{"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": "Не описан источниками в явных терминах PDCA/PDSA. Ближайший аналог — Process Copilot помогает пользователю 'сначала понять процесс, затем понять способы улучшить эффективность' (формулировка Celonis) — то есть обнаружение проблемы происходит через диалог с Copilot на основе KPI-мониторинга.", "do": "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/effects), 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 и оплаченное медиа-партнёрство ('TheCUBE is a paid media partner for Celosphere' — явный дисклеймер в источнике F03), 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": "Материалы вендора (блог, пресс-анонс) плюс оплаченное медиа-партнёрство (SiliconANGLE/theCUBE, дисклеймер о спонсорстве Celosphere). Независимой (невендорской) 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-A02", "record_kind": "approach", "novelty": "new", "prior_id": null, "stream_primary": "OPMODEL", "tags": ["E2E", "MFG", "knowledge_management", "historical_basis"], "name": "\"O-Beya\" — многоагентная ИИ-система Toyota для инженерного проектирования (на основе концепции TPS)", "approach_type": "organizational_method", "origin": "Toyota Motor Corporation (Япония); техническая реализация совместно с Microsoft (Azure OpenAI Service, Azure Cosmos DB)", "mechanism": "Название 'O-Beya' (яп. 'большая комната') — управленческий термин Toyota для кросс-функционального пространства совместного решения инженерных задач (концепция из арсенала TPS). Toyota реализовала многоагентную generative AI-систему под этим названием: несколько специализированных ИИ-агентов (RAG поверх внутренних конструкторских документов, нормативов и исторических данных проектирования), архитектурно построенных на Azure Durable Functions (fan-out/fan-in — запрос пользователя параллельно активирует несколько агентов, ответы собираются и компилируются генеративным ИИ в единый ответ). Источник F04 (блог Microsoft/Toyota, 2024-11-19) описывает систему как состоящую из четырёх агентов (аккумуляторы, двигатель, регламенты/нормативы, системное управление); источник F05 (Microsoft News Source Asia, тот же день) описывает систему как состоящую из девяти специализированных агентов, включая Vibration Agent и Fuel Consumption Agent — расхождение между источниками зафиксировано как CONFLICT (см. claims). Цель системы — сохранение экспертизы уходящих на пенсию старших инженеров и ускорение поиска информации в условиях роста числа разрабатываемых позиций (прямая цитата руководителя проекта Kenji Onishi: 'These experts are relatively senior. When they retire, their knowledge will be gone. The mission here is to prevent it from happening' и 'The biggest challenge is the number of items to be developed is increasing rapidly').", "prerequisites": "Оцифрованные внутренние конструкторские документы, регламенты и исторические данные проектирования; инфраструктура векторного поиска (Azure Cosmos DB); разграничение доступа к данным по правам конструктора (упомянуто источником).", "roles_authority": "Источники описывают роль агентов только как источник информации и синтеза ответов на вопросы инженеров (RAG + суммаризация); агенты не описаны как принимающие инженерные решения самостоятельно. Кто и как принимает итоговые инженерные решения на основе ответов агентов, источниками не детализировано (unknown) — контекстно подразумеваются сами инженеры-пользователи, но это не сформулировано источником явно.", "pdca_loop": {"plan": "Не описан источниками в терминах PDCA/PDSA. Инициатива возникла из идентифицированной проблемы: риск потери экспертизы при уходе старших инженеров на пенсию + рост объёма разработки (см. цитаты Onishi выше).", "do": "Инженеры задают вопросы нескольким доменным агентам параллельно (fan-out), система собирает и компилирует консолидированный ответ (fan-in).", "check_or_study": "Формальная проверка качества ответов агентов или их влияния на итоговые инженерные решения источниками не описана. Приведены только качественные пользовательские интервью: инженер Takehiro Nakamura — 'It's much easire to find information' (WebFetch-цитата, вероятно опечатка в исходном материале, скопирована как есть — 'much easier'); источник F04 прямо признаёт: 'We have not yet measured the exact research time we've been able to save' (дословная цитата) — то есть количественная проверка эффекта отсутствует.", "act": "unknown — не описан формальный механизм закрепления результата как нового 'стандарта работы'. Источник F04 упоминает только план расширения числа агентов и повышения их точности ('we plan to expand the number of agents and improve the accuracy of each agent in the future') — это дорожная карта развития инструмента, не цикл обновления стандарта.", "who_decides": "unknown — не указано явно; предположительно проектная команда во главе с Kenji Onishi управляет развитием системы (косвенно следует из его роли ведущего инициативы), но формального описания governance источники не дают.", "how_standard_changes": "unknown. Важное разграничение по инструкции брифа: источники НЕ описывают O-Beya как формальный цикл проверки-и-обновления стандарта работы (в духе PDCA/kaizen) — это система доступа к знаниям/поиска информации для инженеров. Организационное обучение (изменение практики Toyota) в источниках не задокументировано; обучение ИИ-модели (например, дообучение) также не описано — система работает через RAG поверх статичной базы документов, не через дообучение модели."}, "exceptions_handling": "unknown — не описано источниками.", "metrics": [{"metric": "число пользователей системы (инженеры-конструкторы силовых агрегатов)", "value": "800", "unit": "человек", "original_number": "800 users / nearly 800 powertrain design engineers", "baseline": "с января 2024", "period": "на момент публикации, ноябрь 2024", "claimed_by": "Toyota/Microsoft (совместная публикация)", "status": "SOURCE_CLAIM"}, {"metric": "интенсивность использования", "value": "более 100 запросов в месяц (F04) / 'сотни раз' в месяц (F05)", "unit": "запросов/месяц", "original_number": "more than 100 requests per month (F04); \"hundreds of times\" monthly (F05)", "baseline": "не указана", "period": "ноябрь 2024", "claimed_by": "Toyota/Microsoft", "status": "SOURCE_CLAIM"}, {"metric": "число специализированных ИИ-агентов в системе", "value": "4 (F04) / 9 (F05)", "unit": "count", "original_number": "four distinct agents (F04) vs nine specialized AI agents (F05)", "baseline": "не указана", "period": "оба источника датированы 2024-11-19", "claimed_by": "Toyota/Microsoft", "status": "CONFLICT"}], "costs_risks": "Стоимость внедрения, участие подрядчиков и неудачные аспекты 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'), что подразумевает известный риск, но без количественной оценки частоты ошибок.", "examples": [], "evidence_strength": "case_claims", "evidence_strength_note": "Совместная публикация Toyota (соавтор — сотрудник Toyota Kenji Onishi) и Microsoft + отдельный редакционный материал Microsoft News с прямыми цитатами инженеров 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 (GPT-4o) и Azure Cosmos DB для поддержки инженеров-конструкторов силовых агрегатов; статья 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": "Система насчитывает четыре агента (аккумуляторы, двигатель, регламенты, системное управление) по данным блога Microsoft Cosmos DB (2024-11-19), и девять агентов, включая Vibration Agent и Fuel Consumption Agent, по данным Microsoft News Source Asia (2024-11-19) — число агентов расходится между двумя первичными материалами одной датировки.", "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' (4 агента) vs Microsoft News Source Asia (9 агентов, прочитано через WebFetch)"}, {"text_ru": "Систему используют около 800 инженеров-конструкторов силовых агрегатов с января 2024 года; точное сэкономленное время поиска информации не измерено, есть только качественные пользовательские интервью о том, что искать информацию стало проще.", "status": "SOURCE_CLAIM", "verification_scope": "масштаб внедрения и характер (не величина) заявленного эффекта", "source_url": "https://devblogs.microsoft.com/cosmosdb/toyota-motor-corporation-innovates-design-development-with-multi-agent-ai-system-and-cosmos-db/", "locator": "раздел 'O-Beya success so far'"}], "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": "прочитано через WebFetch (curl вернул 403), полный текст статьи извлечён", "reading_scope": "full_text", "accessed_at": "2026-09-24", "file_id": "P19-OPM-PDCA-F05"}], "author_model": "claude-sonnet-5", "reviewer": "", "next_action": "Координатору: расхождение в числе агентов (4 vs 9) между двумя источниками одной датировки требует прояснения при желании — возможно, отражает разные точки во времени написания текста. Также: упоминания инициативы 'GAIA' (2025, group-wide) в сторонних блогах не подтверждены прочитанными первичными источниками и сознательно не включены в карточку."}
{"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": "Источник (в прочитанном объёме) не приводит дословно классические 'пять фокусирующих шагов' Голдратта — только общую отсылку к Theory of Constraints как теоретической базе модели.", "do": "Применение ИИ для ускорения конкретного шага/задачи в рабочем процессе.", "check_or_study": "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": "Обновление метрик, бюджетов, штата и прав принятия решений в соответствии с новым узким местом (прямая парафраза тезиса автора).", "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": "Единственный автор, версия 5 препринта на Zenodo (2026-06-20), без эмпирических данных или именованных кейсов — чисто концептуальная модель, синтезирующая несколько управленческих теорий (TOC, теория очередей, FinOps). 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 / SDCA (Kaizen Institute) + заявленная интеграция с ИИ", "approach_type": "consulting_framework", "origin": "Kaizen Institute (глобальная консалтинговая сеть, отмечает 40-летие в материалах сайта; конкретная страна головного офиса на прочитанных страницах не указана — unknown)", "mechanism": "Каноническая методология Kaizen Institute 'KAIZEN™ Cycles' — структурированные кросс-функциональные инициативы (3-6 месяцев) для хронических неэффективностей, 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, ВКЛЮЧАЮЩИЕ ВАЖНЫЙ ЭЛЕМЕНТ: 'SDCA (Standardize-Do-Check-Act) workshops to refine and validate new standards introduced during the events' (дословная цитата) — это отдельный от PDCA/PDSA цикл: SDCA закрепляет и проверяет УЖЕ предложенный стандарт (Standardize идёт первым), а не формулирует проблему с нуля (Plan); (5) 'Value Review' — оценка эффекта Kaizen Events относительно целевого состояния, количественная оценка impact, приоритизация следующих циклов. ОТДЕЛЬНО от этой методологии Kaizen Institute заявляет (статья '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 (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 SDCA-цикла (Planning/VSA/Mission Control/Kaizen Events/Value Review) — связка 'где именно в цикле встраивается ИИ' в прочитанных материалах отсутствует; интерпретация, что данные computer vision логично питают VSA (выявление Muda) и мониторинг после Kaizen Events, — предположение 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": "Cycles Planning (Value Stream Selection через Selection Matrix) + Value Stream Analysis (VSA) — идентификация проблемы/узкого места, картирование текущего состояния, проектирование целевого.", "do": "Kaizen Events — интенсивные кросс-функциональные мероприятия, девятишаговый A3, внедрение решений, найденных в VSA.", "check_or_study": "КЛЮЧЕВОЕ РАЗЛИЧИЕ ПО ИНСТРУКЦИИ БРИФА: источник использует не PDCA и не PDSA, а собственный термин Kaizen Institute — SDCA (Standardize-Do-Check-Act). Дословно: 'Conduct SDCA (Standardize-Do-Check-Act) workshops to refine and validate new standards introduced during the events'. Это принципиально отличается от PDCA (где Plan идёт первым) и от PDSA (где вместо Check — Study, с акцентом на прогноз/сравнение теории с фактом): в SDCA-логике Kaizen Institute сначала фиксируется (Standardize) предложенный в ходе Kaizen Event новый стандарт, затем Do-Check-Act подтверждают его устойчивость. Отдельно проводятся 'Value Review Events' — измерение результата Kaizen Events против целевого состояния (future-state vision), построение 'value trees' для количественной оценки влияния на эффективность/качество/удовлетворённость клиентов.", "act": "Value Review — приоритизация следующих Kaizen Cycles 'на основе инсайтов и извлечённых уроков' (source: '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": "Через SDCA-воркшопы внутри Kaizen Events (см. check_or_study выше) — единственный явно описанный источником механизм обновления стандарта работы. 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 (страницы услуг и статья без даты публикации), 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 — типичное позиционирование вендора/консультанта.", "examples": [], "evidence_strength": "conceptual", "evidence_strength_note": "Базовая методология KAIZEN Cycles/SDCA — устоявшаяся 40-летняя консалтинговая практика Kaizen Institute (вне ИИ-контекста), но именно ИИ-слой (интеграция с SDCA/Cycles) представлен в прочитанных материалах 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 длительностью 3-6 месяцев, состоящие из пяти практик: Cycles Planning, Value Stream Analysis, Mission Control, Kaizen Events (включая SDCA-воркшопы для валидации новых стандартов) и Value Review.", "status": "SOURCE_CLAIM", "verification_scope": "содержание собственной методологии консалтинговой компании", "source_url": "https://kaizen.com/consulting/culture/cycles-process-improvements/", "locator": "полный текст страницы"}, {"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"}, {"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"}], "sources": [{"url": "https://kaizen.com/consulting/culture/cycles-process-improvements/", "title": "KAIZEN™ Cycles: Process Improvements", "publisher": "Kaizen Institute", "author": "Kaizen Institute", "date": "unknown (страница без даты публикации)", "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": "unknown (страница без даты публикации)", "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": "unknown (страница без даты публикации)", "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": "СОБСТВЕННОЕ СОПОСТАВЛЕНИЕ АВТОРА КАРТОЧКИ (HYPOTHESIS — источник не использует терминологию PDCA/PDSA): этап 'Discover'/'Quick insights' + приоритизация 'more than 1,000 typical issues' — аналог Plan (обнаружение и приоритизация проблемы).", "do": "'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 (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": "Единственный прочитанный источник — официальная продуктовая страница 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."}