Руководителю дистрибуции: три решения до покупки ИИ и как считать их цену

Когда дистрибьютор всерьёз думает об ИИ, разговор обычно начинается с технологии: какая модель, сколько стоит обработка одного письма, справится ли с Excel-бланками дилеров. Для руководителя это вопросы второго ряда. Первый звучит иначе: за какой результат компания платит и как через полгода понять, что деньги потрачены не зря.

Отрасль впереди, но большинство ещё на старте

Торговля осваивает ИИ быстрее остальных. CNews в декабре 2025 года привёл расчёт FinExpertiza по данным Росстата за 2024 год: доля организаций, применяющих ИИ, в среднем по стране — 5,8%, а в оптовой и розничной торговле — 13,3%, выше, чем в любой другой отрасли. Отдельно по опту такой цифры нет. В сентябре 2026 года то же издание опубликовало экспресс-данные ИСИЭЗ НИУ ВШЭ: в 2025 году ИИ работал примерно в 5,2% крупных и средних организаций, а среди компаний, где больше 500 сотрудников, — в 17%. Методики у двух расчётов не совпадают, поэтому складывать или напрямую сопоставлять эти доли не стоит.

Практический вывод проще самих процентов. Если заявки дилеров, рекламации и отзывы у вас разбирают люди, вы не отстали — это норма для большинства торговых компаний. Значит, вопрос не в том, чтобы догнать рынок, а в том, где ИИ окупит себя первым. Ещё один ориентир: по данным ИСИЭЗ НИУ ВШЭ, опубликованным в сентябре 2025 года, свыше половины компаний, уже работающих с ИИ, используют его в маркетинге и продажах. Коммерческий блок — привычная точка входа.

Решение первое: платить за быстрый шаг или за короткий путь заказа

У дистрибьютора три ручных потока. Заказы дилеров приходят письмами с вложениями, фотографиями накладных, сообщениями в мессенджерах. Рекламации на недовоз, пересорт и брак идут по почте и телефону. Отзывы разбросаны по маркетплейсам и анкетам. Самый заметный кандидат на автоматизацию — ввод заказа: его видно, его легко посчитать в часах менеджеров.

Но заказ, на который уходит час работы, нередко проходит путь до склада за пять дней. Всё остальное время он лежит в очередях: ждёт менеджера, подтверждения остатков, оплаты, машины. Если агент начнёт заводить заказ за минуты, а остатки по-прежнему подтверждают раз в сутки, дилер получит товар почти в тот же срок. Очередь не исчезнет, она передвинется на соседний шаг.

Поэтому первое управленческое решение — что именно покупать. Разумная логика выбора по каждому шагу:

1. шаг не тормозит процесс — ИИ туда не ставим, даже если рутины в нём много;
2. тормозит, но вход понятный и правила известны — правим маршрут или регламент, без ИИ;
3. тормозит, а на входе поток писем, сканов, голосовых — нужен помощник менеджеру, когда цена ошибки высока, или агент с порогом уверенности;
4. шаг ничего не добавляет — его убираем.

Честный подрядчик скажет, если узкое место снимается без ИИ вовсе. Это дешевле, и это тоже результат.

Решение второе: какие полномочия отдать машине

Агенту разумно поручить то, что съедает время, но не требует права подписи: прочитать письмо и вложение, сопоставить артикулы дилера со своей номенклатурой, подготовить черновик заказа в 1С или ERP, найти отгрузку под рекламацию, сверить акт дилера с учётом и показать расхождения. Решения о скидке, компенсации, резерве под крупную поставку и отгрузке остаются за людьми — до тех пор, пока цифры не покажут, что агенту можно доверить больше.

Отдельный риск для руководителя — цена. Цену агент не вычитывает из письма дилера: источник у неё один — прайс и договорные условия, заведённые в учётную систему. Если цифры не сходятся, заказ уходит менеджеру с пометкой. Вторая зона ответственности — данные: в заявках есть имена, телефоны, адреса доставки, условия договоров. Их место — в российских облаках вроде Yandex Cloud или VK Cloud либо в контуре заказчика, а агенту нужна отдельная учётная запись с минимальными правами и журналом действий.

Решение третье: по какой цифре судить о результате

Точность модели интересна инженерам. Владельцу процесса важны сроки, деньги и переделки. До старта стоит зафиксировать базу: время от заявки до заказа в учётной системе, сквозной срок до отгрузки, долю заказов, которые набирают вручную целиком, корректировки после проведения, время ответа дилеру, повторные рекламации по известной причине. И сдерживающие показатели — жалобы дилеров, долю переданного человеку, возвраты на следующем шаге, — чтобы скорость не обошлась потерей качества.

Источник цифр — выгрузка статусов из 1С, CRM и почты за три–шесть месяцев. Если её нет, подойдёт ручная выборка из 30–50 заявок с отметками времени; она менее точна, и об этом стоит прямо написать в отчёте.

Сколько стоит каждая ступень

Бюджет удобно раскладывать на ступени, а не обсуждать одной суммой. Диагностика процесса длится около двух недель и бесплатна: к третьему дню появляется гипотеза узкого места, в конце — работающий Прототип на обезличенной выборке и расчёт эффекта для всего пути заказа. Пилот на одном участке — по желанию, 3–4 недели, цена называется после диагностики. Запуск зависит от того, что показала диагностика. Если хватает правки маршрута и интеграций без ИИ, ориентир — от 180 000 ₽; сводная аналитика отзывов и обращений на дашборде — от 200 000 ₽; агент, который разбирает заявки, рекламации или отзывы, — от 400 000 ₽. Сопровождение — от 50 000 ₽ в месяц, и в нём каждый месяц показывают ту же метрику, что записали до старта, и где теперь узкое место.

Пример из практики — федеральный B2B-дистрибьютор, у которого отзывы и жалобы шли по разным каналам, а сводку собирали вручную и нерегулярно. Решение объединило четыре модуля: общую очередь обращений, ИИ-разбор по теме и тональности, показатели по точкам и продавцам, аналитику причин. План внедрения — восемь недель, четыре спринта по две.

Коротко о нас

A2 Labs ставит ИИ-агентов в бизнес-процессы и ускоряет процесс целиком, а не отдельный шаг: сначала замер, потом агент там, где выигрывает весь путь заказа. Подробный разбор с таблицей семи потоков дистрибьютора и чек-листом метрик — https://a2labs.ru/znaniya/ii-dlya-distribyutora.html

A2 Labs — российская команда внедрения ИИ-агентов, сайт a2labs.ru.