AI wspierająca analizę procesu biznesowego

AI w analizie procesów

Model językowy nie obserwuje procesu. Widzi tylko materiał, który mu przekazano: transkrypcję, procedurę, log zdarzeń albo opis uczestnika. Może szybko wydobyć z niego role, czynności i warunki, lecz równie sprawnie uzupełni brakujące ogniwo prawdopodobnym zmyśleniem. Dlatego w analizie procesów AI najlepiej pełni rolę asystenta przygotowującego hipotezy, a nie autora zatwierdzonego modelu.

Granica odpowiedzialności

AI porządkuje materiał i wskazuje niespójności. Analityk ustala poziom modelu, wraca do źródeł, rozstrzyga znaczenie pojęć i prowadzi walidację. Właściciel procesu potwierdza rzeczywisty przebieg, reguły oraz odpowiedzialność.

Workflow: od surowych notatek do zweryfikowanego procesu

1. Przygotuj bezpieczny pakiet wejściowy

Usuń dane osobowe, tajemnice przedsiębiorstwa i identyfikatory klientów, jeśli wybrane narzędzie nie jest dopuszczone do ich przetwarzania. Dołącz cel analizy, zakres procesu, słownik nazw ról oraz informację, które materiały są obowiązujące. Stara instrukcja i aktualna rozmowa nie powinny wyglądać dla modelu jak dwa równorzędne źródła.

2. Poproś o ekstrakcję, nie o „narysowanie procesu”

Pierwszy wynik powinien być tabelą faktów ze wskazaniem fragmentu źródłowego. Dobre polecenie brzmi: „Wypisz zdarzenia inicjujące, czynności, wykonawców, obiekty danych, reguły, wyjątki i zakończenia. Przy każdym elemencie podaj cytowany numer akapitu. Nie uzupełniaj braków; wpisz BRAK DANYCH”. Takie ograniczenie ułatwia kontrolę pochodzenia informacji.

3. Oddziel fakty od hipotez i pytań

Analityk porównuje ekstrakcję ze źródłem. Dopiero potem prosi AI o wskazanie luk: zadania bez wykonawcy, decyzje bez warunku, oczekiwania bez terminu, wyjątki bez dalszego biegu oraz różne nazwy tego samego obiektu. Wynik nie jest poprawką procesu, tylko agendą kolejnej rozmowy.

4. Zbuduj szkic i przeprowadź walidację

Po potwierdzeniu listy kroków można wygenerować tekstowy szkic przepływu lub kod pomocniczy, a następnie ręcznie odwzorować go w BPMN. Diagram przechodzi przegląd ścieżkami: przypadek prosty, każdy wyjątek, przekroczenie czasu i anulowanie. Reguły modelowania warto sprawdzić według osobnych materiałów o bramkach BPMN i zdarzeniach BPMN.

Przypadek: reklamacja uszkodzonej przesyłki

Zespół przekazał transkrypcję warsztatu. AI zaproponowała prosty przebieg: rejestracja reklamacji, ocena zasadności, wypłata albo odrzucenie. W tabeli luk wskazała jednak, że rozmówcy trzykrotnie użyli słów „kompletna reklamacja”, ale nie wymienili obowiązkowych dowodów. Nie było też wiadomo, co następuje, gdy przewoźnik nie odpowie w ciągu siedmiu dni.

Na spotkaniu walidacyjnym właściciel procesu doprecyzował, że zdjęcie opakowania jest wymagane tylko powyżej określonej kwoty, odpowiedź przewoźnika i ocena magazynu mogą trwać równolegle, a brak odpowiedzi uruchamia eskalację — nie automatyczną wypłatę. Pierwszy szkic AI był więc logiczny językowo, ale błędny operacyjnie. Wartością narzędzia była szybka lista pytań, nie gotowy diagram.

EtapPrzykładowy wynik AIKontrola analitykaArtefakt zatwierdzany
Ekstrakcja„Ocena kompletności — Obsługa”Czy rola i nazwa są w źródle?Rejestr faktów
Diagnostyka„Brak warunku dla wysokiej szkody”Czy to luka, czy informacja poza zakresem?Lista pytań
SzkicRównoległa ocena magazynu i przewoźnikaCzy obie ścieżki zawsze muszą się zakończyć?Roboczy model
WalidacjaLista wyjątków i sprzecznościDecyzja właściciela oraz zapis uzasadnieniaModel + rejestr decyzji

Macierz ryzyka dla pracy z AI

RyzykoSygnał ostrzegawczyZabezpieczenie
Halucynacja regułyWarunek nie ma wskazanego źródłaWymagaj identyfikatora źródła i oznaczenia hipotez
Spłaszczenie wyjątkówKażda sprawa kończy się sukcesem lub odrzuceniemOsobno pytaj o timeout, anulowanie, błąd i ręczne obejście
Pomieszanie poziomówObok „oceny reklamacji” pojawia się „kliknij Zapisz”Przed analizą ustal poziom: biznesowy, operacyjny albo systemowy
Ujawnienie danychPrompt zawiera dane klienta lub umowęMinimalizacja, anonimizacja i narzędzie zatwierdzone przez organizację

Checklista przed publikacją modelu

  • Każda czynność ma potwierdzonego wykonawcę, rezultat i właściwy poziom szczegółowości.
  • Warunki wyjścia z bramek są rozłączne lub świadomie modelują wiele ścieżek.
  • Oczekiwanie, przekroczenie czasu, błąd, anulowanie i ścieżka ręczna zostały omówione.
  • Elementy dodane przez AI są oznaczone jako hipotezy aż do potwierdzenia.
  • Model został „odegrany” na co najmniej trzech rzeczywistych przypadkach.
  • Właściciel procesu zaakceptował nie tylko obrazek, ale także reguły i wyjątki.

Porównanie wariantów bez fałszywej optymalizacji

AI może zestawić AS-IS z propozycją TO-BE, ale polecenie powinno ograniczać się do obserwowalnych różnic. Tabela porównawcza może zawierać: usunięty krok, zmienioną rolę, nową regułę, zmianę oczekiwania oraz nierozwiązany wyjątek. Nie proś modelu o ocenę, że wariant jest „lepszy”, dopóki nie dostanie miar, wolumenów i ograniczeń. Skrócenie liczby kroków nie musi skracać czasu przejścia, jeżeli głównym kosztem jest kolejka lub brak danych.

Dla reklamacji warto wykonać test kontrprzykładów. Analityk przekazuje trzy sprawy: typową, z niekompletnymi dowodami oraz z konfliktem wyników ekspertyz. AI opisuje, którą ścieżką każda sprawa przejdzie i jakie dane są potrzebne przy decyzjach. Następnie analityk ręcznie śledzi tokeny po diagramie. Rozbieżność oznacza brak modelu albo błędne założenie w interpretacji — oba wyniki są cenniejsze niż ogólna ocena czytelności.

Wynik porównania powinien zachować identyfikatory kroków i wersji. Po decyzji każda przyjęta różnica trafia do rejestru zmian wraz z właścicielem oraz miarą. Odrzucone sugestie również warto zapisać, jeśli mogą wrócić podczas następnego warsztatu. Zapobiega to ponownemu uznaniu tej samej, atrakcyjnie brzmiącej hipotezy za nowe odkrycie.

Jeśli celem jest zaprojektowanie automatyzacji, sam model nie wystarczy. Kolejnym krokiem jest zebranie wolumenów, czasów, jakości danych i wariantów ręcznych opisanych w materiale analiza procesu do automatyzacji. AI może skrócić pracę przygotowawczą, lecz dowód poprawności nadal powstaje w rozmowie ze źródłem i podczas przejścia przez konkretne przypadki.

O AUTORZE

Maciej Pieniak

Maciej Pieniak

Autorem portalu jest Maciej Pieniak — analityk biznesowo-systemowy specjalizujący się w analizie procesów, wymaganiach, systemach IT, automatyzacji oraz praktycznym wykorzystaniu AI w pracy analitycznej.