Сегодня закрыл штуку, которая давно бесила. Расскажу.

Почти в любой корпорации одно и то же: приходит идея — особенно цифровая, с ИИ — и сразу «а посчитайте экономический эффект». И начинается. Бизнес чаще всего сам не считает или считает неделями. Если присылает — либо натуральные показатели без денег, либо «эффект 500 миллионов» без всякой логики, как его извлекли. И это нормально, у него другие приоритетные задачи.

У нас в Лаборатории по инновациям своя боль с другой стороны. К нам приходит идея, и мы тоже не всегда знаем вводные конкретного процесса. Сколько менеджеров обрабатывает заявки. Какая конверсия. Какой средний чек на маркетплейсе. Какой брак на участке. Это знает бизнес.

Но что мы знаем хорошо — это структуру извлечения эффекта. Какие рычаги работают на RAG-боте для продаж, на анализе негативных отзывов с маркетплейсов, на компьютерном зрении в производстве, на RPA в отчётности. Где экономия на времени, где на браке, где на конверсии, где на росте среднего чека. Это повторяется из кейса в кейс.

И я подумал — почему мы каждый раз собираем эту эксельку с нуля? Структура одна. Меняются только цифры и блоки под конкретный проект. Значит, можно вынести в скилл.

Сел и сделал.

Что получилось.

Скилл в Claude — описываешь проект текстом, какие рычаги эффекта видишь, и через пару минут получаешь готовый Excel из 4 листов в фирменном виде:

Лист 1. Исходные данные. Все вводные, которые будет править бизнес. Жёлтые ячейки с синим текстом. Список меняется под проект:

— производство: операторы, производительность, доля брака, простой — продажи: менеджеры, заявки в день, средний чек, конверсия, время обработки — e-com и маркетплейсы: SKU, конверсия карточки, негативные отзывы, возвраты, рейтинг — HR и бэк-офис: ФОТ, время на закрытие вакансии, переплата по вилкам, типовые обращения

Лист 2. Расчёт эффекта. AS IS / TO BE по блокам — «как сейчас» против «как будет». Дальше валовая экономия, затраты, чистый эффект, ROI, окупаемость. Всё на формулах — изменил вводную, модель пересчиталась.

Лист 3. Качественные эффекты. Плюсы и обязательно риски. Без рисков обоснование не принимаю — это не презентация, а бизнес-кейс.

Лист 4. Источники и бенчмарки. 8–12 источников по рынку РФ с цифрами и ссылками. Claude сам идёт в интернет и подбирает обоснование под наш тип проекта.

Что бизнес делает дальше.

Самое красивое. Бизнес получает готовую модель с проставленными формулами и предзаполненными вводными — нашими экспертными оценками плюс цифрами из бенчмарков. Кейс уже считается, ROI уже виден. Бизнесу остаётся подменить экспертные допущения на свои реальные:

— сколько у вас реально менеджеров на заявках — какой реальный средний чек на канале — какой реальный процент негативных отзывов — какая реальная производительность линии

Изменил вводную — модель пересчиталась. Не подошёл ROI — поиграл с долей автоматизации, посмотрел чувствительность. То, на что уходило две-три недели согласований, теперь занимает один разговор и подмену 10–15 ячеек.

Главный вывод.

Это продолжение истории про соло-продукты. Раньше я делал шаблон — потом руками копировал и переделывал под каждый кейс. Сейчас шаблон превратился в скилл, и Claude сам его адаптирует под проект за минуту. Я перестал быть оператором собственного шаблона.

И это, кажется, самое сильное применение AI в корпоративной работе. Не «давайте внедрим ИИ везде». А «возьмём экспертный процесс, который мы делаем руками 50-й раз, и превратим его в инструмент, который запускается одним промптом/кнопкой».