Проблема
Канадское федеральное ведомство ежегодно обрабатывало более 40 000 заявлений по нескольким программным направлениям. Работа имела серьезные последствия — каждое заявление представляло человека или организацию, ожидающих решения, которое существенно влияло на их планы. И ведомство подводило их по срокам.
Процесс приема был почти полностью ручным. Сотрудники вскрывали физические конверты и сортировали документы. Они проверяли каждое заявление на полноту по специфическому для программы контрольному списку, вручную внося недостающие элементы в таблицу отслеживания недостатков. Они вводили поля данных из рукописных или напечатанных форм в систему управления делами, существовавшую более десяти лет. От момента поступления заявления до момента, когда офицер программы открывал дело для первого содержательного рассмотрения, проходило в среднем 23 рабочих дня. В периоды пиковой нагрузки накопленные задержки растягивались до 8–10 недель до первого рассмотрения.
Заявители не имели никакой возможности отследить, где находится их дело. Колл-центр ведомства ежемесячно принимал тысячи запросов о статусе, на большинство которых сотрудники не могли дать содержательного ответа, поскольку ручная система отслеживания не предоставляла информацию о местонахождении в режиме реального времени.
Ведомство дважды пыталось решить эту проблему. Первая инициатива — пять лет назад — заключила контракт с системным интегратором на полную замену системы управления делами. Проект отстал от графика на два года, исчерпал весь бюджет до завершения и был отменен. Вторая инициатива попыталась более скромно оцифровать формы заявлений — создать онлайн-портал. Это не решило проблему того, что происходило с заявлениями после их поступления: данные по-прежнему приходилось вручную вводить из портала в унаследованную систему.
Подход
Трехнедельный аудит Remolda дал вывод, переосмысливший всю проблему: ведомству не нужно было заменять систему управления делами. Ему нужен был слой обработки ИИ, расположенный перед этой системой — выполняющий всю ручную работу, которая задерживала передачу заявлений экзаменаторам, оставляя при этом рабочий процесс адъюдикации и существующую систему нетронутыми.
Фаза 1: Аудит (3 недели). Мы картировали сквозной рабочий процесс для каждого из четырех основных типов заявлений, измерили время на каждом этапе и проинтервьюировали персонал. Центральный вывод: 70% времени персонала в отделе приема было затрачено на обработку документов, проверку полноты и ввод данных — задачи, требующие точности и внимания, но не суждения.
Фаза 2: Стратегия (4 недели). Вместо того чтобы пытаться охватить все четыре типа заявлений одновременно, мы разработали трехволновой план внедрения, начиная с программного направления с наибольшим объемом. Показатели успеха были определены с руководством ведомства до начала любого внедрения.
Мы представили план внедрения представителям профсоюза на этом этапе. Формулировка была прямой: ИИ устранит наиболее утомительные и подверженные ошибкам аспекты работы по приему документов, а персонал, чьи роли затронуты больше всего, будет переведен на проверку программ и поддержку заявителей.
Фаза 3: Внедрение (6 месяцев, 3 волны).
-
Волна 1 нацелилась на основной тип заявлений. Мы развернули движок классификации документов ИИ, который получал заявления из очереди приема, определял типы документов, проверял наличие всех необходимых документов по контрольному списку и направлял неполные заявления на автоматизированные уведомления о недостатках. Для полных заявлений ИИ извлекал 47 структурированных полей данных и напрямую заполнял систему управления делами — полностью исключая ручной ввод данных для этого типа заявлений.
-
Волна 2 расширила систему на три дополнительных типа заявлений. На этом этапе было развернуто ИИ-маршрутизирование: на основе извлеченных полей данных система автоматически направляла заявления в соответствующее программное направление и очередь экзаменатора.
-
Волна 3 добавила возможность двуязычной обработки — теперь система обрабатывает заявления на английском и французском с одинаковой точностью, используя языково-осознанные модели извлечения. Интеграция с системой корреспонденции ведомства позволила автоматически подтверждать получение заявителям в течение 48 часов после подачи.
Фаза 4: Обучение и развитие (параллельно). Мы провели обучение по ИИ-грамотности и операционной подготовке для 85 сотрудников в трех офисах.
Результаты
- Сокращение времени обработки на 65%. Среднее время от получения до первого рассмотрения снизилось с 23 рабочих дней до 8 рабочих дней. В самый последний период пиковой нагрузки — традиционно худший момент для качества обслуживания ведомства — накопленные задержки не превышали 12 рабочих дней, по сравнению с 8–10 неделями в предыдущем году.
- Уровень ошибок ввода данных снизился с 4,2% до 0,8%. Точность извлечения системы ИИ для структурированных полей составила 96,5%, с маршрутизацией на основе уверенности для неопределенных извлечений.
- 12 сотрудников перераспределены на работу с более высокой ценностью. Три должности, ранее посвященные ручной маршрутизации, были переориентированы, и девять дополнительных должностей переведены на проверку программ и поддержку заявителей.
- Опыт заявителей изменился кардинально. Заявители теперь получают автоматическое подтверждение получения в течение 48 часов — ранее это занимало 2–3 недели. Объем звонков в колл-центр по вопросам статуса снизился на 34% в течение шести месяцев после полного развертывания.
- Достигнуто равенство двуязычного обслуживания. Заявления на французском языке ранее проходили через отдельный, более медленный ручной процесс. ИИ-система обрабатывает оба официальных языка с эквивалентной точностью и скоростью.
Ключевые Выводы
1. Интеграция лучше замены. Обе предыдущие технологические инициативы ведомства провалились, поскольку пытались заменить унаследованную систему управления делами. Подход с ИИ-слоем оставил существующую систему на месте и нацелился только на ручную работу выше по процессу. Меньший риск, меньшая стоимость, более быстрые результаты.
2. Начинать с узкого места, а не с самой сложной проблемы. Процесс оценки права на участие включал сложное суждение о политике и справедливо считался требующим человеческой экспертизы. Но это не было узким местом. Узким местом был прием — механическая, высокообъемная, критичная к точности работа, которая задерживала начало оценки права на участие. Автоматизация узкого места имела каскадные эффекты.
3. Вовлеченность персонала — это фактор успеха, а не мера снижения рисков. Ведомства, пережившие неудачные технологические инициативы, несут институциональный скептицизм. Консультация с профсоюзом на Фазе 2, конкретность плана переквалификации и качество обучения — все это способствовало уровню принятия, превысившему прогнозы.
Для федеральных и провинциальных ведомств, стремящихся модернизировать документоемкие процессы без замены унаследованных систем, ознакомьтесь с государственными ИИ-услугами Remolda и нашими возможностями обработки документов.