Аспро 
Тендеры и лиды
Информация
Кейс Аспро.Cloud: от аудита 20 процессов до запуска ИИ-ассистента с прямым доступом к системе. Архитектура MCP, конкретные сценарии, найденные проблемы и реальные цифры — для тех, кто планирует аналогичное внедрение.
Интеграция ИИ в процессы управления проектами остается одной из наиболее обсуждаемых и редко реализуемых задач. Причина — разрыв между возможностями и практикой: либо кастомная разработка, либо чат-бот без доступа к реальным данным системы. MCP-протокол закрывает этот разрыв: ИИ получает прямой, контролируемый доступ к системе без переписывания интеграционного кода.
Сбор данных о потерях времени
Внутренний аудит строился на прямом сборе информации от команды. Постановка задачи намеренно сужена: назвать процессы, где время тратится на механическую работу с данными системы — открыть, найти, выгрузить, свести. Аналитика, коммуникация, принятие решений в этот список не входили.
Набралось около 20 процессов. Ряд из них оказался неочевидным: переназначение задач при смене ответственного не воспринималось как значимая статья затрат — пока данные не собрали системно.
Критерии отбора
Два параметра фильтрации:
Частота. Еженедельные процессы приоритетнее ежемесячных — эффект накапливается быстрее, команда раньше видит результат.
Цена ошибки. Для каждого процесса оценивали последствия неверной интерпретации. Операции с высоким риском — финансовые без проверки, удаление данных — исключили из первого запуска.
В приоритетный список вошли пять сценариев: аналитика и отчетность, постановка задач после совещаний, массовый контроль проектов, поиск и управление данными, контроль счетов.
Архитектура и принцип безопасности
MCP (Model Context Protocol) — открытый стандарт Anthropic для подключения ИИ-моделей к внешним системам. К февралю 2025 года принят OpenAI, Google и Microsoft — стандарт стал общим языком между ИИ-платформами и бизнес-системами.
В системе разворачивается MCP-сервер — декларативный набор инструментов с явным перечнем допустимых действий. Каждый инструмент — одна операция: получить список проектов, создать задачу, изменить статус, найти сделку. Модель работает исключительно в рамках явно разрешенных операций и прав API-ключа. Прямого доступа к базе данных нет.
Управленческие следствия архитектуры
Разграничение полномочий реализуется на архитектурном уровне: что именно может делать ИИ в системе — определяется администратором через набор доступных инструментов. Это снимает большинство вопросов безопасности без дополнительных механизмов контроля.
Принципиальное отличие от чат-ботов: ИИ здесь не работает из общих знаний — он читает реальные данные конкретной системы в реальном времени, создает реальные записи, выполняет реальные операции.
Запуск в режиме только чтения
Начали с безопасного режима — только чтение данных, без операций записи. Это позволило команде привыкнуть к формату взаимодействия и проверить точность интерпретации данных до перехода к активным операциям.
Базовый запрос «Составь сводку по состоянию компании — покажи основные показатели CRM» заменил еженедельный ручной отчет, занимавший 2–3 часа. Аналитический запрос «Что можно улучшить?» выявил паттерн, который при ручном просмотре легко пропустить: VIP-сегмент дает 30% оборота при 5% от числа сделок. Вывод изменил приоритеты в работе с клиентской базой.
Проблема качества запросов
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
Обнаружили закономерность: «Покажи проблемные проекты» и «Покажи задачи, просроченные больше чем на семь дней» — принципиально разные запросы с разным практическим результатом. Размытый запрос дает размытый ответ.
Решение: сформировали словарь стандартных шаблонов, зафиксировали во внутреннем справочнике. Шаблоны стали операционным стандартом для работы с ИИ во всей команде.
Постановка задач по протоколам совещаний
Через две недели перешли к операциям записи. Протокол совещания загружается, запрос: «Создай задачи по всем договоренностям, назначь ответственных, поставь дедлайны». Перед выполнением модель генерирует превью — список задач с деталями. Пользователь проверяет и подтверждает. Без подтверждения задачи не создаются.
Правило обязательного превью стало ключевым элементом управления рисками. Выявленная проблема: при косвенном упоминании имен в протоколе ИИ иногда ошибался с назначением ответственного. Превью делало ошибку видимой до появления задач в системе. Правило распространили на все массовые операции.
Результат: время на постановку задач сократилось с 40–60 до 5–10 минут. Качество задач выросло — исполнители перестали переспрашивать детали.
Контроль проектов и поиск данных
Еженедельный обход 25+ активных проектов — 2–3 часа ручной работы — заменился одним запросом. Время: 10–15 минут. Принципиальное отличие: при ручном обходе данные в начале списка успевали устареть. Теперь — актуальный срез на момент запроса.
Поиск конкретных данных: с 10–15 минут до 1–2 минут. При десятках операций в неделю — ощутимое суммарное сокращение трудозатрат.
Финальный сценарий первого этапа — наиболее показательный с точки зрения финансового результата.
До: четыре часа еженедельно на ручной обход всех активных счетов, фиксацию просроченных, постановку задач менеджерам. После: запрос «Покажи статус всех счетов за текущий месяц и выдели просроченные», 30–40 минут. Работа с найденными счетами — прямо из интерфейса.
Ключевой результат: просроченные платежи выявляются в среднем на 10 дней раньше. При регулярных платежах это прямое влияние на денежный поток.
Параллельно с запуском провели две внутренние сессии: рабочие сценарии, правила безопасности, разбор типичных ситуаций. Ключевое правило проговаривалось отдельно: не давать разрешение «Да, всегда» на операции с чувствительными данными — только «Да, только сейчас». Через месяц стало нормой.
Справочник шаблонов запросов решил проблему адаптации: вхождение новых сотрудников ускорилось.
Итоговые цифры по пяти сценариям:
еженедельный отчет по проектам и сделкам — с 2–3 часов до 15–20 минут
постановка задач после совещания — с 40–60 минут до 5–10 минут
еженедельный контроль 25+ проектов — с 2–3 часов до 10–15 минут
поиск конкретных данных в системе — с 10–15 минут до 1–2 минут
контроль счетов — с 4 часов до 30–40 минут; просроченные платежи выявляются на 10 дней раньше
Практический вывод: MCP-архитектура позволяет начать с пяти конкретных сценариев и масштабировать автоматизацию по мере накопления опыта — без программистов, без переписывания интеграций, с контролируемым уровнем риска на каждом этапе.
