Nowy kierunek rozwoju platform workflow i low-code
W większości firm procesy biznesowe istnieją dużo wcześniej niż systemy, które mają je wspierać. Są opisane w dokumentach, procedurach, regulaminach, instrukcjach, mailach, notatkach projektowych i praktyce działania zespołów. Problem nie polega więc zwykle na braku wiedzy o procesie. Problem polega na tym, że ta wiedza jest rozproszona, nieformalna i trudna do bezpośredniego wykorzystania przez system workflow.
Przez lata odpowiedzią na ten problem było klasyczne podejście: analityk zbiera wymagania, projektuje model procesu, odwzorowuje go w narzędziu, a następnie zespół wdraża logikę działania do systemu. To podejście jest skuteczne, ale kosztowne, czasochłonne i ograniczone skalą pracy eksperckiej.
Dziś pojawia się możliwość zmiany tego paradygmatu.
Nie chodzi już wyłącznie o to, by szybciej rysować diagramy albo sprawniej konfigurować formularze. Chodzi o to, by platforma workflow potrafiła przejąć część pracy interpretacyjnej: rozumieć opis procesu zapisany językiem naturalnym, budować na jego podstawie logikę działania, a następnie aktywnie wspierać realizację procesu w organizacji.
To właśnie jest kierunek, który uznajemy za jeden z najważniejszych w rozwoju nowoczesnych platform low-code.
Proces nie zaczyna się od diagramu
W praktyce biznesowej proces nie rodzi się w notacji ani w modelerze. Zaczyna się od opisu problemu, celu, odpowiedzialności i sposobu działania. Menedżer nie mówi: „potrzebuję obiektu z czterema stanami i trzema bramkami decyzyjnymi”. Mówi raczej: „jeżeli dokument dotyczy zakupu powyżej określonej kwoty, musi trafić do akceptacji kierownika, a potem do finansów; jeśli sprawa dotyczy wyjątku, decyzję podejmuje inna rola”.
Biznes naturalnie posługuje się językiem. Systemy workflow naturalnie posługują się strukturą, logiką, stanami, rolami i przejściami. Największe wyzwanie od lat polega na tym, jak skutecznie przełożyć jedno na drugie.
W tradycyjnym modelu robi to człowiek: analityk, konsultant, architekt procesu. W nowym modelu część tej pracy może przejąć inteligentna warstwa platformy.
Język naturalny jako wejście do modelu procesu
Jednym z najciekawszych kierunków rozwoju jest budowa mechanizmu, który potrafi interpretować opis procesu zapisany językiem naturalnym i przekształcać go w formalny meta-model procesu.
To nie jest proste generowanie tekstu ani zwykła konwersacja z asystentem. To znacznie bardziej wymagające zadanie technologiczne. System musi rozpoznać i poprawnie zinterpretować:
- uczestników procesu,
- role organizacyjne,
- akcje i decyzje,
- warunki przejść,
- zależności między krokami,
- dokumenty i ich znaczenie operacyjne,
- wyjątki i scenariusze alternatywne.
Dopiero wtedy możliwe staje się przełożenie opisu biznesowego na strukturę, którą platforma jest w stanie uruchomić i kontrolować.
To oznacza, że kluczowym elementem nie jest sam model AI, ale własna warstwa technologiczna łącząca język naturalny z formalnym meta-modelem procesowym.
Od modelowania do sterowania procesem
Jeszcze ważniejsza zmiana dotyczy jednak nie samego momentu projektowania procesu, lecz jego późniejszego prowadzenia.
W większości systemów workflow logika jest z góry zdefiniowana, a użytkownik porusza się po procesie zgodnie z ustalonym scenariuszem. Taki model dobrze sprawdza się tam, gdzie przypadki są przewidywalne, a decyzje można stosunkowo łatwo zamknąć w regułach.
W rzeczywistych organizacjach procesy często zależą jednak od kontekstu. Znaczenie mają:
- treść dokumentu,
- metadane sprawy,
- relacje organizacyjne,
- odpowiedzialności ról,
- wcześniejsze decyzje,
- historia podobnych przypadków.
Właśnie w tym miejscu pojawia się nowa rola AI: nie jako generatora opisu, lecz jako aktywnego uczestnika środowiska procesowego.
System może nie tylko odwzorować logikę procesu, ale także podpowiadać kolejne działania, rekomendować właściwy kierunek obsługi sprawy, wskazywać odpowiednich adresatów akcji i wspierać użytkownika w podejmowaniu decyzji na podstawie bieżącego kontekstu.
To przesuwa platformę workflow z roli biernego wykonawcy do roli inteligentnego środowiska operacyjnego.
Dokument, metadane, rola i kontekst jako źródło decyzji
Nowoczesny proces nie powinien być interpretowany wyłącznie na podstawie jednego opisu modelu. Rzeczywista decyzja operacyjna zwykle wynika ze złożenia wielu źródeł informacji.
Znaczenie ma nie tylko to, jaki proces został zaprojektowany, ale również:
- czego dotyczy konkretna sprawa,
- jakie dane zawiera dokument,
- kto aktualnie uczestniczy w procesie,
- jakie role obowiązują w danej organizacji,
- jaki był poprzedni przebieg działań,
- jakie ścieżki są typowe w podobnych przypadkach.
Dlatego uważamy, że kolejna generacja platform low-code i workflow powinna łączyć klasyczny silnik procesu z warstwą interpretacyjną i rekomendacyjną. To właśnie ta warstwa pozwala przejść od statycznego modelu do dynamicznego prowadzenia procesu.
Historia przebiegów jako źródło wiedzy operacyjnej
Jednym z najbardziej wartościowych zasobów organizacji są dane o tym, jak procesy rzeczywiście przebiegały. Nie chodzi tylko o to, jak zostały opisane, ale jak były faktycznie realizowane:
- jakie decyzje podejmowano,
- jakie ścieżki dominowały,
- gdzie pojawiały się wyjątki,
- które działania były odkładane,
- które role uczestniczyły najczęściej,
- które warianty prowadziły do sprawnej obsługi.
Historia transitions w obiegach nie jest wyłącznie technicznym logiem systemowym. To praktyczna wiedza o zachowaniach organizacyjnych.
Jeżeli platforma potrafi tę wiedzę wykorzystać, może nie tylko wspierać bieżące działania, ale także stopniowo poprawiać jakość rekomendacji. Zaczyna wtedy działać nie tylko na podstawie projektowanej logiki, ale również na podstawie wiedzy pozyskanej z realnego funkcjonowania organizacji.
To właśnie tutaj pojawia się możliwość budowy systemów, które nie tylko wykonują proces, ale także uczą się jego praktycznego przebiegu.
Koniec dominacji diagramu jako głównego artefaktu procesu
Nie oznacza to, że modele procesowe, formalizacja czy governance przestają być potrzebne. Wręcz przeciwnie. Nadal pozostają kluczowe tam, gdzie liczy się odpowiedzialność, zgodność, audytowalność i kontrola.
Zmienia się jednak ich rola.
Diagram czy model nie musi już być jedynym miejscem narodzin procesu. Coraz częściej staje się jednym z efektów pracy z procesem, a nie jedynym punktem wejścia. Organizacja może zacząć od opisu naturalnego, dokumentu lub zmiany w polityce działania, a system może pomóc przełożyć tę zmianę na logikę operacyjną.
To otwiera drogę do zupełnie nowego modelu utrzymania procesów: mniej zależnego od ręcznej rekonstrukcji diagramów, bardziej opartego na pracy z opisem, wiedzą i kontekstem.
Co to zmienia dla wdrożeń
Z perspektywy wdrożeniowej skutki takiego podejścia mogą być bardzo istotne.
Po pierwsze, skraca się czas przejścia od potrzeby biznesowej do działającego rozwiązania.
Po drugie, maleje obciążenie związane z ręcznym modelowaniem każdego elementu procesu.
Po trzecie, rośnie możliwość produktowego uogólniania rozwiązań, ponieważ platforma lepiej rozumie warstwę znaczeniową procesu.
Po czwarte, większa część wiedzy biznesowej może być bezpośrednio wykorzystana w systemie, bez wielokrotnego tłumaczenia między biznesem a technologią.
Dla dostawcy platformy oznacza to także nową skalę wartości. Przewaga nie wynika już wyłącznie z tego, jak szybko można zbudować formularz czy konfigurację obiegu, ale z tego, na ile platforma potrafi rozumieć i współtworzyć sposób działania organizacji.
AI jako element architektury procesu, nie osobny dodatek
Wiele rozmów o AI w systemach biznesowych sprowadza się do pytania, jaki model językowy został użyty. To jednak nie jest najważniejsze pytanie.
Z punktu widzenia wartości technologicznej istotniejsze jest to:
- jak opis procesu jest interpretowany,
- jak mapowany jest do formalnego modelu,
- jak walidowana jest spójność wygenerowanej logiki,
- jak system bierze pod uwagę dokumenty, metadane i role,
- jak powstają rekomendacje kolejnych działań,
- jak wykorzystywana jest historia przebiegów.
To właśnie ta architektura decyduje o tym, czy AI staje się realnym elementem platformy procesowej, czy pozostaje jedynie efektownym dodatkiem.
Kierunek rozwoju, który ma sens
W naszym rozumieniu przyszłość platform workflow i low-code nie polega na prostym dodawaniu kolejnych funkcji AI. Polega na zbudowaniu takiego środowiska, w którym możliwe jest:
- przejście od języka biznesu do logiki procesu,
- operacyjne prowadzenie spraw z udziałem AI,
- wykorzystywanie wiedzy zawartej w dokumentach i strukturze organizacyjnej,
- wzmacnianie jakości działania na podstawie historii przebiegów.
To kierunek, w którym proces przestaje być wyłącznie modelem do wdrożenia. Staje się żywą strukturą operacyjną, którą można szybciej tworzyć, łatwiej rozwijać i skuteczniej prowadzić.
I właśnie dlatego uważamy, że nowa generacja platform low-code będzie budowana nie tylko wokół automatyzacji, ale wokół zdolności do rozumienia procesu, wspierania decyzji i uczenia się z działania organizacji.
