Пять задач, которые я забрал у ИИ обратно и делаю руками до

За два месяца автоматизировал отчёт, категории, лимиты хранения, скользящее окно — и в какой-то момент решил, что можно отдавать ИИ вообще всё, что раньше делал руками. Не сработало. Пять задач я откатил обратно на себя — не потому что ИИ ошибся, а потому что цена ошибки или потеря нюанса оказались выше, чем экономия времени.

Обезличено: конкретные цифры и названия отделов не привожу — механика решения важнее конкретного склада.

Финальная сверка после массового изменения справочника

После истории с 380 ошибками в справочнике габаритов я сначала поручил ИИ не только находить расхождения, но и сразу переписывать значения по большинству голосов похожих товаров. Для двух третей позиций это работало. Для оставшейся трети — нет: там, где товар редкий и с ним мало похожих аналогов, ИИ иногда голосовал за откровенно неправильное значение, потому что сами аналоги были заполнены неточно. Теперь ИИ готовит список кандидатов и сортирует по уверенности, а финальное решение по нижней трети по уверенности принимаю сам — минут пятнадцать в неделю, но без риска закрепить ошибку массовым изменением.

Вывод в еженедельном отчёте руководству

Цифры отчёта ИИ считает сам, и делает это быстрее и точнее меня. Но фразу-вывод — почему это важно и что с этим делать — какое-то время пробовал доверять ему тоже. Получалось гладко и обтекаемо: там, где нужно было сказать прямо «это провал одного конкретного поставщика», ИИ писал обобщённое «наблюдается отклонение показателя». Формально верно, но теряет ровно ту остроту, ради которой отчёт вообще читают. Вывод теперь пишу сам, опираясь на посчитанные ИИ цифры.

Разговор с сотрудником о причине ошибки

Пробовал автоматически рассылать сотрудникам вопрос «почему расхождение по позиции X» через бота — экономило время, но ответы получались формальные, а иногда вообще без ответа. Живой звонок с тем же вопросом почти всегда вскрывает больше: человек рассказывает не только про конкретную ошибку, но и про смежную проблему, о которой сам бы не написал в чат. Этот разговор автоматизации не поддаётся — оставил себе.

В Telegram — короткий чек-лист: пять вопросов, которые задаю себе, прежде чем отдать задачу ИИ: t.me/ii_na_skladah

Приоритет, что чинить первым

Когда одновременно всплывают неликвиды, просроченный товар и расхождение по инвентаризации — ИИ может отсортировать по сумме или по сроку, но не видит, какой отдел сейчас и так перегружен другим проектом, а какой может подключиться немедленно. Эта часть приоритизации завязана на контекст, которого у ИИ просто нет и который в файл-инструкцию не запишешь — он меняется каждую неделю.

Правка формулы, а не только данных

Отдельно от исправления конкретных значений — любое изменение самой формулы расчёта (например, порога для отчёта о неликвидах) теперь всегда прохожу сам на паре тестовых кейсов вручную, прежде чем разрешить ИИ применить её ко всему складу. Один раз обошёлся без этого шага и получил ложные срабатывания по товарам с сезонным спросом — формула не учла, что «неликвид» зимой и летом для садового отдела — это разные вещи.

Что это дало

После отката этих пяти задач общее время, которое трачу на автоматизацию и проверку её результатов, выросло — примерно на час в неделю. Но количество случаев, когда пришлось откатывать уже принятое решение задним числом, упало почти до нуля. Раньше я мерил успех автоматизации тем, сколько задач она забрала. Сейчас мерю тем, сколько из отданных задач не пришлось откатывать обратно.

Честно про минусы

Этот подход субъективен — граница «где ИИ справляется, а где нет» у меня в голове, а не в измеримом критерии, и я сам могу ошибаться, оставляя себе задачу, которую ИИ бы уже потянул. Плюс это не масштабируется на команду: если бы решения принимал не я один, а несколько человек, каждому пришлось бы заново нащупывать свою границу, и универсального чек-листа тут не хватит.

Что дальше

Планирую раз в квартал пересматривать этот список — часть задач, которые сейчас держу за собой, ИИ через несколько версий моделей вполне может забрать обратно. Первый кандидат на возврат — финальная сверка после массового изменения справочника, как только появится способ измерять уверенность ИИ по позиции честнее, чем количество похожих товаров.

А у вас есть задача, которую сначала отдали автоматизации, а потом забрали обратно — и почему?

Подробнее и другие разборы — в Telegram: t.me/ii_na_skladah