О вынужденной популярности автоматизации в России
В начале 2025 года уровень безработицы в России достиг исторического минимума — 2,3%. На первый взгляд, это выглядит как достижение: занятость же растёт. Но на практике — это головная боль для бизнеса.
Нехватка рабочих рук, отток мигрантов, демографические изменения и структурная перестройка экономики делают найм всё более сложной и конкурентной задачей.
Когда на горизонте нет «дополнительных людей», приходится иначе распределять нагрузку. И автоматизация здесь выглядит как логичный шаг: больше управляемости, меньше зависимости от человеческого фактора. Но путь к ней — это не набор готовых решений, а сложный и часто непредсказуемый процесс.
Допустим, вы решили автоматизировать производство — и неважно в какой отрасли. Разработали ТЗ, утвердили бюджет, объявили тендер, выбрали подрядчика. Всё идёт по плану: впереди — тестирование, приёмка, запуск.
Автоматизация кажется логичным ответом на кадровый дефицит — но без подготовки и ясного понимания задач она легко превращается в источник новых проблем.
Но, как известно, дьявол кроется в деталях. Начинают всплывать нестыковки в данных, система не справляется с реальной нагрузкой, сотрудники — не поддерживают изменения и саботируют внедрение. В итоге проект, который должен был стать шагом вперёд, начинает буксовать.
Так и проявляются подводные камни автоматизации: не редкие сбои, а типичные просчёты, которые часто остаются без внимания на старте. Мы разбираем их постфактум, хотя могли бы предусмотреть заранее. Их причина не в технологиях, а в подходе — когда внедрение начинается без чёткой цели, без анализа процессов и без подготовки команды.
В этом материале разберём, что чаще всего мешает автоматизации работать на задачу:
- какие ошибки совершают компании,
- почему технологии не заменяют здравого смысла,
- как подготовиться к внедрению, чтобы не тратить ресурсы на исправление последствий.
№1. Автоматизация ради автоматизации
Поговорим о ситуации, когда технологии не решают реальных проблем.
Многие компании внедряют автоматизированные системы не потому, что это действительно необходимо, а потому что такова установка «сверху», потому что «у конкурентов уже есть», или потому что хочется выглядеть технологично.
Автоматизация начинает восприниматься как самоцель — признак современности, а не способ решения конкретных задач. В этой логике достаточно «что-то внедрить», чтобы всё сразу заработало лучше.
Но автоматизация должна быть привязана к реальной проблеме конкретной компании. Иначе она не даст положительного эффекта. В бизнесе на неё часто возлагают завышенные ожидания: сократим издержки, ускорим процессы, снизим фонд оплаты труда. Хотя на деле вопрос почти всегда в другом — в неэффективности самих процессов.
Автоматизировать хаотичный процесс — значит сделать хаос цифровым — и только.
Первый вопрос, на который стоит ответить, — в чём именно причина: в отсутствии технологий или в том, что процессы сами по себе неэффективны?
Ответ на него может сэкономить не один миллион. Скажем, сотрудники тратят 10–15% времени на ручной ввод данных в отчёты. На первый взгляд — явный кандидат на автоматизацию.
Но прежде чем запускать систему, стоит задать другой вопрос: кому вообще нужны эти отчёты? Выполняют ли они какую-то функцию? И есть ли у них эта функция сейчас?
Иногда достаточно просто пересобрать процессы: убрать лишние шаги, пересмотреть регламенты, перераспределить задачи. Это самый быстрый и дешёвый способ улучшения.
Поэтому если вы на этапе внедрения можете убрать два–три звена из цепочки и увидеть, что ничего не разваливается — возможно, автоматизация на этом этапе вам и не понадобится.
Пример №1
Крупная компания из сферы логистики решила ускорить процесс обработки заявок на закупку оборудования. Сотрудники разных отделов жаловались, что ожидание одобрения занимает слишком много времени — иногда до нескольких дней.
Руководство приняло решение внедрить систему автоматической проверки заявок, которая должна была анализировать запросы сотрудников и принимать решение без участия менеджеров.
Вот как выглядел процесс обработки заявок до внедрения автоматизации:
Что пошло не так
После внедрения автоматизированной системы время обработки заявок сократилось... но незначительно. Выяснилось, что «узкое место» находилось не в проверке заявок, а в том, что они долго «зависали» между разными отделами, ожидая одобрения от нескольких руководителей.
Процесс был перегружен ненужными уровнями согласования, из-за чего даже самые простые заявки обрабатывались медленно.
Вот как процесс стал выглядеть после автоматизации (немногим лучше):
Компания провела анализ и оптимизировала процесс, убрав лишние этапы согласования. Теперь заявки отправлялись напрямую одному ответственному менеджеру, а одобрение происходило быстрее.
Только после этого автоматизированная система стала действительно полезной: она перестала работать в «узком горлышке» и стала ускорять процесс, а не просто перекладывать бумажную волокиту в цифровой формат.
Вывод
Если бы компания сначала разобралась с проблемой на уровне бизнес-процессов, она мог бы сэкономить миллионы, не бросаясь в дорогостоящую автоматизацию. Иногда правильнее не внедрять новые технологии, а просто навести порядок в существующих процессах.
№2. «Плохие» исходные данные
Сегодня в бизнес-среде популярен тезис: «данные — новая нефть», и компании действительно инвестируют в Big Data, нанимают специалистов, создают команды аналитиков.
Автоматизация, прогнозирование, алгоритмы — всё это работает только при одном условии: если данные в порядке. Есть железное правило: если на входе в систему поступает «мусор», то на выходе получится автоматизированный мусор (garbage in, garbage out).
Откуда в системе появляется «мусор»? Причин может быть несколько:
- человеческий фактор (например, ошибочно введённые данные и тд),
- использование устаревшей или неактуализированной информации;
- предвзятый подход к отбору данных — выбор того, что считать «актуальным», по-прежнему зависит от человека;
- отсутствие единой структуры и форматов хранения — ошибка, которая случается даже в самых технологичных компаниях (об этом — в примере ниже).
Пример №2
Крупная компания по производству строительных смесей решила внедрить WMS (Warehouse Management System), чтобы объединить склады в единую систему, оптимизировать их работу и упростить отслеживание продукции — от производства до отгрузки заказчику.
Что пошло не так
До внедрения WMS компания использовала для учёта товара, его остатков и отгрузок комбинацию 1С и Excel-таблицы. Производство и склады вели учёт раздельно, каждый — в своём формате — «так исторически сложилось». Один и тот же товар мог иметь разные SKU, наименования и описания в разных таблицах.
На уровне отдельных участков эта система работала, но при попытке объединить данные в единую платформу начались проблемы: дубли, нестыковки остатков, путаница в кодировке товаров.
Проект пришлось остановить почти на год, чтобы привести в соответствие справочники товаров, унифицировать SKU и наименования, а также устранить дубли и расхождения между данными складов и производства.
Автоматизация и алгоритмы — это лишь инструменты. Их эффективность зависит не от кода, на котором они написаны, а от данных, на которых они работают.
Как решили проблему
Компания пересмотрела свой подход к внедрению системы WMS. Был принят ряд волевых решений по упрощению типов и унификации товаров на складах и производстве.
В отдел качества продукции наняли специалиста, который отвечал за актуализацию и синхронизацию данных между складами и производством. Эти шаги помогли реализовать внедрение системы WMS и ее интеграцию с системой «Честный знак».
Вывод
Автоматизация и алгоритмы — это лишь инструменты. Их эффективность зависит не от кода, на котором они написаны, а от данных, на которых они работают. Если основа слабая, никакие технологии не спасут от ошибок — в том числе искусственный интеллект.
Прежде чем вкладываться в дорогостоящие решения важно убедиться, что данные в порядке — иначе придётся исправлять не следствия, а последствия.
Читать продолжение в Журнале ReIndustry