AI-native компания за 8 месяцев
От «мы сами руками лучше» — к агентам в каждой функции. Кейс трансформации платёжной финтех-группы, работающей в России и MENA-регионе. Представлен Михаилом Шмоновым, директором по цифровым трансформациям.
Клиент: платёжный финтех в двух юрисдикциях
- Сфера — финтех. Компания представлена на двух рынках: в России и MENA-регионе.
- Чем занимается: ПО для смарт-терминалов и облачных касс, платёжные сервисы, а также поставка самих терминалов для приёма оплаты.
- Масштаб 2025: выручка около 1,5 млрд ₽, штат к концу года — 480 человек на две компании.
- Классическая структура до внедрения: продажи, три линии поддержки, разработка, финансы, legal, HR — всё на людях.
Задача, с которой пришли (2026)
- Выручка 2,5 млрд ₽ (+67% к 2025).
- Штат 250 человек — сокращение издержек на ФОТ почти вдвое при росте бизнеса.
- Единственный способ совместить оба условия — перестроить компанию вокруг AI.
Выручка на сотрудника — суть трансформации
млн ₽ выручки на сотрудника в год
Цель — ×3,2 к производительности 2025 года: 3,1 → 10 млн ₽ на человека.
С чего начинали: ноль AI-грамотности и данные за семью замками
- Финансы — управленческий учёт в Excel, консолидация вручную, цифры «живут» у людей.
- Данные — чтобы коммерческому директору увидеть реальную картину продаж, нужно пройти 3–4 уровня иерархии вниз.
- Поддержка — три линии, полностью ручная обработка; разбор инцидента L3 — до 45 минут на обращение.
- Разработка — классический процесс, весь бэклог через людей.
Стартовые показатели
При этом бизнес растёт — трансформацию делали «на ходу», без остановки операционки.
Что получили за 8 месяцев
Главное — изменилась сама модель работы компании: люди остались на уникальных задачах, рутина ушла агентам, а решения принимаются на данных, а не на пересказах.
Три параллельных трека: люди → данные → экономический эффект
| Трек | Q1 · янв–мар | Q2 · апр–июн | Q3 · июл–авг | Итог |
|---|---|---|---|---|
| 1 · Adoptionлюди и культура | Общие тренинги, all hands по уровням и продуктам, каналы поддержки. Задача — чтобы люди хоть что-то начали делать. | Программа чемпионов: каждый может подать свой кейс. Офлайн AI-сессии по подразделениям. | ≈30 активных чемпионов, экспоненциальное расширение вовлечённости внутри команд. | DAU 50 / WAU 75 / MAU 95 |
| 2 · Токенизацияданные, AI DWH | Классический DWH: Postgres + ClickHouse, ETL для контуров РФ и MENA, сервис маскирования данных. | Семантический слой: чаты, встречи, звонки, решения СД. Финансы: Excel → дашборды + MCP. | AI-слой для C-level: онтология, мультиагентная система поверх всего DWH. | 30+ источников, 70% контекста |
| 3 · Инициативысокращение костов | Первые пилоты: автоматизация L1-поддержки, агент в CRM. | Автоворонка продаж, голосовой бот L2, агентский pipeline разработки. | AI-анализ логов L3, поиск аномалий и фрода, перезапуск продукта в MENA-регионе. | −130 чел., CAC −80% |
Порядок принципиален: сначала adoption, параллельно — данные, и только на этом фундаменте — инициативы с P&L-эффектом. Агенты без данных слепы, данные без людей — мертвы.
От нуля до 95% MAU за счёт чемпионов, а не приказов
- Общая программа обучения — базовые тренинги для всех, затем группы по уровням сложности и по продуктам.
- All hands по уровням и направлениям — регулярный показ живых кейсов, а не теории.
- Программа чемпионов — каждый сотрудник может подать свой кейс; лучшие получают поддержку и сцену. Найденные AI-чемпионы разносят практику внутри своих команд — вовлечённость растёт экспоненциально.
- Офлайн AI-сессии для подразделений — разбор задач конкретного отдела на его данных.
- Постоянные текстовые каналы поддержки — любой сотрудник может прийти с запросом или предложением и получить помощь.
Результат
Чемпионы оказались главным рычагом: они отвечают внутри команд на вопрос «зачем это нужно и почему это круто» лучше любого топ-менеджера.
Фундамент: классический DWH на два контура
- Агрегация продовых данных — Postgres и ClickHouse, полноценные ETL-пайплайны для двух компаний: российский и международный (MENA) контуры.
- Сервис маскирования данных — отдельный слой доступа, который обезличивает данные и открывает доступ из России к frontier-моделям без компромиссов по безопасности.
- Никакой магии на этом этапе — сознательно: сначала нормальные данные, потом интеллект поверх них.
Что подключено
- CRM и продажи
- Транзакции и биллинг
- Тикеты поддержки
- Телефония и звонки
- Продуктовая аналитика
- Финансовый контур
- HR-системы
- Логи терминалов
Итого 30+ источников информации в России и MENA-регионе, подключённых по единой архитектуре.
Схема контуров
Семантический слой: оцифровали не таблицы, а смысл
- Неструктурированные данные в DWH: рабочие чаты, встречи, суммаризации звонков, контекст управленческих решений — вплоть до совета директоров.
- Финансы: из Excel — в сервис. Полная оцифровка финансовой функции: дашборды + интеграция с Claude по MCP. Любой вопрос к цифрам — за секунды, а не через аналитика.
- Продажи и поддержка: 100% транскрибация звонков, анализ эффективности каждого сотрудника, разбор возражений и качества коммуникации.
Слои AI DWH · 70% контекста компании оцифровано
Каждый следующий слой строится строго на предыдущем — попытка начать с «умного» слоя без фундамента провалилась бы.
AI-слой для C-level: онтология + мультиагентная система
- Онтология данных поверх всего DWH — единая модель понятий, которая знает, где какие данные лежат и как они связаны, и учитывает конфликты между источниками.
- Мультиагентная система: агенты сами ходят по данным и контексту, итеративно уточняют запрос, пока не соберут полную картину. Суммаризация всего, что есть в DWH.
- Разрешение конфликтов данных: когда источники расходятся, система сводит их к одной согласованной версии — той учётности, которая нужна собственникам, без «войн цифр» между отделами.
Как отвечает система
Продажи: бот уже конвертит лучше человека
- Оцифровка всего процесса продаж — перестроили CRM, встроили агента прямо в карточки сделок: автозаполнение, прокидка контекста, next best action.
- Анализ голоса + real-time подсказки в работе с клиентом → сократили время обработки клиента.
- Мотивация на данных: нашли реальные проблемы в процессе через анализ звонков — и пересобрали систему мотивации под них. Итог — рост конверсии в целевого лида.
- Автоворонка: клиент оставляет заявку; если не доходит до конца — бот сам звонит и допушивает, либо полностью ведёт коммуникацию до сделки.
Бот работает 24/7, не выгорает и мгновенно подхватывает каждую заявку — за счёт этого CAC упал с 7 500 до 1 500 ₽.
Конверсия воронки: бот vs человек
Поддержка: свой сервис на каждой линии — L1, L2, L3
Разработка: агентский pipeline от идеи до MR
- 30% задач продуктового бэклога проходят от идеи до MR без участия разработчика.
- Продакт пишет задачу в карточке → агент реализует, тестирует, выкатывает на стенд → продакт проверяет результат. Разработчики — только там, где нужна уникальная компетенция.
- Бэклог теперь собирается из данных, а не из мнений: обращения в поддержку + возражения клиентов в продажах + анализ логов и проблем — с разбивкой по воронкам: что сделать, чтобы снизить обращения и поднять конверсию.
Кейс: перезапуск продукта в MENA-регионе
Команда из 40 человек не «оптимизирована на 10%» — модель разработки заменена целиком.
AI-native — значит каждая функция, а не три пилота
Полная оцифровка: из Excel — в сервис с дашбордами, интеграция с Claude по MCP. Финмодель и отчётность доступны в диалоге.
Анализ документов и договоров + скоринг тендеров: система сама находит интересные для нас тендеры и разбирает условия.
Скоринг кандидатов, обработка обратной связи сотрудников, AI-скиллы для рутинных HR-процессов.
Бэклог формируется из трёх потоков данных (поддержка, продажи, логи) с разбивкой по воронкам — приоритизация на фактах.
Self-service через AI DWH: вопрос на естественном языке вместо заявки аналитику и ожидания в днях.
Три якорных направления с максимальным P&L-эффектом — разобраны выше.
Единый принцип: функция считается оцифрованной, когда её контекст лежит в AI DWH и с ним работает агент — а не когда у отдела «есть подписка на чат-бота».
Экономика: программа окупает сама себя
Структура затрат программы
- Команда AI-трансформации — 52%
- Токены и API моделей — 26%
- Подписки и инструменты — 22%
Пик расходов пройден: с сентября месячные затраты программы ниже ещё на ≈28% — за счёт оптимизации команды и расхода токенов.
Окупаемость
Источник эффекта — сокращение ФОТ при сохранении роста выручки: 480 → 350 человек уже сейчас, 250 — цель до конца года. Эффект концентрируется в продажах, поддержке и разработке.
Что дальше: 250 человек, 2,5 млрд и компания на одном слайде
- End-to-end pipeline разработки — убрать человека и из финальной верификации: полный цикл «идея → прод» на агентах.
- «Компания на одном слайде» для CEO — живая визуализация всех процессов: коммуникации, обратная связь, потенциальные проблемы и риски, что работает не так — в реальном времени.
- Новые продукты на новых технологиях — освободившийся ресурс направляем не только на экономию, но и на запуск того, что раньше было не по силам.
Траектория штата при растущей выручке
человек в штате
Ключевое условие: сокращение — без потери плана по выручке и с запуском новых продуктов.
Пять принципов, без которых у нас бы не получилось
- Adoption раньше технологий.Пока люди не начали пользоваться сами, любой AI-проект — театр. Чемпионы масштабируют культуру быстрее приказов.
- Данные — фундамент.Без AI DWH агенты слепы. Сначала скучный ETL и маскирование, потом семантика, и только потом «магия».
- Точность дороже токенов.Для решений C-level дорогие итеративные агентские запросы окупаются: цена ошибки кратно выше цены инференса.
- Меняйте модель, а не проценты.40 → 2 разработчика и бот, продающий лучше человека, — это замена процесса, а не оптимизация старого.
- Люди — на уникальных задачах.Цель не «уволить всех», а перевести компанию в режим, где 250 человек делают больше, чем делали 480, — и делают то, что действительно требует человека.
Хотите такой же расчёт для своей компании?
За 30 минут диагностики найдём, где вы теряете деньги на ручных процессах, и оценим эффект от AI-агентов в ФОТ, CAC и скорости.