Как рассчитать окупаемость автоматизации?
Автоматизацию нельзя оценивать фразой «стало удобнее» или «стало быстрее».
Нужно считать деньги. 💰💰💰
Берем процесс и отвечаем на четыре вопроса:
- сколько часов он съедает сейчас?
- сколько стоит час сотрудника?
- сколько часов уберет автоматизация?
- сколько стоят внедрение и поддержка?
Формула простая:
Чистая экономия в месяц = убранные часы × стоимость часа − поддержка
Срок окупаемости = стоимость внедрения / чистая экономия в месяц
Пример.
Есть и дополнительный эффект:
- меньше забытых задач;
- быстрее ответы;
- жестче контроль поручений.
⚠️ Но где же экономия, спросите вы?
И вы чертовски правы!
Экономии не будет, если высвобожденное время не направить на создание другой ценности.
В этом расчете есть важный ингредиент: высвобожденное время нужно либо переиспользовать, либо убрать. Тогда и появляется реальная экономия.
А это уже не техническая задача, а управленческая.
Именно поэтому многие точечные проекты автоматизации не окупаются: нет масштаба экономии или высвобожденное время никак не используется.
Автоматизация обычно окупается в трех случаях:
🔹 вы выбираете между наймом нового человека и автоматизацией процесса;
🔹 вы заранее знаете, куда направите высвобожденные часы;
🔹 вы можете сократить потребность в штатных единицах за счет автоматизации.
Для оценки окупаемости автоматизации вашего процесса – напишите нам!
Автоматизацию нельзя оценивать фразой «стало удобнее» или «стало быстрее».
Нужно считать деньги. 💰💰💰
Берем процесс и отвечаем на четыре вопроса:
- сколько стоит час сотрудника?
- сколько часов уберет автоматизация?
- сколько стоят внедрение и поддержка?
Формула простая:
Чистая экономия в месяц = убранные часы × стоимость часа − поддержка
Срок окупаемости = стоимость внедрения / чистая экономия в месяц
Пример.
Руководитель каждый день тратит время на рутину: разбирает письма, ищет документы, формулирует поручения, готовит черновики ответов, вспоминает, кому и что обещал.
Пусть на это уходит 1,5 часа в день.
В месяце 20 рабочих дней.
1,5 × 20 = 30 часов в месяц.
Если час руководителя стоит 3 000 ₽, то эта рутина стоит:
30 × 3 000 = 90 000 ₽ в месяц.
ИИ-ассистент не заменяет руководителя. Он забирает черновую работу: делает выжимки, готовит ответы, собирает задачи после встреч, напоминает о поручениях.
Допустим, он сокращает эту работу на 50%.
90 000 × 50% = 45 000 ₽ экономии в месяц.
Теперь вычитаем поддержку.
Если сопровождение стоит 15 000 ₽ в месяц, чистая экономия:
45 000 − 15 000 = 30 000 ₽ в месяц.
Внедрение стоит 180 000 ₽.
180 000 / 30 000 = 6 месяцев.
Значит, проект окупится за полгода.
После этого ассистент экономит примерно 30 000 ₽ в месяц.
Есть и дополнительный эффект:
- меньше забытых задач;
- быстрее ответы;
- жестче контроль поручений.
⚠️ Но где же экономия, спросите вы?
Я заплачу 180 000 ₽ за внедрение и 15 000 ₽ в месяц за поддержку, а зарплату руководителю как платил, так и буду платить?
И вы чертовски правы!
Экономии не будет, если высвобожденное время не направить на создание другой ценности.
В этом расчете есть важный ингредиент: высвобожденное время нужно либо переиспользовать, либо убрать. Тогда и появляется реальная экономия.
А это уже не техническая задача, а управленческая.
Именно поэтому многие точечные проекты автоматизации не окупаются: нет масштаба экономии или высвобожденное время никак не используется.
Автоматизация обычно окупается в трех случаях:
🔹 вы выбираете между наймом нового человека и автоматизацией процесса;
🔹 вы заранее знаете, куда направите высвобожденные часы;
🔹 вы можете сократить потребность в штатных единицах за счет автоматизации.
Для оценки окупаемости автоматизации вашего процесса – напишите нам!
🔥5👍3❤🔥2👨💻1
Как выглядит комплексная автоматизация на практике?
Сегодня расскажу о нашем флагманском проекте - системе комплексной автоматизации градостроительного проектирования, разработанной для компании «Параллельные Решения».
Градостроительный проект - это не только карта. Это сотни слоев и таблиц, формулы и расчеты, текстовые разделы и нормативы, графики и диаграммы.
Если делать всё вручную, возникают две проблемы:
🔸проект занимает сотни и тысячи часов;
🔸при каждом изменении растет риск технических ошибок.
Задача была простой по формулировке и сложной по реализации: кратно сократить трудоемкость проектирования. Условно - превратить 40 000 часов ручной работы в 10 000.
Что сделали?
1️⃣ Провели аудит производственных операций: глубинные интервью с командой, анализ данных и документов, отсмотр рабочего дня специалистов, оценку возможностей и ограничений действующих ГИС-систем.
2️⃣ После этого собрали требования всех участников процесса и спроектировали целевую архитектуру.
В основе системы - QGIS и единая пространственная база данных. Несколько специалистов работают с одними слоями, а изменения сразу видит вся проектная команда.
Поверх базы разработали набор модулей, которые автоматизируют 80% технической работы в ГИС:
Отдельный блок - текстовая часть.
Сервис берет исходные данные, таблицы, структурирует их, проводит расчеты и помогает формировать разделы генплана, ПЗЗ и местных нормативов.
Главная ценность - связь текста и карты.
Объект изменился на графике - связанные показатели можно актуализировать в текстовых материалах без ручного переписывания.
ИИ здесь не «проектирует город». Он помогает искать, анализировать, классифицировать и структурировать данные. Проектные решения принимает специалист. Алгоритмы делают расчеты и оформляют документы.
В итоге система забирает на себя большую часть технической работы, а команда тратит больше времени на проектные решения, а не на перенос данных между таблицами, слоями и документами.
Фактический эффект - сокращение времени разработки проекта в 2,5 раза.
Проект занял первое место в VI сезоне Национального конкурса «ПРОФ-IT.Инновация» в номинации «Геопространственные технологии и сервисы».
Сегодня расскажу о нашем флагманском проекте - системе комплексной автоматизации градостроительного проектирования, разработанной для компании «Параллельные Решения».
Градостроительный проект - это не только карта. Это сотни слоев и таблиц, формулы и расчеты, текстовые разделы и нормативы, графики и диаграммы.
Если делать всё вручную, возникают две проблемы:
🔸проект занимает сотни и тысячи часов;
🔸при каждом изменении растет риск технических ошибок.
Задача была простой по формулировке и сложной по реализации: кратно сократить трудоемкость проектирования. Условно - превратить 40 000 часов ручной работы в 10 000.
Что сделали?
1️⃣ Провели аудит производственных операций: глубинные интервью с командой, анализ данных и документов, отсмотр рабочего дня специалистов, оценку возможностей и ограничений действующих ГИС-систем.
2️⃣ После этого собрали требования всех участников процесса и спроектировали целевую архитектуру.
В основе системы - QGIS и единая пространственная база данных. Несколько специалистов работают с одними слоями, а изменения сразу видит вся проектная команда.
Поверх базы разработали набор модулей, которые автоматизируют 80% технической работы в ГИС:
- подставляют нормативные и расчетные значения;
- проверяют правила заполнения атрибутов;
- находят и исправляют ошибки геометрии;
- формируют функциональное зонирование;
- загружают данные из открытых источников;
- наносят объекты по адресам и координатам;
- выявляют пересечения с землями лесного фонда;
- готовят координатные описания для ЕГРН;
- помогают оформлять чертежи, легенды и листовую разбивку.
Отдельный блок - текстовая часть.
Сервис берет исходные данные, таблицы, структурирует их, проводит расчеты и помогает формировать разделы генплана, ПЗЗ и местных нормативов.
Главная ценность - связь текста и карты.
Объект изменился на графике - связанные показатели можно актуализировать в текстовых материалах без ручного переписывания.
ИИ здесь не «проектирует город». Он помогает искать, анализировать, классифицировать и структурировать данные. Проектные решения принимает специалист. Алгоритмы делают расчеты и оформляют документы.
В итоге система забирает на себя большую часть технической работы, а команда тратит больше времени на проектные решения, а не на перенос данных между таблицами, слоями и документами.
Фактический эффект - сокращение времени разработки проекта в 2,5 раза.
Проект занял первое место в VI сезоне Национального конкурса «ПРОФ-IT.Инновация» в номинации «Геопространственные технологии и сервисы».
❤4🔥3👨💻2
Что такое AI-агент и чем он отличается от ChatGPT?
Многие думают, что AI-агент - это просто «ChatGPT, только для бизнеса».
Не совсем.
ChatGPT отвечает на запрос.
Вы задали вопрос - получили ответ.
Попросили текст - получили текст.
Попросили идею - получили варианты.
Это диалог.
AI-агент работает по-другому.
Ему ставят цель, дают доступ к нужным данным и инструментам, а дальше он выполняет последовательность действий по заданным правилам.
Например:
ChatGPT помогает думать. AI-агент помогает делать.
Разница в том, что агент встроен в процесс.
Вот у меня работает такой агент - я называю его рыночный аналитик.
Он обращается к внутренним базам Битрикса и открытым источникам: сайтам конкурентов, тендерным площадкам и другим ресурсам.
Он регулярно присылает мне сводку: что изменилось на рынке, кто победил в тендерах, что происходит у конкурентов, как изменилась моя доля рынка.
Самое полезное - возможность задать ему произвольный вопрос.
Например:
Именно в этом сила AI-агентов: они не просто генерируют текст, а работают внутри конкретного процесса с реальными данными.
Но есть важный нюанс.
Нельзя просто дать агенту доступ ко всему и сказать: «работай».
Нужно заранее определить:
- какие задачи он выполняет;
- какие данные использует;
- где нужен контроль человека;
- какие действия ему разрешены.
Хороший AI-агент - это исполнитель внутри процесса: он собирает данные, выполняет задачи и выдает предсказуемый результат.
Кому интересно посмотреть, как это работает на практике - пишите @krasheninni
Многие думают, что AI-агент - это просто «ChatGPT, только для бизнеса».
Не совсем.
ChatGPT отвечает на запрос.
Вы задали вопрос - получили ответ.
Попросили текст - получили текст.
Попросили идею - получили варианты.
Это диалог.
AI-агент работает по-другому.
Ему ставят цель, дают доступ к нужным данным и инструментам, а дальше он выполняет последовательность действий по заданным правилам.
Например:
«Подготовь меня к встрече с клиентом X».
AI-агент может найти историю переписки, посмотреть прошлые коммерческие предложения, собрать информацию о компании, выделить открытые вопросы и подготовить краткую записку перед встречей.
ChatGPT помогает думать. AI-агент помогает делать.
Разница в том, что агент встроен в процесс.
Вот у меня работает такой агент - я называю его рыночный аналитик.
Он обращается к внутренним базам Битрикса и открытым источникам: сайтам конкурентов, тендерным площадкам и другим ресурсам.
Он регулярно присылает мне сводку: что изменилось на рынке, кто победил в тендерах, что происходит у конкурентов, как изменилась моя доля рынка.
Самое полезное - возможность задать ему произвольный вопрос.
Например:
«Найди три последних тендера, в которых победила компания X».
Через несколько секунд получаю достоверный ответ со всеми деталями.
Именно в этом сила AI-агентов: они не просто генерируют текст, а работают внутри конкретного процесса с реальными данными.
Но есть важный нюанс.
Нельзя просто дать агенту доступ ко всему и сказать: «работай».
Нужно заранее определить:
- какие задачи он выполняет;
- какие данные использует;
- где нужен контроль человека;
- какие действия ему разрешены.
Хороший AI-агент - это исполнитель внутри процесса: он собирает данные, выполняет задачи и выдает предсказуемый результат.
Кому интересно посмотреть, как это работает на практике - пишите @krasheninni
👍5❤🔥3🔥3👨💻2
Какую нейросеть мы используем в работе
Меня очень часто спрашивают: какой нейросетью вы сами пользуетесь?
За последний год рынок ИИ изменился настолько, что сегодня практически невозможно построить эффективный процесс, используя только одну модель. Каждая из них имеет сильные стороны, их стоимость может отличаться в десятки раз. И задача инженера - собрать единый производственный конвейер, который будет эффективно использовать ресурсы человека и вычислительных машин.
Поэтому мы не используем одну модель для всего.
Приоткрою завесу тайны и расскажу, какими инструментами мы сами пользуемся для ускорения разработки IT-решений.
Когда стадия бизнес-анализа завершена, и проект начинает воплощаться в жизнь, как правило, он проходит через несколько этапов. Наш производственный конвейер состоит минимум из 6 этапов. В карточках к посту кратко описаны основные инструменты каждого.
Именно такой подход сегодня дает максимальную скорость разработки, высокое качество решений и существенно снижает стоимость исправления ошибок на поздних этапах проекта.
А какими инструментами пользуетесь вы?
Меня очень часто спрашивают: какой нейросетью вы сами пользуетесь?
За последний год рынок ИИ изменился настолько, что сегодня практически невозможно построить эффективный процесс, используя только одну модель. Каждая из них имеет сильные стороны, их стоимость может отличаться в десятки раз. И задача инженера - собрать единый производственный конвейер, который будет эффективно использовать ресурсы человека и вычислительных машин.
Поэтому мы не используем одну модель для всего.
Приоткрою завесу тайны и расскажу, какими инструментами мы сами пользуемся для ускорения разработки IT-решений.
Когда стадия бизнес-анализа завершена, и проект начинает воплощаться в жизнь, как правило, он проходит через несколько этапов. Наш производственный конвейер состоит минимум из 6 этапов. В карточках к посту кратко описаны основные инструменты каждого.
Именно такой подход сегодня дает максимальную скорость разработки, высокое качество решений и существенно снижает стоимость исправления ошибок на поздних этапах проекта.
А какими инструментами пользуетесь вы?
👍8🔥7❤🔥3👨💻3⚡2
Как объяснить ребенку, что такое интеллектуальная автоматизация?
Это Лев. Ему 6.
Вчера утром он услышал, как я по зуму обсуждаю программных роботов.
Дождался конца дня и спросил: «Папа, что ты делаешь там на работе?»
Я стал объяснить, что такое интеллектуальная автоматизация, на примере Лего.
Лев удовлетворился таким ответом, но пожелал как-нибудь попробовать папин Лего. А если серьезно, все так и есть. Каждая технология – это кубик. А наша задача соединить их так, чтобы они работали как надо НАМ: ускоряли, улучшали, делали работу автоматической.
Кубики могут быть разных форм и цветов, простые и сложные, длинные и короткие. Их можно по-разному соединять, но все они образуют систему и делаются для какой-то цели.
Из кубиков строятся дома, дороги, фермы или любые решения, которые требуются бизнесу. Каждый кубик важен, но конструкция работает только когда они собраны правильно и взаимодействуют между собой.
Это Лев. Ему 6.
Вчера утром он услышал, как я по зуму обсуждаю программных роботов.
Дождался конца дня и спросил: «Папа, что ты делаешь там на работе?»
Я стал объяснить, что такое интеллектуальная автоматизация, на примере Лего.
Представь, нам нужно построить дом или дорогу. Мы же используем детали? Длинные и короткие, разных цветов, и чтобы цеплялись между собой. Из кубиков мы строим колонны, длинными соединяем пролеты. Каждая деталь подходит для чего-то лучше других. В итоге куча разбросанных деталей стала настоящей дорогой, запускай паровоз!
И на работе твой папа тоже собирает кубики. Но живут они в компьютере. Как и в лего, у каждой детали своя задача: ускорять процесс, облегчать операцию. Папа должен сделать так, чтобы все кубики соединились и работали слаженно. Чтоб, где надо, крутилось и не развалилось.
Лев удовлетворился таким ответом, но пожелал как-нибудь попробовать папин Лего. А если серьезно, все так и есть. Каждая технология – это кубик. А наша задача соединить их так, чтобы они работали как надо НАМ: ускоряли, улучшали, делали работу автоматической.
Кубики могут быть разных форм и цветов, простые и сложные, длинные и короткие. Их можно по-разному соединять, но все они образуют систему и делаются для какой-то цели.
Из кубиков строятся дома, дороги, фермы или любые решения, которые требуются бизнесу. Каждый кубик важен, но конструкция работает только когда они собраны правильно и взаимодействуют между собой.
❤7🔥5⚡4👍2🥰2👨💻1👾1
Знакомьтесь, Анечка!
Анечка – это скриптовой голосовой робот, цифровой сотрудник отдела маркетинга и продаж, сфокусированный на лидогенерации.
Анечка умеет звонить клиентам, выявлять их потребности, анализировать ответы и квалифицировать лиды.
Подробности в карточках. Позже я расскажу, чем скриптовые роботы отличаются от генеративных и почему вторые пока работают хуже.
Напишите мне, я пришлю записи реальных разговоров Анечки и отвечу на вопросы.
Каждый может сделать Анечку под свои задачи.
Анечка – это скриптовой голосовой робот, цифровой сотрудник отдела маркетинга и продаж, сфокусированный на лидогенерации.
Анечка умеет звонить клиентам, выявлять их потребности, анализировать ответы и квалифицировать лиды.
Задача: собрать с потенциальных клиентов обратную связь об их статусе/ интересе/ потребностях в продукте и пр. База: 10 000 номеров.
Проблема: если это будут делать люди, то это займет 200 чел./дн. или 1 млн. руб.
Решение: поручаем задачу Анечке и получаем на выходе квалифицированную холодную базу.
Подробности в карточках. Позже я расскажу, чем скриптовые роботы отличаются от генеративных и почему вторые пока работают хуже.
Напишите мне, я пришлю записи реальных разговоров Анечки и отвечу на вопросы.
Каждый может сделать Анечку под свои задачи.
🔥7👍5❤3👨💻1