Кейсы

Что построено и что это дало

Системы и агенты, которые работают у живых людей. Названия компаний не раскрываем, цифры — как есть. Для каждого клиента собираем заново, под его процессы.

Смотреть живые демо систем →

управление

Операционная система компании за 2 месяца

Боль: Таблицы, чаты и ручные отчёты вместо управляемой операционки.
Что сделал: Около 57 систем для команды ~25 человек: CRM, трекер задач, недельный отчёт руководству, агенты встреч, отзывов, маркировки и закупок.
Результат: Весь ИИ компании обходится примерно в 2 тыс. ₽ в месяц; через системы проходит 50 000+ заказов в месяц.

закупки

Потребность в закупке

Боль: Ходовые артикулы заканчиваются раньше, чем кто-то это замечает.
Что сделал: Расчёт потребности по скорости продаж, остаткам и товару в пути из API маркетплейса.
Результат: Первый расчёт показал 213 артикулов в статусе «срочно» — запаса топов хватало на 1–2 дня.

штрафы

Штрафы и сверка с фулфилментом

Боль: Штрафы маркетплейса и подрядчика никто не сверяет.
Что сделал: Еженедельная сводка штрафов с привязкой к складу и поставке и автоматическая сверка с таблицей подрядчика.
Результат: Четыре недельных отчёта сошлись до копейки, пятый подрядчик пропустил целиком — около 144 тыс. ₽ штрафов вне его сверки.

маркировка

«Честный знак» для FBS

Боль: После продаж коды маркировки висят в обороте, их никто не выводит.
Что сделал: Автовывод кодов по продажам с удалённой электронной подписью и сверкой журнала.
Результат: Автовывод собран за 3 дня, за 2 дня выведен 2 021 код; сверка — 2 503 из 2 504, покрытие продаж 99%.

отзывы

Отзывы и сигналы качества

Боль: Сотни отзывов в месяц, часть без ответа, сигналы о браке теряются.
Что сделал: Агент готовит ответы по правилам бренда — человек согласует — и вытаскивает сигналы о качестве.
Результат: Годовой архив ~28 тыс. отзывов разобран за день примерно за 2,6 тыс. ₽: 3,5 тыс. сигналов о качестве, 832 отзыва без ответа; 0 нарушений правил в 1 018 черновиках.

финансы

Прибыль, которой можно верить

Боль: Цифры кабинета, таблиц и финотдела не сходятся.
Что сделал: Автоматический P&L и расчёт выкупа по отчётам маркетплейса.
Результат: Выкуп по 45 800 строкам за 9 месяцев совпал с финотделом до 0,04 п.п.; найдено двойное вычитание рекламы — маржа занижалась на ~12 п.п.

логистика

Китай: авиа, авто или гибрид

Боль: Способ доставки выбирают по ощущениям, а это деньги в обороте и в кассе.
Что сделал: Модель считает стоимость на штуку и пик потребности в деньгах по неделям для каждого варианта.
Результат: Калибровка по реальным КП показала, что прежний тариф ошибался на 22–50%.

встречи

Встречи → протокол → задачи

Боль: Решения со встреч теряются, протоколы пишутся вручную.
Что сделал: Бот записывает встречу, распознаёт речь на своём сервере, пишет протокол и раскладывает задачи; память отвечает «что решили 28-го».
Результат: Протокол через ~2 минуты вместо ~30; записи не уходят в чужое облако.

найм

Отклики без ручного разбора

Боль: Сотни откликов на вакансию, разбирать вручную некому.
Что сделал: Агент собирает отклики через официальный API и оценивает их по требованиям вакансии.
Результат: 253 отклика на руководящую вакансию оценены за одно утро: 6 «звать», 78 «подумать», 169 «отказ».

себестоимость

Себестоимость по каждому артикулу

Боль: Себестоимость не заполнена — прибыль по товарам не считается.
Что сделал: Синхронизация таблицы закупки с учётной системой и калькулятор себестоимости с доставкой.
Результат: Себестоимость заполнена у 92% артикулов — до проекта не было ни у одного.

опыт

Отдел цепей поставок с нуля

Боль: Компания растёт, а закупки и логистика держатся на одном человеке.
Что сделал: Построил отдел управления цепями поставок, систему KPI и планирование запасов.
Результат: Оборот вырос с 30–40 до 250 млн ₽ за 1,5 года, затраты −22%, оборачиваемость запасов +25%.

опыт

Себестоимость и белый импорт

Боль: Высокая себестоимость и серые схемы поставок.
Что сделал: Перестроил закупки и логистику, наладил производство в Китае, перевёл поставки в белый импорт.
Результат: Себестоимость −28% за 3 месяца, расходы на логистику −50%.

Начнём с цифр

Любое внедрение начинается с разбора: сначала считаем, где теряются деньги, потом выбираем, что отдать агентам.

Что входит в разбор → Telegram @otstroeno