AI-агент для регулярних звітів: 2-4 год/тиждень

Якщо ви власник і читаєте 5+ статусів на день — знаєте таємницю: половина звіту — це числа з дашборда, а реальне судження — два абзаци внизу. Робота AI-агента — видалити копіпасту, не судження.

Як виглядає звітування до AI?

У SMB на 30–500 людей кожен лід пише тижневий або місячний звіт. Sales pipeline, operations, customer health, product velocity, finance burn.

Паттерн усюди однаковий:

1. Менеджер відкриває 4–7 дашбордів.
2. Копіює числа в шаблон.
3. Рахує "vs минулий тиждень" руками, іноді з помилками.
4. Додає абзац контексту — найцінніше.
5. Відсилає у пʼятницю.

Кроки 1–3 — від 90 хвилин до 3 годин. Крок 4 — 20 хвилин. Власник читає 4-й, решту проглядає.

Визначення: Регулярний звіт — звіт на фіксованому каденсі (день/тиждень/місяць/квартал), що поєднує метрики і коментар.

Куди слотується агент?

Три межі:

1. Data-pull шар. Агент читає з джерел (CRM, support, finance) через апрувлені конектори. Числа — checksummed, не парафраз.
2. Перший драфт наративу. Агент заповнює шаблон — дельти, top movers, anomaly flags. Пише що, не чому.
3. Ревʼю менеджера + "чому". Менеджер дивиться числа (5 хв), править аномалії, додає чому. Судження — людське.

Це НЕ "хай AI напише весь звіт". Так зʼявляється красивий, плавний, неправильний звіт, якому з 2-го тижня ніхто не вірить.

Визначення: Edit-distance — частка драфта, яку людина змінює перед відправкою. Проксі: чи агент робить роботу, чи генерує filler.

Шаблон промпта

Ти — асистент для звітування команди [НАЗВА] у [КОМПАНІЇ].

ВХОДИ:
- Метрики поточного періоду (JSON)
- Метрики попереднього періоду (JSON)
- Таблиця порогів для "аномалій" (>15% = flag)
- 4-тижнева історія
- Шаблон з полями

ЗАДАЧА:

1. ПОТОЧНІ ЧИСЛА — точні значення.
2. ДЕЛЬТИ — абсолютні і %.
3. АНОМАЛІЇ — кожна метрика, що пройшла поріг, фактично.
4. ПАТТЕРНИ — лише видимі у 4-тижневій історії.
   НЕ спекулюй причинами. НЕ рекомендуй дії.

ВИХІД (JSON):
{
  "metrics": {...},
  "deltas": {...},
  "anomalies": [...],
  "pattern_observations": [...],
  "fields_left_for_human": ["why", "next_steps", "asks"]
}

ПРАВИЛА:
- Не вигадуй чисел. Якщо поле відсутнє — null + flag.
- НІКОЛИ не пиши "чому" — це менеджер.
- НІКОЛИ не пиши "next steps" — це менеджер.
- Заокруглюй до точності дашборда.

Поле "fields_left_for_human" — handoff. Агент явно відмовляється писати частини з судженням.

Tool tip (Course for Business): Більшість проектів автоматизації звітів падає тому, що автоматизують не той шар — судження замість data-pull. 6-week program ставить AI Champion (1:15-20) у команду на тиждень — він сидить shoulder-to-shoulder з лідом, будує цей розподіл і запускає у пʼятничний цикл. Augment-don't-replace робить менеджера більш аналітичним, не менш. https://course.aiadvisoryboard.me/business.

Які KPI міряти?

Шість чисел, щомісяця:

1. Збережені години на менеджера на тиждень.
2. Edit-distance — середній % змін. Ціль 30–60%.
3. Точність чисел — random audit 10 звітів/міс.
4. Точність/повнота аномалій.
5. Читабельність для власника — чи читає leadership? (Спитайте.)
6. Time-to-report — від крон-тригера до драфта.

Перше CFO спитає. Третє рятує, коли аномалію проґавили і шукають винного.

Team scan (what AI champions report after week 1)

• ~80% менеджерів використали драфт на 1+ звіті
• Найвища адопція там, де вже був шаблон
• Економія: 2–4 години/тиждень з 2-го тижня
• Override-паттерн: переписували "patterns" — надто впевнений
• Fix: посилили правило "описуй паттерни, не спекулюй причинами"
• Перша перемога: фінансовий лід зловив +22% refunds у вівторок замість наступного понеділка
• Перший біль: дозволи конекторів CRM довші за побудову агента
• Точність: 99.4% у першому аудиті
• Edit-distance стабілізувався на 38% на 4-му тижні
• Топ-3 use case за оцінкою менеджерів

Micro-case (що змінюється за 7-14 днів)

Сервісна компанія на 240 людей увімкнула це для тижневих звітів 9 лідів. Було: 2–3 години щопʼятниці на менеджера; CEO читав 3, решту переглядав. Через 2 тижні: ~35 хвилин на звіт, переважно на чому; CEO почав читати всі 9 — формат однаковий, asks видно знизу. Економія по команді: ~22 години/тиждень, переважно у customer-facing роботу.

Note on this case: This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

Tool tip (Course for Business): Менеджери бояться: "Якщо AI пише звіт, CEO подумає, що мене можна автоматизувати?" Відбувається протилежне. З автоматизованим data-pull менеджер вкладає час у чому і asks — частину, що показує судження. Shoulder-to-Shoulder hot seat у 6-week program проводить кожного ліда через це переосмислення. Augment-don't-replace конкретно. https://course.aiadvisoryboard.me/business.

FAQ

Хіба BI цього не робить? BI дає дашборди. Агент дає наративний драфт — звʼязку між дашбордом і звітом для CEO. BI не замінюється — агент сидить зверху.

А якщо агент схибив у числі? Аудит. Random 10/міс проти джерела. Точність <99% — заморозити, шукати баг. Лог — обовʼязковий.

Автоматизувати "next steps"? Ні. Це робота менеджера — звʼязка зі звіту в дію. Автоматизуєте — платите менеджеру за штампування.

Скільки сетап? Агент — 2–4 дні. Дозволи + суперечки про джерело правди — 2–4 тижні.

Висновок

Звіт — не deliverable. Думання у звіті — deliverable. Агент, що робить data-pull, звільняє менеджера для думання — і тримає аудит чистим.

Один тижневий звіт. Тиждень з чемпіоном поруч із лідом. Аудит чисел, edit-distance, слухайте CEO.

Якщо хочете, щоб кожен співробітник зробив свою першу AI-автоматизацію за 5 днів — 30-хвилинний дзвінок: https://course.aiadvisoryboard.me/business.