[ЗАПОЛНИТЬ: Конкретный результат AI-решения для клиента]

[ФАКТ ИЛИ ЦИФРА: сколько обращений/документов/задач в день обрабатывалось вручную, конкретная операция, которая занимала N часов]

[1-2 абзаца контекста: что за бизнес, масштаб, с чем пришли к нам. Анонимно, если нет разрешения на имя.]

С чем столкнулись

[Описание бизнес-боли от лица операционного менеджера, не разработчика:]

• [Боль 1] — [конкретное последствие для бизнеса: потерянные заказы, задержки, ошибки]
• [Боль 2] — [зависимость от конкретного сотрудника или ручного процесса]
• [Боль 3] — [что происходит при росте объёмов: проблема масштабируется линейно]

[Абзац о цене бездействия: что случится через 3-6 месяцев, если ничего не менять]

Почему не «просто скрипт»

[Абзац о том, почему rule-based подход или простая автоматизация здесь не работает. Какой именно аспект задачи требует «понимания контекста», а не подстановки по шаблону.]

[Конкретный пример: вот такой входной документ/запрос/задача — и вот почему правила не справляются, а AI справляется.]

Что мы построили

[Описание решения простыми словами. Не технический жаргон, а «что делает система с точки зрения пользователя».]

Как это работает

Шаг 1. [Получение данных]. [Откуда приходят данные, как часто, в каком формате]

Шаг 2. [AI-обработка]. [Что именно делает AI: классифицирует, извлекает, генерирует, принимает решение. Какая модель, какой промпт (в общих чертах)]

Шаг 3. [Действие по результату]. [Что происходит после AI-обработки: запись в систему, уведомление, маршрутизация]

[Что происходит, когда AI не уверен]

[Описание fallback-механизма: пороги уверенности, ручная проверка, алерты. Показывает зрелость подхода.]

После запуска

Было: [конкретные цифры ДО — время, ошибки, объёмы]

Стало:

• [Метрика 1]: [цифра с контекстом]
• [Метрика 2]: [цифра с контекстом]
• [Метрика 3]: [цифра с контекстом]

Метрика	Было	Стало
[Время обработки]	[N часов]	[N минут]
[Ошибки]	[N в месяц]	[N]
[Объём]	[ручной предел]	[автоматический объём]

Окупаемость: [срок при стоимости разработки N руб., ежемесячные расходы на API]

Что не идеально

[ОБЯЗАТЕЛЬНАЯ секция. Создаёт доверие.]

[Ограничение 1: стоимость API]. [Конкретные цифры расходов на AI-модель. При каком объёме растёт, как это учитывать.]

[Ограничение 2: качество входных данных]. [Когда AI ошибается — плохие сканы, нестандартные форматы, edge cases.]

[Ограничение 3: обслуживание]. [Что требует ручной работы: обновление промптов, новые типы данных, мониторинг точности.]

Технический стек

Компонент	Технология
[Платформа]	[GAS / Node.js / Cloud Run]
[AI-модель]	[Claude API / OpenAI / GigaChat / локальная]
[Хранение]	[Google Sheets / PostgreSQL / BigQuery]
[Уведомления]	[Telegram Bot API]
[Обработка ошибок]	[Retry, fallback, мониторинг]

---

[Контекстный CTA, привязанный к теме статьи — не шаблонный. Например: «Если вы тратите часы на [конкретную задачу клиента] — напишите нам. Покажем, подходит ли AI для вашего случая.»]

С вами была команда GoogleSheets.ru, мы добавляем AI только там, где он действительно экономит время.