Нейросети для бизнес-аналитика: процессы AS IS и TO BE, требования, регламенты и проверка выводов
Бизнес-аналитик использует нейросети как помощника для черновой работы: сводит заметки интервью со стейкхолдерами в таблицу шагов процесса, набрасывает описание «как есть» (AS IS) и варианты «как должно быть» (TO BE), готовит черновики бизнес-требований и регламента, составляет вопросы к следующей встрече и прикидывает эффект изменений. Решения остаются за аналитиком: он сверяет каждый шаг с людьми, документами и данными, отбрасывает выдуманное и не отправляет в чат конфиденциальные сведения. Навык состоит из двух умений: правильно поставить модели задачу и проверить её ответ.
Содержание

Главная ловушка в том, что черновик процесса от нейросети выглядит законченным. Схема аккуратная, роли подписаны, переходы логичные, но из неё часто выпадают возвраты на доработку, исключения и ручные обходные пути. А именно в них обычно прячется проблема. Поэтому работа с моделью начинается не с запроса «опиши процесс», а с собранного материала: заметок, документов и выгрузок, которые модель должна только упорядочить.
Какие задачи можно поручить модели
Нейросеть полезна там, где из большого объёма текста нужно быстро получить структуру, которую потом можно сверить с источником. Задачи перечислены от самых безопасных к тем, где ошибка обходится дороже:
- превратить заметки интервью в таблицу «шаг — исполнитель — вход — результат — проблема»;
- составить список вопросов, которые остались открытыми после встречи, и разложить их по стейкхолдерам;
- набросать описание AS IS по таблице шагов, а затем текстовую основу для BPMN-схемы;
- предложить два-три варианта TO BE и для каждого перечислить допущения;
- подготовить черновик бизнес-требований: цель, показатели, правила, ограничения;
- написать черновик регламента по согласованной схеме;
- разложить расчёт эффекта на формулы, в которые аналитик подставит свои данные.
Модель не знает, как сотрудники на самом деле обходят неудобные правила, и не видит журнала учётной системы. Всё, чего нет в загруженном материале, она достраивает по типовым сценариям.
Где модель упрощает процесс и переоценивает автоматизацию
Насколько хорошо языковая модель восстанавливает процесс из текста, проверили исследователи Мангеймского университета Михаэль Грос, Лука Абб, Нурхан Эльсайед и Яна-Ребекка Резе в работе «Large Language Models can accomplish Business Process Management Tasks» (препринт arXiv:2307.09923, июль 2023 года). Они давали GPT-4 текстовые описания процессов и сравнивали ответы с эталонными моделями. На шести описаниях модель нашла от 50 до 54 % связей эталона — примерно столько же, сколько специализированный инструмент (56 %). Но авторы отметили характерную особенность: модель включает в схему минимальный и часто недостаточный набор задач, то есть пропускает часть реального поведения процесса.
Вторая задача ближе к TO BE. Модель оценивала 424 задачи из 33 описаний процессов: какие выполняет человек вручную, какие человек в информационной системе, а какие система сама, без участия людей. Здесь GPT-4 регулярно ошибался в одну сторону: называл задачи полностью автоматическими, хотя в них участвует человек. Из задач, отнесённых моделью к автоматическим, верными оказались лишь 15–36 % в пяти из шести вариантов запроса (в одном варианте — 73 %), тогда как у эталонного метода — 92 %. Авторы также заметили, что результат меняется даже от небольшой перефразировки запроса.
Отсюда два правила. Описание AS IS от модели проверяют прежде всего на пропуски: возвраты, исключения, ожидание, ручные сверки. А вывод «этот шаг можно автоматизировать полностью» — гипотеза, которую проверяют у исполнителя: что он делает руками и какие решения принимает сам.
Учебный пример: оплата счетов поставщиков
Ситуация учебная. Финансовый директор жалуется, что счета поставщиков оплачивают с опозданием. Аналитик провёл три интервью — с бухгалтером, закупщиком и казначеем, обезличил заметки и попросил модель свести их в таблицу шагов и описать процесс AS IS.
Модель выдала семь шагов: получение счёта, регистрация, сверка с заказом, согласование руководителем, включение в реестр платежей, оплата, отражение в учёте. Сверка с заметками показала три расхождения. Бухгалтер говорила, что счёт с ошибкой в реквизитах возвращают поставщику, а в схеме этой петли не было. Закупщик упоминал, что часть счетов приходит на личную почту и попадает в работу через несколько дней, — модель это опустила. Согласование было закреплено за «руководителем», хотя, по словам казначея, крупные счета подписывает финансовый директор, а остальные — руководитель подразделения.
На этапе TO BE модель предложила автоматическую сверку счёта с заказом и пометила этот шаг как не требующий участия людей. Бухгалтер уточнила: сверка может идти автоматически, но расхождения в цене или количестве разбирает человек. В итоговом варианте автоматическая сверка осталась, а для расхождений появилась очередь с исполнителем и сроком. Эффект аналитик посчитал не по оценке модели, а по выгрузке из учётной системы: сколько счетов в месяц, сколько возвратов и сколько дней от получения до оплаты.
Бизнес-требования и регламент: от схемы к документу
Когда схема TO BE согласована, модель помогает превратить её в текст. Для бизнес-требований удобно задать жёсткую структуру: цель изменения, показатель и его текущее значение, правило, ограничение, источник. Пустая графа «источник» сразу показывает строку, которую модель придумала сама. Такие строки аналитик либо подтверждает у стейкхолдера, либо удаляет.
С регламентом риск другой: модель охотно вставляет сроки, ссылки на нормативные акты и должности, которых в компании нет. Попросите её помечать всё, чего нет в исходной схеме, как «[уточнить]», и пройдите регламент с владельцем процесса по шагам.
Как проверять выводы модели
Проверка нужна потому, что ответ модели звучит одинаково уверенно, когда он верен и когда построен на догадке. Несколько приёмов помогают отделить одно от другого:
- попросите модель перечислить допущения, на которых держится её вывод, и проверьте каждое у людей или по данным;
- задайте тот же вопрос в новом чате другими словами и сравните ответы: расхождение показывает слабое место;
- сверяйте цифры только с выгрузкой из системы или отчётом, а не с оценкой модели;
- проходите схему вместе с исполнителем, который делает работу руками, а не только с руководителем.
Отдельно проверяйте расчёт эффекта: модель может верно составить формулу, но подставить в неё «типичные» значения. В итоговый документ попадают только числа, у которых есть источник.
Конфиденциальность
Бизнес-аналитик работает с тем, что компании не публикуют: регламентами, договорами, финансовыми показателями, жалобами клиентов. Прежде чем загружать что-либо в чат, выясните, какие ИИ-сервисы разрешены в компании и есть ли корпоративная версия. В общедоступный сервис отправляйте обезличенные фрагменты без названий контрагентов, имён и сумм. Таблицу шагов процесса почти всегда можно обсуждать без реальных данных, а цифры подставлять уже у себя.
С чего начать и в каком порядке осваивать
Порядок шагов построен так, чтобы сначала научиться видеть ошибки модели на знакомом материале и только потом поручать ей новое. Если начать с генерации TO BE и регламентов, будет трудно понять, где ошибся вы, а где модель.
- Возьмите процесс, который хорошо знаете, опишите его сами, затем попросите модель сделать то же по вашим заметкам и сравните, что она пропустила.
- Отработайте таблицу шагов с графой «источник» на одном интервью.
- Попросите варианты TO BE с допущениями и проверьте два-три допущения у исполнителей.
- Переходите к бизнес-требованиям и черновику регламента с пометками «[уточнить]».
- Последним осваивайте расчёт эффекта: формулы от модели, данные из системы.
Если не хватает базы — требований, нотаций, работы со стейкхолдерами, — её можно получить на курсе Eduson Academy «Бизнес-аналитик: тариф Мастер»: там разбирают интервью и документирование требований, BPMN и UML, модели текущего и будущего состояния, а в блоке о нейросетях учат составлять запросы и оценивать ответ модели. Длительность указана по-разному, срок стоит уточнить у школы.
Типичные ошибки новичков
Первая ошибка — просить модель «описать процесс закупок» без своих материалов: ответ будет учебником о закупках вообще. Вторая — нести предложенный TO BE руководителю без разговора с исполнителями. Третья — исправлять ошибки в готовом документе, не меняя запрос: на следующей итерации модель их повторит.
Проверить себя просто: дайте регламент человеку, который не участвовал в работе, и попросите пройти по нему необычный случай, например возврат счёта поставщику. Если ответа в тексте нет, документ не готов.
Чему учат на курсах
Обычно нейросети добавляют к курсу по профессии отдельным блоком. Так устроена программа Нетологии «Бизнес-аналитик: расширенный курс + Нейросети для бизнеса и управленцев», рассчитанная на 11 месяцев. Темы ИИ-блока, число практических работ и то, разбирают ли BPMN и регламенты, нужно уточнить у школы до оплаты.
Работающему аналитику, который уже знает нотации и требования, полная программа по профессии может оказаться лишней: хватит короткого практикума, где ИИ разбирают на задачах процессов и данных.
Пример такого формата — онлайн-курс Бруноям «ИИ для бизнеса»: восемь модулей и 28 уроков. Аналитику ближе всего модуль о диагностике процессов и выборе того, что имеет смысл автоматизировать, и модуль об ИИ-аналитике и работе с данными, а безопасность данных разбирают в первом модуле, до практики. Отдельного модуля о регламентах нет, сведения о цене противоречивы, поэтому условия стоит уточнить у школы.
Как навык влияет на доход
Отдельной надбавки за работу с нейросетями в открытых зарплатных данных для бизнес-аналитиков нет. Влияние косвенное: кто быстрее готовит черновики, больше времени тратит на интервью, согласование и расчёт эффекта — то, что отличает опытного специалиста.
Порядок сумм можно посмотреть в калькуляторе зарплат Хабр Карьеры (Россия без фильтра по городу, данные на октябрь 2026 года): бизнес-аналитик уровня Middle — 166 666 ₽ по 486 анкетам, уровня Senior — 263 333 ₽ по 177 анкетам. Это зарплаты, которые указали сами специалисты, а не предложения в вакансиях, и разница между уровнями отражает опыт, а не владение ИИ. Для своего города включите фильтр по региону: в анкетах встречаются суммы и до вычета налога, и на руки.
Как выбрать обучение
При выборе программы просите у школы пример задания из ИИ-блока. Полезно, если в нём ответ модели нужно проверить: сверить схему с интервью, найти допущения, пересчитать эффект по данным.
Сравнить онлайн-школы по цене, формату и практике поможет рейтинг онлайн-школ, обучающих нейросетям для работы и бизнеса. Он широкий и охватывает всё направление, а не только бизнес-анализ. А до оплаты опишите свой процесс сами, попросите модель сделать то же и посчитайте, сколько шагов и исключений она пропустила.