Технологическое развитие бизнеса
Видим, где теряются деньги, и спокойно возвращаем их обратно.
Смотрим на компанию целиком: где рождается прибыль, где она утекает, что мешает людям работать. Соединяем стратегию, технологии и процессы — и доводим изменения до результата, а не до отчёта. Если задачу можно решить без новой системы и без ИИ, мы так и скажем.
- 0+
- проектов и пилотов
- 0 млрд ₽
- подтверждённого эффекта
- 0+
- команд через АЛРИИ
Почему технологические проекты часто буксуют
Дело почти никогда не в технологиях — модели и системы, как правило, работают. Сложности возникают раньше, на уровне подхода. Мы видим это снова и снова.
Работа «от технологии», а не от задачи
Команда умеет собирать ИИ-агентов, но ведёт работу от красивой технологии. Решение остаётся локальной игрушкой и не влияет на результат.
«Внедряем, потому что надо»
Инициатива спускается сверху. Никто не проверил, нужна ли тут новая технология и нет ли готового решения дешевле и быстрее.
Бюджет растекается по мелочам
Идеи собирают снизу, в работу берут процесс просто потому, что его кто-то назвал. Десятки мелких задач — и ни одна не меняет финансовый результат.
Поэтому мы начинаем не с внедрения, а с того, чтобы вместе спокойно разобраться, где на самом деле теряются деньги и силы.
Мы соединяем три вещи, которые обычно живут порознь
Большие консультанты дают стратегию, но не остаются внедрять. Интеграторы внедряют технологию, не вникая в бизнес. Мы держим все три уровня сразу — иначе результат не складывается.
Стратегия и финансы
Считаем реальную себестоимость через ABC-анализ, строим финансовую модель и сценарии на несколько лет, показываем ожидаемую отдачу по каждой инициативе ещё до старта.
Технологии и архитектура
Наводим порядок в ИТ-ландшафте: вместо десятков несвязанных систем — одна понятная картина и единый источник правды. Бережно адаптируем российское ПО, переходим без остановки производства.
Процессы и люди
Перестраиваем процессы так, чтобы система работала на людей, а не наоборот. Снимаем рутину, помогаем команде освоиться, держим руку на пульсе через регулярные точки контроля.
Прежде чем что-то менять — смотрим, что вообще стоит менять
Не каждую задачу нужно решать кодом. Прежде чем предлагать модель или систему, мы относим задачу к одному из четырёх типов:
Перераспределить ответственность, убрать лишнее согласование — и эффект появляется через недели, без единой строчки кода.
Переинжиниринг по теории ограничений часто даёт результат раньше и дешевле любой модели.
Классическая автоматизация надёжнее и проще в поддержке, чем ИИ. Иногда этого достаточно.
Беремся только там, где это действительно оправдано — с расчётом отдачи и ответственностью за результат.
На практике 30–40% задач из типичного списка решаются вообще без ИИ. Этот разбор на входе экономит компании десятки миллионов, которые иначе ушли бы на пилоты впустую.
В основе подхода — теория ограничений Голдратта
Любой бизнес — это цепочка процессов, и его скорость определяет самое узкое звено. Укреплять всё подряд бессмысленно: пока узкое место не расшито, вложения в остальные участки не дают прироста. Поэтому мы действуем последовательно.
- 01Находим ограничениеМесто, где скапливается очередь и теряется время.
- 02Выжимаем максимумПолучаем больше из узкого звена без вложений.
- 03СинхронизируемПодстраиваем остальные процессы под темп ограничения.
- 04Вкладываемся точечноРасширяем именно там, где это даёт эффект.
- 05Возвращаемся к началуУзкое место смещается — ищем следующее.
Образ мышления дополняем методами исследования операций: моделируем процессы, анализируем очереди и загрузку. На производстве чаще выручает не модель, а наведённый порядок в процессе и учёте.
Сначала смотрим на бизнес целиком — и идём туда, где деньги
Большинство подрядчиков спрашивают: «какой процесс автоматизировать?» — и берут тот, на который укажут. Мы идём от обратного. Сначала разбираем компанию целиком, а уже потом решаем, за что браться в первую очередь — не за то, что технически проще, а за то, что важнее для результата.
Что именно мы смотрим
- 01доходную и расходную часть — где формируется прибыль и где деньги уходят незаметно
- 02реальную себестоимость (ABC-анализ) — она расходится с учётной на 20–30%
- 03сроки процессов — где задачи подолгу стоят в очередях
- 04где чаще всего ошибаются и переделывают
- 05на что уходит дорогое время сотрудников
- 06кто за что реально отвечает — и где остались зоны без хозяина
- 07как устроен ИТ-ландшафт — в средней компании 50+ систем, и большинство не «разговаривают»
Только увидев эту картину, можно понять, какие изменения дадут наибольшую отдачу. Это и есть разница между «внедрили технологию» и «заработали на ней».
Узнаёте свою компанию?
Без приговора и без пугающих цифр — просто отметьте, что откликается.
Отметьте то, что про вашу компанию.
Иногда самый большой эффект приносит не нейросеть, а порядок в данных
ИИ — это всегда надстройка над данными. Если данные не приведены в порядок, даже самая дорогая модель работает вполсилы. Поэтому мы смотрим на компанию как на живой поток: где данные рождаются, где искажаются, где теряются и где на них действительно можно зарабатывать.
Часто половина всей работы — именно в этом: понять, какие данные есть и где они лежат, оценить и починить их качество, выстроить управление данными, подготовить инфраструктуру к работе с ИИ. Инструмент подбираем под задачу, а не задачу под модное слово.
Так было с крупным интернет-магазином: данные о покупателях собирались, но не использовались, и часть выручки утекала вместе с брошенными корзинами. Мы навели порядок в данных, добавили ассистента покупателя и модель прогноза спроса — доля брошенных корзин снизилась, продажи начали расти.
Часто дело не в нехватке систем, а в их избытке без связи
Во многих компаниях систем уже больше, чем нужно, — просто они не связаны между собой, и люди вручную переносят данные из одной в другую. Мы собираем это в единую архитектуру и выстраиваем управление бизнес-процессами (BPMS): процессы становятся прозрачными, исполняемыми и измеримыми.
Десятки несвязанных систем, ручной перенос данных, дубли и разрывы. Данным сложно доверять.
Единый источник правды, поэтапное внедрение с пилотных участков, без остановки производства. Бережная адаптация российского ПО.
Большая часть экономии приходит не от самой автоматизации, а от того, что мы сначала упорядочили процессы — иначе технология лишь добавляет «цифрового беспорядка».
ИИ — там, где он действительно помогает
Мы работаем с ИИ десять лет и именно поэтому относимся к нему спокойно: это инструмент, а не магия. Беремся за него тогда, когда он окупается, и честно говорим, когда достаточно управленческого решения.
Генеративные модели
GigaChat, GPT, YandexGPT и другие — тексты, документы, аналитика, код.
Предиктивная аналитика
Прогноз спроса, запасов, поломок оборудования, рисков.
Компьютерное зрение
Контроль качества прямо на производственной линии.
Акустическая диагностика
Наша профильная сила: слышим отказ оборудования до поломки, находим утечки в трубопроводах.
ИИ-агенты и помощники
Снимают с людей рутину и высвобождают дорогое время.
Помогаем выстраивать технологическое развитие системно: находим точки роста, превращаем R&D в продукты, выводим их на рынок — и приоритизируем по тому, как это отразится на прибыли.
Технологию можно купить за месяц. Готовность людей — нет
Чаще всего проект тихо угасает не из-за кода, а из-за людей: внизу не понимают, зачем что-то менять, наверху — что вообще происходит. Это нормальная человеческая реакция, и с ней нужно работать бережно, а не «продавливать».
Мы обучаем под реальный уровень и задачи конкретной команды — даём людям решать новыми инструментами их собственные задачи. И выстраиваем понятную систему управления проектами, в которой видно, кто за что отвечает.
Программа собирается под отрасль и уровень слушателей. Первый день — про мышление и поиск узких мест, второй — про ИИ на практике, дальше — месяц сопровождения, чтобы новые привычки закрепились.
В одной компании с выручкой больше 15 млрд ₽ такая работа с данными и культурой помогла удвоить маржинальность.
Что мы уже сделали для бизнеса
За каждым числом — живая история компании, её людей и их задачи. Вот несколько. Нажмите на карточку, чтобы прочитать подробнее.
Учётная себестоимость расходилась с реальной на 20%. Около двухсот сотрудников выполняли ручные операции, которых не было ни в одной процесс-карте, — и цену продукта компания назначала почти вслепую.
Через ABC-анализ нашли скрытые издержки на ~20 млн ₽ в месяц, связали ERP с производственным учётом, перестроили процесс «производство → учёт» и переобучили 50 человек на контроль качества.
Точность учёта выросла с 70% до 98%+, отчётность вместо пяти дней собирается за четыре часа, вложения окупились более чем вдвое за год.
И многое другое
- Krygina Cosmetics — привлечение инвестиций и оптимизация ассортимента (сделка 25 млн ₽ + 35 млн ₽ долгового финансирования)
- ФРИИ — система управления рисками по COSO ERM; рекомендации приняты советом директоров
- Холдинг «Ренова» — антикризисное управление пакетом акций промышленного предприятия
- ЦУМ — анализ импорта люксовых брендов (90 000+ позиций)
- Luna Care и Quantum Integrity — стратегия вывода ИТ-продуктов в РФ
- Университет Иннополис — курс для преподавателей по ИИ в электроэнергетике
Нам доверяли
С кем мы работали — в проектах Biometric Labs, в Ростелекоме, «Бери заряд!» и консалтинговых задачах. Логотипы сгруппированы по сферам.
Промышленность и производство
Ритейл и e-commerce
Финансы и телеком
Госсектор и институты развития
Алексей — на форумах, сценах и площадках
ВЭФ и ПМЭФ, Forbes, отраслевые форумы, демонстрации диагностики Biometric Labs и корпоративные программы — вживую, без постановки.
Над задачами работает команда, а под нестандартные — вся сеть рынка
Стратегические проекты партнёры ведут лично. А когда задача требует редких компетенций, мы подключаем специалистов из партнёрской сети — и рекомендуем чужие решения не вслепую, потому что изнутри знаем, кто на рынке что умеет.
Владимир Хаванских
Director AI · методология и техника
60+ AI/ML-проектов, команды до 30 человек. «Актион», М.Видео-Эльдорадо (Lead Data Scientist), Лаборатория машинного интеллекта МФТИ, Тинькофф, Лаборатория Касперского.
Стратегию и работу с первыми лицами Алексей ведёт лично. Под нестандартные задачи через АЛРИИ — крупнейшее в СНГ объединение в сфере ИИ — подключаем разработчиков, научные коллективы и вузовские лаборатории.
Несколько слов об Алексее
Алексей создал Biometric Labs с нуля и вывел её в число заметных российских компаний в области промышленного ИИ — резидент «Сколково», проект НТИ, особо значимый проект РФ. До этого прошёл путь от инвестиционных фондов с капиталом свыше 10 млрд рублей до позиции директора по развитию цифровых продуктов в Ростелекоме, где его портфель принёс больше миллиарда рублей выручки за год. Он соучредитель и председатель совета АЛРИИ, участвует в комитете по стандартизации технологий ИИ (ТК 164) и был среди авторов первой в России Этической хартии развития ИИ. Выступает на ВЭФ и ПМЭФ, пишет для Forbes и РБК. Но за всеми регалиями — простое: ему действительно интересно разбираться, как устроен бизнес, и помогать ему работать лучше.
Почему к нам приходят, когда уже пробовали и консультантов, и интеграторов
Большие консалтинговые компании хорошо думают, но после отчёта уходят, и за результат никто не отвечает. ИТ-интеграторы умеют внедрять, но не считают, окупится ли это. Мы намеренно держим оба конца: придумываем — и сами доводим до результата. И берём на себя ответственность за цифру.
- Сильны в
- стратегии
- После старта
- уходят с отчётом
- Отвечают за деньги
- нет
- Понимают специфику РФ
- слабо
- Сильны в
- технологии
- После старта
- часто не доводят
- Отвечают за деньги
- «потом посмотрим»
- Понимают специфику РФ
- частично
- Сильны в
- стратегии + технологиях + процессах
- После старта
- остаёмся до результата
- Отвечают за деньги
- да, вплоть до бонуса за сверх-эффект
- Понимают специфику РФ
- да — десятки проектов здесь
Давайте познакомимся
Первый разговор — это всегда просто разговор, без обязательств и без давления. За полчаса посмотрим на вашу ситуацию, и вы уйдёте как минимум с трезвым взглядом на то, куда компании стоит вкладываться, а куда — точно нет. Если поймём, что не сможем помочь, — скажем прямо.