Юлий Минькин, руководитель проектного офиса
В этой статье речь пойдет об опыте применения ИИ с целью облегчения работы аналитика в проектной деятельности. Статья не ставит целью проверить корректность интерпретации искусственным интеллектом материалов, которые ему "скормили". Важно показать, что процесс обработки сырого материала и преобразование его в хорошо структурированный и формализованный вид, занимает считанные минуты.
Для чистоты эксперимента был взят текст из первого попавшегося мне протокола интервью и без купюр был передан в ChatGPT на "съедение".
Первым делом ИИ была поставлена задача описать бизнес процесс в форме таблицы. Текст запроса был составлен следующий:
Ты бизнес-аналитик и тебе необходимо описать бизнес-процесс в форме таблицы. В первой колонке таблицы необходимо указать номер этапа процесса, во второй колонке написать название процесса, в третьей колонке описать процесс, в четвертой колонке указать результат процесса. Заполнить таблицу необходимо на основании следующего текста:
“Клиенту отправляется шаблон заказа (форма Excel). Клиент заполняет эту форму и отправляет обратно, для последующей загрузки в 1С – формируется документ Заказ клиента, проставляются действующие на текущую дату цены. Все создаваемые заказы – разовые, на отгрузку. Позаказного планирования нет. У каждого клиента ведется договор, в котором может указываться отсрочка на оплату. Если отсрочка не указана – значит с этим клиентом ведется работа по предоплате. Потребность – резервирование товара в заказе и запрет отгрузки неоплаченного При необходимости выставляется счет на оплату (если клиент предоплатный). Если отгружаем в кредит – то позже клиент оплачивает товар по УПД и/или ТОРГ-12 и счет-фактуре (печатные формы реализации) после получения товара Резерв и отгрузка формируется документом реализации, склад имеет возможность эту реализацию редактировать – по необходимости. Соответственно может освобождаться резерв или отгружаться больше. Потребность – перевести работу на формат заказ-резерв-отгрузка Указание информации о доставке и отгрузке в реализации. Варианты: - Перегрузка - наша транспортная служба доставляет до точки, где забирает груз транспортная служба клиента. Бесплатно для клиента. - Склад компании – наша транспортная служба доставляет до клиента. Бесплатно для клиента. - ТЭК – перевозка силами внешней организации-перевозчика. До ТЭК доставляет наша транспортная служба, бесплатно. Стоимость доставки организации-перевозчику оплачивает клиент. - Самовывоз. Бесплатно для клиента. - Еще один из вариантов доставки силами ТЭК – экспорт. В этом случае добавляется стоимость доставки отдельной строкой (услугой) в реализацию. При этом, при печати документов, стоимость этой доставки распределяется пропорционально стоимости на продукцию в реализации. Из реализации после загрузки товара на доставку печатается накладная/УПД/ТОРГ-12. На этом этапе также возможно изменение в количестве/составе отправляемой продукции. Потребность – подобные изменение регистрировать корректировками или актами расхождений Ведение платежного календаря – отчета по контролю оплат. Заполнение вручную суммами предполагаемых оплат (на след неделю). Сама оплата от клиента (поступление безналичных дс) – ведется в базе 1С Бухгалтерии.”
Как видно, качество описания процесса в протоколе интервью было на низком уровне. Тем было интереснее, что с этим текстом будет делать ИИ.
После нескольких итераций (неоднократно формирование таблицы обрывалось на середине), была получена вполне пристойная таблица (таб.1), с которой можно дальше работать (редактировать и дополнять). На составление запроса и формирование таблицы ушло не более 10 минут. Это немного, учитывая, что проделывались все операции впервые.
Следующий шаг взаимодействия с ИИ был связан с тем, чтобы нарисовать схемы бизнес процесса в формате UML. Почему UML? Это связано с тем, что есть замечательный сервис PlantUML, в котором можно описать процесс в виде кода, а на выходе получить диаграммы в этой нотации.
Надо пояснить, что я код писать и читать не умею. Поэтому, в ChatGPT был направлен запрос в текстом протокола интервью, который был указан на первом шаге.
Напиши код для Use Case Diagram for PlantUML для текста: ...
ИИ очень быстро выдал требуемый код:
Текст кода был перенесен в сервис PlantUML, где тут-же отрисовалась диаграмма сценариев использования. Диаграммы была широкая, поэтому ниже она представлена двумя частями (слева - направо):
Следующий шаг эксперимента состоял в том, чтобы построить диаграмму последовательности на основании текста протокола интервью.
С этой целью был направлен запрос в GhatGPT:
Напиши код для Sequence Diagram for PlantUML для текста:
Искомый код был выведен на английском языке и на черном фоне.
Этот код, без изменений, был загружен в PlantUML, который без промедления выдал следующую диаграмму последовательности:
Как видно, все выполненные операции не сложные и моментально выдают необходимый результат.
Я не имею практики описания бизнес-процессов в нотации UML и поэтому мне сложно судить о корректности представленных диаграмм. Необходимо также учитывать, что текст протокола интервью был низкого качества. Тем не менее ИИ позволил этот текст упорядочить и отрисовать необходимые диаграммы.
Результаты проведенного эксперимента дают основание полагать, что ИИ может стать полезным инструментом в работе аналитика, который позволит существенно сократить рутинную часть работы, возложив ее на ИИ.
Буду и дальше продолжать эксперименты с ИИ, чтобы выяснить его возможности и полезность для проектной деятельности.
Если у вас был положительный опыт взаимодействия с ИИ в части обработки информации, опишите, пожалуйста, его в комментариях.
