Задача
Крупному дистрибьютору нужно было не просто внедрить ИИ, а встроить его в ежедневную работу компании. У руководителей, начальников отделов, менеджеров и маркетологов - разные задачи, разный доступ к данным и разные требования к аналитике.
Проект «Рука на пульсе» решал две задачи:
- создать единую корпоративную среду для работы ИИ с данными компании;
- постепенно передавать ИИ-агентам реальные аналитические и операционные процессы.
Первый роботизированный процесс - расчёт поставок товаров на Ozon.
Что сделали
Развернули 101kpi в корпоративном контуре
Сервис 101kpi работает в локальной инфраструктуре заказчика: корпоративные данные не уходят во внешние системы. Подключены BI, 1С, файлы и API маркетплейсов. Поверх данных - специализированные ИИ-агенты, которые не только отвечают на вопросы, но и выполняют последовательность действий по заданным правилам.
Настроили разные уровни доступа
Один ИИ-контур - разные роли: руководитель видит продажи, бренды, SKU, прибыль и рынок; менеджер e-commerce - остатки, цены и SKU; маркетолог - динамику бренда и товаров. Каждый получает свой набор данных и сценариев.
Типы сценариев
«Рука на пульсе»
Регулярный мониторинг: план/факт продаж и денег, воронка, отзывы, оборачиваемость, ABC, индекс цен.
«Подсветка»
Быстрые запросы: остатки по SKU, изменение цены, активные рекламные кампании.
Аудит карточки
Комплексный разбор товара или бренда: продажи, воронка, цена, контент - с выводами для решения.
Первый роботизированный бизнес-процесс - поставки на Ozon
Одним из первых процессов, который мы перевели из ручного режима в роботизированный сценарий, стал расчёт поставки товара на маркетплейс.
Здесь особенно хорошо видно отличие ИИ-агента от обычного отчёта.
Было
Чтобы сформировать поставку на Ozon, требовалась последовательная работа аналитика и менеджера. Это был непомерный объём работы, который сильно нагружал сотрудников: ручные выгрузки, проверки, правки и постоянное переключение между системами и правилами.
Аналитик:
- Выгружал отчёт по поставкам из Ozon.
- Обрабатывал данные с учётом кратности.
- Формировал рекомендации.
- Определял приоритетность складов.
- Готовил отчёты «План поставки», «Дефицит» и «Проверка».
- Передавал результаты менеджерам.
Менеджер:
- Проверял, что уже находится в пути.
- Корректировал объёмы поставки.
- Отдельно проверял товары с нулевыми остатками.
- Вручную добавлял позиции, которые не попали в отчёт Ozon.
- Проверял новинки и также добавлял их в заказ.
- Учитывал кратность поставки для конкретного склада - блоки, короба и другие ограничения.
- Формировал итоговый документ с поставкой.
Получалась длинная цепочка ручных действий, в которой нужно было постоянно переключаться между данными, отчётами и бизнес-правилами.
Стало
Мы перенесли эту логику в сценарий ИИ-агента.
Теперь агент выполняет последовательность операций самостоятельно:
Получает данные → анализирует остатки → учитывает товары в пути → проверяет дефицит → учитывает нулевые остатки и новинки → применяет правила кратности и складов → формирует итоговую поставку.
То есть роботизирован не отдельный расчёт, а весь сценарий подготовки заказа.
Менеджер получает уже подготовленный результат и контролирует его перед финальным использованием.
В результате у сотрудников высвободилось время на решения и контроль, а не на ручные выгрузки - и не нужно нанимать новых аналитиков под растущий объём процессов.
Почему это именно ИИ-агент, а не просто автоматический отчёт
Обычный отчёт показывает пользователю данные.
ИИ-агент выполняет цепочку действий для достижения результата.
В нашем случае агент должен:
- получить данные из нескольких источников;
- сопоставить их;
- применить бизнес-правила;
- найти исключения;
- учесть дополнительные условия;
- сформировать итоговый результат.
При этом бизнес-логика не остаётся «в голове» конкретного сотрудника - она формализуется и становится частью сценария, который можно повторять и масштабировать.
Что получил заказчик
- единый ИИ-контур вместо разрозненных экспериментов;
- безопасную работу с данными в локальном контуре;
- персонализированную аналитику для разных ролей;
- роботизацию регулярных запросов и мониторингов;
- роботизированный расчёт поставок на Ozon;
- формализацию экспертизы сотрудников в сценариях агентов;
- платформу для дальнейшей роботизации процессов.
Результат
101kpi стал корпоративным слоем ИИ над данными компании: данные → анализ → решение → действие.
Следующий этап - масштабировать подход на новые бизнес-процессы и сделать ИИ-агентов частью ежедневной работы компании.
Хотите также?
Мы можем развернуть 101kpi в вашем контуре, подключить источники данных и передать первые аналитические и операционные процессы ИИ-агентам - от мониторинга до многошаговых сценариев вроде расчёта поставок.