«От "дайте человека" к "дайте токенов"»: как Аскона перестроила финансы на ИИ-агентах

Раньше руководители приходили с запросом «нам не хватает ресурсов, нужен ещё человек». Теперь звучит: «нам нужно больше токенов, чтобы масштабировать AI-агентов». Финансовый блок превращается в команду из 10–15 специалистов, которые управляют 45–60 ИИ-агентами.

Для сравнения: вся финансовая функция Асконы — 77 человек. У сопоставимых по масштабу ритейлеров аналогичные функции насчитывают 200–300 сотрудников. Разница — в уровне автоматизации.

Раньше ключевым инструментом были RPA-роботы. Но робот заменяет лишь одну стандартную операцию без принятия решений. ИИ-агенты берут на себя значительную часть функционала сотрудника, включая аналитику и базовые решения.

Кейс 1 — нейроаналитик вместо отдела аналитики:
Раньше запрос «почему просела категория подушек относительно прошлого года?» означал несколько дней работы аналитика. Сегодня сотрудник формулирует запрос в Telegram-боте, n8n маршрутизирует задачу в Claude, который сам обращается к витринам данных и ERP, анализирует отклонения по каждому SKU (десятки тысяч позиций), ищет драйверы изменений и сопоставляет внутренние и внешние факторы. На выходе — готовая аналитическая записка или дашборд.

Кейс 2 — оплата счетов:
Раньше на обработку одной заявки уходило 7–10 минут, а их тысячи. Теперь ИИ-агент сам забирает заявку из ЭДО, распознаёт документы через OCR, проводит проверки в ERP и отправляет платёж дальше. Сотрудники теперь управляют агентами, а не обрабатывают счета вручную.

Стоимость внедрения одного агента не превышает нескольких сотен тысяч рублей. Запускать можно силами текущей команды аналитиков. Главный барьер — не бюджет, а готовность быстро перестраивать процессы.

AI для бизнеса