Финал серии. Время собрать всё вместе.

За пять статей мы разобрали:
— Почему 95% пилотов не дают результата
— Почему инструкция для AI в 20 раз больше инструкции для человека
— Как распределить ответственность за ошибки
— Как построить отказоустойчивую архитектуру
— Как передать агенту неявные знания

Теперь — практический план. От «хотим автоматизировать» до работающего агента с измеримым ROI.

Фреймворк: 3 фазы, 12 недель

Фаза 1: Подготовка (недели 1-4)
→ Выбор процесса → Аудит → Формализация → Модель ответственности

Фаза 2: Разработка (недели 5-8)
→ Архитектура → Разработка → База знаний → Тестирование

Фаза 3: Запуск (недели 9-12)
→ Shadow mode → Пилот → Масштабирование → ROI

Порядок важен. Каждая фаза строится на результатах предыдущей. Пропустить подготовку и сразу кодить — главная причина провалов.

Фаза 1: Подготовка (недели 1-4)

Неделя 1: Выбор процесса

Не все процессы подходят для автоматизации. Критерии хорошего кандидата:

Повторяемость — минимум 50 раз в месяц. Иначе не окупится.

Формализуемость — можно описать правила принятия решений. «Каждый случай уникальный» = плохой кандидат.

Стабильность — процесс не меняется каждую неделю. Иначе база знаний устареет быстрее, чем её создадите.

Измеримость — можно посчитать ROI: время, ошибки, деньги.

Умеренная сложность — не самый простой (зачем?) и не самый сложный (слишком много edge cases).

Красные флаги: «Только Петрович знает, как это делать» → сначала формализация. «Мы это делаем раз в квартал» → не окупится. «Правила постоянно меняются» → слишком рано.

Результат: выбран один процесс для пилота.

Недели 2-3: Аудит и формализация

Вытаскиваем знания из голов. Подробно — в статье про tacit knowledge.

Коротко: 5-7 интервью с экспертами → анализ истории за 3-6 месяцев → формализация в плейбуки (15-30 штук) → валидация с экспертами.

Результат: формализованное описание процесса на 20-50 страниц.

Неделя 4: Модель ответственности и SLA

Определяем:
— Границы автономии агента (что сам, что с подтверждением, что эскалация)
— RACI-матрицу для каждого типа операций
— SLA: доступность 99.5%, время ответа 30 сек, допустимый процент ошибок 2%
— Метрики успеха для расчёта ROI

Результат: подписанный регламент использования AI-системы.

Фаза 2: Разработка (недели 5-8)

Неделя 5: Архитектура

Определяем стек: основной LLM + резервный, векторная база для RAG, очередь задач, мониторинг.

Интеграции: откуда данные (CRM, почта, ЭДО), куда результаты, как уведомляем людей.

Безопасность: где хранятся данные, кто имеет доступ, логирование.

Результат: техническое задание на разработку.

Недели 6-7: Разработка

Пять параллельных треков:

Ядро агента — логика, промпты, обработка ответов LLM
Интеграции — коннекторы к источникам данных, уведомления
RAG-система — загрузка базы знаний, поиск, подстановка в промпты
Отказоустойчивость — circuit breaker, fallback LLM, persistent queue, retry
Мониторинг — дашборд, алерты, логирование

Результат: работающий прототип в dev-среде.

Неделя 8: Тестирование

Главный тест — прогон на исторических данных. Берём 100-200 реальных кейсов, сравниваем решения агента с решениями людей. Анализируем расхождения.

Плюс unit-тесты, интеграционные, нагрузочные и тесты отказоустойчивости (эмулируем сбой LLM, проверяем fallback).

Результат: протестированная система, готовая к shadow mode.

Фаза 3: Запуск (недели 9-12)

Недели 9-10: Shadow mode

Агент работает параллельно с человеком. Предлагает решения, но не исполняет.

Задача приходит обоим → агент формирует предложение → человек принимает своё решение → система сравнивает и логирует расхождения.

Еженедельный разбор. Цель: совпадение >95%, ноль критических ошибок.

Критерий выхода: 2 недели с совпадением >95% и без критичных расхождений.

Неделя 11: Пилот

Агент начинает работать автономно, но в ограниченном scope: только простые типы задач, суммы до порога, знакомые контрагенты.

Постепенное расширение:
— День 1-3: 10% задач
— День 4-7: 30% задач
— Неделя 2: 50% задач

Мониторинг в реальном времени, ежедневный разбор.

Неделя 12: Масштабирование и ROI

Расширяем scope: увеличиваем долю автоматизированных задач, поднимаем пороги, добавляем новые типы.

И считаем ROI.

ROI-калькуляция

Конкретный пример для процесса согласования договоров:

Экономия времени:
  Было: 100 договоров/мес × 30 мин = 50 часов/мес
  Стало: 100 договоров/мес × 5 мин (проверка) = 8 часов/мес
  Экономия: 42 часа/мес

Стоимость экономии:
  42 часа × 1 500 ₽/час (менеджер + юрист) = 63 000 ₽/мес
  + Снижение ошибок: ~20 000 ₽/мес
  + Ускорение цикла: ~15 000 ₽/мес
  Итого экономия: ~98 000 ₽/мес

Стоимость системы:
  Разработка (разово): 900 000 ₽
  LLM API: 30 000 ₽/мес
  Поддержка: 40 000 ₽/мес
  Инфраструктура: 10 000 ₽/мес
  Итого ежемесячно: 80 000 ₽/мес

Чистая экономия: 98 000 - 80 000 = 18 000 ₽/мес
Окупаемость: 900 000 / 18 000 = 50 месяцев

50 месяцев — долго. Но это для 100 договоров. При 500 экономия растёт в 5 раз, а расходы на LLM — только в 2-3.

При 500 договорах/мес:
  Экономия: ~490 000 ₽/мес
  Расходы: ~130 000 ₽/мес
  Чистая экономия: 360 000 ₽/мес
  Окупаемость: 900 000 / 360 000 = 2.5 месяца

Получается, AI-агенты окупаются на масштабе. Именно поэтому критерий «минимум 50 операций в месяц» — нижняя граница. По-хорошему, нужно от 300.

Типичные бюджеты

Для среднего процесса:

Фаза 1 (подготовка):    200-350к
  Аудит и интервью:      80-120к
  Формализация:          100-180к
  Регламенты:            20-50к

Фаза 2 (разработка):    400-700к
  Архитектура и ТЗ:      50-100к
  Разработка:            250-450к
  Тестирование:          100-150к

Фаза 3 (запуск):        150-250к
  Shadow mode:           50-100к
  Пилот:                 50-100к
  Масштабирование:       50к

Итого: 750к - 1.3 млн

Ежемесячные расходы:
  LLM API:               20-50к
  Поддержка:             30-50к
  Инфраструктура:        10-20к
  Итого:                 60-120к/мес

Чеклист перед стартом

Прежде чем начинать:

Выбран конкретный процесс с понятными границами
Есть эксперты, готовые тратить время на интервью
Есть исторические данные для анализа
Определён бюджет (минимум 750к на MVP)
Определены сроки (минимум 3 месяца)
Есть спонсор проекта на уровне руководства
Команда понимает, что это не «просто подключить ChatGPT»

Если на два и более — «нет», вы не готовы.

Выводы

Внедрение AI-агента — это не покупка софта. Это проект организационных изменений с технической компонентой.

12 недель. 750к-1.3 млн. Три фазы: подготовка, разработка, запуск.

Главное — не пропускать этапы. Особенно подготовку. 70% провалов — из-за того, что начали кодить без формализации процессов.

Это была последняя статья серии. Если хотите обсудить конкретный проект или заказать аудит процесса — пишите в Telegram: @futex_ai

Серия «Почему AI-проекты проваливаются»:

6 проблем, о которых молчат интеграторы
Инструкция для человека vs инструкция для AI
Кто отвечает за ошибки AI-агента
Что делать, когда AI-агент «упал»
Как передать агенту неявные знания
Пошаговый план внедрения ← вы здесь

Анатолий Лапков. Telegram: @futex_ai

Пошаговый план внедрения AI-агента: от идеи до ROI за 3 месяца