Недельный отчёт перестал быть чьей-то пятницей

Задача

Каждую неделю несколько человек вручную переносят данные из писем, вложений и таблиц в общий отчёт. Отчёт готов к вечеру пятницы, к понедельнику уже устарел, а разные отделы считают одну и ту же метрику по-разному.

Внешний ориентир:

• Опрос 2025 года: сотрудники тратят более 9 часов в неделю на ручной перенос данных из писем, PDF, таблиц и сканов в цифровые системы; суммарная стоимость ручного ввода оценена в $28 500 на сотрудника в год.
• В финансовых функциях ещё выше: 41% процессов FP&A выполняются вручную, это около 10 часов в неделю времени квалифицированного специалиста в таблицах.

Что построено

1. Сбор по расписанию — n8n забирает данные из почты, таблиц и CRM, нормализует и складывает в PostgreSQL.
2. Разбор неструктурированных вложений — AI-агент превращает письмо, PDF или выгрузку в набор полей по заданной схеме. Замер: 9,2 с на документ (одиночный прогон, HTTP 200).
3. Словарь метрик — каждая метрика имеет одно определение, один источник и указание, кем и когда оно согласовано. У любого числа на панели видно, откуда оно.
4. Панель на TypeScript — показатели, динамика, разрезы по направлениям; данные обновляются по расписанию, а не по нажатию.
5. AI-аналитик рядом с цифрами — вопрос на естественном языке возвращает разбор с гипотезами. Замер: 3,8 с на ответ.
6. Обязательная оговорка в интерфейсе: гипотезы AI требуют проверки по исходным данным. Это не украшение, это условие того, чтобы панели доверяли.

Что происходит, когда что-то ломается

• Источник не отдал данные — метрика показывается с явной пометкой «данные за период неполные», а не тихо считается по неполному набору. Молчаливо неверное число хуже отсутствующего.
• Разбор документа не удался — документ уходит в очередь ручного разбора со ссылкой на оригинал.
• Расхождение с исходной системой — сверка по расписанию; при расхождении выше порога приходит алерт.
• Аналитик не отвечает — панель продолжает работать: цифры не зависят от доступности модели.

Результаты

Показатель	До	После	Природа числа
Ручной сбор отчёта	~12 ч/нед на команду	~1 ч/нед на проверку	расчёт по модели
Актуальность данных	раз в неделю	по расписанию, ежедневно	свойство архитектуры
Разбор входящего документа	5–10 мин вручную	9,2 с	измерено
Ответ на вопрос по метрикам	«спроси аналитика, он посмотрит»	3,8 с	измерено
Разные определения одной метрики	2–3 версии	одна, с указанием источника	свойство архитектуры

Как считалось

До:    3 сотрудника × 4 ч/нед на сбор отчёта = 12 ч/нед ≈ 48 ч/мес
После: 1 ч/нед на проверку и комментарий      ≈ 4 ч/мес
Экономия времени ≈ 44 ч/мес
Ставка австралийского операционного аналитика ≈ AUD 55/ч полная стоимость (≈ USD 36/ч)
Экономия в деньгах ≈ 44 × USD 36 ≈ USD 1 584/мес (≈ AUD 2 420)
Окупаемость сборки = USD 1 190 ÷ USD 1 584 ≈ 0,8 месяца
С сопровождением   = USD 1 190 ÷ USD 1 434 ≈ 0,8 месяца

Точка отсчёта — Австралия: три сотрудника, по 4 часа в неделю каждый, ставка операционного аналитика AUD 55/ч с суперанюэйшн и налогами на фонд оплаты труда, курс 1 AUD = 0,65 USD. Внешний ориентир (9+ часов в неделю на ручной перенос данных) показывает, что 4 часа — консервативная оценка, а не завышенная.

Что не сработало с первого раза

1. Первая версия считала «конверсию» по данным из двух систем с разными определениями лида — цифры не сошлись с CRM, и панели перестали верить за один день. Лечится словарём метрик и показом источника у каждого числа, а не подгонкой формулы.
2. AI-аналитик охотно объяснял случайные колебания как тренды. Добавлено требование указывать объём выборки и оговорка про проверку гипотез.
3. Ежедневное обновление оказалось избыточным для части метрик и создавало шум в алертах. Частота обновления стала настройкой метрики, а не системы.

Сроки и стоимость

День	Что происходит	Артефакт
1	Инвентаризация источников, словарь метрик, критерий приёмки	Согласованные определения метрик
2	Сбор и нормализация, хранилище	Данные в базе, сверка с источником
3	Разбор неструктурированных документов	Агент на ваших реальных файлах
4	Панель, разрезы, аналитик, алерты	Работающая панель
5	Сверка с исходными системами, документация, видеоразбор	Система и словарь метрик у вас

Внешнее подтверждение

• Опрос: ручной ввод данных обходится американским компаниям в $28 500 на сотрудника в год — более 9 часов в неделю на перенос данных.
• DataRails: 41% процессов FP&A выполняются вручную — около 10 часов в неделю в таблицах.
• MIT Project NANDA, The GenAI Divide (2025) — почему проекты без инструментирования процесса не дают эффекта.