Кейс: AI нашёл 500 000 рублей скрытых потерь в сметах подрядчика

Владелец строительной компании из Подмосковья — назовём его Сергей — был уверен, что маржа падает из-за подорожания материалов. Оказалось, деньги утекали через его собственные сметы. Нашёл это не аудитор за 150 000 рублей, а AI-агент за два вечера работы.

Сумма находок — около 500 000 рублей за год. Разбираем, как это было устроено.

Исходная точка: 30 объектов и ощущение «что-то не так»

Компания Сергея делает ремонты коммерческих помещений: 25–35 объектов в год, средний чек 1,5–3 миллиона. Сметы готовят два сметчика, закупками занимается снабженец, документы живут в Excel и почте.

Классическая картина малого подрядчика: каждый документ по отдельности выглядит нормально, но сквозной проверкой всего массива не занимается никто. Некому и некогда — аудит стоит дорого, а свои глаза замылены.

Знакомый посоветовал Сергею попробовать разобрать документы через Claude. Не через чат с копипастом кусков, а через агента, которому дают доступ к папке с файлами целиком — так же, как мы описывали в статье про Claude Code для нетехнаря.

Что сделали: папка документов и три вопроса

Подготовка заняла вечер. Сергей собрал в одну папку сметы по 28 закрытым объектам за год, счета поставщиков и выгрузку переписки со снабженцем и прорабами.

Задача агенту была сформулирована по-человечески, без технических терминов. Три вопроса:

• Есть ли в сметах позиции, которые дублируют друг друга под разными названиями?
• Сходятся ли суммы в сметах с фактическими счетами поставщиков?
• Есть ли расходы, которые попадают в смету больше одного раза?

Агент читал файлы, строил сводные таблицы, сверял позиции между документами и складывал находки в отчёт. Работа шла итерациями: первый прогон — грубый список подозрительных мест, потом Сергей уточнял вопросы, агент копал глубже.

Что нашли: три дыры

Дубли позиций под разными именами — около 210 000 рублей. Одна и та же работа входила в смету дважды под разными формулировками: «устройство стяжки» отдельной строкой и она же — внутри укрупнённой позиции «комплекс работ по полам». Заказчики оплачивали, подрядчики-субчики выставляли по факту одну работу, разница растворялась в общем котле объекта. Таких пар агент нашёл 11 штук на семи объектах.

Задвоенные накладные расходы — около 180 000 рублей. Накладные закладывались процентом в итог сметы — и одновременно часть их (доставка, вывоз мусора) сидела отдельными строками в теле сметы. По сути, компания дарила эти суммы или, наоборот, теряла на объектах с фиксированной ценой — зависело от типа договора.

Расхождения смет с фактическими счетами — около 110 000 рублей. Агент сверил сметные цены материалов со счетами поставщиков и подсветил позиции, где закупка стабильно шла дороже сметы. Переписка показала причину: снабженец брал «где привычно», а не «где по смете считали». Не воровство — инерция. Но деньги те же.

Разовый аудит нашёл симптом. Чтобы такие расхождения ловились до заказа, нужен маршрут от заявки и КП до нормализованной цены, допуска контрагента и человеческого согласования. Его мы разложили по шагам в материале про автоматизацию закупок с ИИ.

Итого порядка 500 000 рублей за год — при марже бизнеса это был эквивалент двух хороших объектов, отработанных «в ноль».

Сколько это заняло и стоило

Два вечера работы самого Сергея: один на сбор документов, один на разбор находок с агентом. Подписка на Claude — 20 долларов. Ноль программистов.

Для сравнения: внешний аудит смет ему ранее оценивали в 120–150 тысяч рублей и три недели сроку. И это была бы разовая акция, а папку с агентом он теперь прогоняет ежеквартально — процедура занимает часа два. Если захотите повторить такой разбор у себя, пошаговый план внедрения мы собрали в материале как внедрить AI-агента в малый бизнес, а общие вилки цен — в разборе сколько стоит внедрить ИИ в малый бизнес.

На документах AI окупается быстрее всего, и этот кейс — типичный, а не исключительный. У любого бизнеса старше трёх лет в документах лежат деньги: дубли, расхождения, забытые договорённости. Человек не может удерживать в голове тысячу страниц, агент — может. Поэтому мой совет всегда один: не начинайте знакомство с AI с «магии», начните со сверки собственных документов. Результат в рублях появляется за неделю.

— Дмитрий Попов, AI бизнес-стратег

Что из этого взять себе

Кейс воспроизводится почти в любом бизнесе, где есть массив документов: сметы, счета, договоры, акты. Полный разбор того, как выстраивать такую проверку под разные типы документов — в материале AI для обработки документов в бизнесе. Рецепт короткий.

Соберите документы за период в одну папку. Сформулируйте три-пять вопросов о том, где вы подозреваете потери. Отдайте агенту и относитесь к его находкам как к списку подозрений, а не приговору — каждую проверьте руками. У Сергея из 19 находок агента подтвердились 14: тоже не стопроцентная точность, но попробуйте получить 14 подтверждённых дыр от штатного сотрудника за два вечера.

А если после разовой проверки захочется поставить такую сверку на поток — это уже задача для постоянного агента, о которых мы писали в статье про цифровых сотрудников. Живые примеры таких разборов, кстати, регулярно появляются в сообществе COMANDOS — резиденты выкладывают их в канале t.me/ai_comandos вместе с настройками и промптами. Полезное чтение перед тем, как открыть собственную папку со сметами.