Как собственник Проект‑М за три вечера собрал дашборд и отказался от найма нового ассистента
Проектная компания, более 90 сотрудников. HappyAI провёл пять встреч: четыре учебно-практические сессии и финальную работу над картой AI-инициатив.
Опубликовано 2 сентября 2026 г.
Контекст
Коротко о проекте
Исходная ситуация
До программы сотрудники уже пробовали ChatGPT и AI-проверку документов, но работа оставалась фрагментарной: AI не хватало рабочего контекста, а результаты приходилось перепроверять вручную.
Цель программы
Снизить ручную нагрузку на собственника, помочь сотрудникам находить задачи для AI в своей работе и научить их самостоятельно собирать AI-инструменты для компании.
Подход
Программу собирали вокруг реальных процессов Проект‑М
Перед стартом HappyAI вместе с клиентом разобрал коммерческую работу, проектную документацию, архив проектов и контроль сроков. Эти процессы стали основой учебно-практических сессий.
Пять встреч — от первых AI-проб к разработке собственных AI-агентов
HappyAI изучил процессы компании, подготовил практику и провёл сессии
Разобрали, из чего складывается работа AI-агента
- Работа
- Показали, как связаны задача, контекст, последовательность действий, готовый результат и проверка человеком.
- Результат
- Зафиксировали структуру агента: какие данные он получает, что делает, какой результат возвращает и кто его проверяет.
HappyAI изучил процессы компании, подготовил практику и провёл сессии
Показали прототипы AI-агентов на процессах компании
- Работа
- HappyAI подготовил прототипы на материалах Проект‑М и показал, как агент проходит путь от входящего документа до сверки, фиксации статуса и отчёта.
- Результат
- Участники увидели устройство агента на знакомом процессе: от данных и контекста до результата и проверки человеком.
Совместная работа
Разобрали сложный AI-сценарий на управляемые задачи
- Работа
- На третьей сессии участники начали собирать сквозного агента и увидели, где ему не хватает контекста, промежуточных проверок и более точной постановки задачи.
- Результат
- Большой сценарий разложили на отдельные законченные задачи и выбрали инструмент, который можно было собрать и проверить целиком.
Команда Проект‑М работала со своими документами и проверяла результаты
Собрали AI-инструмент и применили его к новым документам
- Работа
- Участник собрал опись PDF, уточнил формат результата и сохранил последовательность действий для повторного запуска.
- Результат
- Тот же инструмент запустили на новом комплекте файлов и получили повторяемый результат.
Совместная работа
Собрали карту следующих AI-инициатив
- Работа
- На финальной встрече разобрали задачи для коммерческой работы, проверки документации, контроля проектов, планирования загрузки и работы с внутренними знаниями.
- Результат
- У компании появился план самостоятельной работы с AI примерно на два месяца.
Результат и продолжение
Что изменилось за программу и первые полтора месяца после неё
Собственник за три вечера собрал управленческий дашборд
Он объединил данные из 1С и бухгалтерской отчётности и получил сводную картину по компании и проектам.
От найма нового ассистента отказались
Дашборд закрыл круг задач, ради которого собственник планировал нанять отдельного сотрудника.
Через полтора месяца дашборд вырос до трёх представлений
Теперь собственник отдельно видит финансовую картину компании, портфель проектов со стоимостью, сроками и объёмом оставшихся работ, а также план закрытия по каждому объекту.
Активных пользователей AI стало в несколько раз больше
Во время программы около 10% сотрудников выделились как AI-чемпионы: находили задачи для AI и помогали коллегам. За следующие полтора месяца число сотрудников, которые активно используют AI в работе, выросло в несколько раз.
Технические специалисты и архитекторы развивают свои AI-сценарии
Практика вышла за пределы работы собственника и AI-чемпионов. В компании также продолжили использовать AI для проектной документации и подготовки коммерческих предложений.
Проверка проектных материалов стала рабочим сценарием
Одна модель проверяет материалы по заданным правилам, вторая перепроверяет выводы, а финальное решение принимает человек. Для новых объектов собственник создаёт отдельные рабочие проекты, где сохраняются контекст и инструкции.
Второй собственник собирает модель загрузки
Её задача — показывать загрузку по подразделениям и объектам, заранее выявлять просадки и помогать решать, куда направить людей и когда брать новый проект. Рабочую версию продолжают собирать.
Следующий ориентир — расчёты за полчаса вместо одного-двух дней
Архитекторы выбрали объёмные расчёты как следующий сценарий для AI. Цель — получать первый результат примерно за полчаса.
«Я ожидал более теоретического результата, а получил практический инструмент, которым пользуюсь в работе.»
Проверка
Как считали и что означает результат
Источники и границы
- Границы вывода
- Ход сессий подтверждён записями, сведения о компании — её официальным сайтом. Охват программы, дашборд, дальнейшая практика, решение не нанимать ассистента, доля AI-чемпионов и рост числа активных пользователей основаны на обратной связи клиента. Мы не проводили технический аудит дашборда и последующих сценариев, не проверяли их интеграцию с 1С в реальном времени и не измеряли точность, частоту использования или финансовый эффект.
Источники: Официальный сайт Проект‑М: профиль компании · Официальный сайт Проект‑М: численность команды · Очищённые итоги обратной связи клиента · Очищенные материалы и выводы по кейсу Проект‑М · Очищенная история подготовки и пяти встреч с Проект‑М · Очищённые итоги разговора с клиентом после программы
Обсудить программу для вашей компании
Если хотите разобрать реальные процессы вашей компании и понять, где команда сможет применять AI самостоятельно, расскажите о задачах и участниках. Обсудим формат программы.
Обсудить корпоративную программу