Как составить ТЗ на AI-автоматизацию бизнес-процессов: воронка, интеграции и метрики (2026)

Что такое «рабочее» ТЗ на AI-автоматизацию и почему оно экономит время

ТЗ на AI автоматизацию бизнес процессов — это не список «хотим бота» и не описание формата ответа. Для разработки в 2026 году документ должен быть достаточно точным, чтобы команда зафиксировала: границы решения, источники данных, сценарии пользователя, требования к интеграциям, критерии качества и метрики эффекта для бизнеса.

Если этого нет, проект начинает расползаться: меняются цели, бизнес ждёт одного эффекта, разработка делает другое, а метрики не позволяют понять, работает ли AI или просто «болтает».

Планируйте ТЗ так, чтобы на выходе у вас были: ясная воронка процесса, перечень интеграций, набор датасетов/полей, KPI, сценарии edge-cases и формат приёмки результата. Пример того, как формулируем AI-часть, чтобы она измерялась, можно посмотреть на базе студии AI-направления (App72).

Шаг 1. Зафиксируйте цель, KPI и ожидаемый эффект (до сценариев)

Начните с бизнес-цели и только потом переходите к чат-ботам, классификациям и автоматическим обработкам. В AI-проектах «цель» — это то, что будет измеряться в цифрах, а «сценарий» — как именно AI достигает этой цели.

Хорошая структура раздела:

• Бизнес-цель: например, сократить время обработки лида, увеличить конверсию в заявку/встречу, снизить долю ручных отказов.
• Целевые события: что считаем «успешным» действием (заявка подтверждена, встреча назначена, запрос закрыт, ошибка обработана корректно).
• Метрики и формулы: какие KPI считаем и как (доля успешных обработок, точность классификации, SLA по ответу, экономия часов).
• Базовый уровень (as-is): текущие показатели «до AI» — без них вы не оцените прирост.
• Целевой уровень (to-be): план на 1/2/3 месяца после запуска.

Совет из практики: KPI в AI должны иметь «порог качества» и «порог полезности». Например, точность классификации может быть 90% (порог качества), но бизнесу важнее, чтобы конверсия выросла на X% (полезность).

Шаг 2. Постройте воронку процесса и опишите точки принятия решений

ТЗ на AI автоматизацию бизнес процессов обязательно содержит воронку. Без неё AI невозможно правильно ограничить: где он помогает, где должен эскалировать человека и где завершать кейс.

Разверните воронку по этапам «вход → обработка → действие → контроль → результат». Пример шаблона (вставьте свои этапы):

• Вход: откуда приходят лиды/запросы (форма, email, звонок, мессенджер, CRM-заявка).
• Нормализация: приведение данных к единому формату (телефон, город, продукт, бюджет, срок).
• Классификация/понимание: что клиент хочет (категория услуги, уровень интереса, срочность).
• Действие: маршрут (менеджеру/отделу/очереди), подготовка ответа, заполнение полей, генерация письма.
• Проверка: правила и контроль качества (валидность данных, соответствие политике компании, антиспам).
• Эскалация: когда нужно передавать человеку (низкая уверенность, сложные случаи, конфликтные данные).
• Закрытие: фиксация результата в CRM и формирование статуса лида.

Для AI важно прописать условия уверенности. Например: если модель уверена на 0.8+ — применяем автоматизацию, если ниже — передаём в human-in-the-loop или запрашиваем уточнение.

Шаг 3. Интеграции: какие системы подключаем и какой должен быть контракт данных

В 2026 интеграции — это не «подключим API», а конкретный контракт: какие поля приходят, какие поля уходят, какие статусы должны обновляться, какие события логируются. Чтобы разработка не упиралась в «непонятные форматы», в ТЗ фиксируйте:

• Список систем: CRM, сайт/лендинг, колл-трекинг, телефония, BI/аналитика, хранилище документов.
• Точки синхронизации: при создании лида, обновлении статуса, назначении ответственного, передаче в обработку.
• Схема данных: входные поля (имя, контакт, интерес, источник, UTM, география) и выходные поля (категория, приоритет, причина отказа, готовность к звонку).
• Валидации: формат телефона, обязательные поля, правила удаления дублей.
• Журналы и трассировка: какие логи сохраняем (промпт/ответ, уверенность, решение маршрутизации, причина эскалации).
• Безопасность: доступы, роли, хранение персональных данных, маскирование, сроки хранения.

Если воронка предполагает, что AI будет заполнять поля в CRM, в ТЗ должны быть примеры: «как выглядит корректное заполнение» и что считать ошибкой. Это снижает количество итераций при приёмке.

Для ориентира по структуре работ и примерам того, как мы подходим к внедрению, смотрите кейсы и подход в разделе работы App72.

Шаг 4. Требования к данным и качеству AI: что вы предоставляете и как меряем результат

AI-автоматизация бизнес-процессов почти всегда упирается в качество данных. В ТЗ фиксируйте, какие данные нужны и что будет использоваться для обучения/настройки или для оценки качества.

Сделайте отдельный блок «Данные и оценка»:

• Датасеты: реальные примеры заявок/переписок за период, наборы позитивных/негативных кейсов.
• Разметка: кто и как размечает (категории, причины отказа, тон коммуникации, корректность маршрута).
• Объём: сколько примеров нужно для теста и пилота.
• Политики: запреты (что нельзя обещать), допустимые формулировки, требования к юридическим оговоркам.
• Пороговые значения качества: точность/полнота для классификации, rate успешных обработок, доля правильных маршрутов.
• Human-in-the-loop: роль менеджера, правила эскалации, SLA на ручную проверку.

Важно: метрики должны быть согласованы до старта. Если вы не договорились о том, что считать «качественным ответом», разработка будет мерить то, что легче, а не то, что вам нужно.

Один практический чеклист для согласования ТЗ перед стартом разработки

Перед тем как подписывать ТЗ, пройдитесь по чеклисту. Он закрывает 90% рисков «не то сделали».

Сроки и состав работ: как разложить проект на фазы без сюрпризов

Чтобы уложиться в сроки, проект обычно разумно вести фазами:

• Фаза 0 — discovery (обычно 1–2 недели): сбор требований, воронка, согласование KPI, аудит данных и интеграций.
• Фаза 1 — прототип / пилот: проверка сценариев на части трафика или на тестовых данных, настройка маршрутизации и качества.
• Фаза 2 — интеграция и запуск: подключение к CRM/сайту/каналам, логирование, контроль качества, обучение команды.
• Фаза 3 — масштабирование: расширение кейсов, улучшение метрик, доработка по обратной связи.

Если вы хотите быстро получить измеримый результат, разумнее стартовать с 1–2 ключевых сценариев и довести метрики до целевых значений, а не распыляться на весь «идеальный» список автоматизаций.

По формату работ App72.ru обычно подбирает подходящую модель внедрения. В зависимости от объёма проекта это может быть AI Бизнес (2–3 AI-сценария с интеграцией и метриками) либо AI Базовый (1 AI-сценарий, MVP за 3–4 недели). Для точного выбора нужно понять вашу воронку и KPI.