{"id": "P19-OPM-PDCA-A01", "record_kind": "approach", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "process_mining", "vendor_framework", "AGENTINFRA"], "name": "Celonis Process Intelligence Graph + Process Copilot + AgentC (process mining → ИИ-действие)", "approach_type": "vendor_framework", "origin": "Celonis SE (основана 2011, штаб-квартиры Мюнхен и Нью-Йорк)", "mechanism": "Celonis строит 'Process Intelligence Graph' (PI Graph) — цифровой двойник процессов на основе Object-Centric Data Model, объединяющий журналы событий из ERP/CRM/цепочки поставок и др. систем в единый источник истины, дополненный 'Process Knowledge Layer' (контекст: почему процесс выглядит так, где ценность). PI Graph 'кормит' данными AI-слой: Process Copilot (GenAI-чат в Slack/MS Teams, натуральный язык, рекомендованные вопросы на основе KPI-мониторинга, действия — скачать CSV/PNG, сформировать письмо, применить фильтр) и набор AgentC. 'Orchestration Engine' координирует действия между системами и командами, запуская workflow, алерты и автоматические реакции при превышении пороговых значений. Цепочка по формулировке co-CEO Celonis (Rudy Kuhn, цитата theCUBE): 'Get the insights, make the decision and perform the action — that's how value is created'.", "prerequisites": "Существующие цифровые системы-источники событийных данных (ERP/CRM и т.п.); построение Object-Centric Data Model и Process Knowledge Layer силами клиента/партнёров; доступ пользователей к Celonis-платформе.", "roles_authority": "Аналитики и бизнес-пользователи взаимодействуют с Process Copilot: задают вопросы, получают рекомендации, сами инициируют действия (письмо, флаг вариации процесса, применение фильтра) — решение остаётся за человеком. Orchestration Engine, по формулировке источника, может 'запускать workflow, алерты и автоматические реакции при превышении порогов' — степень автономности этих автоматических реакций (нужен ли обязательный человеческий шаг подтверждения) источниками не детализирована (unknown).", "pdca_loop": {"plan": "HYPOTHESIS / компоновка автора карточки: источники не формулируют цикл в терминах PDCA/PDSA — ниже собственная раскладка автора карточки на шаги P-D-C-A. Ближайший аналог 'Plan': Process Copilot помогает пользователю 'сначала понять процесс, затем понять способы улучшить эффективность' (формулировка Celonis) — обнаружение проблемы через диалог с Copilot на основе KPI-мониторинга.", "do": "HYPOTHESIS / компоновка автора карточки: пользователь выполняет предложенное действие через Copilot (email, фильтр, флаг) либо Orchestration Engine автоматически запускает workflow/алерт при пороговом событии.", "check_or_study": "Источники не описывают формальный этап проверки эффекта конкретного действия (нет explicit 'check'/'study' шага). Приводится только агрегированная метрика на уровне всей клиентской базы Celonis (см. claims), не привязанная к проверке отдельных вмешательств.", "act": "unknown — источники не описывают, как успешные точечные вмешательства закрепляются как новый 'стандарт работы' организации-клиента; это не описанный источником элемент.", "who_decides": "Аналитики/бизнес-пользователи — на уровне отдельных действий; для автоматических реакций Orchestration Engine governance не детализирован источником.", "how_standard_changes": "unknown — не описано источником. Организационное обучение (обновление стандарта работы клиента) не следует путать с обучением/дообучением ИИ-модели Celonis — источники не описывают ни то, ни другое в деталях."}, "exceptions_handling": "unknown — не описано источниками.", "metrics": [{"metric": "число клиентов-'Value Champions' (каждый — измеримая ценность от платформы Celonis в целом, не изолированно от ИИ-функций)", "value": "более 120", "unit": "count", "original_number": "more than 120", "baseline": "не указана", "period": "отчёт на Celosphere, февраль 2026", "claimed_by": "Celonis (со слов компании на мероприятии Celosphere, пересказано SiliconANGLE/theCUBE)", "status": "SOURCE_CLAIM"}, {"metric": "минимальная измеримая ценность на клиента среди 'Value Champions'", "value": "10", "unit": "млн USD", "original_number": "over $10 million each", "baseline": "не указана", "period": "Celosphere, февраль 2026", "claimed_by": "Celonis", "status": "SOURCE_CLAIM"}, {"metric": "суммарная измеримая ценность по клиентской базе Celonis", "value": "8.1", "unit": "млрд USD", "original_number": "more than $8.1 billion", "baseline": "не указана", "period": "Celosphere, февраль 2026", "claimed_by": "Celonis", "status": "SOURCE_CLAIM"}], "costs_risks": "Источники — материалы самой Celonis (вендорская самопрезентация) и оплаченное медиа-партнёрство (см. evidence_strength_note), не раскрывают стоимость внедрения, участие подрядчиков, скрытый человеческий труд или неудачные случаи. Заявленная суммарная ценность ($8,1 млрд) относится к платформе Celonis в целом (process mining + AI-слой вместе), не изолирована как эффект именно ИИ-функций (Process Copilot/AgentC) — приписывать её целиком ИИ не следует.", "examples": ["https://www.celonis.com/blog/celonis-process-copilot-genai-companion-helps-business-increase-process-intelligence — именованный клиентский пример: Smurfit Westrock использует Process Copilot для поиска запчастей между заводами (снижение избыточных запасов/простоя, заявление вендора о глобальном роллауте); материал поставщика, отдельная карточка практики не создана (нет деталей before/after/deployment_stage, достаточных по правилам SCHEMA)"], "evidence_strength": "case_claims", "evidence_strength_note": "Заинтересованность: источники F01/F02 — материалы самой Celonis (вендор описывает собственный продукт), F03 — оплаченное медиа-партнёрство (SiliconANGLE/theCUBE, явный дисклеймер 'TheCUBE is a paid media partner for Celosphere' в тексте источника). Независимой (невендорской, неоплаченной) верификации механизма или цифр не найдено в рамках бюджета пакета.", "claims": [{"text_ru": "Celonis Process Copilot (GenAI-чат-помощник) впервые анонсирован в бета-версии на Celosphere 2023, в общем доступе для клиентов и партнёров с 13 мая 2025 года.", "status": "SOURCE_CLAIM", "verification_scope": "факт релиза и даты GA", "source_url": "https://www.celonis.com/blog/celonis-process-copilot-genai-companion-helps-business-increase-process-intelligence", "locator": "текст статьи, editor's note от 2025-05-13"}, {"text_ru": "Process Intelligence Graph (PI Graph) анонсирован на конференции Celosphere 2023 в Мюнхене как объединение Object-Centric Data Model ('цифровой двойник') и Process Knowledge Layer.", "status": "SOURCE_CLAIM", "verification_scope": "факт анонса и содержание", "source_url": "https://www.celonis.com/news/article/celonis-process-intelligence-graph-provides-a-common-language-for-enterprise-process-performance", "locator": "текст статьи"}, {"text_ru": "AI-предложения Celonis (AgentC, Process Copilots) 'напрямую опираются' на Process Intelligence Graph; Orchestration Engine координирует действия между системами и командами, запуская workflow, алерты и автоматические реакции при превышении порогов.", "status": "SOURCE_CLAIM", "verification_scope": "описание механизма со слов Celonis, пересказанное SiliconANGLE", "source_url": "https://siliconangle.com/2026/02/05/celonis-process-intelligence-enterprise-ai-roi-celosphere/", "locator": "раздел 'From dashboards to decisions'; материал маркирован дисклеймером об оплаченном медиа-партнёрстве"}, {"text_ru": "На Celosphere (репортаж от 2026-02-05) Celonis заявила более 120 клиентов-'Value Champions', каждый — свыше $10 млн измеримой ценности, в сумме более $8,1 млрд по клиентской базе.", "status": "SOURCE_CLAIM", "verification_scope": "самоотчёт компании о совокупном эффекте платформы (не изолированно ИИ-слоя)", "source_url": "https://siliconangle.com/2026/02/05/celonis-process-intelligence-enterprise-ai-roi-celosphere/", "locator": "раздел 'Putting process intelligence in perspective'"}], "sources": [{"url": "https://www.celonis.com/blog/celonis-process-copilot-genai-companion-helps-business-increase-process-intelligence", "title": "Celonis Process Copilot: GenAI companion helps business increase process intelligence", "publisher": "Celonis", "author": "Celonis (Mohamed Karous цитируется в тексте)", "date": "2025-05-13", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F01"}, {"url": "https://www.celonis.com/news/article/celonis-process-intelligence-graph-provides-a-common-language-for-enterprise-process-performance", "title": "Celonis Process Intelligence Graph provides a common language for enterprise process performance", "publisher": "Celonis", "author": "Celonis", "date": "2023 (Celosphere 2023, точная дата публикации страницы не указана)", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F02"}, {"url": "https://siliconangle.com/2026/02/05/celonis-process-intelligence-enterprise-ai-roi-celosphere/", "title": "Celonis process intelligence turns enterprise AI into ROI", "publisher": "SiliconANGLE / theCUBE", "author": "A.J. Bram", "date": "2026-02-05", "type": "media", "locator": "полный текст; материал содержит дисклеймер об оплаченном медиа-партнёрстве theCUBE с Celosphere", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F03"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Координатору: проверить, не создавалась ли ранее отдельная карточка по Smurfit Westrock (клиентский пример в examples) в других пакетах — как названный клиент с описанием процесса он потенциально годится для отдельной карточки practice, если найти более детальный независимый источник."}
{"id": "P19-OPM-PDCA-P01", "record_kind": "practice", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "MFG", "knowledge_management"], "organization": "Toyota Motor Corporation", "org_type": "действующая компания", "process": "Информационный поиск и синтез инженерных знаний (RAG поверх внутренних конструкторских отчётов, регламентов, рукописных документов ветеранов-инженеров) при проектировании автомобилей — многоагентная система 'O-Beya': по данным F05 используется инженерами, работающими над силовыми агрегатами ('powertrain', включая двигатель, трансмиссию, приводной вал, оси) с января 2024 года; по данным F04 система доступна '800 users across the company' без явного указания департамента (F04 не ограничивает пользователей отделом силовых агрегатов — эта деталь из F05).", "period": "с января 2024 (F05: 'Since January 2024, some 800 engineers who work on powertrains... have had access to O-Beya'); публикации об этом — ноябрь 2024", "industry": "автомобилестроение", "function": "инженерное проектирование / R&D (разработка силовых агрегатов)", "b2b_b2c": "internal", "country": "Япония", "country_basis": "Toyota Motor Corporation — японская компания (общеизвестный факт; в источнике F05 упоминается Toyota Kaikan Museum in Toyota City, Japan)", "before": "Ручной поиск информации по компонентам, спецификациям, прошлым конструкторским документам и актуальным регламентам занимал значительное время. Дословно (F04): 'Designers need to consider numerous components, specifications, past design documents, and the latest regulations, which historically required a significant amount of time to find.' Инженер Takehiro Nakamura (F05): 'In the old days, he had to spend much longer seeking out the right document, reading a lot of text and figuring out the answer.'", "after": "Количественно эффект НЕ измерен — источник прямо это признаёт (F04, дословно): 'We have not yet measured the exact research time we've been able to save.' Есть только качественные пользовательские заявления: F04 — 'in several interviews with users, they stated that the speed of searching for information was reduced dramatically'; F05, инженер Takehiro Nakamura о конкретном запросе (спецификации оборудования для измерения выхлопных выбросов) — 'It's much easier to find information.' Также F05 отмечает, что Azure Cosmos DB хранит 'reviews of the AI responses by human experts, for constant improvement' — то есть предусмотрен ручной обзор ответов ИИ людьми, но результат этого обзора (как он меняет систему) источником не детализирован.", "technologies": ["GenAI"], "technology_basis": "F04, дословно: 'We turned to generative AI to assist our designers. By leveraging Azure OpenAI Service and implementing a Retrieval-Augmented Generation (RAG) pattern... we began building an expert AI system.' F05, дословно: \"Toyota's AI system is built on Microsoft Azure OpenAI Service and uses OpenAI's multi-modal GPT-4o Large Language Model (LLM).\" (GPT-4o и точная модель — деталь ТОЛЬКО из F05, в F04 модель не названа).", "human_role": "Инженеры формулируют вопросы агентам (в т.ч. выбирая конкретного агента, например Regulatory Agent — пример Nakamura в F05) и получают консолидированный ответ; 'human experts' проводят обзор ответов ИИ, сохраняемый в Cosmos DB 'for constant improvement' (F05) — конкретный процесс этого обзора и его влияние на систему не описаны. Кто и как принимает итоговые инженерные решения на основе ответов агентов, источники прямо не формулируют (unknown).", "agent_role": "Четыре агента по данным F04 (battery / аккумулятор, motor / электромотор, regulations / регламенты, system control / системное управление; архитектура — Azure Durable Functions, fan-out/fan-in, каждый агент — собственная RAG-реализация) либо девять агентов по данным F05 (включая Vibration Agent, Fuel Consumption Agent, Engine Agent, Regulatory Agent) — расхождение зафиксировано как CONFLICT (см. claims). Роль агентов — поиск и синтез ответа на основе внутренних конструкторских данных (RAG), не принятие решений. F05: 'In future, the system will select the right agents on its own, without users needing to do so' — заявленный план на будущее, не текущее состояние.", "authority": "unknown — источники не описывают, что агенты могут делать без участия человека, кроме формирования ответа на запрос; никаких действий/решений, выполняемых системой самостоятельно, не описано.", "change_depth": "operation", "deployment_stage": "production", "stage_marker_quote": "F04, дословно: \"The system is now available to 800 users across the company, and receives more than 100 requests per month.\"", "ai_native_label": "none", "effects": [{"metric": "субъективная скорость поиска информации (по интервью пользователей, без замера времени)", "value": "качественно 'заметно быстрее' / 'проще искать информацию'; количественно не измерено", "unit": "качественная оценка", "original_number": "\"the speed of searching for information was reduced dramatically\" (F04); \"It's much easier to find information\" (F05, Takehiro Nakamura)", "baseline": "до внедрения — не измерялась", "period": "интервью, приведённые в публикациях ноября 2024", "claimed_by": "инженеры-пользователи Toyota (цитируются в совместных публикациях Toyota/Microsoft)", "status": "SOURCE_CLAIM"}, {"metric": "масштаб использования", "value": "800 пользователей (F04: 'across the company'; F05: '800 powertrain engineers'), >100 запросов/мес. (F04) / 'hundreds of times' в месяц (F05)", "unit": "количество", "original_number": "800 users across the company / more than 100 requests per month (F04); ~800 powertrain engineers since January 2024, used \"hundreds of times\" a month (F05)", "baseline": "с января 2024 (F05)", "period": "на момент публикации, ноябрь 2024", "claimed_by": "Toyota/Microsoft (совместная публикация)", "status": "SOURCE_CLAIM"}], "outcome": "uncertain", "uncertainty": "Источники прямо признают отсутствие измерения количественного эффекта (см. after). Число ИИ-агентов в системе расходится между двумя первичными материалами одной датировки (2024-11-19): F04 называет четыре агента, F05 — девять — зафиксировано как CONFLICT. Название 'O-Beya' не связано источниками с Toyota Production System: F05 описывает его как 'a longtime Toyota management term for collaborative teams' безотносительно TPS; F04 упоминает TPS отдельно, во вводном описании компании ('It's known as a leader in management and manufacturing processes – known as The Toyota Production System – that minimize waste'), не связывая этот абзац с O-Beya. Связывать O-Beya с TPS без этой оговорки — домысел автора карточки, поэтому такая связь в карточке не утверждается как факт.", "alternative_explanations": "unknown — источники не обсуждают альтернативные объяснения заявленного качественного эффекта (например, эффект новизны/обучения пользователей).", "costs_side_effects": "Стоимость внедрения и участие внешних подрядчиков в источниках не раскрываются (совместная промо-публикация вендора Microsoft и клиента Toyota). Источник прямо признаёт нерешённую техническую задачу — предотвращение галлюцинаций ('This expert AI system needed to prevent hallucinations and provide accurate responses'), без количественной оценки частоты ошибок. Откат (rollback) не упоминается.", "transfer_limits": "Система построена на проприетарных внутренних конструкторских данных Toyota (отчёты, регламенты, рукописные документы ветеранов-инженеров) — прямой перенос механизма в другую организацию требует сопоставимого объёма оцифрованной внутренней экспертизы. Заявленный эффект не измерен количественно (см. after/uncertainty), что ограничивает возможность содержательного transfer.", "pdca": null, "evidence_strength": "case_claims", "evidence_strength_note": "Заинтересованность: совместная промо-публикация вендора Microsoft (два соавтора — сотрудники Microsoft) и клиента Toyota (соавтор — сотрудник Toyota Kenji Onishi) в F04; F05 — редакционный материал Microsoft News (Source Asia) с прямыми цитатами того же Kenji Onishi — оба источника аффилированы со стороной, заинтересованной в продвижении Azure/партнёрства с Toyota. Независимой (не-Microsoft) верификации эффекта не найдено в рамках бюджета пакета.", "claims": [{"text_ru": "Toyota реализовала многоагентную ИИ-систему 'O-Beya' на базе Azure OpenAI Service для поддержки инженеров при проектировании; статья F04 соавторирована старшим менеджером Toyota Kenji Onishi.", "status": "SOURCE_CLAIM", "verification_scope": "факт внедрения и архитектура системы", "source_url": "https://devblogs.microsoft.com/cosmosdb/toyota-motor-corporation-innovates-design-development-with-multi-agent-ai-system-and-cosmos-db/", "locator": "полный текст, авторы указаны в подписи"}, {"text_ru": "Название 'O-Beya' происходит от давнего управленческого термина Toyota для совместной работы кросс-функциональных команд ('a longtime Toyota management term for collaborative teams'); связь именно с Toyota Production System источниками не устанавливается.", "status": "SOURCE_CLAIM", "verification_scope": "происхождение названия", "source_url": "https://news.microsoft.com/source/asia/features/toyota-is-deploying-ai-agents-to-harness-the-collective-wisdom-of-engineers-and-innovate-faster/", "locator": "текст статьи, абзац о происхождении названия O-Beya"}, {"text_ru": "Число агентов в системе расходится между двумя первичными материалами одной датировки (2024-11-19): F04 ('devblogs Microsoft Cosmos DB') называет четыре агента (battery, motor, regulations, system control), F05 ('Microsoft News Source Asia') — девять агентов, включая Vibration Agent, Fuel Consumption Agent и Engine Agent.", "status": "CONFLICT", "verification_scope": "точное число агентов в системе на момент публикации", "source_url": "https://devblogs.microsoft.com/cosmosdb/toyota-motor-corporation-innovates-design-development-with-multi-agent-ai-system-and-cosmos-db/", "locator": "раздел 'Building the O-Beya System' (F04, 4 агента) против абзаца об агентах в F05 (9 агентов)"}, {"text_ru": "Систему используют около 800 инженеров, работающих над силовыми агрегатами, с января 2024 года (F05); F04 независимо описывает масштаб как '800 users across the company' без уточнения департамента. Azure Cosmos DB также хранит 'reviews of the AI responses by human experts, for constant improvement' (F05) — человеческий обзор качества ответов упомянут, но не детализирован.", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения и наличие механизма человеческого обзора ответов", "source_url": "https://news.microsoft.com/source/asia/features/toyota-is-deploying-ai-agents-to-harness-the-collective-wisdom-of-engineers-and-innovate-faster/", "locator": "текст статьи, абзацы о масштабе внедрения и о хранении данных в Cosmos DB"}], "sources": [{"url": "https://devblogs.microsoft.com/cosmosdb/toyota-motor-corporation-innovates-design-development-with-multi-agent-ai-system-and-cosmos-db/", "title": "How Toyota uses Azure Cosmos DB to power their multi-agent AI system for enhanced productivity", "publisher": "Microsoft (Azure Cosmos DB Blog)", "author": "Kosuke Miyasaka, Keisuke Hatasaki (Microsoft); Kenji Onishi (Toyota Motor Corporation) — соавторы", "date": "2024-11-19", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F04"}, {"url": "https://news.microsoft.com/source/asia/features/toyota-is-deploying-ai-agents-to-harness-the-collective-wisdom-of-engineers-and-innovate-faster/", "title": "Toyota is deploying AI agents to harness the collective wisdom of engineers and innovate faster", "publisher": "Microsoft News (Source Asia)", "author": "Chen May Yee", "date": "2024-11-19", "type": "media", "locator": "полный текст, сохранён в raw/ (доработка после проверки V6: повторный curl с другим User-Agent дал 200)", "reading_scope": "full_text", "accessed_at": "2026-09-25", "file_id": "P19-OPM-PDCA-F05"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Расхождение в числе агентов (4 vs 9) между двумя источниками одной датировки требует прояснения при желании координатора — возможно отражает разные точки во времени написания текста в один день публикации."}
{"id": "P19-OPM-PDCA-A03", "record_kind": "approach", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "theory_of_constraints", "academic"], "name": "Theory of Constraints для ИИ: \"миграция узкого места\" (Constraint Migration)", "approach_type": "academic_model", "origin": "Peter Bell (автор препринта; аффилиация в доступном материале не установлена — unknown), Zenodo (репозиторий препринтов)", "mechanism": "Концептуальная модель: внедрение ИИ не устраняет проблему узкого места (bottleneck) операционной системы, а перемещает его. Дословно: 'AI does not end the bottleneck problem. It moves it.' Механизм: 'AI-induced constraint migration occurs when AI accelerates or changes one part of a workflow enough that the system's limiting constraint shifts to another step' — то есть ИИ может резко ускорить исполнение задачи, но ограничивающим фактором производительности после этого становится не исполнение, а деятельность контроля и надзора (review, validation, approval, governance). Автор утверждает, что производительность зависит не только от того, улучшает ли ИИ отдельную локальную задачу, но и от того, распознаёт ли организация смещение узкого места и обновляет ли соответственно метрики, бюджеты, штат и права принятия решений ('whether the organization recognizes the new constraint and updates its metrics, budgets, staffing, and decision rights accordingly'). Теоретическая база: Theory of Constraints, операционный менеджмент, теория очередей, FinOps, данные по software-review, исследования продуктивности ИИ.", "prerequisites": "Способность организации измерять и отслеживать фактическое (не предполагаемое) узкое место процесса; готовность пересматривать метрики/бюджеты/штат/права принятия решений при смещении ограничения.", "roles_authority": "unknown — материал (в объёме, прочитанном через WebFetch-извлечение) не называет конкретные роли или титулы, отвечающие за распознавание смещения ограничения и обновление governance; формулировка остаётся на уровне 'организация должна признать и адаптироваться' без указания, кто именно это делает.", "pdca_loop": {"plan": "HYPOTHESIS / компоновка автора карточки: прочитанный материал (WebFetch-извлечение) не приводит дословно классические 'пять фокусирующих шагов' Голдратта и не использует терминологию Plan/Do/Check/Act — только общую отсылку к Theory of Constraints как теоретической базе. Ниже — собственная раскладка автора карточки.", "do": "HYPOTHESIS / компоновка автора карточки: применение ИИ для ускорения конкретного шага/задачи в рабочем процессе.", "check_or_study": "HYPOTHESIS / компоновка автора карточки: наблюдение за тем, куда сместилось ограничивающее звено после внедрения ИИ (ключевая идея 'constraint migration') — вместо задачи-исполнителя ограничением часто становится этап проверки/валидации/утверждения/governance.", "act": "HYPOTHESIS / компоновка автора карточки: обновление метрик, бюджетов, штата и прав принятия решений в соответствии с новым узким местом (парафраза тезиса автора препринта).", "who_decides": "unknown — не указано источником.", "how_standard_changes": "unknown — модель концептуальная (evidence_strength: conceptual), конкретного организационного механизма закрепления нового стандарта работы источник не описывает."}, "exceptions_handling": "unknown — не описано источником.", "metrics": [], "costs_risks": "Модель по своей природе описывает риск: без признания смещения узкого места инвестиции в ускорение ИИ отдельных задач не транслируются в общий рост производительности организации (перемещённое, но не устранённое ограничение). Количественных данных, кейсов или эмпирики автор не приводит — это теоретический аргумент, не измеренный результат.", "examples": [], "evidence_strength": "conceptual", "evidence_strength_note": "Заинтересованность: конфликт интересов вендора не установлен — единственный прочитанный источник (Zenodo) не раскрывает коммерческую аффилиацию автора Peter Bell, но это самопубликуемый препринт без рецензирования (единственный автор продвигает собственную концептуальную модель). Смежная работа на ту же тему (Inciarte, SSRN, 'Bottleneck-First Implementation... in Owner-Operated SMBs') найдена, но заблокирована (403 и curl, и WebFetch) и не прочитана — не используется как источник карточки.", "claims": [{"text_ru": "Питер Белл в препринте 'Constraint Migration: How AI Moves the Bottleneck in Organizational Work' (Zenodo, версия 5, 2026-06-20) утверждает, что ИИ не устраняет проблему узкого места операционной системы, а перемещает его в другую точку процесса (часто — из исполнения задачи в контроль/проверку/утверждение/governance).", "status": "SOURCE_CLAIM", "verification_scope": "существование и центральный тезис препринта", "source_url": "https://zenodo.org/records/20768264", "locator": "прочитано через WebFetch-извлечение (curl вернул 403, оригинал не сохранён локально); заголовок, автор, дата и ключевые цитаты подтверждены инструментом чтения"}, {"text_ru": "Автор утверждает, что рост производительности от ИИ зависит от того, распознаёт ли организация смещение ограничивающего звена и обновляет ли метрики, бюджеты, штат и права принятия решений соответственно — это авторский концептуальный тезис, не эмпирически измеренный результат.", "status": "SOURCE_CLAIM", "verification_scope": "содержание авторского теоретического аргумента", "source_url": "https://zenodo.org/records/20768264", "locator": "прочитано через WebFetch-извлечение"}], "sources": [{"url": "https://zenodo.org/records/20768264", "title": "Constraint Migration: How AI Moves the Bottleneck in Organizational Work", "publisher": "Zenodo (препринт-репозиторий)", "author": "Peter Bell", "date": "2026-06-20 (версия 5)", "type": "other", "locator": "прочитано через WebFetch-извлечение полного текста страницы; исходный HTML не сохранён локально (curl 403)", "reading_scope": "partial", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F08"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Если у координатора есть доступ к SSRN (papers.ssrn.com/sol3/papers.cfm?abstract_id=6704738, Inciarte, 'Bottleneck-First Implementation of TOC to AI Adoption in SMBs') — стоит прочитать и, возможно, добавить как второй, более практико-ориентированный источник этой же темы (агент-фреймворк 'Agentes Para Tu Negocio' на базе пяти фокусирующих шагов Голдратта) — в этом пакете заблокирован полностью."}
{"id": "P19-OPM-PDCA-A04", "record_kind": "approach", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "MFG", "kaizen", "consulting_framework"], "name": "KAIZEN™ Cycles (Kaizen Institute) — внешний цикл улучшения с вложенным SDCA-циклом закрепления стандарта; заявленная интеграция с ИИ", "approach_type": "consulting_framework", "origin": "Kaizen Institute (глобальная консалтинговая сеть, отмечает 40-летие в материалах сайта; точный головной офис на прочитанных страницах не заявлен явно как 'headquarters', но в меню выбора стран на тех же страницах фигурирует пункт 'Switzerland – Global Operations' — единственное указание странового происхождения в источнике, не обязательно равнозначное штаб-квартире)", "mechanism": "Каноническая методология Kaizen Institute 'KAIZEN™ Cycles' — структурированные кросс-функциональные инициативы, состоящие из пяти практик: (1) 'Cycles Planning' — выбор и приоритизация ценностных потоков через Selection Matrix; (2) 'Value Stream Analysis (VSA)' — картирование текущего состояния, обучение команд распознавать Muda/Mura/Muri, проектирование целевого состояния, построение бизнес-кейса; (3) 'Mission Control' — выделенная 'Mission Control Room' с визуальным менеджментом и A3-отчётностью для координации Kaizen Events; (4) 'Kaizen Events' — интенсивные кросс-функциональные мероприятия по девятишаговой методике A3, ВНУТРИ КОТОРЫХ источник помещает отдельный вложенный шаг: 'Conduct SDCA (Standardize-Do-Check-Act) workshops to refine and validate new standards introduced during the events' (дословная цитата, F11). SDCA — не собственный термин Kaizen Institute, а общеупотребимый в кайдзен/lean-литературе цикл (восходит к Imai) для проверки и закрепления уже предложенного стандарта (Standardize идёт первым, затем Do-Check-Act подтверждают его устойчивость); источник F11 лишь ИСПОЛЬЗУЕТ этот термин внутри своей методики, не заявляет его авторство. (5) 'Value Review' — оценка эффекта Kaizen Events относительно целевого состояния (future-state vision), построение 'value trees' для количественной оценки impact, приоритизация следующих циклов на основе 'insights and lessons learned'. Источник (F11) обещает измеримый результат в пределах 3-6 месяцев ('run kaizen events that deliver measurable results within three to six months') — это заявленный срок ПОЛУЧЕНИЯ РЕЗУЛЬТАТА, а не длительность самого цикла Kaizen Cycles, как ошибочно указывалось в предыдущей версии карточки. ОТДЕЛЬНО от этой методологии Kaizen Institute заявляет (F10, 'Intersection of AI and KAIZEN') общий тезис о 'симбиозе' ИИ и Kaizen: ИИ даёт более точные данные, автоматизирует рутинные процессы, предсказывает тренды, ускоряя внедрение улучшений; рекомендуемые направления — task automation, predictive maintenance, quality forecasting, parameter optimization. Также институт предлагает конкретный ИИ-сервис 'Digital KAIZEN' computer vision (F09; контроль качества в реальном времени, автоматизация инспекции/сортировки/упаковки). ВАЖНО (собственный синтез автора карточки, HYPOTHESIS): Kaizen Institute не публикует единый источник, явно связывающий конкретные ИИ-инструменты (computer vision, LLM/GenAI, forecasting) с конкретными шагами KAIZEN Cycles/SDCA — связка 'где именно в цикле встраивается ИИ' в прочитанных материалах отсутствует; предположение, что данные computer vision логично питают VSA (выявление Muda) и мониторинг после Kaizen Events, — интерпретация автора карточки, не прямая цитата источника.", "prerequisites": "Наличие 'культуры непрерывного улучшения' в организации-клиенте (источник подчёркивает подход 'Hands On'/'Learning by Doing' — Kaizen Institute работает напрямую с командами клиента); для ИИ-слоя конкретные предпосылки (данные, инфраструктура) источниками не детализированы.", "roles_authority": "Кросс-функциональные команды выполняют Kaizen Events; согласно источнику, при устойчивой структуре 'ownership is clear' (владение процессом прозрачно определено), Mission Control Room используется для координации, визуального менеджмента и подотчётности (A3-отчётность). Источник не называет конкретный титул или роль единственного лица, принимающего решение (например, 'process owner') — это unknown на уровне конкретной должности.", "pdca_loop": {"plan": "HYPOTHESIS / компоновка автора карточки — источник не называет эту раскладку PDCA: 'Cycles Planning' (Value Stream Selection через Selection Matrix) + 'Value Stream Analysis (VSA)' — идентификация проблемы/узкого места, картирование текущего состояния, проектирование целевого.", "do": "HYPOTHESIS / компоновка автора карточки: 'Kaizen Events' — интенсивные кросс-функциональные мероприятия, девятишаговый A3, внедрение решений, найденных в VSA. ВНУТРИ этого шага источник (F11) явно помещает вложенный цикл SDCA-воркшопов (см. how_standard_changes) — то есть закрепление стандарта происходит как часть 'Do', а не отдельным 'Check'-шагом внешнего цикла.", "check_or_study": "'Value Review' — источник (F11): измерение результата Kaizen Events против целевого состояния (future-state vision), построение 'value trees' для количественной оценки влияния на эффективность/качество/удовлетворённость клиентов. Это ближайший аналог 'Check/Study' во внешнем цикле (в отличие от предыдущей версии карточки, где на это место ошибочно был помещён SDCA).", "act": "'Value Review' также включает приоритизацию следующих Kaizen Cycles 'на основе инсайтов и извлечённых уроков' (источник: 'insights and lessons learned').", "who_decides": "unknown — конкретная роль/титул, принимающий решение о приоритизации следующих циклов, источником не назван; контекстно — команда/владельцы Mission Control Room.", "how_standard_changes": "Источник (F11) явно называет механизм: внутри 'Kaizen Events' проводятся 'SDCA (Standardize-Do-Check-Act) workshops to refine and validate new standards introduced during the events' — то есть SDCA является ВЛОЖЕННЫМ циклом ЗАКРЕПЛЕНИЯ стандарта внутри внешнего цикла улучшения (Cycles Planning/VSA → Kaizen Events → Value Review), а не отдельной заменой Check/Study внешнего цикла. SDCA — общеупотребимый в кайдзен-литературе термин (не изобретение Kaizen Institute); институт использует его для описания того, как предложенный на Kaizen Event новый стандарт тестируется и фиксируется. Роль ИИ конкретно в этом шаге источник не устанавливает (не подтверждено ни одним из прочитанных материалов) — организационное обучение (обновление стандарта через SDCA) в явном виде не связано источником с обучением/использованием ИИ-модели."}, "exceptions_handling": "unknown — не описано источниками.", "metrics": [], "costs_risks": "Прочитанные материалы — маркетинговый контент консалтинговой компании (заинтересованная сторона — продаёт эту методологию и ИИ-услуги), не раскрывают стоимость, риски внедрения, неудачные случаи или конкуренцию за ресурсы. Статья 'Intersection of AI and KAIZEN' носит исключительно benefits-ориентированный характер без критического анализа рисков.", "examples": [], "evidence_strength": "conceptual", "evidence_strength_note": "Заинтересованность: все три источника — материалы самого Kaizen Institute (консультант описывает собственную методологию и собственные платные услуги), маркетинговый контент без раскрытия рисков, стоимости или неудачных кейсов. Базовая методология KAIZEN Cycles/SDCA — устоявшаяся многолетняя консалтинговая практика Kaizen Institute (вне ИИ-контекста), но именно ИИ-слой представлен только как общая декларация без конкретного кейса, цифр или названного клиента — поэтому evidence_strength для связки 'ИИ + KAIZEN Cycles' оценена как conceptual, а не case_claims.", "claims": [{"text_ru": "Kaizen Institute описывает методологию 'KAIZEN™ Cycles' как структурированные кросс-функциональные инициативы, состоящие из пяти практик: Cycles Planning, Value Stream Analysis, Mission Control, Kaizen Events (включая вложенные SDCA-воркшопы для валидации новых стандартов) и Value Review; заявлен срок получения измеримых результатов 3-6 месяцев.", "status": "SOURCE_CLAIM", "verification_scope": "содержание собственной методологии консалтинговой компании", "source_url": "https://kaizen.com/consulting/culture/cycles-process-improvements/", "locator": "полный текст страницы, datePublished 2025-07-28"}, {"text_ru": "Kaizen Institute заявляет о 'симбиотических отношениях' между Kaizen и ИИ: ИИ усиливает принципы Kaizen через более точный анализ данных, автоматизацию и предсказание трендов, ускоряя внедрение улучшений и повышая точность операционных изменений.", "status": "SOURCE_CLAIM", "verification_scope": "декларативный тезис консалтинговой компании о собственном подходе, без конкретных цифр или кейсов", "source_url": "https://kaizen.com/insights/intersection-ai-kaizen-continuous-improvement/", "locator": "полный текст статьи, datePublished 2024-05-31"}, {"text_ru": "Kaizen Institute предлагает отдельный сервис 'Digital KAIZEN' computer vision — контроль качества в реальном времени (выявление дефектов/аномалий), автоматизация инспекции, сортировки и упаковки.", "status": "SOURCE_CLAIM", "verification_scope": "существование сервиса и его заявленное назначение (без клиентского кейса)", "source_url": "https://kaizen.com/digital/computer-vision-solutions/", "locator": "полный текст страницы, datePublished 2024-02-07"}], "sources": [{"url": "https://kaizen.com/consulting/culture/cycles-process-improvements/", "title": "KAIZEN™ Cycles: Process Improvements", "publisher": "Kaizen Institute", "author": "Kaizen Institute", "date": "2025-07-28 (datePublished; dateModified 2026-06-26, из метаданных страницы)", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F11"}, {"url": "https://kaizen.com/insights/intersection-ai-kaizen-continuous-improvement/", "title": "The Intersection of AI and KAIZEN™: The Future of Continuous Improvement", "publisher": "Kaizen Institute", "author": "Kaizen Institute", "date": "2024-05-31 (datePublished; dateModified 2026-07-29, из метаданных страницы)", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F10"}, {"url": "https://kaizen.com/digital/computer-vision-solutions/", "title": "AI Computer Vision Solutions | Digital KAIZEN", "publisher": "Kaizen Institute", "author": "Kaizen Institute", "date": "2024-02-07 (datePublished; dateModified 2025-11-26, из метаданных страницы)", "type": "company_blog", "locator": "полный текст", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F09"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Найти именованный клиентский кейс применения Digital KAIZEN (computer vision) с описанием процесса и эффекта — за бюджет пакета не найден (2 адресных поиска); возможный предмет для отдельного пакета/дозаписи."}
{"id": "P19-OPM-PDCA-A05", "record_kind": "approach", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "process_mining", "vendor_framework"], "name": "SAP Signavio Process Intelligence: process mining + ИИ-рекомендации (discover → root cause → действие)", "approach_type": "vendor_framework", "origin": "SAP SE / SAP Signavio (Германия, штаб-квартира SAP — Вальдорф; Signavio основан в Берлине, приобретён SAP в 2021 году)", "mechanism": "Официальная продуктовая страница описывает конвейер: 'Discover' (подключение к SAP/не-SAP системам, первые инсайты в течение 24 часов, готовые процессные потоки и метрики с отраслевыми бенчмарками, встроенные метрики для приоритизации свыше 1000 типовых проблем) → 'Zoom in' / поиск первопричин (углубление до конкретных шагов процесса, мультиизмеренческий бенчмаркинг) → 'AI-assisted root cause': дословно 'AI-assisted root cause automatically surfacing the most significant drivers of deviations and bottlenecks', плюс 'AI-suggested investigation paths' для ускорения перехода от анализа к решению → 'Process Atoms' — переиспользуемые единицы бизнес-логики процесса для проверки соответствия (conformance) и явно заявлены как 'AI-ready process definitions... preserving the business context required for both human execution and AI agent orchestration' → 'Move from insights to action': триггер уведомлений/workflow/ботов через SAP Build Process Automation или сторонние RPA-решения, многоканальные оповещения (email, MS Teams) → отслеживание реализованной ценности через интеграцию с SAP Signavio Process Transformation Suite. Источник прямо называет решение 'AI-enabled' в целом ('a holistic, AI-enabled, next-generation process mining solution') и отдельным разделом 'Discover the AI-embedded capabilities' — демократизация доступа к process intelligence для лиц, принимающих решения, и бизнес-пользователей.", "prerequisites": "Подключение SAP и не-SAP систем через готовые коннекторы или SAP Business Technology Platform (для сложной интеграции); определение Process Atoms (бизнес-правил) для проверки соответствия; интеграция с SAP Build Process Automation или сторонними RPA-инструментами для исполнения действий.", "roles_authority": "Источник заявляет цель 'put process intelligence in the hands of decisions-makers and business users across your organization' — то есть расширение доступа к инсайтам на бизнес-пользователей, не только ИТ/аналитиков-специалистов. Автоматические действия ('insight-driven actions', триггеры workflow/ботов) описаны как результат 'AI-assisted' анализа, но источник не детализирует, требуется ли обязательное подтверждение человеком перед исполнением автоматического действия — степень автономности (authority) не установлена источником (unknown).", "pdca_loop": {"plan": "HYPOTHESIS / компоновка автора карточки (источник не использует терминологию PDCA/PDSA): этап 'Discover'/'Quick insights' + приоритизация 'more than 1,000 typical issues' — аналог Plan (обнаружение и приоритизация проблемы).", "do": "HYPOTHESIS / компоновка автора карточки: 'Move from insights to action' — исполнение рекомендаций: встроенные конфигурационные исправления, исправления мастер-данных, триггер workflow/RPA-ботов через SAP Build Process Automation.", "check_or_study": "Источник не описывает формальный этап проверки эффекта конкретного действия в терминах Check/Study; ближайший аналог — отслеживание реализованной ценности ('Track and prove value: Monitor progress toward your improvement targets and link value cases to initiatives') через интеграцию с Process Transformation Suite.", "act": "'Achieve stronger, continuous process transformation' — заявлено как непрерывный процесс ('keep improving over time') через живые инсайты по моделям процессов, соответствию, симуляции; конкретный механизм фиксации нового стандарта работы источником не детализирован (unknown).", "who_decides": "unknown — источник не называет конкретную роль/титул, принимающий финальное решение о внедрении рекомендации ИИ.", "how_standard_changes": "unknown — не описано источником в явных терминах обновления 'стандарта работы'; организационное обучение (institutionalization) и обучение самой ИИ-модели источником не различаются и не детализируются."}, "exceptions_handling": "unknown — не описано источником.", "metrics": [], "costs_risks": "Источник — официальная продуктовая страница вендора SAP/Signavio (заинтересованная сторона, маркетинговый контент), не раскрывает стоимость внедрения, участие подрядчиков, скрытый человеческий труд или примеры неудач. Первичные релиз-блоги (community.sap.com, Feb/May 2026), которые могли бы содержать более конкретные детали о 'Process Consulting Agent', заблокированы (403) и не прочитаны — соответствующие детали в карточку не включены.", "examples": [], "evidence_strength": "conceptual", "evidence_strength_note": "Заинтересованность: единственный прочитанный источник — официальная продуктовая страница SAP/Signavio (вендор описывает собственный продукт), без даты публикации и без именованного клиентского кейса. Заявленные AI-возможности (root cause, AI-suggested paths, AI-ready process definitions) не подкреплены количественными результатами или независимой верификацией в рамках прочитанного материала.", "claims": [{"text_ru": "SAP Signavio Process Intelligence позиционируется как 'holistic, AI-enabled, next-generation process mining solution', объединяющая обнаружение процессов, поиск первопричин с помощью ИИ ('AI-assisted root cause automatically surfacing the most significant drivers of deviations and bottlenecks') и переход к действию через интеграцию с SAP Build Process Automation.", "status": "SOURCE_CLAIM", "verification_scope": "описание архитектуры и позиционирования продукта со слов вендора", "source_url": "https://www.signavio.com/products/process-intelligence/", "locator": "разделы 'From first insights to operational excellence', 'Quickly discover improvement potential', 'Move from insights to action'"}, {"text_ru": "SAP Signavio заявляет концепцию 'Process Atoms' как переиспользуемых единиц процессной логики, описанных как 'AI-ready process definitions... preserving the business context required for both human execution and AI agent orchestration'.", "status": "SOURCE_CLAIM", "verification_scope": "описание конкретной технической возможности продукта", "source_url": "https://www.signavio.com/products/process-intelligence/", "locator": "раздел 'Analyze processes at any level of detail'"}], "sources": [{"url": "https://www.signavio.com/products/process-intelligence/", "title": "SAP Signavio Process Intelligence", "publisher": "SAP SE / SAP Signavio", "author": "SAP Signavio", "date": "unknown (живая продуктовая страница без даты публикации)", "type": "company_blog", "locator": "полный текст страницы", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F14"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Релиз-блоги community.sap.com (Feb/May 2026, 'Process Consulting Agent') заблокированы для curl и WebFetch (403) — при наличии авторизованного доступа стоит перечитать для более точного описания степени автономности AI-агента и найти именованный клиентский кейс."}