Попросите у руководства ещё двух человек в отдел, в ответ потребуют обоснование. А обоснование одно: ощущение, что люди перегружены. План «убрать лишний этап» тоже никто не считал, его придумали на совещании и записали в протокол.
Так устроено почти любое решение по процессам: спор, протокол, внедрение. Ни одной цифры, за которую кто-то отвечает. Хотя способов «обосновать» изменение целых три, и все три врут. Разберём по порядку на примере: три юриста согласуют триста договоров в месяц, очередь растёт.
Когда своих аргументов не хватает, решение подпирают приглашённым экспертом. Консультант посмотрит процесс, проведёт воркшоп и скажет, что узкое место в повторной проверке. Теперь у решения есть имя и авторитет. Цифры по-прежнему нет. За два дня воркшопа данных не соберёшь, и вердикт держится на профессиональном чутье.
Чутью можно доверять только там, где эксперт мог на нём учиться. Психологи Даниэль Канеман и Гэри Кляйн сформулировали это условие в работе 2009 года дословно:
«Чтобы оценить качество интуитивного суждения, нужно оценить предсказуемость среды, в которой оно принято, и возможность эксперта выучить закономерности этой среды».
У анестезиолога и пожарного с этим порядок: они видят результат своих решений за минуты. У консультанта по процессам такой среды нет. Рекомендацию внедрят через месяцы, эффект размазан по кварталу, и он почти никогда не видит результата своих советов. Это же касается и штатного аналитика.
Для руководства «нам сказал эксперт» звучит убедительно. Но если совет не сработает и очередь просто переедет на другой этап, отвечать будете вы, а не консультант: проверка всё равно идёт на вашем отделе. И цифры «что именно изменится» у вас после воркшопа всё ещё нет.
Ещё один способ обмануться тем же образом: пойти за «лучшими практиками». В интернете есть ощущение готовых ответов: люди выкладывают чужие регламенты, стандарты, отраслевые справочники. Только к вашей конкретной компании всё это почти не имеет отношения. Завод в Самаре и завод в Колорадо, который делает тракторы, это два разных завода, и лучшие практики у них совпадут только в очень мелких вещах. Это подтверждено и наукой: Габриэль Шулански в исследовании 1996 года разобрал 122 переноса лучших практик в восьми компаниях и показал, что практики буксуют даже при переносе между подразделениями одной фирмы. Главная причина: никто до конца не понимает, почему практика сработала в исходном месте. Практика без автора остаётся тем же мнением, только спросить за него вообще не с кого.
Второй способ подпереть решение: показать данные. Process mining возьмёт логи СЭД или ERP и честно покажет, как процесс шёл на самом деле: реальные маршруты, задержки, обходные пути. На примере с юристами он покажет, что договоры лежат без движения в среднем шесть дней, а треть заявок идёт мимо регламента. С таким отчётом на совещании не поспоришь.
Проблема в том, что руководство спрашивает о будущем, а отчёт отвечает о прошлом. Вил ван дер Аалст, создатель дисциплины, написал об этом прямо ещё в статье 2018 года:
«Ахиллесова пята process mining в том, что он смотрит назад. Метод помогает диагностировать проблемы, но не может ответить на вопросы „а что, если“ и проверить радикальные изменения».
Сколько времени займёт согласование, если нанять тех самых двух человек? Лог не знает. Такого прошлого у него не было.
В итоге деньги на инструмент потрачены, карта вчерашнего дня точная, а решение о завтрашнем принимается всё так же на глаз.
Третий способ самый дешёвый: спросить нейросеть. Ответ придёт за десять секунд и будет звучать уверенно: автоматизируйте рутинные операции, устраните дублирование, внедрите единое окно. Принести такой список руководству можно. Защитить нельзя: тот же список получат кол-центр, склад и бухгалтерия, потому что модель пересказывает самые частые советы из чужих статей. Это гороскоп: звучит будто про вас, написан для всех.
Это уже проверили на больших числах. Исследование MIT 2025 года разобрало около трёхсот корпоративных пилотов генеративного ИИ: 95% не дали измеримого эффекта на финансовый результат. Причина, по выводу авторов, не в слабых моделях:
«Универсальные инструменты вроде ChatGPT отлично работают для отдельных людей, но буксуют в корпоративном применении: они не учатся на рабочих процессах компании и не подстраиваются под них».
Даже когда цифры о процессе есть прямо в запросе, модель не прогоняет через них очередь, а подбирает правдоподобные слова.
Нейросеть годится для черновика регламента или конспекта совещания. Но она не даёт обоснования, с которым не стыдно идти к руководству.
Руководство в этой истории, кстати, право. Оно просит одно: сказать, что именно изменится, если сделать X. Ни эксперт, ни логи, ни нейросеть не отвечают на этот вопрос. Мнение, картина прошлого и пересказ чужих статей не дают числа, а спросить за результат через квартал не с кого. Диаграмма процесса тоже не поможет: стрелки на схеме молчат про очереди и загрузку, мы разбирали это в статье про теорию очередей.
Дело при этом не в лени отдельных команд. Большой обзор научных работ о перестройке процессов (Георгиос Цакалидис и Костас Вергидис, 2024) фиксирует: в отрасли пока нет общепринятого способа заранее оценить эффект изменений. Оценивают после. А «после» без замеров «до» превращается в самообман: любой исход можно объявить успехом. Про то, какие показатели процесса вообще можно замерить, есть разбор в материале об измерении процессов, но замер фиксирует факт, а не предсказывает эффект.
В итоге решения об изменениях в процессах принимаются наугад: никто заранее не знает, что случится после внедрения. Опереться не на что, поэтому опираются на согласие коллег. Все кивнули на совещании, значит делаем.
Есть и четвёртый способ: посчитать эффект заранее, до того как наняли, уволили и переписали регламент. В следующем материале расскажем, почему он десятилетиями был доступен только заводам и диссертациям и что изменилось сейчас.
Новые статьи в вашем электрическом ящике
Обзоры конференций, лучшие практики процессного подхода и учебные статьи в вашей почте. Не чаще 1 раза в неделю.
Без спама, только то, что вы запросили.
