Тестовое задание · Натурпласт
Павел Чертинов · mvp-code.ru · github.com/mvpcodego · 9 октября 2026
Два ориентира: первый показывает, как видеть состояние бизнеса и находить проблемы, второй — как решение становится задачей и доводится до результата. Для Натурпласта предлагаю соединить эти два контура. Третья система здесь не нужна.
Торговая компания со складом, розницей, оптом и продажами на маркетплейсах. До внедрения учёт жил в МойСклад и 1С, лиды в CRM, звонки в облачной АТС, заказы маркетплейса в его кабинете; сводную картину руководитель собирал руками из четырёх источников.
Что делает. Сводит источники в одну базу и показывает их по зонам ответственности: продажи, склад и каталог, закупки, звонки и качество работы менеджеров, доставка, расходы, клиентская база. Около двадцати обменов в проде, каждый идемпотентный: повторный запуск после обрыва довозит недостающее и не плодит дублей. Права разграничены на уровне базы данных.
Роль ИИ. Стоит там, где человек не успевает. Каждый разговор колл-центра расшифровывается и разбирается по пяти критериям, ответ принимается только по строгой схеме с обязательной цитатой-основанием, вечером руководителю уходит сводка. Прошло 9 400 разговоров, покрытие стало полным вместо выборочного процента; около цента за разбор, потому что классификация идёт на младшей модели, а где хватает правила, модель не вызывается вовсе. Рядом разбор документов зрительной моделью и поиск по регламентам.
Что перенять. Оценка без основания не работает: две недели менеджеры систему отвергали, пока рядом с каждым баллом не появился фрагмент разговора, за который он снижен. Технически не изменилось ничего, пользоваться начали сразу. Разделы вводятся по одному; попытка включить всё сразу возвращает людей в таблицы.
Ограничения. Делается под процессы компании и не покупается готовой. Пока себестоимость и расходы заводятся нерегулярно, аналитика поверх них уверенно ошибается. Сила такой платформы в том, чтобы увидеть и объяснить; исполнение лучше вести там, где уже живут задачи.
Что делает. Держит исполнение: задачи с ответственным и сроком, согласования через бизнес-процессы, смарт-процессы под нетиповые объекты вроде заявки на закупку, воронки и история клиента. Здесь решение перестаёт быть мнением и становится поручением с датой.
Роль ИИ. CoPilot расшифровывает звонки и заполняет карточки CRM, разбирает разговоры и показывает зоны роста по сотрудникам без прослушивания, помогает создавать и распределять задачи, собирает сводки. Важное для вас: этот ИИ уже живёт в системе, где сотрудники работают каждый день.
Что перенять. Решение должно приземляться задачей там, где люди уже сидят. Отдельная панель, куда надо заходить специально, умирает за месяц.
Ограничения, существенные. CoPilot работает с тем, что лежит в Битрикс24, а себестоимости, расходов маркетплейсов, логистики и рекламы там нет: прибыльность и юнит-экономику он не посчитает, аналитика заканчивается на воронке и нагрузке сотрудников. Число ИИ-запросов ограничено тарифом, в коробке функции включаются отдельной настройкой. Вывод: хорош как контур исполнения, слаб как контур прибыльности.
Ваши системы остаются на месте. Между ними добавляется один слой: витрина данных с ИИ-разбором, которая забирает факты из источников, находит отклонения, объясняет причину и ставит задачу в Битрикс24.
| Берём готовым | Связываем | Делаем под вас |
|---|---|---|
| 1С и Битрикс24 как есть; API маркетплейсов и рекламных кабинетов; PostgreSQL; модели по API с маршрутизацией по цене задачи; CoPilot для звонков | Выгрузки 1С и данных маркетплейсов в одну базу; постановку задач и согласований в Битрикс24 через API; данные сервисов аналитики, если они уже куплены | Единый справочник товара и сопоставление артикулов; юнит-экономику на уровне позиции; правила обнаружения отклонений; формулировку причины и вариантов; проверку результата |
Руководитель получает утром одну сводку: что изменилось, где теряются деньги, что сделать и сколько это стоит. Согласование одним нажатием, после него задача уже в Битрикс24. Сотрудники новой системы не видят вовсе: приходят обычные задачи, в которых дополнительно написано, из какой цифры задача выросла и по какому результату её закроют.
Последнего шага обычно нет ни в одной системе. Решения принимают все, проверяет их мало кто, и поэтому нельзя отличить плохое решение от плохого исполнения.
Что проверяем: юнит-экономика по пятидесяти ходовым позициям плюс ежедневная сводка отклонений с автоматической задачей в Битрикс24. Две-три недели, ваши системы не меняются.
Чем мерим пользу: сколько позиций с падающей или отрицательной маржой нашлось такими, которых до пилота не видели; сколько времени уходило на сбор этой картины руками и сколько уходит теперь; какая доля решений из сводки дошла до задачи и дала измеримый результат. Если находок нет и сводка повторяет известное, пилот честно считается неудачным.
Риск в данных. Сопоставление номенклатуры 1С с карточками маркетплейсов и полнота расходов — вот где всё ломается. Расходы маркетплейса приходят постфактум и частями, себестоимость заводится позже отгрузки, одна позиция живёт под разными артикулами в разных системах. На таких данных ИИ выдаёт уверенные неверные выводы, и доверие теряется с первого разбора. Поэтому первая неделя пилота уходит на сведение и сверку, модели подключаются после, а каждая цифра в сводке показывает, из каких фактов собрана.