Автоматизация биллинга. Как Олег Моргоч с помощью ИИ оптимизировал процессы в США

С этим столкнулся инженер-программист Олег Моргоч. Специалист разрабатывает корпоративные системы и ежедневно использует инструменты искусственного интеллекта. При этом в течение нескольких лет весь процесс оставался для него ручным. Далее мы рассказываем, как Моргоч самостоятельно проанализировал каждый этап, спроектировал решение и полностью автоматизировал эту работу.

Олег Моргоч,

программный инженер

Один процесс, двадцать клиентов

За биллинг в американской компании, занимающейся печатью материалов по заказам клиентов, отвечал Олег. Ежемесячно для каждого из двадцати заказчиков необходимо было формировать отчет, на основании которого выставлялся счет. За год компания готовила 240 таких документов. Если бы речь шла о трех-пяти клиентах, эта процедура не потребовала бы значительных усилий, однако ежемесячная обработка двадцати отчетов создавала уже ощутимый объем ручной работы.

На этот процесс уходило от часа до полутора, иногда больше. Длительность зависела от опыта оператора. Система и раньше правильно рассчитывала суммы в счетах, поэтому проверять или исправлять начисления не приходилось. Время отнимало повторение самой процедуры. Для каждого заказчика оператор отдельно открывал отчет, запускал его формирование, закрывал документ и отправлял адресату. Затем переходил к следующему клиенту и повторял все действия сначала.

Олег на собственном опыте ощущал недостатки этой процедуры. Раз в месяц он откладывал все остальные задачи и на час-полтора сосредотачивался на биллинге. Руководители компании видели эти регулярные паузы в основной работе, поэтому предложение автоматизировать процесс не требовало долгих объяснений. По наблюдениям Моргоча, подобные ручные операции остаются распространенной проблемой корпоративных систем в различных отраслях.

С VB.NET на C#

По решению руководства Олег внедрял автоматизацию в два этапа, чтобы не менять весь процесс биллинга сразу. Сначала система начала автоматически генерировать отчеты и отправлять их клиентам, запуская при этом соответствующие скрипты: для одних клиентов — перед генерацией отчета, для других — после нее. Логика работы системы для каждого клиента, а также список самих клиентов, определяются в одном XML-файле, который служит своего рода «дорожной картой» для разработанного фреймворка. Благодаря этому для добавления новых клиентов или внесения изменений в настройки существующих перекомпиляция системы не требуется. Оператору даже не нужно взаимодействовать с системой напрямую, так как ее запуск настроен в планировщике задач Windows-сервера с ежемесячной периодичностью. Количество повторяющихся действий сократилось, однако формирование и отправка отчетов по-прежнему требовали участия оператора. На втором этапе Олег полностью переписал систему.

Моргоч считал, что полная переработка была бы эффективнее, но руководство сначала хотело проверить, как небольшое изменение будет работать в действующем биллинговом цикле. Поэтому первая версия стала промежуточной. После обсуждения Олег составил план, оценил необходимые время и ресурсы и приступил к разработке. Проект длился около двух месяцев и завершился в установленный срок.

Для переписывания кода Олег использовал искусственный интеллект в качестве рабочего инструмента. Предыдущая версия была написана на языке VB.NET, который сейчас реже применяется в корпоративной разработке. С помощью GitHub Copilot инженер перенес программу на C# — более распространенный язык той же платформы .NET — и оптимизировал ее внутреннюю логику. Кроме того, Моргоч создал небольшой вспомогательный инструмент, который автоматически запускал и проверял отчеты всех клиентов.

В GitHub Copilot программист мог выбирать модель для работы с кодом. Для этого проекта он использовал одну из моделей OpenAI, которая, по его оценке, лучше всего справлялась с поставленными задачами и учитывала современные практики разработки. Больше всего технических сложностей возникло при проверке данных. После формирования файла система должна была подтвердить, что это отчет нужного клиента и что в нем перечислены выполненные заказы. Олег отдельно продумал и протестировал эту логику.

Лидерство без команды

Олег занимался биллингом без отдельной команды и принимал все решения, касающиеся системы. Предыдущий сотрудник не оставил даже устных пояснений, поэтому разбираться в логике процесса пришлось уже в ходе выполнения задач.

Перед подключением инструмента, созданного с помощью искусственного интеллекта, Моргоч проверил, соответствует ли он требованиям компании, а также как новый код влияет на скорость работы системы и нагрузку на сервер. Новое решение не должно было замедлять работу других корпоративных программ.

Очередь на автоматизацию

После запуска новой биллинговой системы руководство увидело практический результат работы Олега. Это укрепило доверие к его техническим решениям и позволило рассмотреть возможность внедрения подобных изменений на других участках производства. Для выбора следующего участка специалист использует простой критерий. В первую очередь стоит обратить внимание на процесс, который дольше всего не обновлялся и в котором сотрудники выполняют наибольшее количество повторяющихся действий. На этом предприятии многие операции до сих пор требуют сканирования и печати документов, поэтому таких участков здесь достаточно.

Компаниям с ограниченным бюджетом Моргоч советует начинать с одной конкретной задачи, результат которой можно измерить сэкономленным временем. После успешного запуска высвободившиеся ресурсы можно направить на другой участок работы. По его оценке, такой подход помогает постепенно сокращать объем ручного труда и укреплять позиции компании на рынке.

Работа над биллингом также дала Олегу опыт интеграции отдельных программных модулей. Он настраивает их так, чтобы данные автоматически передавались от одного этапа к другому. Для создания и анализа кода, связывающего эти части, инженер использует искусственный интеллект.

Время как главный ресурс

За первый год обновленная биллинговая система сэкономила компании около двадцати часов. Олег называет эту цифру скромной, но показательной. Кадровых изменений не произошло, поскольку эту работу и раньше раз в месяц выполнял один программист; после запуска системы из его графика просто исчезла регулярная ручная задача.

С учетом прерывания текущей задачи, переключения на биллинг и возврата к написанию кода эта ежемесячная процедура фактически отнимала до двух рабочих часов. После автоматизации Олег смог снова посвящать это время более сложным инженерным задачам. Показатель в двадцать сэкономленных за первый год часов учитывает только непосредственное формирование счетов, без учета дополнительных потерь времени на переключение между задачами. Руководству такая метрика понятна, поскольку ее можно перевести в стоимость трудозатрат.

Моргоч сформировал этот подход во время работы с корпоративными системами в США. По его оценке, та же проблема возникает в компаниях разных стран, когда сотрудники годами работают со старым кодом. В таких случаях Олег начинает с подсчета времени, которое автоматизация может вернуть сотрудникам.

Дальнейшие планы инженера изложены в бизнес-плане BillingBridge AI. Он предусматривает создание платформы для подключения устаревших биллинговых систем к API, облачным сервисам и инструментам аналитики без необходимости полной замены ERP-систем или бухгалтерской инфраструктуры. В качестве потенциальных рынков в документе указаны Северная Америка и Европа.

Виталий Изосимов