Устойчивый сценарий автоматизации разделяет подготовку КП на отдельные операции. Система обрабатывает данные и собирает черновик, а сотрудник подтверждает цену, комплектацию, сроки и условия.
Представим условную производственную компанию. Клиент присылает письмо, техническое задание и таблицу со своими обозначениями. Менеджер уточняет параметры, ищет соответствия в каталоге, запрашивает сроки у снабжения, переносит расчёт в шаблон и согласует скидку с руководителем.
Компания хочет «генерировать КП одной кнопкой». На демонстрации сценарий выглядит убедительно. В реальном потоке появляются старый прайс, неполная заявка, нестандартная единица измерения и позиция, которую инженер должен заменить аналогом. Одна кнопка скрывает несколько решений с разным уровнем риска.
Автоматизация коммерческих предложений начинается с разложения процесса. Извлечение требований, проверка полноты, поиск данных, расчёт, формирование текста и сборка документа требуют разных методов контроля. После такого разделения становится понятно, где подходит AI, где нужна фиксированная логика и какие действия остаются за сотрудником.
Сначала опишите один тип коммерческого предложения
Процесс подготовки КП различается даже внутри одной компании. Типовой товар собирается по прайсу, проектная поставка требует инженерного подбора.
Для пилота выберите один повторяемый тип документа. Зафиксируйте:
- входные форматы и обязательные поля;
- источники цен, характеристик и сроков;
- участников расчёта и согласования;
- формализуемые правила;
- решения специалистов и итоговый шаблон.
Если текущий маршрут пока хранится в голове сотрудников, начните с гайда как описать бизнес-процесс перед автоматизацией. Полезная карта показывает ожидания, возвраты, исключения и точки согласования.
Разделите процесс на семь управляемых этапов
Типовой контур можно представить как последовательность.
1. Приём заявки
Система получает письмо, текст, PDF, Word, Excel или данные формы. На этом этапе фиксируются оригинальные файлы, дата, отправитель и идентификатор запроса.
Исходник сохраняется. Любое извлечённое значение связывается с первоначальным документом.
2. Извлечение требований
AI может находить позиции, количество, характеристики, адрес, сроки и дополнительные условия. Результат лучше хранить в структурированной карточке с указанием источника каждого поля.
Противоречие или отсутствующее поле получают явную отметку. Система формирует вопросы для менеджера.
3. Нормализация данных
Клиентские обозначения сопоставляются с внутренними артикулами, единицы измерения приводятся к согласованному формату. Здесь нужен словарь соответствий.
Менеджер видит исходное значение и итоговый вариант.
4. Поиск по утверждённым источникам
Система обращается к прайсам, каталогу, базе знаний и техническим документам. Для источника фиксируются версия, дата и владелец.
Поиск возвращает фрагмент документа или ссылку для проверки.
5. Расчёт
Формулы цены, скидки, логистики и налогов выполняются детерминированным модулем: таблицей, кодом, ERP или другой утверждённой логикой. AI может подготовить входные параметры.
Изменение прайса или коэффициента оформляется как новая версия. Сотрудник видит, какие значения участвовали в результате.
6. Сборка документа
Подтверждённые данные подставляются в корпоративный шаблон. Система готовит таблицу, описание решения, условия, список допущений и приложения.
Текстовые блоки используют терминологию компании. Пропуски остаются заметными и блокируют отправку согласно правилам сценария.
7. Проверка и отправка
Менеджер подтверждает обязательные поля. Инженер проверяет техническое решение, если это входит в процесс. Руководитель согласует скидку или особые условия.
После подтверждения документ получает версию, дату и статус. Отправку выполняет назначенный сотрудник.
Источники данных становятся частью продукта
Качество предложения ограничено качеством прайсов, каталогов и правил. Актуальность цены определяется исходным прайсом.
Перед пилотом составьте реестр:
| Источник | Что содержит | Владелец | Версия | Частота обновления |
|---|---|---|---|---|
| Прайс | цены и базовые условия | коммерческий директор | дата файла | по регламенту компании |
| Каталог | характеристики и комплектация | продуктовый отдел | номер редакции | после изменения продукта |
| Правила скидок | уровни согласования | руководитель продаж | дата утверждения | после изменения политики |
| Шаблон КП | структура и реквизиты | отдел продаж | номер версии | по запросу владельца |
Мастер-источник определяется для каждого критичного поля. Противоречие между CRM, Excel и PDF передаётся ответственному сотруднику.
Архитектура показывает происхождение данных и даёт проверяющему прямой доступ к фрагменту.
Роль AI стоит ограничить конкретными действиями
AI помогает извлекать поля из писем и технических заданий, классифицировать запрос, находить фрагменты и готовить черновой текст. Арифметика, коэффициенты, обязательные поля и формат выполняются по фиксированным правилам. Сотрудник подтверждает аналоги, маржу, скидки, сроки, юридические условия и отправку.
NIST AI RMF предлагает заранее документировать область применения системы, пределы знаний, роли людей и процедуры надзора. Для КП эта рекомендация превращается в матрицу действий.
| Действие | Система | Сотрудник |
|---|---|---|
| Извлечь параметры из заявки | готовит карточку и отмечает пропуски | подтверждает критичные поля |
| Найти данные в каталоге | показывает фрагменты и версии | выбирает вариант при неоднозначности |
| Рассчитать цену | запускает утверждённую формулу | проверяет входные значения и маржу |
| Собрать документ | заполняет шаблон | проверяет комплектность и условия |
| Отправить клиенту | готовит финальный файл | подтверждает адресата и отправку |
Проверка должна быть встроена в интерфейс
Призыв «внимательно проверить результат» слабо работает без конкретного маршрута. Интерфейс должен направлять внимание сотрудника к рискованным полям.
Полезные элементы:
- сравнение исходной заявки и извлечённых требований;
- ссылка на источник рядом с ценой и характеристикой;
- цветовая отметка пропусков и противоречий;
- отдельное подтверждение суммы, сроков и комплектации;
- журнал изменений и версии документов;
- блокирующее правило для незаполненных обязательных полей;
- передача случая инженеру или руководителю.
NIST подчёркивает необходимость определять и оценивать процессы человеческого надзора. Уровень проверки зависит от последствий ошибки. Опечатка во внутренней заметке и неверная цена в клиентском документе требуют разного контроля.
Безопасность начинается до загрузки первой заявки
Коммерческие предложения могут содержать персональные данные, цены, скидки, спецификации, чертежи и условия поставки. До пилота определите допустимый состав информации.
Нужно зафиксировать:
- разрешённые сервисы, модели и категории данных;
- порядок обезличивания;
- роли, права доступа и место хранения;
- срок удаления исходников;
- журналирование действий и порядок отзыва доступа;
- резервное копирование и действия при инциденте.
OWASP относит prompt injection, раскрытие чувствительной информации, небезопасную обработку выхода и избыточную автономность к ключевым рискам LLM-приложений. Для КП нужны проверка внешних файлов, валидация результата, минимальные права и подтверждение внешних действий.
Секреты, токены и пароли нельзя хранить в промптах или загружать вместе с документами. Права доступа реализуются средствами приложения и инфраструктуры.
Пилот проверяет один полный маршрут
Пилот стоит ограничить одним типом КП, одним шаблоном, утверждённым набором источников и согласованной выборкой заявок. Такой контур позволяет увидеть реальное качество без попытки охватить весь коммерческий отдел.
Этапы пилота:
- Описать процесс, выбрать тип предложения и тестовую выборку.
- Подготовить актуальные источники и правила.
- Настроить извлечение, поиск, расчёт и шаблон.
- Провести тест на обезличенных материалах и исправить повторяющиеся ошибки.
- Запустить ограниченное использование и сравнить полный цикл с исходной точкой.
До выбора технологии полезно проверить AI-инструмент на реальной задаче. Сравнивайте кандидатов на одинаковых заявках и по заранее утверждённым критериям.
Метрики показывают качество всего цикла
Скорость генерации документа отражает только один участок. Измеряйте путь от поступления заявки до подтверждённого предложения.
Подходящие показатели:
- медианное время подготовки типового КП;
- время менеджера, инженера и руководителя;
- доля заявок с пропущенными обязательными данными;
- число исправлений цены, количества, сроков и комплектации;
- объём ручной доработки;
- доля документов, принятых с первой проверки;
- корректные остановки и передачи эксперту;
- доля данных со ссылкой на актуальный источник.
Финансовый эффект рассчитывается по фактическому объёму и полной стоимости времени участников.
Команду обучают на исключениях
Инструкция по стандартному маршруту осваивается быстро. Ошибки возникают на неполных данных, редких позициях и противоречивых источниках.
В обучающую выборку включите типовую заявку, пропущенный параметр, устаревшее обозначение, нестандартную скидку, неоднозначное техническое требование и случай для передачи инженеру.
Сотрудник проходит полный цикл и объясняет каждое решение. Результаты практики обновляют чек-лист и правила маршрутизации. Подробная методика разобрана в статье как обучить команду работе с AI и закрепить новые привычки.
Масштабирование начинается после устойчивого пилота
Когда один контур стабильно проходит проверку, можно добавлять новый тип КП, управление версиями, интеграцию с CRM или ERP, ролевой доступ и аналитику возвратов. Каждый новый элемент меняет риск и требует отдельного теста.
Готовые решения для конкретных процессов собраны в разделе продуктов. Состав внедрения уточняется по данным, правилам и ограничениям компании.
Контроль появляется благодаря прозрачному процессу
Автоматизация КП даёт устойчивый результат, когда каждый этап можно проверить. Исходная заявка сохраняется, данные связаны с источниками, расчёт воспроизводится, пропуски заметны, роли распределены, финальное действие подтверждает сотрудник.
Начните с одного повторяемого типа предложения. Соберите реестр источников, выделите формализуемые операции, создайте матрицу проверки и протестируйте полный маршрут на согласованной выборке.
На бесплатном аудите разложим ваш процесс подготовки КП и определим границы пилота с понятными критериями качества. Обсудить автоматизацию коммерческих предложений.
Источники
- NIST AI RMF Core — область применения, роли, человеческий надзор, измерение и управление рисками.
- NIST: AI Risk Management and Human-AI Interaction — различие человеческих ролей и форматов взаимодействия с AI-системой.
- NIST AI Risk Management Framework — общая добровольная рамка управления рисками AI.
- OWASP Top 10 for Large Language Model Applications — основные классы рисков LLM-приложений.
- OWASP Top 10 for LLM Applications 2025 — актуализированная классификация угроз и меры снижения риска.
Вернуться в блог