ИИ-помощник для генерального директора: кейс внедрения за 3 месяца

Шаг 1

Аудит процессов: мы не доверяем чужим описаниям

Любой проект по данным начинаем с того, что приезжаем на площадку и смотрим, как реально работает компания. Не интервью в офисе, не схемы на доске. Живое наблюдение.

Что сделали за первые три недели

• Прошли по производству. Приёмка товара, склады хранения, линии сборки, отгрузка, обработка возвратов. Везде брали в руки рабочие документы, наблюдали как принимают, собирают, грузят.
• Поговорили с людьми. Генеральный директор, операционный директор, начальник склада, бригадиры, специалисты качества, кладовщик, отдел закупок, отдел продаж, бухгалтерия, логистика. Получилось 23 интервью по 40–90 минут.
• Изучили системы. 1С УТ: заказы, реализации, приёмки, списания, движения. Ещё отраслевая Google-таблица для учёта поставок, внутренние шаблоны планирования, регулярные задачи в Pyrus, личные кабинеты сетевых партнёров.
• Покопались в данных. Пересобрали вручную несколько ключевых отчётов: анализ возвратов, реальная себестоимость, недопоставки от поставщиков. Так стало ясно, где данные уже есть, где их надо доставать руками, а где их попросту нет.

Шаг 2

Метрики и источники: что меряем и откуда берём

Выделили четыре уровня метрик. Для генерального, для функциональных директоров, для начальников отделов и для оперативного состава. Для каждой метрики прописали короткое описание: что меряем, единица, период, откуда берём, кто потребитель.

Слой метрик для генерального: восемь главных цифр

• Прибыль текущего месяца. План, факт, прогноз до закрытия.
• Кэш и дебиторская задолженность. Что есть и что должно прийти.
• Возвраты и штрафы. За неделю, разбивка по причинам и партнёрам.
• Списания и недостачи. Динамика по категориям.
• OTIF (On-Time-In-Full). Доля заказов, отгруженных вовремя в полном объёме.
• Стоимость обработки единицы товара. В динамике. Главный показатель эффективности склада.
• Топ проблемных партий недели. Где теряем деньги прямо сейчас.
• Open-items. Что зависло: рекламации, возмещения, спорные документы.

Шаг 3

Инфраструктура данных: 1С плюс ClickHouse

Нам не нужно было делать «новую ERP». У клиента уже была 1С УТ, в которой жили все операционные документы. Нужно было аккуратно вытащить из неё данные, дополнить внешними источниками, сложить в быстрое хранилище и сверху построить дашборды и доступ для ИИ.

Почему так, а не иначе

• Не лезем в код 1С. Внешние обработки это штатный механизм. Они позволяют выгружать данные без изменения конфигурации. Значит, обновление платформы не ломает инфраструктуру.
• Прирастающая выгрузка. Каждый раз выгружаем только то, что изменилось. Раз в сутки делаем контрольный полный сверочный прогон, чтобы исключить расхождения.
• ClickHouse вместо классического хранилища. Дашборды поверх ClickHouse открываются за миллисекунды даже на миллионах строк. Это критично для ИИ. Он должен отвечать за секунды, а не строить запрос полчаса.

Шаг 4

Дашборды по ролям

Под каждую роль свой экран, своя глубина детализации, своя периодичность обновления. Принцип простой: каждый видит ровно то, на что он влияет, а не «всё, что есть».

Шаг 5

ИИ-помощник директора

Главное, что мы сделали, это ИИ-бот в Telegram. У него есть полный контекст текущего состояния бизнеса, он живёт прямо над ClickHouse и понимает специфику компании. Собственник задаёт вопросы, бот отвечает с цифрами, графиками и прогнозами за минуты.

Чем эта штука отличается от BI с чат-интерфейсом

• Понимает специфику компании. Знает, что такое «РЦ ключевого клиента», «поставщик П1», «список нестандарта», «партия от конкретного контрагента». Это не SQL-генератор, а аналитик, который провёл с командой три месяца.
• Работает в Telegram. Там же, где собственник и так живёт. Никаких новых вкладок, паролей, обучений.
• Думает вперёд. Не только отвечает «что было», но и моделирует «что будет, если». Даёт прогноз кэша, оценивает риск кассового разрыва, считает сценарий «закроем направление X».
• Принимает файлы. Скинули акты от партнёра, отчёт от закупки, выгрузку из чужой системы. Бот разберёт и встроит в общий контекст.
• Учится на компании. Каждый ответ уточняет понимание процессов. Через месяц бот понимает специфику лучше, чем большинство сотрудников.

Результат

Что изменилось через три месяца после запуска

Не очень измеряемый, но самый важный эффект

Собственник начал спать спокойно. Серьёзно. Перестал просыпаться в три часа ночи с мыслью «а что у нас с этой партией». Потому что знает: если что-то идёт не так, бот сам пришлёт алерт. А если он просто спросит, получит ответ за минуту. Это смена режима «постоянное беспокойство» на «спокойное управление».

Что важно понимать

Этот кейс не про технологию ради технологии

80% работы это аудит, метрики, выверка источников данных, тестовые отчёты. И только 20% собственно ИИ и дашборды. Без первого второе превращается в красивую игрушку, которая никому не помогает.

Для компании похожего профиля, торговая компания с импортом, активный операционный контур, 1С УТ, от 50 сотрудников, аналогичный проект делается за 2–3 месяца и стоит сильно меньше, чем классическое внедрение BI.