Как я сократил подготовку еженедельного отчёта на складе с нескольких часов до получаса — пошаговый разбор

В первой статье (https://vc.ru/ai/3067270-ispolzovanie-ii-v-skladskoy-logistike-opyt-rukovoditelya) я рассказывал, что использую Клода примерно в 80% рабочих задач, и вскользь упомянул один из первых кейсов — автоматизацию еженедельного отчёта. Тогда это была пара абзацев. Здесь — подробный разбор: что именно было автоматизировано, как выглядел процесс до и после, какой промпт-шаблон в итоге получился и на чём я сам обжёгся в первых попытках.

Если вы руководите складом, распределительным центром или любым операционным подразделением, где раз в неделю нужно сводить цифры из нескольких систем в один документ — этот разбор, скорее всего, ляжет на вашу ситуацию почти без адаптации.

Еженедельный отчёт — стандартная история для складской логистики: показатели по обработке заказов, отклонения по ключевым метрикам, комментарии по проблемным зонам. Ничего экзотического, но процесс сборки был устроен неудобно:

— данные лежали в нескольких разных системах и выгружались по отдельности;

— часть цифр приходилось сверять вручную, потому что источники иногда расходились;

— пересчёт производных показателей делался в Excel, с риском случайно съехавшей формулы;

— текстовые выводы и комментарии писались с нуля каждую неделю, хотя логика оценки одна и та же;

— финальная проверка и оформление отнимали отдельное время уже после того, как все цифры были на месте.

Итого — от двух до нескольких часов каждую неделю на процесс, который по сути одинаковый из раза в раз. Больнее всего было не само время, а то, что оно уходило в самую загруженную часть недели, и отчёт периодически уезжал по срокам.

Честно: идея «просто скинуть Клоду цифры и попросить сделать отчёт» с первого раза не сработала так, как хотелось. Первые попытки давали текст, который выглядел прилично, но нуждался в серьёзной правке — терялись нужные акценты, местами неверно интерпретировались отклонения, формат уезжал от привычного.

Проблема была не в модели, а в постановке задачи: без чёткой структуры и контекста Клод честно пытался угадать, что важно, — и иногда угадывал не то. Решилось это не «более умным» промптом, а один раз собранным шаблоном, который потом переиспользуется каждую неделю без переделки с нуля.

Пять шагов, из которых человек полноценно участвует в первом и четвёртом — остальное занимает Клод:

1. Данные. Источники и способ выгрузки не изменились — это осознанное решение: чем меньше меняется вокруг основного процесса, тем ниже риск что-то сломать. Автоматизация — про сборку и интерпретацию, а не про сами данные.

2. Промпт-шаблон. Один раз собранный запрос, который описывает структуру будущего отчёта, формулы производных показателей, тон и объём комментариев, а также — отдельным пунктом — что считать отклонением, требующим внимания.

3. Черновик от Клода. Сведённые и пересчитанные цифры, готовые формулировки по разделам, отмеченные аномалии с кратким пояснением, почему они выделены.

4. Проверка человеком. Обязательный шаг. Автор сверяет ключевые цифры и при необходимости меняет акценты — Клод хорошо сводит и формулирует, но финальное решение о том, что важно показать руководству, всегда остаётся за человеком.

5. Готовый отчёт уходит получателям в привычном формате — без сборки вручную.

Ниже — упрощённая версия того, как устроен запрос. Реальный длиннее и содержит специфику конкретных показателей склада, но логика ровно такая:

Ты помогаешь собрать еженедельный операционный отчёт склада по прикреплённым данным.

1. Сведи показатели по разделам: обработка заказов, складские остатки, отгрузки.

2. Посчитай отклонение каждого показателя от среднего за последние 4 недели.

3. Отметь как «требует внимания» всё, что отклонилось больше чем на 15%, и коротко поясни возможную причину на основе данных.

4. Для каждого раздела напиши 2-3 предложения вывода — по-деловому, без общих фраз, с опорой на цифры.

5. Не делай выводов о причинах, которые не подтверждены данными — в таком случае прямо напиши, что причина не ясна.

6. Формат — как в приложенном шаблоне прошлой недели.

Пункт 5 добавился не сразу — именно он снял главную проблему первых версий, когда модель иногда «дописывала» правдоподобное, но не подтверждённое объяснение отклонения. Явный запрет оказался эффективнее любых уговоров в духе «будь точнее».

## Результат

По личным наблюдениям за несколько месяцев использования — экономия времени составляет около 90%: то, что раньше занимало несколько часов, теперь укладывается в получас, большая часть которого — это как раз шаг проверки, а не сборки. Отдельный плюс, который сначала не планировался: отчёт стал более предсказуемым по структуре — раньше формулировки от недели к неделе немного «плавали» в зависимости от того, сколько времени было на финальную вычитку.

Похожим образом устроены ещё несколько автоматизаций на складе — держу их разборы в канале «ИИ на складах» (https://t.me/ii_na_skladah), обновляю примерно раз в неделю.

1. Соберите шаблон один раз, не пытайтесь угадать идеальный промпт с первой попытки. У меня ушло несколько итераций, прежде чем шаблон перестал требовать правок каждую неделю — это нормально.

2. Явно ограничивайте модель там, где не хотите домыслов. Фраза вида «если причина не ясна из данных — так и напиши» экономит больше времени, чем кажется на первый взгляд, потому что убирает самый неприятный тип ошибки — правдоподобную неточность.

3. Оставляйте проверку человеком как обязательный шаг, а не подстраховку на всякий случай. Это не имитация контроля — Клод действительно иногда неверно расставляет акценты в отклонениях, и человек это быстро ловит, если специально смотрит на этот шаг, а не просто пробегает глазами готовый текст.

ИИ в этом процессе не принимает управленческих решений и не отменяет ответственность за то, что уходит наверх с вашей подписью. Это инструмент сборки и первичной интерпретации — экономит время именно на рутинной части, оставляя человеку то, что действительно требует суждения: что из отклонений важно эскалировать, а что — нормальный шум недели.

Это второй подробный разбор из серии — таким же образом устроены ещё несколько автоматизаций на складе: пересчёт крупных показателей, расчёт лимитов хранения, разбор причины просевшего KPI. Публикую их по мере готовности в канале «ИИ на складах», там же — расширенная версия промпт-шаблона из этой статьи с комментариями, почему он сформулирован именно так: https://t.me/ii_na_skladah