Как Codex превратил ручную оценку в управляемый пресейл

Этот материал пишу я, Радик Гайнутдинов, руководитель отдела продаж в «Авроре». Раньше нам требовалось четыре-пять дней и время нескольких ключевых сотрудников, чтобы подготовить коммерческое предложение по услугам IT-аутсорсинга. 

Как Codex превратил ручную оценку в управляемый пресейл

Этот материал пишу я, Радик Гайнутдинов, руководитель отдела продаж в «Авроре». Раньше нам требовалось четыре-пять дней и время нескольких ключевых сотрудников, чтобы подготовить коммерческое предложение по услугам IT-аутсорсинга. 

Я решил ускорить этот процесс и за месяц собрал с помощью Codex калькулятор стоимости IT-аутсорсинга. Теперь предварительный расчёт занимает около 30 минут, а затраты команды на пресейл сократились минимум втрое.

Но это история не только про сборку калькулятора. Она показывает, как можно начать передавать типовые операции искусственному интеллекту, чтобы сотрудники не тратили время на одну и ту же ручную работу.

Почему стоимость IT-аутсорсинга нельзя посчитать по простому прайсу

Когда клиент обращается к нам за IT-аутсорсингом, он хочет понять, сколько будет стоить обслуживание его инфраструктуры. На первый взгляд кажется, что достаточно посчитать рабочие места, серверы, виртуальные машины, пользователей и основные сервисы. Но одинаковый набор вводных ещё не означает одинаковую сложность обслуживания.

У одного клиента инфраструктура описана, доступы настроены, документация актуальна. У другого — никто точно не знает, что запущено на сервере, кто и как его обновлял последний раз и что произойдёт при сбое.

Поэтому на стоимость влияют не только количество техники и сервисов, но и состояние инфраструктуры, наличие документации, критичность систем для бизнеса, допустимое время простоя, требования к SLA и необходимость выездов.

Если недооценить реальную нагрузку, обслуживание может оказаться для нас убыточным, а команда не сможет качественно выполнять обязательства в согласованном SLA.

Как выглядел старый процесс

Технический лид собирал вводные по инфраструктуре и заполнял опросник. Если части информации не хватало, команда повторно обращалась к клиенту, а затем пересчитывала стоимость.

Готовую оценку проверяли коммерческий менеджер, технический лид, руководитель и CEO. При появлении новых вводных расчёт запускали по второму кругу.

Такая проверка была необходима: компании важно оценить экономику сделки до заключения договора. Проблема заключалась в том, что типовой расчёт каждый раз выполнялся практически с нуля и зависел от доступности нескольких сотрудников. Пока технический лид или CEO не могли подключиться, клиент ждал ответа.

Как появилась первая версия калькулятора

Сначала я собрал калькулятор стоимости IT-аутсорсинга в Excel. В таблице описал параметры, которые влияют на стоимость обслуживания: количество техники, пользователей и сервисов, требования к выездам и SLA, срок договора.

Excel помог формализовать бизнес-логику: определить, какие данные нужны на входе, что влияет на стоимость и по каким правилам формируется результат.

Визуал: можно показать красивый скриншот первой таблицы (заблюрить чувствительные данные)

После этого я загрузил калькулятор в Codex и попросил проверить его механику:

• где находятся слабые места

• где в расчёте могут быть ошибки

• какие коэффициенты нужно добавить

• что модель не учитывает

• где логика слишком упрощена

Codex показал, что нельзя считать стоимость только по формуле «количество объектов × ставка». Два клиента с одинаковым числом серверов могут создавать совершенно разную нагрузку на команду. Поэтому в модель добавились коэффициенты, которые учитывают состояние инфраструктуры, бизнес-критичность сервисов, допустимость простоя, наличие документации и требования к SLA.

На основе этой логики я с помощью Codex собрал первую веб-форму и связал её с бэкендом калькулятора. А следующим этапом стала калибровка расчётной модели на реальных данных.

Как повысили точность расчётов

Первая версия калькулятора не давала нужной точности. Настроить модель удалось примерно к шестой-седьмой итерации. 

Сначала Codex использовал данные из открытых источников, в том числе опубликованные цены конкурентов. Но публичный прайс редко совпадает с реальной стоимостью обслуживания.

По нему невозможно определить фактические трудозатраты, количество обращений, особенности SLA и экономику конкретного договора. Поэтому первые расчёты получались примерно на 15% выше наших реальных цен.

Для калибровки калькулятора мы использовали данные из Service Desk: количество и типы обращений, фактические трудозатраты, параметры SLA и стоимость обслуживания. К ним добавили внутренние показатели маржинальности и ликвидности сделок. В обезличенную выборку включили клиентов с понятной положительной экономикой.

После этого погрешность почти исчезла. Веб-калькулятор стал учитывать не усредненные рыночные цены, а реальную нагрузку на нашу команду и превратился в рабочий инструмент.

Главный вывод этого этапа: возможности GenAI раскрываются только в связке с качественными внутренними данными. Если они не отражают реальную экономику, AI лишь быстрее автоматизирует ошибочный расчёт.

Вместо одной цены клиент получает три варианта

Раньше клиент получал одно коммерческое предложение, а затем возвращался с вопросами: почему получилось так дорого, что входит в стоимость и можно ли выбрать более простой уровень обслуживания. Предложение приходилось обсуждать, менять и пересобирать.

В калькуляторе я предусмотрел расчёт сразу трёх пакетов с разным уровнем сервиса, скоростью реакции и стоимостью: базовый, стандартный и Luxury.

Теперь клиент выбирает подходящий уровень обслуживания. Если ему нужен инклюзивный сервис, предлагаем расширенный вариант с большим количеством часов поддержки. Если требования стандартные — вариант с оптимальным соотношением качества и бюджета.

Разговор строится не вокруг одной цены, а вокруг ожиданий клиента и необходимого ему уровня сервиса.

Что изменилось после запуска калькулятора

Мы автоматизировали одно из узких мест пресейла — момент, когда клиент уже ждёт стоимость, а внутри компании ещё идут уточнения, пересчёты и согласования.

Раньше на один расчёт уходило не менее трёх часов технического лида, около двух часов менеджера и время CEO. Иногда были нужны две итерации. Стоимость такого пресейла обычно не включают в финансовую модель сделки, хотя для компании это заметные затраты.

После внедрения калькулятора: 

• время предварительного расчёта сократилось до 30 минут

• затраты команды на пресейл снизились минимум втрое

• участие CEO в типовых оценках практически исчезло

• клиент получает ответ на свой запрос в течение дня

• менеджер сразу готовит три варианта предложения

• расчёты выполняются по единой логике и меньше зависят от занятости конкретных сотрудников

На текущем этапе менеджер дополнительно верифицирует расчёты калькулятора у руководителя. Но существенных расхождений с экспертной оценкой мы не увидели.

Следующий шаг — закрепить использование калькулятора в регламенте работы менеджеров, чтобы инструмент стал частью функции, а не отдельным экспериментом.

Калькулятор — это только первый шаг

Калькулятор не заменяет технических специалистов и не принимает окончательное решение за руководителя. Он выполняет типовую часть процесса: собирает данные, применяет согласованную логику и готовит основу для проверки.

В перспективе мы хотим выстроить модель, в которой подобные операции постепенно передаются GenAI и агентским системам. Менеджеры при этом переходят от ручного выполнения задач к роли владельцев процессов.

Наша задача заключается в том, чтобы расширить возможности сотрудников, повысить их производительность, стандартизировать качество предложений и снизить зависимость результата от конкретного человека.

Для перехода к такой модели сначала нужно формализовать процесс, внедрить базовую автоматизацию и обеспечить систему качественными данными. Калькулятор стоимости IT-аутсорсинга стал для нас первым работающим элементом этой модели.