Аудит готовности компании к внедрению ИИ: данные, процессы, системы и люди

Что делаем со срезом

Просим выгрузку без отбора: не лучшие примеры, а то, что реально поступает за обычный период. Если выгрузить нельзя, работаем у вас в контуре. Дальше считаем простые вещи: сколько записей полных, сколько дублей, насколько по-разному названо одно и то же, как меняется формат от месяца к месяцу. Цифры нужны не для отчёта, а чтобы заказчик увидел состояние данных своими глазами.

Эталон и согласие экспертов

Чтобы сказать, работает ли решение, нужен эталон: набор примеров с правильным ответом. Мы просим двух сотрудников независимо разметить одни и те же контрольные примеры. Если они расходятся, проблема не в модели: правило принятия решения не сформулировано, и модель получит то же расхождение. Это одна из самых частых находок, и она дешевле всего исправляется до начала разработки.

Хватит ли данных

Ответ зависит от типа задачи, а не от абсолютного числа. Для поиска по документам нужны сами документы и набор вопросов с известными ответами. Для извлечения полей нужны образцы всех форм. Для прогноза нужна история, покрывающая сезоны и режимы работы. Если данных не хватает, мы называем, что собирать и сколько времени это займёт, и не обещаем «подтянуть моделью».

В отчёте нет оценки «зрелость по шкале от одного до пяти» без объяснения. Каждое замечание записано одинаково и допускает проверку.

• Что обнаружено. Факт, который можно воспроизвести: «в выборке из выгрузки заявок у значительной части записей не заполнено поле категории».
• Чем это грозит проекту. Связь с будущим решением: «модель не получит верного ответа для обучения и проверки по этой категории».
• Что сделать, кто и как проверит. Действие, ответственный, критерий: «заполнить поле по правилу, владелец процесса, повторная выгрузка».

Такой отчёт читается как рабочий список для вашей команды. Его можно передать подрядчику, чтобы он не открывал те же двери заново, и сверить через месяц, что сделано. Мы не называем процентов зрелости и не сравниваем вас с «рынком»: статистики по вашей отрасли у нас нет, а выдуманные цифры только мешают.

Что входит в отчёт

1. Вердикт по каждой из шести областей с обоснованием.
2. Список замечаний в формате «обнаружено, чем грозит, что сделать».
3. Результаты проверки на выборке: состояние данных, согласие экспертов.
4. Рекомендуемый тип решения и вариант размещения.
5. Описание пилота, если вердикт позволяет: цель, метрика, срок.
6. Вилка бюджета с допущениями и точками остановки.

Мы заинтересованы в пилоте, но если аудит показывает «рано», пишем об этом прямо. Вернуться через полгода с готовыми данными дешевле, чем потратить бюджет на проект, который остановится.

Если «готовы»

Описание пилота из отчёта можно отдать нескольким подрядчикам и сравнить предложения. Мы предлагаем свой вариант: лёгкий пилот одного сценария от 150 000 ₽ на вашей выборке, с метрикой и порогом, согласованными заранее. Как не застрять на пилоте, разобрано в статье «Почему ИИ-пилоты не доходят до продуктива».

Если «частично»

Работы по данным и процессу выполняет ваша команда или мы отдельным этапом. Типичные пункты: свести справочники, заполнить обязательные поля, назначить владельца, договориться о правилах разметки. После каждого пункта делаем контрольную проверку, а не ждём конца всего плана.

Если «рано»

Тогда ИИ откладывается, а в отчёте остаётся то, что даст пользу и без него: отчёт в учётной системе, правило маршрутизации, общий справочник. Это не провал аудита, а честный результат. Общую картину внедрения вы найдёте на странице «Внедрение ИИ», а о том, как выбирать первую задачу, на странице консалтинга по ИИ.