Wybór nieoptymalnego kandydata często kończy się fiaskiem – przeciągającym się wdrożeniem, przeciążonymi zespołami i malejącym entuzjazmem. Z kolei celne trafienie – np. proces o wysokim wolumenie i niskiej złożoności – może przynieść efekt „kuli śnieżnej”, otwierając drogę do szerokiej adopcji AI w całej organizacji.

Sześciostopniowy framework selekcji

Oto sprawdzona struktura decyzyjna, która pozwala ograniczyć ryzyko i maksymalizować wartość:

1. Mapowanie procesów (Process Mapping) – warsztaty w oparciu o BPMN 2.0, wspierane analizą nagrań ekranów (screen recording) pozwalają objąć ponad 90% rzeczywistych ścieżek. Często odkrywamy tu “shadow processes” – nieformalne działania wykonywane poza procedurą.
2. Miner AI – wykorzystując techniki Process Mining (m.in. α+, Heuristics Miner, BFGS), rekonstruujemy przepływy na podstawie logów systemów ERP/CRM. Umożliwia to identyfikację rzeczywistego przepływu pracy, a nie tylko tego “na papierze”.
3. Oceny potencjału – każdemu procesowi przypisujemy miejsce w macierzy 2x2 (automatyzowalność × wartość biznesowa), dzięki czemu można szybko zidentyfikować procesy typu „Quick Win”.
4. Symulacja cyfrowego bliźniaka – technika Digital Twin umożliwia przetestowanie różnych scenariuszy (np. wzrost obciążenia, zmiany taktowania) z użyciem symulacji Monte Carlo. To pozwala przewidzieć zachowanie systemu po wdrożeniu automatyzacji.
5. Pilotaż A/B – testujemy minimum viable automation (np. 1-2 kroki procesu), porównując go z grupą kontrolną. Kluczowe wskaźniki to CTQ (Critical To Quality), np. czas przetwarzania, błąd ludzki, koszt na jednostkę.
6. Decyzja GO/NO-GO – decyzja oparta o twarde dane: oczekiwany NPV > 0 i IRR > 40% oznacza zielone światło dla roll-outu. Zespół sterujący (steering committee) zatwierdza roadmapę wdrożeniową.

Kryteria oceny automatyzowalności
 

• Regułowość wejścia – im bardziej ustrukturyzowane dane wejściowe (np. plik XML, formularz webowy), tym łatwiej wdrożyć RPA lub AI. Dane w formie e-maila lub dokumentów papierowych wymagają dodatkowego pre-processingu (np. OCR, NLP).
• Powtarzalność – procesy o wysokiej liczbie wystąpień (np. ≥200 razy/miesiąc) generują skalowalny zysk z automatyzacji. To kluczowe dla uzasadnienia ROI.
• Dostępność danych – systemy z otwartym API (np. REST, GraphQL) są łatwiejsze do integracji niż legacy, on-premise z ograniczoną dokumentacją i wysokim vendor lock-in.
• Ryzyko błędu ludzkiego – automatyzacja przynosi największy zysk w procesach, gdzie błędy są kosztowne (np. księgowość, raportowanie regulacyjne). AI eliminuje te błędy i zapewnia audytowalność.
   

Kryteria wartości biznesowej
 

1. Wskaźnik CT (czas takt) – skrócenie czasu jednego kroku o 1 sekundę na stanowisku z OEE 85% może przynieść setki tysięcy złotych oszczędności rocznie przy dużej skali.
2. Cash-to-Cash Cycle – przyspieszenie cyklu fakturowania (np. dzięki automatycznemu rozpoznawaniu faktur) skraca czas zamrożonego kapitału, poprawiając płynność finansową.
3. Satysfakcja klienta (NPS) – automatyzacja obsługi zapytań lub reklamacji 24/7 często skutkuje wzrostem NPS o ≥10 punktów procentowych, zwłaszcza w branżach zorientowanych na klienta (np. e-commerce).
4. Uniknięcie kar regulacyjnych – compliance AI w sektorach regulowanych (bankowość, farmacja) to nie tylko wartość dodana – to konieczność.

Model scoringowy 5‑wymiarowy
 

Do obiektywnej oceny warto zastosować model punktowy z pięcioma wymiarami:

Przykład zastosowania (scorecard)

Analizując trzy realne procesy w średniej firmie:

1. Rejestracja faktur (Accounts Payable)
2. Obsługa reklamacji klientów e-commerce
3. Planowanie zapotrzebowania materiałowego (MRP)

Po zastosowaniu modelu scoringowego otrzymujemy:

• AP = 4,2/5 – szybki zwrot inwestycji (9 miesięcy), wysoka powtarzalność, niskie ryzyko
• Reklamacje = 3,6/5 – pozytywny wpływ na NPS, ale większa zmienność danych
• MRP = 2,9/5 – wysokie ROI teoretycznie, ale złożona logika i trudna integracja

Decyzja: rozpoczynamy od AP – bo szybkie rezultaty wzmacniają zaufanie i uzasadniają dalsze inwestycje. To tzw. MEAŁ – Minimal Economically Amazing Launch, czyli szybkie zwycięstwo z dużym efektem demonstracyjnym.

Metody decision‑making
 

• MoSCoW Matrix – priorytetyzacja wymagań według kategorii: Must-have, Should-have, Could-have, Won’t-have. Pomaga uniknąć „overengineeringu”.
• WSJF (Weighted Shortest Job First) – kluczowa technika z metodyki SAFe. Pozwala wybrać projekty o największym wpływie w najkrótszym czasie.
• Real Options Analysis – traktujemy pilotaż jako instrument finansowy: kupujemy opcję wdrożenia pełnego rozwiązania, ale tylko wtedy, gdy wyniki są obiecujące. Minimalizuje to ryzyko inwestycji.
   

Rola AI w procesie discovery
 

Nowoczesne narzędzia Task Mining (np. UIPath, Celonis, FortressIQ) śledzą zachowania użytkownika w aplikacjach, analizując kliknięcia, czas spędzony na zadaniach i sekwencje czynności. Duże modele językowe (LLM) klasyfikują te czynności w czasie rzeczywistym, tworząc dynamiczną mapę pracy biurowej.

Dzięki temu menedżerowie mogą zidentyfikować tzw. „czas marnowany” – np. 27% czasu spędzanego w Excelu na kopiuj/wklej. To nie tylko liczby – to realne podstawy do inwestycji.

Najczęstsze pułapki
 

1. Zbyt ambitny pierwszy projekt – rozpoczęcie od procesu o wielowymiarowej logice, zależnym od wielu działów, często kończy się przeciążeniem zespołu.
2. Brak danych wyjściowych – jeśli nie zmierzysz obecnych KPI (np. CT, FPY), nie udowodnisz wartości wdrożenia.
3. Pominięcie ludzi – zmiana technologiczna to również zmiana kulturowa. Pracownicy muszą rozumieć i akceptować nową rzeczywistość – inaczej zbojkotują system pasywnie.

Podsumowanie

AI-driven Process Discovery pozwala zidentyfikować najlepsze procesy do automatyzacji w sposób obiektywny, szybki i skalowalny. Dzięki połączeniu technik miningowych, scoringu i symulacji – podejmujesz decyzje oparte na danych, nie przeczuciach. Kluczem do sukcesu jest wybór procesu o dużym wolumenie, prostej strukturze i jasnym KPI finansowym.

Zamów warsztat Value Sprint i rozpocznij mądrze swoją podróż z automatyzacją opartą o AI.

Autor: JCD

Od przeszło dekady konsekwentnie przekształcamy zaawansowane idee w funkcjonalne aplikacje oraz internetowe platformy usługowe. Nasza działalność koncentruje się na głębokim zrozumieniu natury przedsiębiorstwa oraz kluczowych wymagań, które są fundamentem dla każdego przedsięwzięcia.

Stale łączymy metody kreatywne z systematycznym, badawczym podejściem, przekonani, że jedynie przez dogłębną analizę i zrozumienie specyfiki wyzwań, jesteśmy w stanie w pełni współpracować z naszymi klientami w celu kreowania innowacyjnych rozwiązań. Te rozwiązania nie tylko ulepszają doświadczenie użytkowników, ale również zapewniają naszym klientom strategiczną przewagę na rynku. Nasze procesy projektowe są zatem oparte na aktywnym słuchaniu, szczegółowej analizie i ciągłym dialogu z klientami. W ten sposób nieustannie pracujemy na rzecz tworzenia nie tylko technologii, ale także wartości, które wyznaczają nowe standardy w cyfrowym krajobrazie biznesu.