Проектное знание в целости
Что сказал клиент, что пообещали, что не обещали — захвачено из всех каналов, сведено, зафиксировано. Единый источник правды по проекту.
Незанятый слой
Писать код с AI — уже гигиена: это умеет каждая компания, и преимущества это не даёт. Выигрыш — в применении AI к управленческому слою, где решаются результат и маржа.
AI должен усиливать не только инженеров — но и тех, кто ими управляет и отвечает за результат.
Проблема на языке delivery
Проектное знание живёт в звонках, документах, письмах, чатах и головах людей — распределено по всему, не принадлежит никому.
Как следствие — переделки, расползающийся скоуп, сорванные договорённости и сроки. Что спросил клиент, что мы пообещали и что не обещали, сроки, скоуп, сказанное лишь намёком — сегодня каждый в команде держит в голове свой кусок, и никто не держит картину целиком. Даже опытный менеджер имеет человеческие ограничения: устаёт, привыкает, отвлекается, слышит то, что удобно.
Зазор в текущем ответе
Быстрее писать код — необходимо. Но недостаточно.
Модель IT-услуг, где продают человеко-часы, сжимается под давлением AI — и это не временный спад. Компании отвечают тем, что ускоряют разработку с AI и всё чаще берутся продавать результат, а не ставку. Но результат выигрывается или теряется не в скорости кода, а в том, как ведётся проект — планирование, риски, знание о клиенте, решения. Именно здесь буксует внедрение AI и утекает маржа. Более быстрый код этот разрыв не закрывает.
Текущие инвестиции
Архитекторы и разработчики на AI
Код генерируется быстрее. Техническое качество растёт. Скорость delivery увеличивается.
Зазор
Управленческий слой
DM-ы, полевые лиды, аккаунт-менеджеры. Сейчас видят AI как демо. Не включены, не измерены.
Где живёт outcome
Результат клиента и маржа
Выполненные обязательства. Защищённый скоуп. Риски подняты заблаговременно. Переделок нет. Это управленческие выходы, не инженерные.
Зазор — расстояние между более быстрым кодом и лучшими результатами клиента. Возможность — занять этот слой.
Офферинг
Капабилити, которая двигает outcome-метрики, а не только скорость.
Обнаружение противоречий и рисков
Документы, транскрипты и решения непрерывно сверяются. Конфликты поднимаются до того, как доходят до подписания или звонка с клиентом.
Решения с поддержкой AI
Планирование, оценка рисков и управление скоупом с системой, которая работает стабильно и не устаёт, не отвлекается, не поддаётся авторитетам.
Измеримый outcome-слой
Соблюдение скоупа, трекинг обязательств, возраст открытых вопросов. Управленческие KPI, напрямую связанные с результатом клиента и маржой — не только со скоростью.
Где человек ошибается
Что держит система
Файлы везде. Решения оседают в SharePoint, почте, Confluence, Teams и на локальных дисках; никто не знает, где искать.
Один адрес вопроса. Система тянет из всех источников в одну базу; ответ всегда в одном месте.
Разные каналы — разные версии. На звонке сказали одно, в письме другое, в чате третье; новый человек читает только чат.
Все каналы, одна запись. Звонки, письма, документы и чаты сведены; все видят одну хронологию.
Обязательства. «Мы что-то пообещали на том звонке — что именно?»
Зафиксировано. Каждое обещание, отказ и договорённость с автором, датой и источником.
Завал документами. Клиент прислал 30 файлов; половину пропустили, пробелы додумали.
Прочитано, не проглочено. Система читает всё, вытаскивает факты, закономерности и противоречия.
Граница скоупа. То, что не брали, размывается и превращается в бесплатную работу.
Не в скоупе, зафиксировано. «Не обещано» хранится как факт, а не пустое место.
Недосказанное. Сказанное намёком или вскользь испаряется к следующей встрече.
Зафиксировано, добито. Записано как открытый вопрос и добито до ответа.
Противоречие. Два документа расходятся; никто не замечает, пока это не стоит денег.
Поймано. Когда два источника расходятся, это видно, а не замазывается.
Доверие к источнику. Догадка и факт от клиента в спешной сводке читаются одинаково.
Источник и достоверность. Каждое утверждение помечено подтверждено / предположение / открыто, со ссылкой.
Как это работает
Одна система по всем каналам. Всегда включена.
Источники
Звонки, документы, письма, чаты — все каналы, все форматы.
→
Захват
Факты, обязательства и открытые вопросы извлечены и привязаны к источнику.
→
База знаний
Каждое утверждение помечено подтверждено / предположение / открыто, с датой и источником.
→
Сигналы
Противоречия, риски и открытые вопросы — проактивно или по запросу.
база знаний · запись #312
- источник
- call-2026-07-14 · 00:41:22
- проект
- client-portal-migration
- спикер
- клиент
- утвержд.
- «Нам нужна интеграция до октябрьского запуска.»
- ось
- sla · скоуп
- уверен.
- предположение · только устно
- статус
- открыто · письм. подтверждения нет
- связано
- SOW §3.2 · письмо 2026-07-08
- ⚠ конфликт
- документ v2 — конечная дата указана как ноябрь
Транскрипт → структурированные факты
Каждое утверждение со спикером, типом атрибуции (said / agreed / denied / relayed), источником, меткой времени до секунды, привязкой к проекту, осью (SLA, скоуп, контракт, технологии…), меткой уверенности и флагом противоречия. Исходник хранится рядом в verbatim-виде.
Метки уверенности
Письменное подтверждение, только устно, или наше предположение. Система никогда не приравнивает упоминание на звонке к подписанному обязательству.
Провенанс каждого утверждения
Любой факт отслеживается до источника — звонок, документ, письмо — с меткой времени.
Обнаружение противоречий
Когда два источника говорят разное, система поднимает флаг, а не молча перезаписывает. Последнее слово не побеждает автоматически.
Накопление со временем
Каждый звонок и документ дополняет живую историю. Любой, кто входит в проект в середине, получает структурированный контекст, а не папку с файлами.
DM спрашивает систему
«Что клиент говорил про SLA на последних трёх звонках?»
Сводка с точными цитатами, датами и авторами — по всем звонкам, не только последнему.
«Что мы обещали в июне и что из этого ещё не сделано?»
Список обязательств с текущим статусом, источником и датой договорённости.
«Какие вопросы от клиента висят без ответа больше двух недель?»
Ранжированный список с возрастом, контекстом и последним упоминанием в любом канале.
«Упоминал ли клиент конкурентов или альтернативы?»
Все упоминания по всем каналам, с контекстом и тональностью, где определимо.
Система поднимает сигнал сама
Документ v3 описывает скоуп шире, чем зафиксировано на звонке.
Поднято с обоими источниками, до того как документ дошёл до клиента.
Клиент в письме сослался на договорённость, которой нет ни в одном документе или транскрипте.
Поднято как неподтверждённое утверждение — риск спора виден до следующего звонка.
Три открытых вопроса висят без ответа 30+ дней.
Поднято до следующего созвона, чтобы DM шёл подготовленным.
В двух версиях SOW разные даты окончания контракта.
Поймано до подписания.
Онбординг и передача
«Я принимаю этот аккаунт. Введи меня в контекст за последние три месяца.»
Структурированный бриф: ключевые решения, открытые вопросы, обязательства, риски — за минуты, а не дни.
Пример в цифрах
Работающая система — в цифрах и инсайтах.
- 31
- транскриптов встреч захвачено дословно
- 415
- наблюдений, каждое с источником
- 1 600+
- утверждений с меткой достоверности
- 44
- открытых вопросов под контролем
- 54д
- возраст старейшего открытого вопроса — всё ещё под контролем
// система работает в продакшене; показатели иллюстративные, без реальных коммерческих данных
Margin
Документ по скоупу говорил «6+ человек»; запись звонка неделей раньше зафиксировала ≤5 (бюджет клиента на пятерых). Конфликт замечен раньше, чем неверное число дошло до планирования команды.
Pricing
Платёжный план считал 18 × $70K = $1.26M, молча опустив дисконт «первый месяц бесплатно», согласованный на звонке (эффективно ≈ $66.7K/мес). Разрыв пойман до подписания.
SLA
В требованиях: рекалибровка SLA = 3 месяца; в черновике контракта — 1 месяц. Замечено, разобрано, исправлено до подписания.
Dates
В черновике контракта в разных разделах два разных года окончания. Поймано и исправлено.
Human·loop
В поле «Owner» в двух версиях документа разные люди. Система остановилась и спросила, а не выбрала наугад.
Каждый инсайт — риск, который не дошёл до счёта или до звонка с клиентом. Как я строю и веду такие системы — на dobryakov.com →
Почему это выигрышный ход
Дифференциация
Каждый конкурент сертифицирует программистов. Это базовый уровень, а не преимущество. Управленческая capability, привязанная к outcome — это moat: сложнее скопировать, виднее клиентам.
Маржа и утилизация
Меньше выходов за скоуп, меньше неоплачиваемых переделок, лучший трекинг обязательств по портфелю. Финансовый эффект прямой и измеримый на уровне аккаунта.
Outcome-based выручка
Продавать результат можно только тогда, когда есть capability его гарантировать. AI-native delivery management — операционный слой, который делает outcome-based обязательства надёжными, а не декларативными.
Governance by design
Изоляция данных
Каждый источник помечен: доверенный (от клиента) vs наша гипотеза; недоверенный по умолчанию. Данные клиента остаются в авторизованной границе.
Разделение ролей
Что система делает, определяет оператор, а не обрабатываемый контент.
История решений
У каждого наблюдения источник и дата. Всегда можно спросить «откуда это?» — и получить прямой ответ.
Человек в петле
Когда что-то неоднозначно, система останавливается и спрашивает. Не угадывает и не идёт дальше.
Кто это построил
Delivery-бэкграунд
Я веду проекты. Знаю, где теряется знание, где размываются обязательства, где исчезает маржа. Это не AI, применённый к задаче, о которой я читал. Система решает задачи, с которыми я сталкиваюсь каждый день как DM — только так строится то, что работает изо дня в день.
AI-builder
Я строю и веду AI-системы, а не только использую их. Работающая система за цифрами выше — спроектирована, эксплуатируется и развивается мной, а не кем-то делегированным. DM, который применяет AI к управлению — не разработчик, описывающий менеджмент снаружи. Это сочетание и есть мандат.
От работающей системы к воспроизводимой практике
Как созревает такая система.
Доказано
Я это строил и веду
Спроектировано и эксплуатируется мной на реальных проектных данных. Не разовый эксперимент — работает изо дня в день.
→
Кодифицировано
Метод, а не привычка
Работает на переиспользуемых компонентах и писаных правилах, поэтому не заперто в голове одного человека — другой может взять и запустить.
→
Воспроизводимо
Обучаемая capability
Тот же метод, упакованный так, что его можно передать командам и аккаунтам, а не зависеть от одного оператора.
Это не продажа продукта. Это пример того, что я строю.
Я не продаю эту систему — я показываю, что проектирую и довожу до продакшена. Ставлю AI в управленческий слой delivery: планирование, риски, обязательства, знание о клиенте. Если вы усиливаете свою delivery-функцию с AI и вам нужен человек, который это построит и возьмёт ответственность за результат, — открыт к разговору о сотрудничестве.