Пилот за 30 дней — это не гонка ради скорости, а способ за месяц получить ответ на один вопрос: даёт ли ИИ измеримый эффект на конкретном процессе. Ниже — чеклист, по которому мы ведём пилотные проекты: от постановки метрики до решения о масштабировании.

Дни 1–5. Один процесс и одна метрика

Формулировка «внедрить ИИ в компанию» не проверяется. Рабочая формулировка — «сократить обработку входящих заявок с 12 до 4 минут» или «снизить долю ручного ввода реквизитов в УПД на 70%». Метрика должна считаться по данным, которые уже есть в системе, иначе результат будет нечем подтвердить.

На этом же этапе назначается владелец процесса — не ИТ-директор, а руководитель, который отвечает за операционный результат. Вместе с ним письменно фиксируются бюджет пилота, состав команды и критерий провала: при каком результате проект закрывается без доработок.

Дни 6–12. Данные, доступы и контур

Соберите 200–500 реальных примеров: письма, сканы, выгрузки из 1С, историю обращений в поддержку. Данные из презентаций и демо-стендов дают завышенные ожидания — проверять гипотезу нужно на «грязной» продакшн-выборке.

Параллельно решается вопрос контура. Если в документах есть персональные данные, коммерческая тайна или сведения ограниченного доступа, вариант один — приватная LLM на собственном сервере. Согласование с ИБ и юристами по 152-ФЗ и внутренним регламентам занимает 3–5 дней, и это лучше проходить на второй неделе, а не на двадцатый день.

Дни 13–20. Сборка прототипа

Типовой стек пилота: локальная модель (Qwen, GigaChat, YandexGPT в закрытом контуре), векторная база pgvector или Qdrant для RAG по регламентам и базе знаний, OCR для сканов, интеграция с 1С, Битрикс24 или CRM через API. Всё это разворачивается на одном сервере с GPU — без промышленной отказоустойчивости, она на этом этапе не нужна.

Главное правило: не строить «ассистента на всё», а закрыть один сценарий целиком. Например, извлечение полей из УПД и создание документа в 1С, а не «умный поиск по всей компании».

Дни 21–26. Тест на реальных задачах

Прототип прогоняется на отложенной выборке, которая не участвовала в настройке. Считаются конкретные числа: точность извлечения по каждому полю, доля ответов, требующих правки человеком, время на операцию до и после, стоимость обработки одного документа.

Тестируют 3–5 сотрудников, которые работают с процессом ежедневно, а не только энтузиасты. Их замечания почти всегда важнее метрик: если оператору неудобно подтверждать результат, экономия часов не материализуется.

Дни 27–30. Решение: масштабировать, доработать или закрыть

Возможны три исхода. Первый — эффект подтверждён, готовится план на 2–3 месяца с расширением на смежные процессы. Второй — гипотеза работает частично, нужна доработка данных или сценария. Третий — метрика не достигнута, пилот закрывается, и это нормальный результат: он дешевле, чем годовая программа внедрения без эффекта.

В план масштабирования сразу закладывается стоимость владения: сервер или токены, поддержка, дообучение, обновление модели.

Что чаще всего ломает пилот

• Нет владельца процесса — задачи зависают между ИТ и бизнесом.
• Метрика подменяется субъективным «нравится / не нравится».
• Данные берутся из демо, а не из продакшна.
• Вопросы ИБ и правовой допустимости поднимаются в последнюю неделю.
• Выбран процесс, где ошибка модели стоит дорого: платежи, кадровые решения, юридически значимые ответы клиентам.

Как мы можем помочь

АПС — инженерная студия: разворачиваем приватные LLM, RAG-системы, ИИ-агентов, OCR и интеграции с 1С и CRM. Мы проводим пилот за 30 дней по этому чеклисту: помогаем выбрать процесс и метрику, подготовить данные, собрать прототип в закрытом контуре и посчитать экономику до масштабирования. Обсудить проект