The post has been translated automatically. Original language: Russian
The first wave of automation coped well with processes that could be described in advance by rules: structured data, clear steps, and repetitive operations.
But not all processes are so simple.
After any digitalization, the company still has a long "tail" of manual work. Employees collect data from Excel, PDF, scans, emails, various information systems, and even paper documents. You need to compare something with reference books, extract something from the text, check documents, apply rules, find discrepancies and sort out exceptions.
Such processes often remain manual for years, not because they have been forgotten.
It was simply economically unprofitable to automate them.
To automate even a relatively small process, it was necessary to create a specialized system, describe many options and exceptions, integrate it with existing systems and then constantly maintain it. As a result, the cost of automation could be comparable to or even exceed the savings.
AI is starting to change this boundary.
Not because he has to "replace the employee", but because now it is possible to build the process itself differently.:
documents and data → Extraction → application of rules → reconciliation → identification of exceptions → human decision → controlled outcome.
Where previously the participation of a specialist was required at almost every stage, it can be concentrated where professional judgment, responsibility and work with non -standard situations are really needed.
In my opinion, this is where one of the most interesting AI applications will be located in the coming years – especially in finance, accounting, taxes, auditing, compliance, and other professional functions.
The turning point will not happen when each specialist is given another AI assistant.
It will happen when companies will be able to rebuild entire processes and get predictable results with significantly less manual work.
For professional services, this can even change the economic model itself: the value gradually shifts from the number of hours spent to the result of the process.
This is what I call automation 2.0.
Now I am particularly interested in processes that still rely on expensive manual work precisely because they are too variable for classical automation.
For example:
- KYC/AML and onboarding – documents, registers, checks and analysis of non-standard cases;
- credit processes – documents, financial data, terms, covenants, and decision preparation;
- anti–fraud - analyzing alerts, collecting context, and investigating suspicious transactions;
- regulatory reporting and compliance – collection, reconciliation and verification of data, preparation of reports and evidence base;
- Accounting and taxes – primary documents, classification, reconciliation and data transformation;
- operational reconciliations – payments, statements, 1C/ERP/CRM, search and analysis of discrepancies.
And what kind of process is still manual in your company?
Первая волна автоматизации хорошо справлялась с процессами, которые можно было заранее описать правилами: структурированные данные, понятные шаги, повторяющиеся операции.
Но далеко не все процессы устроены так просто.
После любой цифровизации в компании остается длинный «хвост» ручной работы. Сотрудники собирают данные из Excel, PDF, сканов, писем, разных информационных систем и даже бумажных документов. Что-то нужно сопоставить со справочниками, что-то извлечь из текста, проверить документы, применить правила, найти расхождения и разобрать исключения.
Такие процессы часто годами остаются ручными не потому, что о них забыли.
Их просто было экономически невыгодно автоматизировать.
Чтобы автоматизировать даже относительно небольшой процесс, приходилось создавать специализированную систему, описывать множество вариантов и исключений, интегрировать ее с существующими системами и затем постоянно поддерживать. В результате стоимость автоматизации могла оказаться сопоставимой с экономией или даже превысить ее.
ИИ начинает менять эту границу.
Не потому, что он должен «заменить сотрудника», а потому, что теперь иначе можно построить сам процесс:
документы и данные → извлечение → применение правил → сверки → выявление исключений → решение человека → контролируемый результат.
Там, где раньше участие специалиста требовалось практически на каждом этапе, его можно сосредоточить там, где действительно нужны профессиональное суждение, ответственность и работа с нестандартными ситуациями.
На мой взгляд, именно здесь находится одна из самых интересных областей применения ИИ в ближайшие годы – особенно в финансах, бухгалтерии, налогах, аудите, комплаенсе и других профессиональных функциях.
Перелом произойдет не тогда, когда каждому специалисту дадут еще одного ИИ-помощника.
Он произойдет тогда, когда компании смогут перестраивать целые процессы и получать предсказуемый результат при существенно меньшем объеме ручной работы.
Для профессиональных услуг это может изменить даже саму экономическую модель: ценность постепенно смещается от количества затраченных часов к результату процесса.
Именно это я называю автоматизацией 2.0.
Сейчас мне особенно интересны процессы, которые до сих пор держатся на дорогой ручной работе именно потому, что слишком вариативны для классической автоматизации.
Например:
- KYC/AML и онбординг – документы, реестры, проверки и разбор нестандартных случаев;
- кредитные процессы – документы, финансовые данные, условия, ковенанты и подготовка решения;
- антифрод – разбор алертов, сбор контекста и расследование подозрительных операций;
- регуляторная отчетность и комплаенс – сбор, сверка и проверка данных, подготовка отчетности и доказательной базы;
- бухгалтерия и налоги – первичные документы, классификация, сверки и преобразование данных;
- операционные сверки – платежи, выписки, 1С/ERP/CRM, поиск и разбор расхождений.
А какой такой процесс до сих пор остается ручным в вашей компании?
Share
