Проверьте свою компанию по ИНН — выручка, прибыль и признаки риска за десять секунд, ничего не заполняя и не оставляя контактов: evolvin.ai/proverka.
Там же можно посчитать, во сколько вам обходится рутинная задача сейчас — и решить, стоит ли её автоматизировать.
Аналитика: правильный и неправильный ответ выглядят одинаково
Это вторая по объёму удалённая профессия после поддержки, и первая, где автоматизация опаснее ручной работы.
Причина в одной особенности: в аналитике ошибку не видно.
Если ассистент неправильно ответит клиенту, это заметят — клиент переспросит. Если система неправильно посчитает, вы увидите красивое число в нужном формате и примете по нему решение. Неверный ответ выглядит ровно так же, как верный.
Как это выглядит на практике
Свежий пример, наш собственный, сегодняшний.
Мы считали упущенные тендеры: лоты, которые подходили по профилю, но на которые не подали заявку. Скрипт отработал и выдал сумму упущенного — 60 016 955 300 рублей.
Шестьдесят миллиардов. Цифра пришла в правильном формате, в правильной колонке, с разбивкой по лотам. Её можно было положить в отчёт, и она выглядела бы как результат работы.
На деле в одной ячейке исходной таблицы лежал мусор — начальная цена, записанная с ошибкой. Реальная сумма упущенного оказалась около 17 миллионов: разница в три с половиной тысячи раз.
Отчёт не сломался и не выдал ошибку. Он ответил уверенно и неправильно.
Три правила, которые ловят такое до отчёта
Первое: границы правдоподобия на каждое число. У выручки, цены, срока и количества есть диапазон, вне которого значение — это ошибка данных, а не факт. Шестьдесят миллиардов за разработку сайта не бывает. Правило пишется одной строкой и ловит почти весь мусор.
Второе: проверка обязана уметь ответить «нет». Если ваш отчёт при любых данных показывает результат, он ничего не проверяет. Прогоните его на заведомо пустом наборе: если и там появилось число — верить нельзя ни одному.
Третье: смотреть на данные, а не на своё представление о них. Ищете поле с идентификатором — не сверяйте со списком имён, который придумали заранее, а распечатайте, что в таблице реально есть. Отсутствие поля с ожидаемым названием ничего не доказывает: оно может называться иначе и лежать первой строкой.
Метод: три числа перед тем, как что-то автоматизировать
- Сколько регулярных отчётов делается в месяц — тех, что повторяются по форме.
- Сколько времени уходит на один — со сбором данных, а не только со сведением.
- Какая доля времени уходит на сбор, а какая на выводы.
Если на сбор уходит больше половины — автоматизировать надо сбор, а не выводы. Это самая частая ошибка: покупают систему, которая делает выводы, тогда как болит подготовка данных.
Что отдавать нельзя
Выводы для решения о деньгах без проверки человеком. Модель даст ответ на любой вопрос, включая неправильно поставленный. Ответственность за решение остаётся на том, кто его принимает, — значит и проверка тоже.
Выбор метрики. Чем меряем успех — вопрос управленческий, не технический. Система, которой поручили выбрать показатель, оптимизирует то, что легче посчитать.
Данные, качество которых никто не проверял. Автоматизация плохих данных даёт быстрые плохие решения вместо медленных. Это единственный гарантированный эффект.
Проверьте на своих числах
Возьмите последний регулярный отчёт и посчитайте: сколько часов на сбор, сколько на выводы. Ответ обычно неприятен и полезен.
Посчитать можно у нас, без регистрации: evolvin.ai/proverka — сколько раз в месяц, сколько минут за раз, кто делает; ответ в часах и рублях. Там же проверка контрагента по ИНН по открытой отчётности.
Если после расчёта останется вопрос — @ai_evolvin.
В Evolvin мы работаем на подряде, а не продаём абстрактную технологию — отвечаем за результат лично. Если интересно разобраться, как это выглядит на практике в вашей нише — пишите в Telegram @ai_evolvin или смотрите живой кабинет на evolvin.ai/ai-assistant.