Где на самом деле «съедается» время на отчётность

Руководитель просит сводку по продажам к утру понедельника. Аналитик открывает 1С, выгружает реализацию, лезет в CRM за воронкой, добавляет расходы из бухгалтерии, подтягивает данные из рекламных кабинетов и собирает всё в Excel. На это уходит 4–6 часов, из которых собственно анализ занимает минут двадцать. Остальное — ручная склейка.

Проблема не только в часах. Когда один и тот же отчёт собирают разные люди, страдает сопоставимость: кто-то считает маржу до логистики, кто-то после, период закрытия у отделов не совпадает, а часть цифр приходит «по памяти» из прошлого файла. ИИ в этой цепочке закрывает не аналитику как таковую, а именно рутинный слой: сбор, нормализацию, сверку и первичную интерпретацию.

Что именно берёт на себя ИИ, а что остаётся человеку

Полезно сразу разграничить зоны ответственности, иначе проект уйдёт в ожидание «ИИ решит всё».

ИИ делает:

• вытягивает данные из разнородных источников по расписанию или событию;
• приводит показатели к единому справочнику (номенклатура, контрагенты, статьи затрат);
• находит аномалии — провал продаж по конкретному менеджеру, скачок возвратов, отклонение себестоимости;
• формирует текстовую часть: сводку, выводы, гипотезы по причинам отклонений;
• рассылает готовый документ адресатам и отвечает на уточняющие вопросы по нему.

Человек оставляет за собой:

• постановку целей и выбор метрик;
• проверку гипотез, которые предложила модель;
• решения, которые из этих гипотез следуют.

Такое разделение снимает главный страх руководителя: что нейросеть «напридумывает» и отчёт уйдёт в совет директоров с ошибкой. Модель пишет черновик, эксперт утверждает.

Архитектура: как это устроено технически

Типовая схема автоматизации отчётности на ИИ выглядит так.

1. Слой извлечения. Коннекторы к 1С (через HTTP-сервисы или OData), к CRM, к базе данных, к файловым выгрузкам. Здесь же — OCR, если часть первички приходит сканами или PDF.
2. Слой хранения. Хранилище нормализованных данных: PostgreSQL, ClickHouse или уже существующее DWH. Важно, чтобы показатели считались один раз и переиспользовались всеми отчётами.
3. Слой расчёта. SQL-модели, которые считают метрики. Это детерминированная часть — никакого ИИ, только проверяемая арифметика.
4. Слой генерации. LLM получает на вход посчитанные цифры и справочные материалы (регламенты, прошлые отчёты, комментарии менеджеров) и формирует текст. Именно здесь работает RAG: модель опирается на ваши документы, а не на общие знания из интернета.
5. Слой доставки. Отчёт уходит в почту, в Telegram, в BI-дашборд или возвращается в 1С как документ.

Ключевой принцип: цифры считает код, слова пишет модель. Если попросить LLM посчитать маржу самостоятельно, вы получите красивые, но неверные числа.

Развёртывание: облако или локальный контур

Для российского бизнеса вопрос размещения часто решается не удобством, а требованиями к данным. Если в отчётах фигурируют персональные данные клиентов, коммерческая тайна или сведения ограниченного доступа, разумный вариант — приватная LLM на собственных серверах.

Практика показывает, что для генерации отчётных текстов не нужны модели на сотни миллиардов параметров. Открытые модели среднего размера, развёрнутые на одной-двух GPU, справляются с задачей: они работают с уже подготовленными цифрами и коротким контекстом. Это даёт предсказуемую стоимость, отсутствие утечек за периметр и независимость от внешних API.

Гибридный сценарий тоже рабочий: чувствительные данные обрабатываются локально, а «безобидные» задачи — вроде переписывания черновика в деловой стиль — можно отдать внешнему сервису.

Сценарии, которые окупаются быстрее всего

Не стоит начинать с самого сложного отчёта. Быстрый эффект дают процессы с высокой частотой и понятной структурой.

• Ежедневная сводка по продажам. Утром руководитель получает сообщение: выручка, план/факт, топ-5 сделок, отклонения по менеджерам и короткий комментарий, почему цифры такие.
• Еженедельный отчёт по маркетингу. Данные из рекламных кабинетов и CRM сводятся в единую воронку, модель отмечает каналы с подорожавшей стоимостью лида.
• Финансовый отчёт по проектам. Сопоставление плановых и фактических затрат с расшифровкой по статьям.
• Отчёт по клиентской поддержке. Динамика обращений, тематика, доля эскалаций, влияние на удержание.
• HR-сводка. Текучесть, найм, загрузка команд — с автоматическим выделением подразделений, где показатели ушли за коридор.

Общий признак: данные уже есть в системах, не хватает только сборки и интерпретации.

Как считать эффект

Размышления «стало удобнее» не защитят бюджет проекта. Фиксируйте измеримые метрики до внедрения и через два-три месяца после.

• Часы на подготовку отчёта. Обычно падают с 4–8 до 15–30 минут на проверку.
• Срок получения данных. Сдвиг с «к концу недели» на «к 9:00 следующего дня» меняет качество управленческих решений.
• Доля расхождений. Число случаев, когда отчёт пришлось пересобирать из-за ошибки, должно стремиться к нулю.
• Количество отчётов на одного аналитика. Растёт без роста штата — это и есть основной экономический эффект.

Ошибки, которые ломают проекты

Попытка автоматизировать хаос. Если в компании нет единого справочника номенклатуры и каждый отдел считает выручку по-своему, ИИ лишь быстрее размножит расхождения. Сначала регламент, потом модель.

Ставка только на генеративную модель. Без детерминированного слоя расчётов вы получите генератор правдоподобных, но неверных цифр.

Отсутствие обратной связи. Модель нужно дообучать на том, какие формулировки руководитель принимает, а какие правит. Без этого качество текстов застынет на стартовом уровне.

Игнорирование прав доступа. Отчёт для отдела продаж и отчёт для собственника — разные контуры. Разграничение ролей нужно закладывать в архитектуру сразу, а не прикручивать потом.

С чего начать

Разумный старт — один отчёт, один источник данных, две-три недели на пилот. Выберите процесс, который раздражает команду больше всего, опишите метрики, соберите прототип на существующих выгрузках и покажите результат тем, кто будет им пользоваться ежедневно.

Если пилот экономит хотя бы половину времени на подготовке и не требует ручной правки цифр — масштабируйте на соседние отчёты. Так автоматизация отчётности превращается из ИТ-эксперимента в рабочий контур, который живёт в компании годами и не зависит от того, кто сегодня отвечает за сводку.