Аскона высвободила 130 000 рабочих часов: как ИИ-агент автоматизировал рутину финансового отдела

В крупной компании финансовые операции и аналитика, это тысячи часов ручного труда: сбор данных из разрозненных источников, бесконечные сверки, создание однотипных отчётов по шаблонам, выявление аномалий. Эта рутина не создаёт ценности, но отнимает время у квалифицированных специалистов, которые могли бы заниматься стратегическим планированием и глубоким анализом. Российский производитель товаров для сна, компания Аскона, столкнулась с этой проблемой и успешно внедрила ИИ-агентов, высвободив эквивалент 130 000 рабочих часов и перенаправив фокус своих финансовых и аналитических отделов со сбора данных на стратегические задачи.

В крупной компании финансовые операции и аналитика, это тысячи часов ручного труда: сбор данных из разрозненных источников, бесконечные сверки, создание однотипных отчётов по шаблонам, выявление аномалий. Эта рутина не создаёт ценности, но отнимает время у квалифицированных специалистов, которые могли бы заниматься стратегическим планированием и глубоким анализом. Так работать необязательно, сегодня эту нагрузку можно и нужно автоматизировать.

Как выглядел день финансового отдела до ИИ-агента

До внедрения ИИ-агентов финансовый и аналитический отделы Асконы работали по классической схеме. Сотрудники ежедневно занимались рутинным сбором информации из различных корпоративных систем – ERP, CRM, банковских платформ, внутренних баз данных. Этот процесс требовал значительных временных затрат и заключался в ручном извлечении, консолидации и сверке данных.

После сбора, данные вручную обрабатывались, проверялись на соответствие множеству внутренних регламентов и только после этого формировались в отчёты. Эта работа была не только времязатратной, но и подверженной человеческому фактору. Многообразие источников данных, необходимость постоянной сверки и ручного ввода увеличивали риск ошибок, которые в финансовой сфере могут стоить компании очень дорого.

Высококвалифицированные специалисты, нанятые для анализа и стратегического планирования, были вынуждены тратить большую часть своего рабочего времени на механические операции, вместо того чтобы сосредоточиться на поиске новых возможностей для бизнеса, глубоком анализе рыночных тенденций и оптимизации финансовых потоков.

Почему существующие инструменты не справлялись

У Асконы, как у любой крупной компании, уже были внедрены различные системы автоматизации и учёта. Эти инструменты могли автоматизировать отдельные шаги процесса, но не весь цикл целиком. Например, система учёта могла собрать данные по транзакциям, но их анализ, сопоставление с показателями из CRM, формирование отчёта по заданным критериям и выявление аномалий по-прежнему требовали прямого участия человека.

Существующие решения были ориентированы на выполнение конкретных, чётко заданных задач. Они не обладали способностью к комплексному взаимодействию между собой, интерпретации данных на естественном языке или автономной работе с динамически меняющимися запросами. Компании требовалось решение, которое могло бы не просто выполнять заданные скрипты, а действовать как интеллектуальный помощник, способный к самостоятельному сбору, анализу и синтезу информации, снижая нагрузку на сотрудников и минимизируя ошибки.

Именно это и привело Аскону к решению о внедрении ИИ-агентов. Нужен был инструмент, способный к сквозной автоматизации, который мог бы «понимать» контекст и брать на себя цепочки рутинных операций.

Как проектировали ИИ-агента для финансов

ИИ-агенты были спроектированы как многофункциональные системы, способные выполнять ряд ключевых задач в финансовой и аналитической сферах. Основная идея заключалась в создании интеллектуального "оркестратора", который мог бы взаимодействовать с различными корпоративными системами, собирать необходимые данные, обрабатывать их и представлять в удобном для человека виде. От агентов требовалась не просто автоматизация, а интеллектуальная агентность – способность действовать автономно в рамках заданных правил.

Функционал ИИ-агентов включал в себя:

• Автоматизированный сбор и обработка данных. Агенты научились самостоятельно извлекать информацию из разрозненных источников, таких как ERP, CRM, банковские системы и внутренние базы данных, что ранее выполнялось вручную. Они не только собирали данные, но и проводили первичную валидацию и очистку.
• Генерация финансовых отчётов. По заданным параметрам ИИ-агенты формировали типовые финансовые отчёты и аналитические сводки, включая квартальные и годовые отчёты, отчёты по доходам и расходам, отчёты о движении денежных средств. Агенты могли адаптировать формат отчётов под различные требования внутренних и внешних стейкхолдеров.
• Выявление аномалий и мониторинг. Агенты непрерывно отслеживали финансовые операции, выявляя отклонения от нормы и потенциально подозрительную активность. Это помогало не только предотвращать ошибки и мошенничество, но и оперативно реагировать на изменение рыночной ситуации.
• Оптимизация аналитики. ИИ-агенты брали на себя задачи по прогнозированию финансовых показателей на основе исторических данных и текущих трендов. Они проводили быстрый анализ больших массивов информации для выявления скрытых закономерностей и корреляций, предоставляя аналитикам уже обработанные гипотезы для проверки.

Ключевым принципом было создание агентов, которые могли бы работать автономно, но при этом были бы прозрачны для контроля со стороны человека. Сотрудники получили возможность не только получать готовые результаты, но и проверять логику работы агентов, чтобы убедиться в корректности данных и выводов. Это позволило сохранить контроль и доверие к новой системе.

Внедрение и адаптация

Внедрение ИИ-агентов в Асконе проходило поэтапно, что позволило минимизировать риски и обеспечить плавную адаптацию сотрудников. На первом этапе автоматизировали наиболее рутинные и предсказуемые процессы, такие как сбор данных для стандартных отчётов и первичная сверка. Это позволило сотрудникам быстро увидеть преимущества новой системы, убедиться в её надёжности и снять первоначальное сопротивление.

После успешного пилотного запуска ИИ-агентов начали постепенно интегрировать в более сложные аналитические задачи, такие как прогнозирование и выявление аномалий. Важным аспектом внедрения стало обучение сотрудников работе с новыми инструментами. Финансовые аналитики и менеджеры научились формулировать запросы для агентов, интерпретировать полученные результаты и использовать их для принятия более обоснованных решений.

Такой подход позволил минимизировать сопротивление изменениям и обеспечить плавный переход к новым рабочим процессам. Сотрудники перестали воспринимать ИИ-агентов как угрозу, а стали видеть в них мощных помощников, освобождающих их от скучной рутины и позволяющих сосредоточиться на более интеллектуальных задачах.

Результаты внедрения

Хотя Аскона не раскрывает точных цифр по экономии средств в денежном эквиваленте, внедрение ИИ-агентов принесло ощутимые результаты в части высвобождения человеческих ресурсов и повышения эффективности:

Использование ИИ-агентов значительно сократило время, необходимое для сбора, обработки и анализа больших объёмов финансовой информации. То, что раньше занимало часы или даже дни, теперь выполняется за минуты. Автоматизация рутинных операций минимизировала влияние человеческого фактора, что привело к существенному уменьшению числа ошибок в отчётах и аналитических сводках.

Сотрудники финансового и аналитического отделов были освобождены от рутинных задач и смогли сосредоточиться на более стратегических, креативных и интеллектуальных видах деятельности, таких как глубокий анализ рыночных тенденций, разработка новых финансовых моделей и оптимизация бизнес-процессов. Благодаря возможности быстро обрабатывать огромные массивы данных и выявлять скрытые закономерности, ИИ-агенты позволили Асконе получать более глубокое и точное понимание своих финансовых показателей и принимать более взвешенные решения.

В целом, внедрение ИИ-агентов в Асконе привело к повышению общей эффективности финансовых и аналитических функций, что напрямую отразилось на конкурентоспособности компании.

Как внедрить это у себя

Кейс Асконы доказывает, что ИИ-агенты могут стать мощным инструментом для оптимизации финансовых и аналитических процессов в любой компании с большим объёмом рутинных операций. Если вы хотите повторить этот успех, начните с нескольких ключевых шагов:

• Идентифицируйте наиболее рутинные задачи. Составьте список всех повторяющихся операций в ваших финансовых и аналитических отделах, которые отнимают много времени у квалифицированных специалистов. Это идеальный кандидат для первого ИИ-агента.
• Начните с малого. Не пытайтесь автоматизировать всё сразу. Выберите одну-две задачи с чёткими правилами и измеримыми результатами для пилотного проекта. Это позволит быстро увидеть отдачу и убедиться в эффективности решения.
• Интегрируйте агентов в существующие системы. Чем меньше сотрудникам придётся менять свои привычки и осваивать новые интерфейсы, тем быстрее они примут ИИ-агентов и начнут активно ими пользоваться.
• Фокусируйтесь на поддержке, а не на замене. ИИ-агенты должны быть помощниками, которые берут на себя рутину, чтобы люди могли сосредоточиться на принятии решений и стратегическом планировании.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру