Как квалифицировать AI-возможность

После предыдущего урока вы уже умеете по пяти критериям выбирать формат первого шага: обучение, диагностику, пилот, готовое решение или кастомный проект. Но остаётся практический вопрос: какую минимальную информацию нужно собрать, прежде чем тащить AI-экспертов и пресейл в игру?

Если не иметь для этого чёткой рамки, происходит следующее:

• в пресейл летит любой «интерес к AI», даже если нет задачи, данных и владельца;
• эксперты тратят время на разбор сырых лидов, а реальные возможности теряются;
• клиенту дают советы «в общем», потому что фактов о его ситуации мало.

В этом уроке вы познакомитесь с квалификационным канвасом (qualification canvas) — простым шаблоном, который помогает быстро оценить качество AI-возможности и решить: «идём дальше и с чем именно» или «честно фиксируем, что пока рано».

Что важно понять

1. Квалификация — это фильтр, а не допрос

Квалификация — это не про «допрашивать клиента по чек-листу». Это про уважительное уточнение базовых вещей, без которых любой разговор про AI будет либо слишком абстрактным, либо приведёт к завышенным ожиданиям и провалам.

Правильная квалификация помогает:

• не тащить экспертов на встречи, где ещё нечего обсуждать;
• не тратить время клиента на неподходящие форматы;
• честно сказать «нам пока рано» и предложить другой шаг (например, обучение или диагностику).

Квалификационный канвас — это внутренний рабочий инструмент, а не документ для клиента. Вы можете заполнять его по горячим следам встречи или прямо во время разговора.

2. Light-MEDDIC на простом языке

В основе канваса лежит облегчённая логика light-MEDDIC:

• нам нужно понимать цели и метрики (зачем вообще AI);
• понимать, кто принимает решение и владеет задачей;
• знать, какие боли мы решаем и что будет, если ничего не делать;
• видеть, какие есть данные, процессы, ограничения и риски;
• понимать, есть ли внутри человек, который будет двигать проект.

Это простой шаблон, который помогает не забыть ключевые вопросы.

Структура квалификационного канваса

Канвас можно представить как одну страницу с несколькими блоками. Ниже — структура и подсказки.

Блок 1. Бизнес-контекст и цели

Зачем вообще клиенту AI в этой теме? Ответьте для себя:

• В какой компании и в каком направлении возникает запрос (отрасль, функция, размер — коротко)?
• Какой бизнес-результат они хотят получить: больше выручки; меньше затрат; меньше ошибок; быстрее обработка; лучше сервис и NPS.
• Какие измеримые показатели для них важны? Например: рост конверсии на X %; сокращение времени обработки на Y %; снижение количества ошибок/жалоб; сокращение ручного труда на Z часов в месяц.

Важно: на этом этапе не нужны точные цифры. Достаточно зафиксировать направление: про деньги, скорость, качество или риски.

Блок 2. Ключевые боли и последствия «ничего не делать»

AI-проект имеет смысл там, где есть реальная боль. Уточните:

• Какие 2–3 боли клиент называет чаще всего (перегруз людей; потери денег; ошибки; отсутствие прозрачности; невозможность масштабироваться)?
• Что будет, если ничего не менять (продолжатся потери; не выполнят план; не смогут расти; уйдут ключевые люди; усилятся риски)?

Этот блок отвечает за выявление боли (identify pain): без боли нет мотивации, а без мотивации любой пилот превращается в игрушку.

Блок 3. Заказчики, спонсоры и чемпионы

Здесь важно понять, кто реально заинтересован и кто может принять решение. Отметьте:

• Бизнес-заказчик — кто владеет процессом/результатом? (директор по продажам, по сервису, по логистике, по финансам и т. д.)
• Экономический спонсор — кто принимает решение по бюджету? Это может быть тот же человек, а может быть генеральный, сооснователь, собственник.
• Чемпион (внутренний чемпион) — кто больше всех горит задачей и готов: продвигать проект внутри; выбивать доступы и данные; собирать людей на встречи; защищать проект на совещаниях.

Если чемпион и спонсор отсутствуют, это важный сигнал: скорее всего, проект будет тяжело двигать — или его вообще не запустят.

Блок 4. Пользователи и процессы

AI-решения делаются не «вообще для компании», а для конкретных ролей и процессов. Уточните:

• Кто будет пользоваться решением в ежедневной работе? Например: операторы поддержки, менеджеры по продажам, аналитики, бухгалтерия, HR.
• Какой процесс будет затронут? Пример: «обработка входящих обращений», «подготовка коммерческих предложений», «планирование закупок».
• Насколько этот процесс уже описан и стандартизован: низко — «каждый делает по-своему»; средне — «есть базовые правила, но много исключений»; высоко — «есть регламенты, и в целом им следуют».

Если процесса нет, автоматизировать нечего — сигнал к модулю 3.5 про «красные флаги».

Блок 5. Данные и ИТ-ландшафт

AI критично зависит от данных и от того, где они живут. Ответьте:

• Какие основные системы и источники данных участвуют (1С, CRM, телефония, BI/аналитика, ERP, базы знаний, файловые хранилища и т. д.)?
• Есть ли история данных и доступ к ней: да, минимум 6–12 месяцев; есть, но кусками; нет, данные собираются только сейчас?
• Каково базовое качество данных: часто незаполненные поля, дубли, разные форматы; «не идеально, но жить можно»; данные довольно чистые и используются в отчётах?
• Есть ли ограничения по безопасности и регуляторике (ФЗ-152, отраслевые требования, запреты на вынос данных, требования к on-premise и т. д.)?

Если здесь всплывают жёсткие красные флаги (данных нет, доступа нет, безопасность «не пустит»), это сильно влияет на решение о первом шаге.

Блок 6. Критерии успеха и горизонт

Важно заранее понимать, по чему нас будут оценивать. Спросите (или сформулируйте сами):

• Какие критерии успеха первого шага (обучения, диагностики, пилота) клиент считает важными? Например: сэкономить N часов работы; повысить конверсию на X %; сократить время ответа на Y %; получить понятный roadmap с 3–5 приоритетными сценариями.
• Какой горизонт по времени они закладывают: «быстрый пилот» — 1–3 месяца; к следующему кварталу; в течение года.

Если у клиента нет вообще никаких критериев успеха, это сигнал: надо помочь их сформулировать, иначе любой результат будет «не тем».

Блок 7. Готовность и риски

Здесь вы фиксируете свои ощущения и явные риски.

• Насколько команда готова менять процессы и работать с AI: «все боятся, воспринимают как угрозу»; «есть скепсис, но интерес тоже есть»; «команда просит изменений».
• Какие красные флаги уже видно? Например: нет данных или доступов; нет владельца процесса; ожидание «ИИ сам всё сделает, людей уволим»; жёсткие ограничения безопасности при отсутствии on-prem опций.
• Что может помешать проекту: параллельные инициативы; смена руководства; пересмотр бюджета.

Эти заметки помогут не строить слишком оптимистичные планы и грамотно выбирать формат первого шага.

Блок 8. Гипотеза по формату первого шага

На основе всех блоков вы формулируете рабочую гипотезу:

• Какой формат первого шага вы считаете наиболее разумным: обучение / AI-интенсив; диагностика / аудит; пилот; готовое решение; кастомный проект; «пока не идём, возвращаемся позже».
• Почему именно так? 2–3 аргумента, опираясь на: понятность задачи; данные и процессы; наличие/отсутствие спонсора и champion; срочность и риски.

В идеале эта гипотеза потом обсуждается с AI-экспертом или руководителем до того, как вы идёте к клиенту с предложением.

📎 Шаблон для менеджера

Квалификационный канвас (qualification canvas) для AI-возможностей

Все 8 блоков канваса на одной странице A4. Можно распечатать или использовать в цифровом виде. Рекомендуем открыть параллельно с уроком и держать под рукой при разборе кейсов.

Скачать PDF Открыть в новой вкладке

Как работать с квалификационным канвасом на практике

1. Когда заполнять

Оптимальный алгоритм:

1. После первого разговора или созвона с клиентом — черновое заполнение.
2. После уточняющих вопросов (по данным, стейкхолдерам, целям) — дополнение.
3. Перед встречей с AI-экспертом или пресейлом — финальная версия, чтобы все смотрели на одну картинку.

Канвас не должен превращаться в бюрократию. Цель — чтобы у команды было общее понимание ситуации, а не по кусочкам в чьей-то голове.

2. Как использовать в команде

• При обсуждении лида с руководителем или AI-экспертом можно просто пройтись по блокам канваса.
• Если каких-то блоков не хватает (нет информации про данные, нет ясности по целям), это не повод стыдиться, это повод запланировать уточняющие вопросы.
• Канвас можно прикладывать к карточке сделки в CRM или хранить в общем пространстве (Confluence, Notion).

Проверьте себя