С-1. Первичный отбор конкурсов

Роль: Руководитель (руководитель)
Приоритет: P1
Экономия: 50–60 ч/мес
Модель автономности: Координация — AI готовит, человек решает

1. Процесс

AS-IS

Время: ~3 часа/день
Акторы: Руководитель (единственный), AI не участвует
Боль: объём рутины, критерии в голове — невозможно делегировать

TO-BE

Время: 30–40 мин/день
Акторы: AI-агент (подготовка) + Руководитель (решение)

2. Данные

Потоки данных

Источник	Что даёт	Как получаем	Состояние
Закрытая площадка	Конкурсы, ТЗ, заказчики	Парсер / API (после НДА)	Структурированное
Открытая площадка	Конкурсы, ТЗ, заказчики	Парсер / API	Структурированное
Почтовые рассылки	Конкурсы (дубли + уникальные)	Парсер входящей почты	Полуструктурированное
Excel-реестр	Прошлые конкурсы, победы/проигрыши	Миграция при запуске	Грязное (ручной ввод)

Проблемы с данными

Дубли: конкурсы с разных площадок дублируются — нужна дедупликация по (заказчик + предмет + дедлайн)
Потери: отклонённые конкурсы не записываются → нет данных для аналитики
Грязь: Excel-реестр — свободный формат, без валидации
Разрыв: нет обратной связи «подали → выиграли/проиграли» в привязке к критериям отбора

Карта потоков (TO-BE)

Площадки/Почта → [парсер] → Единый пул конкурсов → [дедупликация]
    → [AI-классификатор + knowledge/screening-criteria.md]
    → Б24 воронка «Тендеры» (карточки с AI-оценкой)
    → [обратная связь: решение Руководителя → калибровка модели]

3. Абстракции

Карта интерфейсов

Сейчас (AS-IS)	Функция	После (TO-BE)	Изменение
Браузер (2 площадки)	Просмотр конкурсов	Не нужен для скрининга	Убираем — парсер собирает автоматически
Почтовый клиент	Рассылки конкурсов	Не нужен для скрининга	Убираем — парсер обрабатывает
Excel-реестр	CRM конкурсов	Воронка «Тендеры» в Б24	Заменяем
—	Контроль AI	Дашборд скрининга	Новое — observability

Что это даёт

Минус 3 интерфейса для ежедневной рутины (площадки + почта + Excel)
Плюс 1 интерфейс — дашборд (но 30 мин вместо 3 часов)
Лицензии/затраты: нет прямой экономии (площадки и почта остаются для других задач), но экономия времени = основной эффект

4. Контекст

Знания, задействованные на шагах процесса

Знание	Где сейчас	Режим применения	Формализуемость
Критерии отбора (компетенция, объём, сроки, рентабельность)	Не записаны, экспертиза руководителя	AI сам → проверяет по правилам	70–80%
База заказчиков и репутация	Не записана, экспертиза руководителя	AI помогает → подтягивает историю, руководитель оценивает	Да
Компетенции компании (что умеем поставлять)	Распределена между сотрудниками	AI сам → матчит по каталогу	Да
Сезонные паттерны	Не записаны, экспертиза руководителя	AI помогает → показывает загрузку, руководитель решает	Частично
«Чуйка» (инсайд, отношения, нетиповое)	Неявные знания руководителя	Человек сам	Нет (20–30% решений)

Иерархия контекстных файлов

Уровень	Файл	Содержание
Стратегический	`knowledge/company-profile.md`	Миссия, направления, принципы работы
Операционный	`knowledge/screening-criteria.md`	Критерии отбора + веса + пороги
Тактический	`knowledge/product-catalog.md`	Каталог товарных групп (что умеем)
Тактический	`knowledge/customer-history.md`	Справочник заказчиков + рейтинги
Процессный	`specs/tender-screener.yaml`	Правила классификации, пороги, эскалация

→ Оцифрованные знания: knowledge/screening-criteria.md

5. Автономность

Когнитивная карта

Шаг процесса	Когнитивный тип	Делег. ↔ Коорд.	Обоснование
Сбор конкурсов с площадок и почты	Извлечение	100% делегирование	Полностью формализуемо — парсинг по структуре
Дедупликация	Валидация	100% делегирование	Сравнение по ключевым полям
Разбор ТЗ (предмет, объём, сроки)	Извлечение + Синтез	90% делегирование	ТЗ полуструктурировано — LLM извлекает
Оценка по критериям Руководителя	Анализ	70% делегирование	70-80% критериев формализованы, остальное — «чуйка»
Ранжирование (подавать / рассмотреть / пропустить)	Валидация	70% делегирование	Пороги формальны, но граничные случаи — за человеком
Решение «берём / не берём»	Анализ	Координация	Финальное решение всегда за Руководителем
Распределение между менеджерами	Анализ (загрузка, опыт)	Координация	AI может предложить, но Руководитель знает нюансы
Фиксация отклонённых с причиной	Генерация	100% делегирование	AI записывает причину из своего анализа

Граница ответственности

AI делает сам (делегирование)	Человек решает (координация)
Сбор и парсинг конкурсов	Финальное «берём / не берём»
Структурирование данных из ТЗ	Оценка инсайда и отношений
Оценка по формальным критериям	Распределение между менеджерами
Ранжирование и рекомендация	Стратегические решения
Фиксация отклонённых

Уровень делегирования: координация (коллега)
Эскалация: VIP-заказчики, нетиповые конкурсы, score 50–80%, сумма > порога

6. Реализация

Трансформация документации → агент

knowledge/screening-criteria.md  ──→  agent context (читает при каждом запуске)
knowledge/product-catalog.md     ──→  agent context (справочник компетенций)
knowledge/customer-history.md    ──→  agent context (история заказчиков)
specs/tender-screener.yaml       ──→  agent config (триггер, inputs, outputs)
                                 ──→  agent system prompt (из таблицы автономности)
                                 ──→  acceptance tests (из метрик ниже)

→ Спецификация агента: specs/tender-screener.yaml

Метрики

Метрика	Сейчас	Цель	Источник теста
Время на первичный отбор	~3 ч/день	30–40 мин/день	Хронометраж
Конкурсов обработано в день	До 75	До 200+	Счётчик в системе
Точность AI-разметки	—	>80% совпадений с решением Руководителя	30-дневная калибровка
Фиксация отклонённых	0%	100%	Записи в системе
Время от появления до решения	4–8 часов	<1 час	Логирование

Фазирование

Фаза 1 (без AI): Воронка в Б24 + ручной ввод. Единый реестр, фиксация отклонённых, дашборд. Руководитель работает в системе вместо Excel.

Фаза 2 (с AI): Автосбор с площадок + AI-разметка по критериям. Руководитель переходит от ввода к проверке.

Зависимости

НДА для парсинга закрытой площадки
Формализация критериев Руководителя (2–3 часа интервью)
Миграция исторических данных из Excel
Создание каталога товарных групп (с менеджерами)