XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

А.А. Разумов, бакалавр по направлению «Прикладная информатика»

РЭУ им. Г.В. Плеханова, Ивановский филиал

г. Иваново, Российская Федерация

Введение

В современной управленческой практике схемы бизнес-процессов являются неотъемлемым инструментом анализа, проектирования и оптимизации деятельности предприятий. Они применяются при разработке информационных систем, регламентов работы подразделений, внедрении CRM и ERP-систем, проведении аудита и обучении персонала. Несмотря на широкое распространение методологий моделирования (IDEF0, BPMN, DFD и др.), процесс создания схем по-прежнему носит преимущественно ручной характер и требует значительных временных и интеллектуальных ресурсов.

Построение схем требует от специалиста глубоких знаний предметной области, понимания логики бизнес-процессов и владения специализированными программными средствами. Даже незначительные изменения в процессе требуют повторного редактирования всей схемы. В результате моделирование превращается в трудоёмкий и затратный по времени процесс, что снижает оперативность управленческих решений.

Развитие технологий искусственного интеллекта, в частности генеративных нейронных сетей, позволяет по-новому взглянуть на процесс построения бизнес-схем. Современные модели способны анализировать текстовую информацию, выявлять логические связи между сущностями и формировать структурированные представления данных. Это создаёт предпосылки для автоматизации построения схем бизнес-процессов по текстовому описанию.

Использование нейросети в сочетании с удобным интерфейсом чат-бота позволяет сделать процесс моделирования доступным для любого пользователя без необходимости освоения сложных графических редакторов.

Концепция и предмет проектирования

Объектом исследования выступают бизнес-процессы предприятия, а предметом — программная реализация чат-бота в мессенджере, способного генерировать схемы бизнес-процессов по запросу пользователя. Цель разработки заключается во внедрении программного кода в мессенджеры для формирования наглядных бизнес-схем.

Новизна проекта заключается в объединении редакторов бизнес-схем с нейронной моделью искусственного интеллекта, реализованной в формате чат-бота. Подобная комбинация позволяет автоматизировать процесс, который ранее выполнялся исключительно вручную специалистами.

Проблема, на решение которой направлен проект, состоит в том, что существующие инструменты моделирования не используют возможности ИИ для генерации схем, что приводит к избыточным трудозатратам.

Архитектура программного решения

Разрабатываемая система состоит из следующих взаимосвязанных компонентов:

• чат-бот в мессенджере как пользовательский интерфейс;

• сервер обработки запросов;

• нейронная модель генерации схем;

• модуль преобразования логической структуры в графическое представление;

• подсистема хранения и защиты данных.

Пользователь вводит текстовое описание процесса, после чего нейронная сеть анализирует запрос, выделяет ключевые сущности, определяет их взаимосвязи и формирует модель бизнес-процесса, которая далее преобразуется в визуальную схему.

Нейросеть выполняет несколько этапов обработки:

1. Лингвистический анализ текста.

2. Выделение ролей, действий и последовательностей.

3. Формирование логической структуры процесса.

4. Преобразование структуры в формат, пригодный для визуализации.

Если информации недостаточно, чат-бот формирует уточняющие вопросы, обеспечивая точность генерации.

Технические требования к системе

Согласно техническому заданию, система должна соответствовать следующим требованиям:

• генерация схемы не более чем за 5 секунд;

• точность распознавания и построения не ниже 90%;

• обеспечение шифрования и защиты данных;

• интерактивное уточнение запроса при необходимости.

Жизненный цикл разработки

Проект реализуется по каскадной методологии (Waterfall), что обусловлено чётким техническим заданием и согласованностью требований с заказчиком. Жизненный цикл включает этапы инициации, анализа, проектирования, разработки, тестирования, внедрения и сопровождения. Общая длительность проекта составляет 18 недель.

Каскадная модель позволяет последовательно проходить все этапы разработки, обеспечивая строгий контроль соответствия результата техническому заданию.

Реализация проекта по каскадной методологии позволяет детально структурировать процесс разработки нейронной сети и чат-бота, минимизируя риски отклонения от технического задания. На этапе инициации проекта формируются цели, определяется объект и предмет исследования, устанавливаются требования к функциональности системы и формируется команда проекта. Данный этап является критически важным, так как именно на нём закладывается логика будущей архитектуры решения и формируется понимание конечного продукта.

На этапе анализа требований проводится исследование существующих методов построения бизнес-схем, анализируются проблемы ручного моделирования, изучаются возможности применения нейронных сетей для автоматизации данного процесса. Параллельно осуществляется анализ существующих ИИ-платформ и библиотек для выбора наиболее подходящей технологической базы для реализации проекта.

Этап концептуального и детального проектирования включает разработку архитектуры программного решения, описание взаимодействия компонентов системы, формирование алгоритма обработки текстовых запросов и преобразования их в логические структуры бизнес-процессов. Особое внимание уделяется проектированию модуля нейронной сети и механизму её интеграции с чат-ботом.

На этапе реализации происходит разработка серверной части, программирование чат-бота, обучение и интеграция нейронной модели, а также настройка системы безопасности и защиты данных. Тестирование проводится как на уровне отдельных модулей, так и на уровне всей системы в целом, включая проверку скорости генерации схем, точности распознавания запросов и удобства использования для конечного пользователя.

Заключительные этапы включают внедрение решения в рабочую среду мессенджера, передачу продукта заказчику и организацию процесса технической поддержки и модернизации. Таким образом, жизненный цикл проекта охватывает полный спектр работ от идеи до эксплуатации программного продукта.

Стейкхолдеры и модель взаимодействия

Ключевыми участниками проекта являются заказчик, менеджер проекта, программисты и потенциальные клиенты. Сегментация потребителей предполагает использование моделей B2B, B2C и B2G. Взаимодействие с пользователями осуществляется через чат-бот, обеспечивающий удобство и оперативность получения результата.

В проекте задействовано несколько групп стейкхолдеров, каждая из которых оказывает влияние на его реализацию и последующую эксплуатацию. Заказчик заинтересован в создании конкурентоспособного программного продукта, способного привлечь широкую аудиторию пользователей и обеспечить коммерческую прибыль. Менеджер проекта координирует взаимодействие между заказчиком и исполнителями, формирует техническое задание и контролирует соблюдение сроков выполнения работ.

Программисты и разработчики нейронной сети являются ключевыми исполнителями проекта. Их задачей является выбор технологических инструментов, разработка программной архитектуры, обучение модели и оптимизация производительности системы. От их квалификации напрямую зависит достижение технических требований по скорости и точности генерации схем.

Косвенными, но крайне важными стейкхолдерами выступают потенциальные пользователи системы — предприниматели, руководители предприятий, аналитики и консультанты. Именно для них разрабатывается данный продукт, и их требования к удобству интерфейса, понятности результата и скорости работы учитываются при проектировании.

Конкуренты также рассматриваются как важный фактор внешней среды. Наличие аналогичных решений на рынке требует постоянного мониторинга технологий и обеспечения высокого уровня технической безопасности, чтобы сохранить конкурентные преимущества.

Модель взаимодействия между стейкхолдерами строится через цифровую среду — чат-бот, обеспечивающий обратную связь, сбор предложений и анализ потребностей пользователей, что способствует дальнейшему совершенствованию продукта.

Экономическая эффективность проекта

Экономические расчёты показывают высокую рентабельность разработки. Общие затраты на проект составляют 932 476,19 руб., при этом ожидаемая прибыль — 435,6 тыс. руб. в год. Рентабельность проекта составляет 32,9%, а срок окупаемости — около 11 месяцев.

Экономическая часть проекта подтверждает его целесообразность и инвестиционную привлекательность. Подробные расчёты фонда оплаты труда, амортизации оборудования, накладных расходов и коммунальных затрат позволяют получить объективную оценку себестоимости разработки. Значительная часть затрат приходится на оплату труда квалифицированных специалистов, что характерно для IT-проектов, где основным ресурсом являются интеллектуальные способности разработчиков.

Расчёт капитальных вложений показывает необходимость инвестиций в серверное оборудование, лицензии программного обеспечения, рабочие места сотрудников и хостинг для обеспечения стабильной работы чат-бота. При этом структура расходов демонстрирует рациональное распределение средств и отсутствие избыточных затрат.

Прогнозируемые доходы формируются за счёт использования тарифных планов и охвата различных сегментов рынка (B2B, B2C, B2G). Высокая рентабельность продукта объясняется низкой себестоимостью предоставления услуги после завершения этапа разработки и возможностью масштабирования сервиса без существенного увеличения затрат.

Срок окупаемости проекта составляет около 11 месяцев, что является хорошим показателем для программных продуктов и подтверждает экономическую эффективность внедрения нейросетевых технологий в сферу бизнес-моделирования.

Бизнес-модель и ценностное предложение

Проект предусматривает использование тарифных планов: бесплатный, базовый и профессиональный. Основным ценностным предложением является возможность быстрого и точного построения бизнес-схем без использования специализированных графических редакторов.

Бизнес-модель проекта построена на принципе предоставления сервиса по подписке с различными уровнями функциональности. Бесплатный тариф позволяет пользователям познакомиться с возможностями системы и сформировать базовые схемы, базовый тариф предоставляет функции редактирования, а профессиональный — расширенные инструменты для детального моделирования.

Ценностное предложение заключается в том, что пользователю не требуется обладать специальными знаниями в области моделирования бизнес-процессов. Достаточно описать процесс текстом, после чего система автоматически сформирует визуальную схему. Это значительно снижает порог входа для использования инструментов процессного управления.

Дополнительную ценность представляет возможность интеграции сервиса в повседневные рабочие инструменты — мессенджеры, что исключает необходимость установки специализированного программного обеспечения. Такая модель поставки делает продукт доступным и удобным для широкого круга пользователей.

Практическая значимость разработки

Разработка демонстрирует возможность интеграции ИИ в процессы бизнес-моделирования. Использование чат-бота делает инструмент доступным для широкого круга пользователей, что способствует распространению культуры процессного управления на предприятиях.

Практическая значимость разработки заключается в возможности её применения в реальной деятельности предприятий различного масштаба. Система может использоваться при разработке регламентов, описании бизнес-процессов для внедрения информационных систем, обучении сотрудников и проведении аудита деятельности организации.

Инструмент особенно полезен для малых и средних предприятий, которые не имеют в штате специалистов по бизнес-моделированию, но нуждаются в формализации своих процессов. Использование чат-бота с нейронной сетью позволяет им быстро получать наглядные схемы без привлечения сторонних консультантов.

Кроме того, разработка может быть использована в образовательных целях при обучении студентов дисциплинам, связанным с моделированием бизнес-процессов и информационными системами.

Заключение

Проведённое исследование и разработка проекта показали, что использование нейронных сетей в области генерации бизнес-схем является перспективным направлением автоматизации управленческой деятельности. Традиционный процесс построения бизнес-процессов требует значительных временных затрат, высокой квалификации специалистов и постоянного ручного редактирования схем при изменении деятельности предприятия. Внедрение генеративной нейронной модели позволяет радикально изменить данный подход.

Разработанная концепция чат-бота, интегрированного в мессенджер и использующего нейронную сеть для анализа текстовых описаний процессов, демонстрирует возможность перехода от ручного моделирования к интеллектуальной автоматизированной генерации схем. Такой подход делает процесс моделирования доступным для любого пользователя, независимо от уровня его подготовки в области бизнес-анализа.

Рассмотренный жизненный цикл разработки показывает, что создание подобного программного продукта требует комплексного подхода, включающего этапы анализа требований, проектирования архитектуры, обучения нейронной модели, тестирования и внедрения. Выбор каскадной методологии обеспечивает строгое соответствие техническому заданию и последовательность выполнения работ.

Анализ стейкхолдеров подтверждает, что проект ориентирован на широкий круг потребителей и учитывает интересы как заказчика, так и конечных пользователей. Экономические расчёты доказывают инвестиционную привлекательность проекта, его рентабельность и сравнительно короткий срок окупаемости.

Бизнес-модель, основанная на тарифных планах, обеспечивает масштабируемость сервиса и возможность его применения в различных сегментах рынка. Практическая значимость разработки заключается в возможности её использования в реальной деятельности предприятий, образовательных учреждениях и консультационной практике.

Таким образом, разработка нейронной сети для генерации бизнес-схем подтверждает целесообразность интеграции технологий искусственного интеллекта в процессы бизнес-моделирования и открывает перспективы дальнейшего развития интеллектуальных инструментов управления предприятиями.

Список использованной литературы

1. Искусственный интеллект в бизнесе: как AI оптимизирует процессы и помогает компаниям развиваться. Репутация Москва. URL: https://reputation.moscow/2024/05/29/ii-v-biznese/ (дата обращения: 02.02.2026).

2. ИИ для бизнеса: преимущества внедрения нейросетей в бизнес-процессы. Сбер | GigaChat API. URL: https://developers.sber.ru/help/gigachat-api/ai-in-business (дата обращения: 02.02.2026).

3. BPMN для аналитиков и тимлидов (часть 2). Хабр. URL: https://habr.com/ru/articles/979526/ (дата обращения: 02.02.2026).

4. ARIS — система моделирования бизнес-процессов. Википедия. URL: https://ru.wikipedia.org/wiki/ARIS (дата обращения: 02.02.2026).

5. Business Studio — программный продукт для моделирования бизнес-архитектуры. Википедия. URL: https://ru.wikipedia.org/wiki/Business_studio (дата обращения: 02.02.2026).

6. Нейросети в действии: гид по практическому применению российских ИИ. PDF-гид. URL: https://fliphtml5.com/vkuyo/feis/Нейросети_в_действии (дата обращения: 02.02.2026).

7. ИИ в деле: актуальные сценарии внедрения нейросетей в России. Хабр. URL: https://habr.com/ru/companies/k2tech/articles/862032/ (дата обращения: 02.02.2026).

8. Нейросети для бизнеса: решения, внедрение и трудности. Site-RB.ru. URL: https://www.site-rb.ru/blog/neyroseti-dlya-biznesa-resheniya-vnedrenie-i-trudnosti/ (дата обращения: 02.02.2026).