Автоматизация процесса исполнения налоговых документов в банковской сфере посредством внедрения технологии RPA

В данной главе были проанализированы различные технологические решения, позволяющий существенно упростить как бытовую жизнь, так и трудовую деятельность людей. При этом, разумеется, технологии в той или иной степени постепенно вытесняют людей, занимающихся низкоквалифицированным, рутинным трудом. По различным оценкам исследователей респонденты разных стран с течением времени и приближением бума роботов все более настороженно относятся к реальным роботам. Государства, с одной стороны, видят перспективы и экономические выгоды, с другой - угрозу повышения безработицы. Компании-вендоры и интеграторы, разумеется, получают выгоду от развития подобных технологий. Для клиентов, по большей части, автоматизация выгодна в плане снижения цен на товары и услуги ввиду снижения затрат на производство товаров и обслуживание. В теории и согласно исследованиям (п. 1.2), сотрудники относятся, в целом, положительно к роботизированным ПО (не физическим роботам), однако на практике часто встречается непонимание исполнителями глобальной цели автоматизации, нежелание сотрудничать по внедрению по причине обычного страха оказаться без рабочего места. Но, стоит отметить, что квалифицированные сотрудники в действительности трезво оценивают все возможные выгоды (в том числе и для них) от внедрения RPA, поэтому в крупных компаниях, в том числе в банках, как правило, на всех этапах проектирования RPA-решения у пользователей не возникает проблем с этической и моральной стороной вопроса: все заинтересованы в выгоде компании, снижении ошибок и ускорении самого процесса при минимальных финансовых и трудовых затратах.

Итак, подходя к теме нашего исследования, а именно, автоматизации банковского процесса, рассмотрим более подробно практические критерии, в том числе, исходя из потребностей клиента, на основе которых будет произведен выбор проектируемого IT-решения и платформы автоматизации.

2. ВЫБОР ОПТИМАЛЬНОГО РЕШЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ БАНКОВСКОГО ПРОЦЕССА

2.1 Критерии выбора решения для автоматизации банковского процесса

Как было отмечено в предыдущем разделе, выбор оптимального решения на проекте начинается с определения бизнес-целей заказчика и критериев, согласно которым необходимо подобрать подходящие решения. Для начала кратко рассмотрим сам исследуемый процесс (Рисунок 3), исходя из схемы в нотации IDEF0, отражающей основные входные, выходные, управленческие потоки и механизмы.

Рисунок 3 Реализация исполнения запрашиваемых документов для ИФНС (диаграмма А-0)

Функциональный блок (контекстная диаграмма А-0) на рисунке 3 отражает главное действие в процессе взаимодействия Инспекции Федеральной налоговой службы с компанией-заказчиком (в нашем случае, банком) - реализовать исполнение запрашиваемых документов для ИФНС. В качестве входных потоков выбраны следующие элементы: Поручение от ИФНС, инициирующей запрос (официальный документ, направляемый региональными или городскими налоговыми инспекциями в одну из головных ИФНС г. Москвы в качестве приложения к Требованию, в котором (приложении) указано, что документы запрашиваются в связи с мероприятиями налогового контроля при проведении выездной/камеральной налоговой проверки налогоплательщика-контрагента), в одном из следующий форматов: PDF, doc/docx, JPEG, PNG; Требование от головной ИФНС, которая является посредником и истребует данные документы у банка (официальный документ, направляемый Инспекцией Федеральной налоговой службы с целью получения документов по определенному юридическому(им)/физическому(им) лицу(ам)), в одном из следующий форматов: PDF, doc/docx, JPEG, PNG. Управляющими потоками являются нормативные документы, регулирующие взаимодействие компании-интегратора и компании-заказчика (банка), регламенты банка, регламенты ИФНС, ТЗ (техническое задание - документ, кратко описывающий процесс внедрения выбранного решения), ЧТЗ (частное техническое задание - документ, конкретизирующий ТЗ), PDD (Process Design Document - документ, отражающий функциональные, нефункциональные и бизнес-требования, а также use-cases, созданные для описания взаимодействия внутренних систем компании и роботизированной программы), DSD (Development Specifications Document - документ, содержащий подробные сведение о процессе автоматизации, в котором внимание сосредоточено на 2 основных категориях: «руководстве по выполнению» и «сведениях о разработке»). Механизмами выполнения действия являются сотрудники компании партнера-Abbyy (в частности, аналитик и команда разработки), обеспечивающие качественное распознавание текста и поступление данных на входе Роботу в виде цифровых значений полей в xml-файле; сотрудники компании-интегратора (руководитель проектов, аналитики, команда разработки); платформа UiPath Studio, обеспечивающая построение бизнес-процессов, которые впоследствии будут исполняться Роботом; сам Робот; верификатор (сотрудник банка, осуществляющий проверку данных на этапе распознавания документов и обеспечивающий корректную работу Робота путем исправления нечитаемых данных, добавления отсутствующих, исполнения случайных процессов, не заложенных в алгоритм работы Робота); IBM LotusNotes (интегрированный почтовый и Internet-клиент для объединения внутрикорпоративной деятельности и работы с документами), ExcelRep (прикладная система, позволяющая формировать различные виды отчетов, используемая для получения информации о клиентах банка (список счетов, обслуживающие филиалы и т.д.)), Новая Афина (автоматизированная банковская система, обеспечивающая оптимизацию банковских бизнес-процессов и ИТ-инфраструктур, хранящая истребуемые в рамках Требований документы), АКД (Архив клиентских дел - приложение, позволяющее организовать работу с большим массивом документов, которые образуют клиентские (в том числе кредитные) досье и прочие банковские документы (документы для ордера и др.)), SAP BO BI (комплекс аналитических приложений, обеспечивающий сбор, анализ данных и построение отчетов в разрезе требуемых показателей), Ритейл (прикладная система исследуемого, хранящая информацию по клиентам - физическим лицам). Выходными потоками данного процесса являются следующие: Упрощенный отчет работы Робота (файл в формате Excel, содержащий неполную информацию об исполнении Требования, формируемый Роботом в ходе выполнения процесса для упрощения визуализации результата работы робота), Детальный отчет работы Робота (файл в формате Excel, содержащий полную детальную информацию об исполнении Требования, формируемый Роботом в ходе выполнения процесса), Проект ответа для головной ИФНС (Файл в Word, содержащий официальный ответ банка по результатам исполнения Требования ИФНС), папка с проштампованным объединенным PDF-файлом и соответствующими ему xml-файлами. Более подробно данные и артефакты, являющиеся структурными компонентами потоков процесса, описаны в п. 3.3.

Итак, когда процесс стал более понятен и структурирован, перейдем к бизнес-целям заказчика. В результате внедрения системы должны быть обеспечены:

мониторинг поступления документов в папку на сетевом диске;

распознавание содержимого и сортировка требований с поручениями по заданному алгоритму;

выявление по ключевому слову запросов ИФНС;

формирование журнала требований и поручений (в рамках отчета «Результат работы робота»);

регистрация запросов от ИФНС в системе LotusNotes БД «Канцелярия»;

подготовка ответов на запросы ИФНС;

минимизация трудозатрат сотрудников действующего бизнес-процесса.

Следует отдельно отметить 2-ой элемент списка. Так как остальные пункты так или иначе реализуемы во многих современных IT-решениях, обеспечивающих автоматизацию процессов, то технология распознавания символов с изображений и других файлов формата, не позволяющего «считать» цифровой текст, встроена далеко не всегда. Следовательно, наличие технологии оптического распознавания символов, либо возможность интеграции с такими сервисами, является одним из обязательных критериев при выборе решения для данного процесса. Есть вероятность, что в обозримом будущем Инспекция Федеральной налоговой службы будет направлять запросы в цифровом формате, поэтому решение, позволяющее учесть и тот, и другой сценарий, будет оптимальным.

Система также должна частично автоматизировать процесс регистрации входящих запросов и подготовки проекта для ИФНС, сокращая трудозатраты на обслуживание процесса. Система должна повысить качество обработки данных, оперативность регистрации входящих запросов и подготовки проекта ответа для ИФНС, тем самым снижая риск возникновения финансовых последствий по несоблюдению сроков направления ответов. Дополнительно будет произведен частичный отказ от бумажного документооборота, что снижает стоимость обслуживания печатных устройств и бумажных носителей.

Так, общие критерии выбора решения можно отразить следующим образом:

1. Возможность пользователям вносить корректировки в результат работы автоматизированной системы на этапах:

А) распознавания данных;

Б) регистрации документов;

В) исполнения документов;

Г) подготовки Проектов ответа.

2. Снижение трудозатрат, как минимум, в 2 раза;

3. Повышение качества обработки документов (отсутствие ошибок на всех этапах до подготовки Проекта ответа для ИФНС) - как результат - отсутствие штрафных санкций от ИФНС по ст. 126 НК РФ за несвоевременное предоставление документов по требованию налогового органа, п. 2 ст. 126 НК РФ непредставление документов по ст. 93.1. НК РФ, п. 1 ст. 126 НК РФ за непредставление документов о клиенте;

4. Повышение оперативности предоставления данных (отсутствие просроченных ответов для ИФНС - предоставление ответа в течение периода, не превышающего 5 дней);

5. Обеспечение частичного отказа от бумажного документооборота за счет отсутствия процесса печатного штампования и согласования документов внутри компании (сокращение издержек на эксплуатационные расходы, связанные с данным процессом, на 2 млн.руб.);

6. Соизмеримая стоимость вложений полученному в результате эффекту.

7. Срок реализации не более 1 года с тестированием и периодом опытно-промышленной эксплуатации (максимум - 1,5 года с ОПЭ).

8. Встроенная OCR (Optical Character Recognition) или возможность интеграции с таким сервисом.

Детальными критериями успеха выполнения исследуемого банковского процесса являются следующие постусловия:

документ распознан, подготовлен файл с ключевой информацией;

создана учетная карточка входящего документа в IBM LotusNotes;

отчет с результатом работы робота построен корректно;

требуемые документы собраны и подготовлены (отправлены в соответствующую папку);

шаблон (проект) ответа корректно автоматически заполнен;

ответственные сотрудники получили уведомление о необходимости проверки и визирования подготовленного ответа;

произведена регистрация исходящего документа в привязке с входящим документом и проектом ответа, данные внесены в отчет;

итоговый процесс требует меньше трудозатрат, чем процесс до внедрения системы.

Таким образом, согласно бизнес-целям заказчика, критерии выбора решения для автоматизации данных предельно ясны, практически все измеримы и возможны с точки зрения реализации доступными техническими средствами. В следующем пункте, согласно данным критериям, мы выберем оптимальную технологию из описанных в п. 1.1 и обоснуем свой выбор с точки зрения повышения качества исполнения процесса и экономической эффективности.

2.2 Анализ оптимального решения для исследуемого процесса

Для решения проблемы избыточного ручного труда, чрезмерной длительности процесса, наличия ошибок, неточностей и нерационального использования трудовых ресурсов нужна система, которая либо будет сама принимать решения на каждом этапе сверки данных и самообучаться во время использования тестовой среды, либо позволит встраиваться на определенные этапы сотруднику, не влияя при этом на работу автоматизированной системы, с целью контролировать результат и отслеживать моменты, на которых могут возникнуть те или иные ошибки. Исходя из этого, мы понимаем, что ML (машинное обучение) в нашем случае не совсем подходит в качестве решения, так как не подразумевает наличия когнитивного мышления, позволяющего системе самой принимать решения подобно человеку. А встраивать сотрудника в такую систему, вероятнее всего, будет проблематично и даже невозможно в связи со сложностью механизмов разработки, контроля и сопровождения решения - то есть человек не только не сможет корректировать данный автоматизированный процесс, но и будет затруднять его работу. Что касается стоимости, специалисты (аналитики и разработчики) по машинному обучению обойдутся для компании-заказчика в разы дороже обычных разработчиков ПО и вряд ли принесут существенную пользу в том плане, что для конкретного процесса нет необходимости разрабатывать нейронную сеть и встраивать в процесс ML. Таким образом, для сравнительного анализа машинное обучение рассматриваться не будет.

Блокчейн изначально не подходит для данного процесса, так как в нашем случае не стоит задача распределенной записи и хранения данных, а также в рамках процесса не происходит никаких транзакционных запросов. Следовательно, данная технология также не будет рассматриваться при дальнейшем анализе.

AI (искусственный интеллект) мог бы быть отличным решением текущей проблемы в совокупности с тем же ML или индивидуальной разработкой ПО. Но, во-первых, по двум важнейшим критериям выбора решения, а именно сравнительно невысокой стоимости и относительно быстрому внедрению - данная технология сильно уступает оставшимся, так как искусственный интеллект - это никогда не дешево и совсем не быстро. Во-вторых, на сегодняшний день программы BRMS успешно решают задачу возможности принятия решения системой без участия пользователя (не роботизированное, а алгоритмизированное). И, в-третьих, AI используется, как правило, для задач, связанных с неструктурированными данными без четкого алгоритма действий, в нашем же случае процесс довольно линейный и структурированный. В связи с этим технология Artificial Intelligence не пригодна для исследуемого процесса.

Как и в теоретической части данной работы (с точки зрения обобщенной выгоды для среднестатистического проекта - см. п. 1.1.), так и при анализе фактического проекта, исходя из описанных в предыдущем пункте критериев, мы приходим к выводу о том, что наиболее оптимальными вариантами (для нашего процесса) являются собственная разработка ПО, BPMS-системы, либо внедрение технологии RPA. Так как, вероятнее всего, готовые решения будут выгоднее с точки зрения данного процесса, более подробно рассмотрим их, а стоимость собственного решения рассчитаем в п. 2.3, по итогам которого сделаем выводы.

2.2.1 Сравнительный анализ BPMS-систем на мировом рынке

На сегодняшний день на рынке BPMS-систем лидируют такие решения, как Appian BPM, Pega BPM, IBM BPM, bpm'online, Tibco BPM (см. рисунок 4 - данные приведены за 2018 г.).

Рисунок 4 Рынок вендоров BPMS-решений [46]

В разное время, по оценкам консалтинговых агентств, проводящих анализ рынка, в первую тройку входили, как правило, одни из следующих компаний: IBM, Oracle, bpm'online, Pega, Appian. При этом стоимость систем практически сопоставима: в таблице 1 указаны цены за лицензии без внедрения. Далее мы рассчитаем, во сколько бы обошелся данный процесс для каждой из трех наиболее популярных на сегодняшний день систем.

Таблица 1 Стоимость основных мировых BPMS-решений [49]

Рассчитав стоимость решений топ-3 компаний BPMS на 2018 г. с учетом лицензий с примерной стоимостью внедрения компаний-интеграторов среднего уровня и масштаба (средняя цена в РФ - 4 000 000 руб.) и технической поддержкой в течение, по меньшей мере, 3 месяцев, исходя из нашего процесса и конкретного банка, получаем следующие значения:

Стоимость Appian BPM = Стоимость лицензий (2 160 ($ на чел/год) *64,76 (курс руб.) *10 (кол-во лицензий, необходимых для процесса)) + Стоимость внедрения (4 000 000) + Стоимость технической поддержки (419 612) = 1 398 816 + 4 000 000 + 419 645 = 5 818 461 руб.

Стоимость Pega BPM = Стоимость лицензий (2 040 ($ на чел/год, стандарт) *64,76 (курс руб.) *10 (кол-во лицензий, необходимых для процесса)) + Стоимость внедрения (4 000 000) + Стоимость технической поддержки (419 612) = 1 321 104 + 4 000 000 + 396 331 = 5 717 435 руб.

Стоимость IBM BPM = Стоимость лицензий (1 500 ($ на чел/год, базовый) *64,76 (курс руб.) *10 (кол-во лицензий, необходимых для процесса)) + Стоимость внедрения (4 000 000) + Стоимость технической поддержки (239 353) = 971 400 + 4 000 000 + 239 353 = 5 210 752 руб.

Так, ценовая политика топовых BPMS-решений варьируется в пределах 608 тыс.руб., что, по меркам крупных компаний, практически не играет роли, когда речь идет о достаточно масштабном внедрении. Поэтому при выборе решения из приведенных выше BPMS-систем следует руководствоваться, в первую очередь, применимостью к исследуемому процессу. С точки зрения логики разработки процесса в BPMS, он должен состоять из следующих шагов:

Запрос из ИФНС поступает сотрудникам банка на почту. Далее документы проходят этап распознавания Flexi Capture, после чего поступают в BPMS-систему.

В IBM LotusNotes встраивается модуль, позволяющий по запуску из BPMS-системы регистрировать документы. После запуска триггера Требования и Поручения автоматически объединяются в ЭЦП по дате и номеру поручения, штампуются и запускается процесс в системе LotusNotes для регистрации входящих. Документы регистрируются и откладываются в отдельные папки с соответствующим номером ЭЦП и Требования в нем.

Автоматически в базе ExcelRep (описание в п. 2.1) данные по контрагентам сверяются с их ИНН и счетами. После чего происходит детальная проверка на возможность исполнения процесса (проверка наличия парных Требования и Поручения, проверка дат открытия и закрытия счетов в зависимости от периода запроса и т.д.) путем запуска БП карточки «Запросы от ИФНС» с подтверждением в открывшейся форме данных, которые нужно проверить. После этого из документов (их XML после распознавания), прошедших проверку на возможность исполнения, вытягиваются поля контрагентов, ИНН, счетов, документов, периодов запроса, по которым будет произведен поиск данных, после чего направляются в свои реестры записей в карточке запроса.

Перечень выбранных полей из предыдущего этапа по каждому отдельному документу (ЭЦП - пары Требования и Поручения) направляется после сохранения карточки запроса во внутренние банковские системы для поиска запрашиваемых документов (АКД, Новая Афина, Ритейл - подробнее - в п. 3.3 Таблица 14). Реакцией запуска интеграции будет кнопка «Сохранить» в карточке запроса от ИФНС.

Системы получают списки данных и производят внутренний поиск документов по встроенным в интеграцию реестрам, после чего автоматически сохраняют прикрепленные в карточках контрагентов этих систем документы в заведенные на 2 шаге папки, определенные на локальном компьютере.

После добавления данных в папку срабатывает триггер и запускает повторное открытие IBM LotusNotes для регистрации исходящих документов. Параллельно с этим автоматически собираются файлы формата PDF с заполненными по алгоритму данными по каждому Требованию. Данные документы прикрепляются к карточкам регистрации, после чего завершается регистрация и уведомляются сотрудники Операционного департамента (ОД) о необходимости проверить документы.

Сотрудники ОД проверяют данные и отправляют из в ИФНС по соответствующему адресу в электронной форме.

Данный процесс, разумеется, требует контроля хотя бы 1 сотрудника Канцелярии и хотя бы 1 сотрудника Операционного департамента. Для данного процесса, исходя из собственного аналитического опыта работы в компаниях-интеграторах из BPMS-систем наиболее всего подходит система класса bpm (не в том числе CRM, как, например, bpm'online) из разряда Pega. Данная система специализируется на решениях подобного формата.

Также при выборе системы для последующего анализа необходимо учесть, что на текущий момент (как было упомянуто в п. 2.1) документы из Инспекции Федеральной налоговой службы поступают в форматах PDF, doc/docx, JPEG, PNG. Следовательно, независимо от технологии решения, для любой автоматизации потребуется перевод документов в цифровой формат. А при том, что ни в одном из текущих BPMS-решений нет встроенных технологий OCR (Optical Character Recognition), позволяющих на должном уровне обеспечить распознавание текста, следовательно, дополнительно нужно подключать партнера/решение, позволяющего это осуществить. Из наиболее распространенных компаний, специализирующихся на оптическом (и даже интеллектуальном - ICR, позволяющим распознавать рукописный текст) распознавании символов, можно выделить российского вендора Abbyy, партнерские отношения с которым налажены не только у выбранной в итоге компании-интегратора, но и (среди компаний, предоставляющих BPMS-решения) у Pega BPM (особенности технологии распознавания Abbyy и стоимость данного решения приведены в п. 2.2.2). Так, исходя из всего вышеописанного, можно прийти к выводу, что среди BPMS-систем оптимальной с точки зрения данного процесса является Pega BPM, которая и будет рассмотрена нами в более детальном анализе в п. 2.3.

2.2.2 Технология OCR на примере Abbyy FineReader и Abbyy Flexi Capture

Как было указано в предыдущем пункте, ни одно автоматизированное решение на сегодняшний день не обладает встроенной OCR такого уровня, который позволил бы избежать интеграции с профессиональными сервисами, специализирующимися на распознавании текста.

Оптическое распознавание символов (OCR) представляет собой набор различных этапов обработки, выполняемых в случаях, когда текст должен быть распознан из изображения, фотографии или документа PDF.

Рисунок 5 Технология OCR [7]

На протяжении последних 5 лет лидером российского рынка в сегменте потокового ввода данных, по оценкам аналитиков компании IDC, является компания Abbyy. По данным исследования, рыночная доля компании в последние годы превысила 60%, а доходы ABBYY от проектов в этом сегменте выросли более чем на 30% в рублевом эквиваленте [1].

Компания имеет два основных решения, специализирующихся на распознавании символов:

FineReader Engine - это набор инструментов OCR, предназначенный для преобразования отсканированных документов и PDF-файлов в различные форматы, такие как простой текст, форматы Office, HTML, PDF с возможностью поиска или XML.

FlexiCapture Engine - это SDK для обработки форм, разделения документов, классификации и извлечения данных.

В таблице 2 представлены основные различия данных систем.

Таблица 2 Сравнение Abbyy FineReader Engine и Abbyy FlexiCapture Engine [7]

Исходя из представленной выше таблицы, отражающей основные отличительные особенности (технические и влияющие на бизнес-логику) программ, мы можем сделать вывод о том, какой модуль Abbyy оптимальнее всего подходит для нашего процесса (наиболее важные положения подчеркнуты в таблице). Итак, Flexi Capture поддерживает шаблоны классификации, благодаря которым происходит определение типа документа по заданному алгоритму (например, соответствие основных блоков текста заранее определенным координатам на странице в зависимости от типа документа) и наложение его на стандартный шаблон документа этого типа (соответствие форме по КНД: 1165013 - для Требования и 1165014 - для Поручения). Эта функция необходима для проверки того, действительно ли поступивший документ является основанием для его исполнения, поэтому по данному пункту FineReader уже не подходит. Следующим важным критерием является возможность определения диапазона документа и его распознавание по страницам: так как Требования и Поручения могу содержать в себе разное количество страниц в зависимости от количества запрашиваемых документов в них, заложить алгоритм работы с определенным количеством страниц не представляется возможным.

В связи с этим, мы приходим к выводу о том, что наиболее подходящим решением в нашем случае является программа Abbyy Flexi Capture, с которой в дальнейшем и будет выстраиваться взаимодействие выбранного решения автоматизации. Для того, чтобы в рамках итогового решения (в случае отсутствия встроенной технологии OCR) учитывать затраты на распознавание входящих документов из ИФНС, ниже в таблице 3 рассчитаем трудозатраты и стоимость решения Abbyy Flexi Capture.

Таблица 3 Расчет трудозатрат и стоимости технологии распознавания символов

Так, независимо от решения автоматизации (при условии отсутствия встроенной технологии OCR), стоимость внедрения технологии распознавания входящих документов будет составлять 4 543 000 руб.

2.2.3 Сравнительный анализ вендоров платформ для построения программных роботов

Далее перейдем непосредственно к анализу наиболее популярных RPA-решений. Согласно исследованию Forrester Research (компании Forrester Wave), проводившемуся в феврале 2017 г., объем рынка RPA в 2021 г. должен приблизиться к 3 млрд.$ (Рисунок 6), поддерживая разработку и обслуживание более 4 миллионов роботов, которые будут выполнять не только офисную и административную, но и управленческую работу, в том числе связанную с продажами. Стоит отметить, что данные прогноза подтверждаются: по оценке Gartner, объем рынка RPA на конец 2018 г. составил 680 млн.$ [11].

Рисунок 6 Рынок Enterprise RPA, млн. $ [29]

По сравнению с другими технологиями, такими как Artificial Intelligence, Machine Learning, Blockchain, роботизированная автоматизация процессов не только стремительно развивается, проходя стадии осмысления, принятия и понимания большинством потенциальных заказчиков, но и успешно применяется на практике. Рассмотрим рынок вендоров платформ, предоставляющих роботов, за 2018 г. (Рисунок 7).

Рисунок 7 Рынок вендоров RPA-решений [28, p. 9-11]

Исходя из рисунка 7 можно заметить, что наиболее популярными решениями с точки зрения стратегической направленности, конкурентных преимуществ, а также популярности на рынке, сегодня являются такие платформы, как UiPath, Automation Anywhere и Blue Prism. Рассмотрим их поподробнее.

Blue Prism - это торговое название Blue Prism Group, британской многонациональной корпорации по разработке программного обеспечения, которая впервые создала ПО для автоматизации роботизированных предприятий, устраняющее необходимость в ручном вводе и обработке данных с низкой отдачей, высокой степенью риска и ручным вводом данных. Штаб-квартира Blue Prism находится в Ньютон-ле-Уиллоус, Мерсисайд, Великобритания, региональные офисы - в США и Австралии. Компания зарегистрирована на рынке AIM Лондонской фондовой биржи.

Blue Prism была основана еще в 2001 году и до сих пор является одним из лидеров рынка RPA. По оценке независимого консалтингового агентсва Ovum, Blue Prism в отчете «Матрица решений Ovum: выбор платформы роботизированной автоматизации процессов (RPA) 2018-19» признана ведущим поставщиком RPA с обширными техническими возможностями и успешным опытом работы с клиентами [27]. Компания получила высокие баллы по каждой группе критериев по параметрам технологий, исполнения и оценки влияния на рынок, а также высокую оценку по группе критериев безопасности, мониторинга и управления данными в рамках измерения технологий. Толчок Blue Prism к таким областям, как адаптация к изменяющимся шаблонам процессов и получение контекстуального значения, понимание визуальной информации, оптимизация рабочей нагрузки и автономное решение проблем бизнеса и системы окупается повышением популярности среди клиентов.

Помимо того, что Blue Prism базируется не на простой замене человеческого труда «машиной», то есть при внедрении часто применяется искусственный интеллект, особенностью компании является тот факт, что она предлагает решение Blue Prism Process Discovery Tool. Данный веб-инструмент упрощает задачу анализа и оценки процессов на предмет готовности к автоматизации, ее простоты и потенциальной ценности для бизнеса. Это работает следующим образом: после того, как операционный руководитель и аналитик процессов ответили на несколько коротких вопросов, Blue Prism Process Discovery Tool четко отображает каждый процесс в квадранте панели мониторинга, ранжируя каждый из них с точки зрения наиболее автоматизированного и минимального уровня готовности. Результатом является объективный, последовательный и надежный способ обнаружения процессов, готовых к автоматизации. При этом главным стоппером при выборе Blue Prism среди других ведущих вендоров RPA-платформ является стоимость лицензий. В среднем она составляет 467 647,87 GBP (фунтов стерлингов, сумма с НДС), то есть примерно 39 811 840,88 российских рублей.

Automation Anywhere - американская компания, организованная в 2003 г., является разработчиком программного обеспечения для автоматизации процессов (RPA или RPAAI). Automation Anywhere Enterprise объединяет традиционный RPA с когнитивными элементами, такими как обработка на естественном языке и чтение неструктурированных данных. В этом плане компания больше напоминает Blue Prism. Отличительной особенностью Automation Anywhere является тот факт, что RPA-решения - лишь один из продуктов, которые предлагает компания, наряду с различными ботами. Что касается стоимости лицензий - одного из основных моментов, волнующих потенциальных клиентов - лицензия разработчика стоит около 5000$ при том, что для производства робота будет необходима отдельная лицензия стоимостью 25 000$. В совокупности, при переводе по текущему курсу на российские рубли, лицензии обойдутся в 1 958 863,86 руб.

UiPath - наиболее молодая из тройки лидеров румынская компания, основанная в 2005 г. и начавшая свой путь с простейших форм OCR (Optical Character Recognition - оптического распознавания символов) - на текущий момент по праву считается лидером на российском рынке роботизированного программного обеспечения. По сравнению с основными конкурентами данная платформа имеет оптимальную политику лицензирования для клиентов (в том числе и с финансовой точки зрения), а также полноценный функционал для разработчиков как с возможностью использования преднастроенных решений, так и с интерфейсом для их кастомизации, доработки и интеграции с другими технологиями, включая искусственный интеллект [16, P. 12-18]. UiPath имеет широкую партнерскую сеть, в которой представлены компании, обладающие компетенциями в смежных ИТ отраслях: обработка естественного языка (NLP), интеллектуальное оптическое распознавание символов (IOCR), машинное обучение (ML) и чат-боты. Данные технологии могут быть напрямую интегрированы с компонентом платформы Orchestrator - центром управления всеми роботами. Многопрофильность - важное ключевое преимущество, которое может обеспечить не каждая платформа. Успешная репутация компании на рынке и широкий круг партнеров позволяет платформе совершенствоваться во всех направлениях. Например, помимо того, что UiPath Studio (средство разработки роботов, визуально напоминающая панель для моделирования бизнес-процессов) изначально обеспечивает интеллектуальную запись с базовой оптимизацией, ее партнерство с Celonis Process Mining дополняет UiPath Studio общим хранилищем процессов, а в будущем будет сопровождать средой обучения ML, которая сама сможет проектировать и направлять ботов [28, P. 12-13]. Также в последние годы вендор расширил свои когнитивные возможности для неструктурированных данных с помощью ABBYY FlexiCapture и других сторонних продуктов, что позволило существенно упростить работу самого робота, сократить время выполнения процесса в целом и повысить точность и качество обработки данных.

Далее рассмотрим сравнительные таблицы агентства Ovum, проводившего исследование ведущих вендоров RPA-решений в 2018 г.

Таблица 4 Матрица решений Ovum: платформы RPA, лидеры рынка 2018-2019 гг.: Технологии [23, P. 11]

В таблице 4 показаны поставщики с четырьмя лучшими оценками (по шкале от 1 до 10, в том числе с одинаковыми оценками) для каждой группы критериев в рамках измерения технологии. Разница между наивысшим и наименьшим показателями для группы критериев разработки и UX-дизайна составила всего 0,26, при этом соответствующая разница для группы критериев возможностей автоматизации составила лишь 0,20. Для группы критериев безопасности, мониторинга и управления разница между наивысшим и наименьшим баллами составила 0,22; для группы критериев возможностей ИИ составила 0,3.

Это незначительные различия говорят о том, что данные компании стремительно развиваются, следуя буквально друг за другом, и, если одна компания проседает по одному из показателей, она обязательно лидирует по другому. Automation Anywhere, UiPath, Blue Prism и Pegasystems являются одними из поставщиков, которые имеют максимальные оценки по каждой группе критериев в рамках технологической оценки. Thoughtonomy достигла четырех лучших результатов для групп с одним критерием в рамках оценки технологии, Kryon достиг наивысшего балла за одну группу критериев (возможности искусственного интеллекта) в аспекте оценки технологии.

Так, по 2 критериям из 4, связанных с технологиями, уверенно лидирует молодая румынская компания UiPath. Ниже рассмотрим матрицу решений, связанную со стратегией выхода продуктов на рынок.

Таблица 5 Матрица решений Ovum: платформы RPA, лидеры рынка 2018-2019 гг.: Исполнение и влияние на рынок [23, P. 12]

В таблице 5 показаны поставщики с тремя лучшими оценками (по шкале от 1 до 10, в том числе с одинаковыми оценками) для четырех групп критериев в рамках оценки исполнения и оценки влияния на рынок. Automation Anywhere, Blue Prism и UiPath получили самый высокий балл в группе критериев «Зрелость продукта и инновации». Pegasystems достигла второго наивысшего балла, в то время как Thoughtonomy и Kryon достигли совместного третьего места для этой группы критериев. Разница между наивысшей и наименьшей оценками составила 0,5.

Automation Anywhere, UiPath и Blue Prism получили самые высокие оценки в группе критериев масштабируемости и состояния предприятия. Pegasystems достигла второго по величине показателя, а Thoughtonomy - третьего. Разница между самым высоким и самым низким баллами для этой группы критериев составила всего 0,2. Automation Anywhere получила самый высокий балл для группы продуктов и критериев стратегии GTM (Go-to-market), за ней следуют UiPath и Blue Prism со вторым наивысшим баллом. Pegasystems добилась третьего места в этой группе критериев. UiPath получил самый высокий балл для группы критериев влияния на рынок, а затем Automation Anywhere и Blue Prism - второй и третий соответственно. Ведущие поставщики RPA в этом ODM (Ovem Decision Matrix) неоднократно включались в четыре группы критериев в рамках оценки выполнения и оценки влияния на рынок.

Таким образом, исходя из исследования консалтингового агентства Ovem, можно сделать вывод о том, что компания UiPath является действительно лучшим на текущий момент вендором платформ RPA. Для более глубинного понимания технологии RPA и преимуществ UiPath, рассмотрим далее архитектуру платформы и особенности ценовой политики данного вендора.

Структура программирования роботов на платформе UiPath представляет собой 3 основных элемента: самого Робота, Студию, где происходит непосредственно построение логики работы Робота и Оркестратор, который позволяет управлять Роботами: запускать, останавливать, прерывать и т.д. (рисунок 8).

Рисунок 8 Строение платформы UiPath [29]

Сами Роботы могут быть 2-х основных типов: с оператором (Attended) - то есть работать вместе с человеком, получать от него некие установки, документы и проч. и отправлять обратно, после выполнения определенных действий над ними; и без оператора (Unattended) - Роботы, которые могут работать самостоятельно, без какого-либо участия человека.

Соответственно, лицензии также зависят от того, какой тип Робота используется, есть ли Оркестратор (или, как в нашем случае, который будет описан в главе 3, его задачи выполняет скрипт, обозначающий название Робота и его задачи), возможна ли параллельная работа Робота и сотрудников или такие действия будут сбивать Робота и прерывать его работу. В связи с такими возможными вариациями ниже представлена таблица прайс-листа компании UiPath (Таблица 6).

Таблица 6 Стоимость лицензий UiPath [29]

В среднем компании покупают Оркестратор, Студию на одного авторизованного пользователя и Робота с оператором (1-3, в зависимости от сложности процесса) на одного авторизованного пользователя. При таком минимальном исходе это 24 200 евро или 1 774 911,19 руб. При этом нужно учитывать, что многие вендоры и интеграторы делают скидки, либо, как было сказано выше, не все компании покупают Оркестратор, некоторые, например, настраивают вместо него еще одного Робота, который сможет управлять другими. Тогда стоимость может варьировать около 6 600 € или 430 950,05 руб (3 Робота без оператора + Студия).

Таким образом, можно сделать вывод о том, что на текущий момент на рынке существует 3 основных вендора RPA-платформ: UiPath, Automation Anywhere и Blue Prism. Наиболее подходящей для российского рынка (а также с точки зрения исследуемого процесса) платформой является румынская компания UiPath, отлично зарекомендовавшая себя на рынке как среди крупных государственных компаний и представительств иностранных фирм, так и среди фирм среднего бизнеса благодаря оптимальному сочетанию цена-качество. В следующей главе речь пойдет непосредственно о процессе, который будет автоматизирован в рамках проекта данной магистерской диссертации.

2.3 Обоснование оптимальности внедрения технологии RPA

Выше мы проанализировали BPMS- и RPA-решения и остановились на одном из примеров для каждой технологии: Pega BPM и UiPath соответственно. Собственная разработка программного обеспечения (ПО) будет рассмотрена в данном пункте как один из возможных, но изначально менее подходящих вариантов.

Итак, у нас есть текущий процесс AS-IS для сравнения (вариант А). При этом возможно 3 основных варианта решения исследуемой проблемы:

Разработать собственное решение (при помощи так называемой «честной автоматизации») - B;

Внедрить BPMS-решение (вариант C);

Внедрить программных роботов (RPA) - вариант D.

Для оценки вариантов сравним их по набору таких критериев, как: стоимость разработки При текущем процессе будет включать стоимость затрат на штрафные санкции, эксплуатационные расходы и фонд оплаты труда задействованных в процессе сотрудников; при внедрении RPA - помимо стоимости основных работ, будут входить в стоимость лицензии, время разработки (включая этап предпроектного исследования, аналитическую работу, тестирование и опытно-промышленную эксплуатацию), время работы сотрудника/робота/ПО, количество возникающих в процессе работы ошибок При разработке ПО данные будут прогнозные, т.к. по данной части не была осуществлена реализация, FTE Высвобожденная рабочая сила, а также постараемся вычислить возможные риски, которые наиболее часто встречаются в современных реалиях при интеграциях и разработке новых решений. Чтобы провести данный анализ, для начала вычислим каждый пункт в отдельности.

Стоимость разработки.

Одной из важнейших статей расходов в процессе AS-IS являются штрафные санкции, возможные при некорректном предоставлении/непредоставлении в срок документов, отраженные в таблице 7.

Таблица 7 Штрафные санкции, применимые к банкам ФНС за некорректное предоставление запрашиваемых документов [38]

Исходя из таблицы 7 и личной практики компании, на штрафные санкции в среднем ежегодно тратится порядка 2-4 млн.руб. Фактические затраты, которая компания понесла за период с 01.03.2018 г. по 01.03.2019 г. (такие даты были взяты, исходя из необходимых сроков написания данной выпускной квалификационной работы), составляют, судя по таблице А2 Приложения А, 3 510 000 руб.

Эксплуатационные расходы, по анализу компании-клиента, составляют 2 000 000 руб. Расчет ФОТ (фонда оплаты труда) 4 сотрудников (2 сотрудника Канцелярии и 2 сотрудника Операционного департамента), которые планируется высвободить для более высокоинтеллектуальной работы, приведен в формуле 1.1.

ФОТ = СЗ*СЧ*12, (1.1)

где СЗ - среднемесячная зарплата, СЧ - среднесписочная численность сотрудников.

Так, фактический ФОТ = 60 000*4*12 = 2 880 000 руб. Помимо НДФЛ, входящих в ФОТ, компания платит страховые взносы от каждой зарплаты в размере 30% от оклада gross (в данном случае - от 60 000 руб.): 2% - в Пенсионный фонд, 2,9% в Фонд социального страхования и 5,1% - Фонд медицинского страхования.

Затраты на 4 сотрудников в год для компании обходятся в следующую сумму: 2 880 000 + (60 000*0,3*4*12) = 2 880 000 + 244 800 = 3 124 800 руб.

Итого компания затрачивает на текущий процесс: 3 510 000 + 2 000 000 + 3 124 800 = 8 634 800 руб.

Стоимость разработки индивидуального программного обеспечения расписана в таблице 8 с учетом вариантов использования (use cases - UC), разработанных и расписанных нами для данного проекта внедрения.

Таблица 8 Расчет стоимости разработки индивидуального ПО

С учетом того, что в компаниях-интеграторах, рассматриваемых Заказчиком (банком) в качестве потенциального исполнителя, в среднем ставка разработчика составляет 3500 руб./ч, аналитика - 3450 руб./ч, тестировщика - 3000 руб./ч, РП - 3500 руб./ч, получаем следующие расчетные данные:

Стоимость разработки ПО с учетом рисков: стоимость работы разработчика (1982,4 ч * 3500 руб./ч) + стоимость работы аналитика (660,8 ч * 3450 руб./ч) + стоимость работы тестировщика (330,4 ч * 3000 руб./ч) + стоимость работы РП (495,6 ч * 3500 руб./ч) = 6 938 400 + 2 279 760 + 991 200 + 1 734 600 = 11 943 960 руб.