Системы автоматизации бизнеса: обзор и как выбрать

Вопрос о лучшей платформе автоматизации задают не с той стороны. Важен не рейтинг обзоров: важно, под какой процесс берут инструмент. На рынке десятки систем: RPA-платформы, no-code конструкторы, ИИ-агенты, коробочные интеграции с 1С и CRM. У каждой свой рейтинг обзоров, и почти в каждом обзоре сравнивают цену и функции: для какой задачи инструмент вообще создан, там не разбирают.

Результат предсказуем: компания покупает мощную RPA-платформу под процесс, где нужен ИИ-агент, или сажает дорогую языковую модель на задачу, которую руками закрыл бы макрос в Excel за час. Деньги потрачены, эффекта нет, вывод «автоматизация не работает» - хотя инструмент выбрали не под ту задачу.

Все системы автоматизации бизнеса укладываются в три класса, и у каждого своя зона ответственности.

Три класса решают три разные проблемы. Путать их - типичная причина, почему «внедрили автоматизацию, а толку нет»: инструмент посадили не на свою работу.

RPA держит только там, где сценарий железный: разнести счета по учётной системе, перенести заявку из одной таблицы в другую, сверить остатки на складе. Здесь агент с языковой моделью не нужен - это дороже и медленнее для задачи, где формат не меняется. RPA обычно описывают как программных роботов для повторяющихся задач с чёткими правилами, вроде ввода данных.

Сценарий рвётся, как только на вход приходит вариативность. Клиент написал не по шаблону, в письме два вопроса вместо одного, в накладной другой формат таблицы - и RPA либо падает с ошибкой, либо тихо делает не то. Здесь нужен ИИ-агент: он читает свободный текст и сам решает следующий шаг внутри заданных вами правил. Технически агент обращается к внешним системам через вызов функций: приложение объявляет модели набор инструментов, а модель решает, какой из них вызвать.

• Клики и ввод данных - RPA. Дёшево, быстро, предсказуемо, пока формат стабилен.
• Текст и решения - ИИ-агент. Дороже за обработку, но не ломается от «клиент написал по-своему».
• Стык систем без единого формата - обычно нужны оба сразу: RPA снимает данные, агент причёсывает неструктурированный кусок перед записью в CRM.

Прежде чем сравнивать платформы, проверьте, в каком виде к вам приходят данные и есть ли у процесса записанные правила. Если счета и заявки каждый раз обрабатываются по-новому, ни RPA, ни ИИ-агент, ни интеграция их не подхватят - сравнивать платформы рано. Когда шаги записаны, выбор класса решения сводится к четырём вопросам ниже.

Какие процессы вообще стоит отдавать автоматизации, разобрано в руководстве автоматизация бизнес-процессов с ИИ.

Четыре вопроса закрывают выбор класса решения для конкретной компании, и первый - какой на входе тип данных.

• Тип данных: структурированная таблица или форма - RPA; текст, письмо, голос - ИИ-агент.
• Частота и объём: пара раз в день - ни одна платформа не окупится; десятки раз в день - окупаемость уже считаем.
• Стык систем: сколько систем должны обменяться данными без ручного переноса (1С, CRM, склад, сайт) - это отдельная задача интеграции. У популярных CRM для этого есть открытые интерфейсы, например REST API Битрикс24 и API amoCRM.
• Кто держит финальное решение: если ошибка дорогая (договор, платёж, увольнение), финальное слово остаётся за сотрудником, система готовит, человек подтверждает.

Ответьте на эти четыре вопроса про один конкретный процесс, и класс решения почти всегда очевиден без консультанта. Спорный случай - тот, где данные и текстовые, и табличные одновременно: тогда система обычно смешанная, RPA плюс агент поверх.

Как это выглядит в деньгах: в строительстве модульных домов номенклатура товаров из счёта поставщика и предварительная смета клиенту занимали по два дня каждая. Данные каждый раз переносили вручную из счёта в таблицу, а смету собирали по шаблону, сверяя позиции руками.

После внедрения то же самое - 15 минут на номенклатуру, 15 минут на смету, часть прямо в разговоре с клиентом. Общая экономия времени на рутине - около 80%, финансовый эффект - около 600 000 рублей в год. Освободившееся время ушло на приёмку объектов и контроль качества, чего раньше не хватало. Подробнее - в кейсе строительной компании.

Это смешанный случай, куда чаще встречающийся на практике, чем чистый RPA или чистый ИИ-агент: система читает неструктурированный счёт, где формат у каждого поставщика свой, и раскладывает данные по таблице сметы - механическую часть, с которой справился бы и обычный RPA-сценарий.

Модель у нас в SkoreHood простая и без абонентки за платформу: фикс за настройку и интеграцию, дальше оплата за результат - обработанный документ, закрытая заявка, а не факт того, что «система работает».

Разброс по деньгам зависит от того, сколько систем нужно соединить и сколько исключений из сценария закладывают заранее. Пилот на одном процессе занимает от двух до шести недель. Полгода уходит только на перестройку сразу нескольких отделов, с этого начинать не стоит.

Окупаемость считают просто: время процесса до и время после, умноженное на стоимость часа сотрудника, минус стоимость настройки. Если на пилоте цифры не сходятся, процесс либо слишком редкий, либо изначально не был процессом (см. оговорку выше). Тогда возвращаются на шаг назад: смотрят на сам процесс, не на платформу.

Дальше по теме - отдельные разборы: автоматизация отделов, ИИ-агенты для продаж и поддержки. Начните с одного процесса и одного класса решения. Заработал - переходите к следующему.