Зачем нужен аудит
Самая частая ошибка клиента — приходить с готовым решением: «нам нужен чат-бот». В 80% случаев чат-бот — это не то, что им нужно. Им нужно автоматизировать конкретный процесс, и чат-бот — это один из возможных интерфейсов. Иногда — не лучший.
Шаг 1: карта процессов
Сажусь с клиентом, рисуем карту: какие процессы выполняются в компании, какие из них болезненны (долго, дорого, ошибки). Для каждого — кто делает, сколько времени, на какие подзадачи разбивается. Это не AI-специфичная штука, обычная process discovery.
Шаг 2: фильтр AI-применимости
Для каждого процесса задаю вопросы: a) есть ли в нём текст или речь (LLM любит unstructured data), b) есть ли в нём reasoning который сложно формализовать правилами, c) приемлема ли латентность 1–5 секунд, d) есть ли в нём повторяющиеся паттерны, на которых можно обучить промпт.
Если по этому фильтру процесс не проходит — AI там не нужен. Это нормальный результат. Не «пилим без AI», а «здесь AI не окупится». На фактических процессах фильтр отсеивает примерно половину.
Шаг 3: расчёт ROI
Для каждого процесса, прошедшего фильтр, считаем: сколько раз в месяц он выполняется, сколько человеко-часов сейчас тратится, сколько часов сэкономит AI (обычно 50–90%), какова стоимость работы AI (API + разработка). Окупаемость должна быть в первые 6–12 месяцев — иначе не берёмся.
Шаг 4: пилот
Один процесс с лучшим ROI. Пилот ограниченный: например, AI-валидация только 1 типа документа, только в режиме «подсказка», без автоматизации. 2–4 недели, замеряем accuracy. Если пилот удачный — расширяем.
Что выдаю в отчёте
Письменный документ с: a) картой всех процессов, b) AI-применимостью по каждому, c) приоритизированным roadmap'ом внедрений с ROI, d) рекомендациями по стеку (модели, инфра), e) рисками и точками контроля.