Данные были в системах, но решения всё равно ждали часами
Компания с 200+ сотрудниками обслуживала сотни B2B-клиентов и работала со сложной номенклатурой. Главные задержки возникали не из-за отсутствия данных, а из-за ручного доступа к ним.
Каждый управленческий отчёт требовал отдельного SQL-запроса и занимал 4–6 часов. Руководители не видели оперативную картину по прибыли, заказам и дебиторской задолженности, а аналитики тратили большую часть дня на повторяющиеся выборки.
Клиенты звонили менеджерам, чтобы узнать статус заказа, получить документ или найти аналог товара. Ответ занимал от 30 минут до нескольких часов. Внутри компании инструкции были распределены по десяткам файлов: поиск занимал 15–60 минут, а адаптация новичка — 2–3 недели.
Дать трём группам пользователей один быстрый и контролируемый доступ к данным
Руководителям требовалось получать отчёты обычным вопросом, клиентам — самостоятельно решать типовые задачи 24/7, сотрудникам — быстро находить точную инструкцию. При этом нельзя было открывать модели лишние данные или позволять ей возвращать непроверенный SQL.
Мы зафиксировали измеримые критерии: время до ответа, точность запросов, долю обращений без менеджера, скорость адаптации и влияние на экономику. Рискованные операции оставили под контролем человека, а доступы разделили по ролям.
Три рабочих сценария на едином LLM-контуре
Я выстроил архитектуру так, чтобы одна защищённая платформа обслуживала аналитику, клиентский сервис и поиск знаний, но каждый сценарий работал только со своим набором данных и прав доступа.
- 1
Разобрали процессы и метрики
Провели аудит отчётности, обращений и документов. Зафиксировали исходное время, типовые вопросы, ошибки и правила доступа.
- 2
Подключили управленческие данные
Text-to-SQL модуль переводит вопрос руководителя в запрос к PostgreSQL, проверяет структуру и возвращает готовый ответ вместо ручной выборки.
- 3
Автоматизировали клиентский сервис
Чат-бот получает статусы заказов, остатки и документы из корпоративных систем, а также помогает искать аналоги товаров и передаёт сложный диалог менеджеру.
- 4
Собрали знания и защитили контур
RAG-поиск находит фрагменты в корпоративных материалах. Локальная языковая модель, ролевая авторизация, контейнеризация и мониторинг обеспечивают управляемую эксплуатацию.
От вопроса до проверяемого действия
Маршрут зависит от роли пользователя. Руководитель обращается к ERP, клиент — к данным заказа, сотрудник — к базе знаний.
- 1 · Вход
Вопрос пользователя
Система определяет роль, намерение и доступный сценарий.
- 2 · Данные
Нужный источник
ERP, сервис заказов или индекс корпоративных документов.
- 3 · Решение
Проверка и синтез
Модуль валидирует запрос, извлекает факты и готовит ответ.
- 4 · Выход
Ответ или действие
Отчёт, статус заказа, документ, аналог товара или инструкция.
Менеджер или аналитик получает контекст диалога, проверяет решение и берёт на себя исключения.
Как разделили доступ и проверку результатов
Руководители, клиенты и сотрудники обращаются к разным данным через общую платформу. Роль пользователя определяет доступный сценарий: отчёт по ERP, сведения о заказе или поиск инструкции. Для каждого сценария задан свой набор источников и прав.
В аналитике модуль проверяет структуру SQL-запроса. В клиентском сервисе система получает сведения о заказе из корпоративных систем. Для ответа по регламенту использует найденные фрагменты документов. Сложный запрос передаётся менеджеру или аналитику с контекстом диалога.
В состав внедрения вошли локальная модель, ролевая авторизация, контейнеризация, мониторинг и обучение команды. Это позволило организовать работу трёх групп пользователей с корпоративными данными. Подход к запуску и сопровождению описан на странице платформы.
Скорость стала измеримым экономическим эффектом
После запуска сравнили время выполнения, объём операций и показатели бизнеса с исходным процессом.
Подготовка отчёта
Вместо 4–6 часов. Команда стала получать более 50 отчётов в день при точности генерации SQL 97%.
Запросов без менеджера
Чат-бот отвечает в среднем за 15 секунд вместо 45 минут. NPS вырос с 62 до 78.
Рост продаж
Поиск товарных аналогов добавил 23% к допродажам и снизил число потерянных запросов.
Окупаемость
Годовая экономия составила 2,1 млн ₽, расчётный ROI проекта — 156%.
Что получил клиент после запуска
- 1
Руководители видят данные по заказам, прибыли и задолженности во время принятия решения, а не к концу рабочего дня.
- 2
Аналитики освободили 60% времени, а менеджеры перестали вручную отвечать на типовые вопросы и сосредоточились на продажах.
- 3
Сотрудники находят информацию за 1–2 минуты, база знаний обрабатывает около 300 запросов в день, а адаптация новичка сократилась до 5–7 дней.