01

Ищите повторение, а не вау-эффект

Хороший кандидат возникает регулярно и каждый раз требует похожей последовательности действий: прочитать запрос, собрать данные, проверить условия, подготовить документ, передать решение дальше.

Если задача встречается раз в год или каждый раз полностью уникальна, пилот будет сложно измерить и ещё сложнее масштабировать.

02

Оцените цену цикла и цену ошибки

Нужно понимать, сколько времени занимает процесс, сколько людей участвует, где возникают ожидания и переделки. Одновременно важно определить критические ошибки — те, которые меняют деньги, обязательства или безопасность.

Высокая цена процесса делает автоматизацию привлекательной. Высокая цена ошибки не запрещает AI, но требует явной проверки человеком и более строгих критериев приёмки.

03

Проверьте доступность данных

AI не исправляет отсутствующий справочник, разные названия одного продукта и правила, которые существуют только в голове сотрудника. Пилот должен сначала показать, какие источники доступны и какие данные придётся нормализовать.

Полезный результат диагностики — не обещание полной автоматизации, а карта данных, неизвестных и решений, которые останутся у человека.

04

Зафиксируйте измеримый выход

Для входящей заявки это может быть квалифицированная карточка и черновик ответа. Для спецификации — структурированный перечень позиций и список вопросов. Для коммерческого процесса — подготовленное предложение с источниками и статусом проверки.

Сравнивать стоит время цикла, покрытие данных, количество критических ошибок и минуты экспертной проверки. Только после этого решать, расширять ли контур.