| DC Field | Value | Language |
|---|
| dc.contributor.author | Пискун, Е. С. | - |
| dc.contributor.author | Азизов, А. А. | - |
| dc.contributor.author | Крячев, Е. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-06-19T06:11:37Z | - |
| dc.date.available | 2026-06-19T06:11:37Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Пискун, Е. С. Управляемая интеграция AI-агентов в бизнес-процессы организации: архитектура, методика и риск-ориентированная оценка эффекта = Controlled integration of ai agents into organizational business processes: architecture, method and risk-oriented effect assessment / Е. С. Пискун, А. А. Азизов, Е. В. Крячев. – Текст : электронный // Репозиторий БГУИР, 2026. – URL: https://libeldoc.bsuir.by/handle/123456789/64179 (дата обращения: 19.06.2026). | en_US |
| dc.identifier.issn | 2410-4655 | - |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64179 | - |
| dc.description | Опубликовано в репозитории БГУИР | en_US |
| dc.description.abstract | Цель исследования — разработка воспроизводимой архитектуры и методики управляемой интеграции AI-агентов в бизнес-процессы организации. Актуальность обусловлена тем, что 88 % организаций используют ИИ хотя бы в одной бизнес-функции, однако полностью масштабировали AI-решения только 7 % . Эмпирические данные сервисного сектора показывают рост производительности при применении generative AI на 14 % в среднем и на 34 % у менее опытных работников. В статье предложен контур, объединяющий событийные данные ERP/CRM/BPM/Service Desk, XES/OCEL-журналы, BPMN-модели, process mining, conformance checking, what-if simulation, RAG и governance-механизмы. Научная новизна состоит в формализации цикла discover-audit-simulate-recommend-control, ролевой архитектуры из пяти специализированных агентов и риск-ориентированной модели оценки эффекта. Расчетный сценарий обработки заявок показал сокращение длительности цикла с 44 до 27 мин. (–38,6 %), снижение трудоемкости аналитика с 10 до 4 мин. (–60,0 %) и рост покрытия отклонений с 57 до 91 % (+34 п.п.). | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | неопубликованный документ | en_US |
| dc.subject | AI-агенты | en_US |
| dc.subject | бизнес-процессы | en_US |
| dc.subject | process mining | en_US |
| dc.title | Управляемая интеграция AI-агентов в бизнес-процессы организации: архитектура, методика и риск-ориентированная оценка эффекта | en_US |
| dc.title.alternative | Controlled integration of ai agents into organizational business processes: architecture, method and risk-oriented effect assessment | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper develops a reproducible architecture and method for the controlled integration of AI agents into organizational business processes. The topic is relevant because 88% of organizations report AI use in at least one business function, whereas only 7% have fully scaled AI across the enterprise. Evidence from service work shows that generative AI increases productivity by 14%
on average and by 34% for novice and low-skilled workers. The proposed framework combines ERP/CRM/BPM/Service Desk event data, XES/OCEL logs, BPMN models, process mining, conformance checking, what-if simulation, RAG and governance mechanisms. The contribution lies in the discoveraudit-simulate-recommend-control cycle, a five-agent role architecture and a risk-oriented effect assessment model. The illustrative application-handling scenario demonstrates a cycle-time reduction
from 44 to 27 minutes, analyst-effort reduction from 10 to 4 minutes per case, and deviation-coverage growth from 57% to 91%. | en_US |
| Appears in Collections: | Публикации в репозитории БГУИР
|
