Кейс: Металлургический холдинг сэкономил 45 млн рублей за год

История трансформации традиционного производства с помощью автономных ИИ-агентов

Задача и причина

Задача

Основной целью проекта было сокращение операционного цикла обработки первичной документации с 4 часов до 20 минут и снижение уровня ошибок, вызванных человеческим фактором, до минимума (менее 10%). Холдингу требовалось решение, способное бесшовно интегрироваться в существующий ИТ-ландшафт (ERP-системы и почтовые серверы) и масштабироваться на все дочерние предприятия без кратного увеличения затрат на поддержку.

Причина

Необходимость изменений была продиктована критической ситуацией в операционной деятельности. При увеличении объемов отгрузок на 25% штат бэк-офиса перестал справляться с нагрузкой, что привело к лавинообразному росту сверхурочных выплат и риску найма еще 15–20 сотрудников. Ручной ввод данных приводил к систематическим расхождениям в счетах-фактурах, что становилось причиной блокировки оплат со стороны контрагентов и невозможности своевременного вычета НДС, ежемесячно «вымывая» из оборота миллионы рублей. При этом ранее внедренные RPA-боты не справлялись с «грязными» данными — сканами низкого качества, рукописными пометками на накладных и нестандартными формами документов от мелких поставщиков. Каждое отклонение требовало вмешательства человека, что сводило эффект от базовой автоматизации к нулю.

Крупный металлургический холдинг с активами в четырех регионах России завершил годовой проект по внедрению автономных ИИ-агентов. Результаты превзошли ожидания: экономия составила 45 миллионов рублей, срок окупаемости проекта — четыре месяца. Опыт холдинга демонстрирует, что даже в традиционных отраслях технологии искусственного интеллекта способны приносить измеримый бизнес-результат.

Структура металлургического холдинга: 3 завода, логистическая компания, торговый дом — Организационная структура холдинга и масштаб операций

Масштаб задачи

Холдинг объединяет три металлургических завода, логистическую компанию и торговый дом. Ежедневно в компании обрабатываются тысячи документов: накладные, счета-фактуры, акты выполненных работ, договоры с поставщиками. До внедрения автоматизации эти процессы выполнялись вручную силами 40 сотрудников бэк-офиса.

«Мы столкнулись с классической проблемой растущей компании, — комментирует операционный директор холдинга. — Объемы росли, штат увеличивать не хотели, качество страдало. Решение искали долго: рассматривали RPA, low-code платформы, даже пытались внедрить BI-систему. Ничего не давало нужного эффекта».

Ключевой проблемой стала работа с неструктурированными данными. Документы поступали в виде сканов и PDF-файлов различного качества, с разными форматами и макетами. Классические системы оптического распознавания символов (OCR) не справлялись с вариативностью документов, а бизнес-правила требовали контекстуального понимания информации. Например, накладная могла содержать дополнительные примечания или особые условия поставки, которые влияли на дальнейшую обработку, но не имели фиксированного места в документе.

Выбор подхода

После анализа рынка компания остановилась на платформе автономных агентов. Ключевым фактором стала способность агентов работать с неструктурированными данными: извлекать информацию из сканов документов, понимать контекст, принимать решения на основе анализа содержимого.

В отличие от традиционной роботизации процессов (RPA), которая работает по заранее запрограммированным сценариям, автономные агенты используют технологии машинного обучения и обработки естественного языка. Это позволяет им адаптироваться к новым форматам документов, самостоятельно выявлять закономерности и обрабатывать исключительные ситуации без участия человека.

Внедрение началось с пилотного проекта на одном из заводов. Агент взял на себя обработку входящих накладных: проверка данных, сверка с заказами, маршрутизация в учетные системы. Успех пилота позволил масштабировать решение на всю структуру.

График роста производительности после внедрения: ускорение в 15 раз, сокращение ошибок на 92%

Техническая реализация

Интеграция с существующими системами заняла три месяца. Агент подключился к ERP-системе, почтовому серверу, файловому хранилищу. Параллельно велась работа по обучению агента специфике отрасли: классификация металлопродукции, понимание специфических терминов, правила работы с поставщиками.

Процесс внедрения включал несколько этапов. На первом этапе специалисты провели аудит существующих бизнес-процессов и выявили точки интеграции. Затем была разработана модель машинного обучения, обученная на исторических данных компании — более 50 000 обработанных документов за предыдущие два года. После этого проводилось тестирование и калибровка модели с итеративной настройкой порогов принятия решений.

«Самый сложный этап — это не настройка технологии, а изменение процессов, — отмечает IT-директор холдинга. — Мы пересмотрели 30 внутренних регламентов, обучили сотрудников новым процедурам, настроили контроль качества. Технология — это 30% успеха, остальное — организационная работа».

Особое внимание уделили безопасности данных. Агент был развернут в корпоративном контуре, все обрабатываемые документы оставались внутри инфраструктуры компании, что соответствует требованиям политики информационной безопасности и законодательства о персональных данных.

Что дальше

Холдинг планирует расширить применение автономных агентов. В следующем году агентов планируют внедрить в логистику: планирование маршрутов, отслеживание грузов, взаимодействие с перевозчиками. Также рассматривается применение в HR: обработка резюме, onboarding, расчет KPI.

«Мы посчитали, что потенциал экономии еще 20–30 миллионов рублей в год, — подытоживает операционный директор. — Но дело не только в экономии. Дело в скорости. Компания, которая быстрее обрабатывает документы, быстрее принимает решения, быстрее реагирует на рынок. Это конкурентное преимущество, которое не измеришь в рублях».

Для компаний, рассматривающих аналогичные проекты, опыт холдинга показывает несколько ключевых принципов. Во-первых, начинать следует с пилотного проекта на ограниченном участке — это позволяет снизить риски и продемонстрировать быстрые результаты. Во-вторых, критически важна подготовка данных: качество обучающей выборки напрямую влияет на точность работы агента. В-третьих, успех внедрения зависит не только от технологии, но и от готовности организации к изменениям — обучение сотрудников и пересмотр процессов занимают значительно больше времени, чем техническая настройка.

Результат

Результаты

За год холдинг внедрил 12 автономных агентов, покрывших ключевые операционные процессы. Обработка документов ускорилась в 15 раз: если раньше накладная обрабатывалась в среднем за 4 часа, теперь — за 15 минут. Количество ошибок снизилось на 92%: агент не устает, не отвлекается, не пропускает детали.

Экономия на ФОТ составила 28 миллионов рублей в год за счет оптимизации штата бэк-офиса. Дополнительно 17 миллионов рублей компания сэкономила на сокращении штрафов и оптимизации оборотного капитала.

Эта сумма складывается из трех ключевых факторов, критичных для промышленного сектора:

1. Сокращение договорных неустоек: в металлургии задержка сопроводительных документов на партию товара часто влечет пени в размере 0,1% от суммы поставки. Автоматизация исключила человеческий фактор и просрочки.

2. Налоговая оптимизация: своевременная обработка входящих счетов-фактур позволила холдингу вовремя заявлять вычеты по НДС, избегая кассовых разрывов и претензий со стороны регуляторов.

3. Ускорение оборачиваемости дебиторской задолженности: сокращение цикла обработки документов на 1–2 дня высвободило значительный объем ликвидности, который ранее был заморожен в «бумажном» этапе сделок.

Важным эффектом стало повышение качества данных в учетных системах. Благодаря автоматической валидации и проверке информации доля ошибочных записей снизилась, что упростило последующую работу финансового отдела и сократило время на сверку данных.