Modelowanie procesów BPMN z AI w ADONIS: od SOP do modelu

Większość organizacji ma już obszerną wiedzę o swoich procesach. Znajduje się ona w standardowych procedurach operacyjnych (SOP), politykach wewnętrznych, instrukcjach stanowiskowych, podręcznikach, arkuszach kalkulacyjnych i wytycznych poszczególnych działów. Mimo to na starcie inicjatyw związanych z zarządzaniem procesami zespoły często trafiają na znaną przeszkodę: wiedza istnieje, ale rzadko ma formę, którą łatwo przełożyć na modelowanie procesów BPMN, a potem nadzorować, analizować, usprawniać i ponownie wykorzystywać na kolejnych etapach cyklu życia BPM.

Modelowanie często nie zaczyna się od projektowania ani optymalizacji procesów, tylko od ręcznego przekładania dokumentów na model. Analitycy czytają dokumentację, wyodrębniają czynności, ustalają, w którym miejscu zadanie przechodzi do innej osoby lub zespołu, odtwarzają punkty decyzyjne i doprecyzowują zakresy odpowiedzialności. Dopiero wtedy może powstać model BPMN.

Takie zadanie wydaje się proste, ale szybko pochłania dużo czasu. Praca nad modelami zaczyna się od przepisywania, a nie od usprawniania. W efekcie repozytorium procesów rośnie wolniej, a organizacja dłużej czeka na korzyści, jakie ma przynieść BPM.

Organizacje nie potrzebują więcej dokumentacji. Potrzebują szybszego sposobu, by zamienić wiedzę, którą już mają, w uporządkowane modele procesów.

Na pierwszy rzut oka zamiana SOP lub innej dokumentacji procesowej na model graficzny może wyglądać na zwykłe formatowanie. W rzeczywistości wymaga interpretacji, ponieważ dokumentacja procedur i modele BPMN przedstawiają procesy na różne sposoby.

Dokumenty takie jak SOP, instrukcje stanowiskowe, opisy polityk czy wytyczne operacyjne powstają po to, by wspierać wykonywanie pracy. Wyjaśniają, jak należy realizować zadania. Zwykle mają formę opisu albo instrukcji krok po kroku, która prowadzi pracownika przez całą procedurę.

Modele procesów mają dawać podobną jasność, ale osiągają ją inaczej. Zamiast opisywać procedurę tekstem, pokazują strukturę pracy w formie graficznej: czynności, przepływ sekwencji, zakresy odpowiedzialności, przekazania zadań i logikę decyzji. Robią to w standardowym formacie, który można wykorzystywać wielokrotnie.

Dokumentacja zwykle wyjaśnia, co ludzie mają robić, często w postaci liniowej listy kroków. Model procesu pokazuje, jak praca rozkłada się między role, decyzje i przepływ procesu. Ta różnica ma znaczenie. Weźmy takie zdanie: Dział finansów sprawdza wniosek i odsyła go, jeśli brakuje informacji.

Dla osoby modelującej proces takie zdanie od razu rodzi kilka pytań:

• Czy sprawdzenie to jedno zadanie, czy kilka osobnych kontroli?

• Co dokładnie powoduje odesłanie wniosku?

• Jak przedstawić ścieżkę poprawek?

• Kto decyduje, że informacji jest za mało?

Przy dziesiątkach lub setkach dokumentów takich pytań szybko przybywa, a razem z nimi rośnie nakład pracy. Najtrudniejsze nie jest samo narysowanie diagramu, tylko zinterpretowanie tekstu i przełożenie go na spójną strukturę procesu.

Dlatego przekładanie dokumentacji procesowej na modele BPMN wciąż zajmuje dużo czasu, nawet w organizacjach, które starannie dokumentują swoją pracę.

Właśnie przy takim problemie AI może przynieść realną, praktyczną wartość.

Duże modele językowe dobrze radzą sobie z językiem naturalnym. Potrafią rozpoznać strukturę w nieuporządkowanym tekście, wychwycić czynności i role, a z opisu procedury wywnioskować kolejność kroków oraz warunki. W BPM są więc szczególnie przydatne do zamiany istniejącej dokumentacji w uporządkowany, pierwszy szkic procesu.

Zamiast ręcznie odtwarzać proces od zera, zespoły mogą zacząć od interpretacji dokumentu źródłowego przygotowanej przez AI i skupić się na tym, co najważniejsze: na weryfikacji, dopracowaniu i ulepszeniu modelu.

Ta zmiana jest istotna. AI w BPM nie zastępuje wiedzy ekspertów od procesów. Jej wartość polega na ograniczeniu żmudnej, powtarzalnej pracy. Eksperci spędzają dzięki temu mniej czasu na przekładaniu dokumentacji, a więcej na analizie przepływów i usprawnianiu samego procesu.

Sprawdź: Szerszy kontekst przedstawiamy w artykule Przyszłość AI w zarządzaniu procesami biznesowymi: jak sztuczna inteligencja zmienia BPM.

Dzięki ADONIS AI Process Extractor istniejące SOP i instrukcje stanowiskowe mogą bezpośrednio posłużyć jako materiał wyjściowy do modelowania procesów.

Cały przebieg pracy jest prosty i pozostaje pod kontrolą użytkownika:

1. Wgranie dokumentu źródłowego
   Użytkownik dodaje SOP lub podobny dokument procesowy w obsługiwanym formacie, np. PDF, DOCX lub XLSX.

2. Asystent AI odkrywa (wyodrębnia) opis procesu
   ADONIS analizuje treść i na podstawie informacji z dokumentu tworzy uporządkowany szkic procesu.

3. Przegląd i dopracowanie wyniku
   Użytkownicy mogą zmieniać sformułowania, doprecyzować logikę zadań, uściślić zakresy odpowiedzialności i poprawić wyodrębniony opis, prowadząc rozmowę z Asystentem AI w ADONIS.

4. Wygenerowanie modelu procesu
   Dopracowany szkic zostaje przekształcony w graficzny model BPMN, który można dalej edytować w ADONIS.

W efekcie sposób pracy nad modelem zmienia się następująco:

Różnica dotyczy nie tylko szybkości, ale też tego, na czym skupiają się eksperci. Zamiast poświęcać większość wysiłku na ręczne przekładanie dokumentacji, zespoły mogą od początku zajmować się jakością modelu i logiką procesu.

Sprawdź: Jak ADONIS wspiera projektowanie, zrozumienie i analizę procesów z pomocą AI, opisujemy w artykule W jaki sposób ADONIS wykorzystuje AI, by usprawniać zarządzanie procesami biznesowymi.

Gdy odkrywanie procesów z dokumentacji staje się częścią pracy nad modelami, korzyści wykraczają poza szybsze tworzenie diagramów.

Zespoły nie muszą już odtwarzać logiki procesu wiersz po wierszu na podstawie tekstu. Duża część pracy związanej z przekładaniem dokumentacji odpada już na starcie. Wyniki modelowania są też bardziej spójne. Gdy dokumentację ręcznie przekłada kilku analityków, łatwo o różnice w interpretacji i stylu tworzenia modeli. Praca na uporządkowanym szkicu przygotowanym przez AI ogranicza te rozbieżności i ułatwia dalsze dopracowanie.

Istniejąca dokumentacja staje się bezpośrednim punktem wyjścia do uporządkowanego modelowania. Organizacje mogą dzięki temu sprawniej rozbudowywać repozytoria procesów, bez gromadzenia zaległości w tworzeniu modeli.

Właściciele procesów, analitycy i zespoły BPM spędzają mniej czasu na przepisywaniu dokumentacji, a więcej na weryfikacji przepływów, poprawie przejrzystości i szukaniu możliwości optymalizacji.

Gdy proces ma już postać uporządkowanego modelu, łatwiej go przeglądać, nadzorować, standaryzować, publikować, analizować i łączyć z powiązanymi obiektami w organizacji.

Właśnie dlatego to zastosowanie ma znaczenie strategiczne. Odkrywanie procesów z dokumentacji z pomocą AI nie służy wyłącznie oszczędzaniu czasu przy modelowaniu. Zamienia statyczną dokumentację w uporządkowaną wiedzę o procesach, którą można nadzorować, analizować i usprawniać na każdym etapie cyklu życia BPM.

AI może znacznie skrócić drogę od dokumentacji do modelu procesu. Wiedza o procesach gotowa do publikacji nadal jednak wymaga weryfikacji przez ekspertów w podejściu human-in-the-loop, w którym człowiek sprawdza i zatwierdza wyniki pracy AI.

Dokumentacja procedur często zawiera niejasności, które potrafią właściwie rozstrzygnąć tylko eksperci z danej dziedziny. Kroki bywają opisane zbyt ogólnie, zakres odpowiedzialności wynika z kontekstu zamiast być wprost nazwany, a wyjątki są często wspomniane, ale nie opisane tak, by dało się je jasno zamodelować. Kryteria decyzji też mogą wymagać doprecyzowania, zanim zostaną spójnie przedstawione w modelu procesu.

Dlatego AI najlepiej wykorzystać do przygotowania uporządkowanego pierwszego szkicu, a nie gotowego modelu.

Przed publikacją procesu wyodrębnionego przez AI zespoły powinny sprawdzić kilka ważnych kwestii:

• Czy poziom szczegółowości odpowiada celowi, któremu ma służyć model?

• Czy podobne czynności i struktury są przedstawione jednolicie we wszystkich modelach?

• Czy zakresy odpowiedzialności są jasno przypisane?

• Czy logika decyzji jest na tyle jednoznaczna, by dało się ją konsekwentnie zamodelować?

• Czy ścieżki poprawek i wyjątki są jasno przedstawione?

• Czy nazwy zadań są zgodne z wewnętrznymi standardami modelowania?

Przy takim podejściu AI przyspiesza modelowanie bez obniżania jakości i spójności procesów oraz bez osłabiania nadzoru nad nimi.

Odkrywanie procesów z dokumentów z pomocą AI jest szczególnie wartościowe dla zespołów, które mają już dokumentację, ale trudno im przekształcać ją w uporządkowane modele procesów na dużą skalę.

Szybciej widzą, czy udokumentowane procedury są kompletne, jasne i gotowe do uporządkowanego modelowania.

Spędzają mniej czasu na interpretowaniu tekstu, a więcej na usprawnianiu przekazań zadań, zakresów odpowiedzialności i projektowania procesów.

Sprawniej przechodzą od zatwierdzonych procedur do modeli procesów, które można przeglądać i nadzorować.

Ograniczają zaległości w modelowaniu, przyspieszają rozwój repozytorium i budują solidniejszą podstawę procesową dla inicjatyw usprawniających.

Gdy dokumentacja staje się uporządkowanym modelem BPMN, ma znacznie większą wartość niż statyczny plik.

W ADONIS modele procesów można osadzić w szerszym krajobrazie procesów i powiązać z innymi elementami organizacji, takimi jak role, jednostki organizacyjne, systemy, ryzyka i mechanizmy kontroli. Dzięki temu pojedyncze dokumenty zamieniają się w powiązaną wiedzę o procesach, która wspiera nadzór, przejrzystość i usprawnianie codziennej działalności.

Powiązane modele mają znaczenie także dla organizacji, które rozwijają szersze podejście oparte na cyfrowym bliźniaku organizacji (ang. Digital Twin of the Organization, DTO). Spójnej i wiarygodnej podstawy procesowej nie da się zbudować z samych rozproszonych dokumentów. Potrzebne są uporządkowane modele, które można utrzymywać, łączyć ze sobą i wykorzystywać ponownie.

Odkrywanie procesów z dokumentów z pomocą AI przyspiesza budowanie takiej podstawy, bo ułatwia pierwszy krok: zamianę istniejącej wiedzy operacyjnej w uporządkowane modele BPMN.

Większość organizacji nie zaczyna od zera, bo ma już wiedzę o procesach. Problem w tym, że ta wiedza często pozostaje zamknięta w dokumentach, które przydają się w codziennej pracy poszczególnych zespołów, ale nie wystarczają do uporządkowanego zarządzania procesami.

Właśnie tę lukę pomaga wypełnić odkrywanie procesów z pomocą AI.

ADONIS zamienia SOP i inne dokumenty procesowe w uporządkowane szkice procesów biznesowych, dzięki czemu przejście od dokumentacji do modelu wymaga znacznie mniej pracy. Zespoły mogą poświęcać mniej czasu na rozszyfrowywanie dokumentów, a więcej na dopracowanie modeli, nadzór nad nimi i usprawnianie sposobu wykonywania pracy.

W tym sensie AI nie zastępuje modelowania. Sprawia za to, że praca nad modelem startuje z dużo lepszego miejsca.

Sprawdź: Więcej o tym, jak AI usprawnia pracę z dokumentacją procesów, piszemy w artykule AI w dokumentowaniu procesów – nowy sposób pracy z procesami.