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

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:

1. Ядро агента — логика, промпты, обработка ответов LLM

2. Интеграции — коннекторы к источникам данных, уведомления

3. RAG-система — загрузка базы знаний, поиск, подстановка в промпты

4. Отказоустойчивость — circuit breaker, fallback LLM, persistent queue, retry

5. 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:

1. Выбран конкретный процесс с понятными границами

2. Есть эксперты, готовые тратить время на интервью

3. Есть исторические данные для анализа

4. Определён бюджет (минимум 750к на MVP)

5. Определены сроки (минимум 3 месяца)

6. Есть спонсор проекта на уровне руководства

7. 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»:

1. 6 проблем, о которых молчат интеграторы

2. Инструкция для человека vs инструкция для AI

3. Кто отвечает за ошибки AI-агента

4. Что делать, когда AI-агент «упал»

5. Как передать агенту неявные знания

6. Пошаговый план внедрения ← вы здесь

Анатолий Лапков. Telegram: @futex_ai