ИИ · Данные · Управленческая отчётность

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

От аудита процессов и 1С до автоматических дашбордов в ClickHouse и Telegram-бота, который отвечает на вопросы вроде «можем вытащить из бизнеса 10 миллионов» за минуты, с цифрами и прогнозом.

Кейс. 2026. Длительность проекта 3 месяца. Все данные клиента изменены, отрасль скрыта по условиям NDA.

CEO Daily Обновлено сегодня 18:00
Прогноз кэша 11,2 млн безопасная подушка
OTIF 94% цель 95%
Вопросы закрывает ИИ 95% без ручной сводки
Рекламации +1,1 млн найдено в месяц
3 мес.от идеи до рабочего запуска
6+источников данных подключили
4дашборда по ролям команды
95%вопросов закрывает ИИ-помощник

Клиент: торговая компания с операционно сложным контуром, разветвлённая команда, несколько каналов продаж. У собственника не было простого способа в моменте понимать, что происходит в бизнесе. Данные жили в 1С, рабочих таблицах, внешних кабинетах и в голове у людей.

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 операционному контуру. Приёмка, хранение, комплектация, отгрузка, работа с возвратами. Везде брали в руки рабочие документы, наблюдали как принимают, комплектуют, грузят.
  • Поговорили с людьми. Генеральный директор, операционный директор, руководители операционного блока, специалисты контроля 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 рабочие таблицы для учёта поставок, внутренние шаблоны планирования, регулярные задачи в Pyrus, внешние кабинеты партнёров.
  • Покопались в данных. Пересобрали вручную несколько ключевых отчётов: возвраты, реальная себестоимость, расхождения с поставщиками. Так стало ясно, где данные уже есть, где их надо доставать руками, а где их попросту нет.

Главный инсайт аудита. Собственник не доверял ни одной цифре в моменте. Чтобы получить честный ответ на вопрос «сколько мы реально заработали в прошлом месяце», три человека сидели три дня и сводили данные. К моменту, когда был ответ, ситуация уже менялась.

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.

Управленческий дашборд склада, KPI и сигналы тревоги
Дашборд начальника склада. KPI, возвраты, списания и сигналы тревоги на одном экране.

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 трогать учётную систему. У клиента уже работала 1С УТ, в которой жили все операционные документы. Задача стояла другая: аккуратно вытащить из неё данные, дополнить внешними источниками, сложить в быстрое хранилище и поверх 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».

Дашборд Для кого Ключевые блоки
CEO Daily Генеральный директор Прибыль, кэш, OTIF, возвраты, open-items
Склад Руководители операционного блока, специалисты контроля качества Отгрузки, возвраты, списания, стоимость единицы, сигналы
Закупки Директор по закупкам, менеджеры Недопоставки, качество поставщиков, возмещения, цены
Продажи Директор по продажам, менеджеры Выручка, маржа, возвраты по клиентам, топ позиций, воронка
Дашборд генерального директора, прибыль, кэш, OTIF, возвраты, проблемы недели
CEO Dashboard. KPI-плитки, прогноз кэша, open-items, возвраты по причинам и проблемы недели.

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.

AI
ИИ-помощник директора в сети, данные обновлены
Можем вытащить из бизнеса 10 млн до конца месяца?
Короткий ответ: да, но впритык. Безопасная подушка около 11 млн. Прогноз кэша к концу месяца около 11 млн. Дебиторка ближайших дней около 8 млн. Платежи поставщикам около 10 млн. Если хотим 10 млн без риска кассового разрыва, лучше после закрытия реестров у ключевого партнёра.
Подвинь платёж поставщику на следующую неделю. Покажи план.
Подвинул в модели. Новый прогноз: около 13 млн к концу месяца. Кассовый разрыв в начале следующего месяца не возникает. План вывода 10 млн: тремя траншами по 3–4 млн в течение последней недели месяца. Сформировал черновик платёжного календаря в рабочей таблице.
AI
Разбор возвратов короткая сводка
Что с возвратами на этой неделе? Кратко.
Возвраты прошедшей недели: около 400 тыс. ₽, +12% к прошлой. Качество: около 215 тыс. ₽, несколько случаев: позиция А, один из иностранных поставщиков. Неверная комплектация: около 95 тыс. ₽, несколько случаев: недовложения и расхождения по составу у одного из распределительных центров партнёра, вторая смена. Позиция А даёт высокий процент отклонений третью неделю подряд. Нужно вмешаться в поставщика и смену.
AI
Файл от команды анализ за минуты
[акты_возвратов.xlsx] Прислал помощник. Глянь, что критичного?
Разобрал файл. 26 актов, сумма около 1,4 млн ₽. Сопоставил с приёмками и списаниями. Главное: 14 из 26 актов относятся к позиции А от иностранного поставщика, около 65% суммы. Сформировал черновик претензии поставщику на сумму около 900 тыс. ₽ и мини-разбор для планёрки по второй смене.

Чем эта штука отличается от BI с чат-интерфейсом

  • Понимает специфику компании. Знает термины компании: распределительные центры партнёров, ключевых поставщиков, «список нестандарта», конкретные партии. 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 сценарии вроде «закроем одно из направлений».
  • 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

-40%времени собственника на оперативные сводки. Раньше было 8–10 часов в неделю, стало 2–3.
+1,1 млн ₽в месяц найденных и выставленных рекламаций поставщикам. Раньше эти деньги растворялись в общих списаниях.
-18%возвратов от партнёров за два месяца после запуска. Сработала оперативная видимость проблемных партий и поставщиков.
0расхождений между данными в дашборде и реальностью в 1С. Контрольные сверки каждые сутки.

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, с активным операционным контуром, 1С УТ и командой от 50 сотрудников, аналогичный проект делается за 2–3 месяца и стоит сильно меньше, чем классическое внедрение BI.

Хотите понять, подойдёт ли такой формат вам?

Напишите. Первая встреча бесплатная. Разберём источники данных, управленческие вопросы и покажем, как может выглядеть первый рабочий контур.

Оставить заявку