При внедряването на изкуствен интелект разговорът лесно се насочва към избора на модел. Кой е по-точен, по-бърз или по-добър в разбирането на документи? Въпросите са важни, но успешното внедряване изисква отговори и на други въпроси: кой процес подобряваме, кой отговаря за резултата и какво се случва, когато автоматизацията не може да продължи?
По-добрият модел може да намали определени грешки. Той обаче няма да изясни бизнес правилата, да организира контрола или да промени зависимостите между отделите. Именно тук възникват седем често срещани управленски грешки.
1.Внедряваме AI без измерима бизнес цел
„Трябва да внедрим AI“ често води до покупка на лицензи и предоставяне на достъп с очакването служителите сами да намерят приложения. Това може да бъде полезно за обучение и експериментиране. За да стане бизнес проект, трябва да знаем каква измерима промяна очакваме.
Целта може да бъде по-кратък срок за обработка на заявки, по-малко върнати документи или по-бързо обслужване на клиенти. Необходимо е да измерим сегашното изпълнение и да отчетем общия разход, включително проверки, човешки корекции и поддръжка.
Изследването Generative AI at Work при 5 172 служители в клиентско обслужване установява средно 15% увеличение на разрешените казуси за час. Ползата е по-голяма за по-неопитните служители, докато най-опитните имат малки печалби в скоростта и лек спад в качеството. Конкретният резултат показва защо трябва да измерваме ефекта по задачи и групи служители.
Управленският въпрос е: Какъв резултат ще оправдае инвестицията и как ще го измерим?
2.Запазваме процеса без адаптация към автоматизацията
Един процес може да работи добре при човешко изпълнение и да започне да създава проблеми след автоматизацията. Причината понякога е самото ускорение: то премахва времето, през което други необходими действия са успявали да приключат.
При наш клиент обработката на получени фактури е допустима само след заскладяване на стоката. При работа от човек до обработката естествено минават няколко дни. Междувременно складът отразява доставката и над 90% от фактурите се обработват успешно при първия опит.
След внедряване на RPA и AI обработката започва до няколко минути след получаването. Тогава над 80% от първите опити не могат да приключат поради липса на заскладяване. Автоматизацията изпълнява задачата по-бързо, но съществуващият процес разчита на времева зависимост, която не е била отчетена в проекта.
Решението изисква промяна в бизнес процеса. Получаването и разчитането на документа могат да се отделят от окончателната обработка. Случаите без заскладяване трябва да получават статус „изчакване“. Така временната липса на предпоставка не се превръща автоматично в грешка за ръчна обработка.
Подобна зависимост може да има при заявка, подадена преди одобрението на бюджет, или при приемателен протокол, пристигнал преди отразяване на изпълнението. Анализът трябва да обхване не само стъпките, но и условията, при които всяка от тях може да започне.
Управленският въпрос е: Кои предпоставки досега са се изпълнявали благодарение на естественото забавяне при човешката работа?
3.Оставяме процеса без собственик и ясна отговорност
IT внедрява платформата, доставчикът настройва решението, а бизнесът го използва. При проблем всеки обяснява своята част, но никой няма правомощие да промени целия процес.
Нужен е бизнес собственик, който отговаря за резултата, одобрява правилата и организира изключенията. При анализ на договори например трябва да е ясно кой поддържа критериите за рискови клаузи и кой взема решение по отклоненията. Тази отговорност изисква време и реални правомощия.
Случаят Moffatt v. Air Canada от 2024 г. показва значението на организационната отговорност. Чатботът на авиокомпанията дава неправилна информация за специална тарифа, а канадският трибунал приема, че компанията носи отговорност за подвеждащата информация на собствения си сайт. Случаят не установява подробностите на технологията, но показва последствията от автоматизирана комуникация с клиента.
Управленският въпрос е: Кой отговаря за резултата и може да промени или спре процеса?
4.Приемаме извлечените данни за проверени данни
Демонстрацията често приключва, когато AI прочете документа и извлече данните. За бизнеса следва въпросът дали тези данни могат да се използват надеждно.
При заявка за покупка трябва да проверим дали артикулът съществува, мерната единица е правилна и необходимото одобрение е налично. При приемателен протокол — дали количествата съответстват на поръчката и документът се отнася за правилния обект.
Аритметичните проверки също остават задължителна част от дизайна там, където са приложими: количество по цена, сбор на редовете, данъчна основа и ДДС. Правилният сбор обаче не доказва, че документът е свързан с правилния контрагент или поръчка. Нужни са и проверки спрямо надеждни бизнес източници.
„Човекът ще провери“ трябва да означава конкретна организация: кой проверява, какво вижда и има ли време да реагира. Самото потвърждаване на предварително попълнен екран може да превърне контрола във формалност.
Управленският въпрос е: Кои проверки трябва да преминат, преди резултатът да предизвика следващо действие?
5.Възлагаме на AI задачи без ясни граници
Разчитане на документ, изчисляване на суми, одобряване на разход и записване в система са различни задачи. За всяка трябва да изберем подходящо средство и допустима степен на самостоятелност.
AI може да разпознава текст и да предлага класификация. Ясните изчисления и проверки могат да се изпълняват с програмни правила, действията в системите — през API или RPA, а спорните случаи — от човек с необходимите правомощия. Процесна платформа може да управлява последователността и одобренията.
Изследване с 758 консултанти на BCG показва, че GPT-4 подобрява изпълнението на подходящи задачи. При една задача извън изследваната граница на възможностите му обаче делът на правилните решения сред използващите AI е с 19 процента по-нисък. Един успешен тест не оправдава възлагането на всички следващи стъпки на модела. Ескалацията към човек трябва да има ясни условия: несъответствие, непознат документ, липсващи данни или чувствително действие. Самооценката на модела, че е „уверен“, не е достатъчна гаранция.
Управленският въпрос е: Кога автоматизацията може да продължи и кога трябва да изчака човешко решение?
6.Даваме прекалено широк достъп
Полезният AI помощник има нужда от информация. Това не означава, че трябва да има достъп до всички документи и право да изпълнява всяко действие.
През 2025 г. изследователи демонстрират EchoLeak — уязвимост в Microsoft 365 Copilot, позволяваща специално подготвен имейл да предизвика извеждане на чувствителна информация. Проблемът е отстранен преди публичното разкриване; според описанието няма доказателства за злоупотреба в реална среда. Случаят показва значението на защитите, когато AI свързва външно съдържание с вътрешни данни.
Помощник за анализ на договори може да има право да чете определени документи, без да изпраща оферти или да поема ангажименти към контрагенти. Правата за четене, промяна, изпращане и одобряване трябва да са отделени и ограничени според задачата. Тези граници трябва да се прилагат от системите, а не да разчитат само на инструкция към модела.
Управленският въпрос е: Каква е максималната последица, ако AI бъде подведен или предприеме неправилно действие?
7.Планираме само пилота и пропускаме ежедневната работа
Пилотът използва ограничен обем и екип, който следи изпълнението му. В ежедневната работа идват непълни документи, нови формати, прекъснати интеграции и натрупани изключения. Решението трябва да има организация за тези ситуации.
При обработка на сервизни заявки например не е достатъчно AI да ги разпределя правилно. Трябва да знаем какво става, когато отговорният екип е недостъпен, заявката съдържа противоречиви данни или срокът за реакция изтича.
Нужни са отговорници за качеството и поддръжката, наблюдение на чакащите случаи, сигнали при проблем и резервен начин на работа. Промените в модела, инструкциите и бизнес правилата трябва да се проверяват преди пускане. При възстановяване след прекъсване системата трябва да предотвратява повторното изпълнение на вече завършени действия.
Служителите трябва да бъдат обучени и за изключенията, да разбират новите си отговорности и да могат лесно да сигнализират за проблем. Така обратната им връзка става част от подобряването на процеса.
Управленският въпрос е: Кой ще се грижи за решението шест месеца след старта и как ще открива влошаване на работата му?
Какво да решим преди избора на модел
Успешният проект започва с измерима цел, разбран процес и бизнес собственик. Следват проверките за качество, границите на автоматизацията и организацията на работата.
Много важно е да разберем как ускорението променя процеса. Автоматизацията може да премахне забавяне, което досега е давало време на друг отдел да изпълни дадена задача. Тогава е нужна промяна в последователността, статусите и отговорностите.
Успехът се доказва с надеждно изпълнен бизнес процес, предвидими разходи и ясен начин за действие при изключение.