Консалтинговая Фирма: Сокращение Времени на Документальные Исследования на 60%

В начале 2026 года Remolda стала партнером крупной консалтинговой фирмы для решения системной проблемы, которая незаметно подрывала рентабельность и удержание талантов. Проект переопределил подход фирмы к синтезу данных и исследованию конкурентной среды — заменив ручное извлечение данных интегрированной системой специализированных ИИ-агентов.

Проблема

Ключевая бизнес-модель фирмы строилась на поставке качественного стратегического анализа в сжатые сроки. Партнеры продавали проекты на основе репутации аналитической строгости. Но реальность исполнения сильно расходилась с этим обещанием.

Высокооплачиваемые аналитики и младшие консультанты тратили более половины оплачиваемых часов на задачи, не связанные с аналитикой: вручную извлекали конкретные данные из сотен годовых отчетов, регуляторных документов, отраслевых журналов и неструктурированных клиентских файлов. Прежде чем начать любой стратегический анализ, команды проводили дни за построением датасета, на котором этот анализ впоследствии основывался.

Последствия накапливались. До 40% суммарного проектного времени уходило на агрегирование данных — затраты, которые сложно перекладывать на клиентов и невозможно оправдать перед аналитиками, пришедшими в фирму за интеллектуальным вызовом. Ошибки при транскрипции просачивались в материалы с такой частотой, которая требовала дорогостоящих циклов доработки. Младшие консультанты — кадровый резерв, от которого зависел рост фирмы — уходили темпами выше рыночных. В выходных интервью неизменно звучала одна жалоба: они пришли, чтобы думать, а не копировать данные.

Два практических блока независимо пытались решить задачу с помощью макросов Excel и стандартных инструментов работы с данными. Ни один подход не масштабировался за рамки одного типа проекта и не справлялся с неструктурированностью большинства входящих данных. Фирме требовалась фундаментальная переработка исследовательского процесса, а не очередной паллиатив.

Подход

Remolda применила полный цикл Remolda Cycle — аудит, внедрение и встроенное обучение — в рамках четырехмесячного первоначального проекта, охватившего один пилотный дивизион, перед масштабированием на всю фирму.

Аудит и картирование (3 недели). Мы проследили реальный путь данных: от момента, когда клиент присылал хаотичный ZIP-архив документов, через каждый этап обработки аналитиками, до финального слайда в материалах для клиента. Мы проинтервьюировали семь партнеров, четырнадцать консультантов и трех библиотекарей-исследователей. Вели хронометраж на четырех активных проектах. Вывод был однозначным: «Агрегирование исследований» — процесс превращения сырых документов в структурированные датасеты — поглощало от 40 до 55% проектного времени в зависимости от типа проекта.

Внедрение мульти-агентной системы (8 недель). Вместо универсального ИИ-ассистента Remolda создала защищенный контур с внутренним хостингом — приватную VPC-среду, полностью изолированную от публичной облачной инфраструктуры, — содержащую рой из трех специализированных ИИ-агентов.

• Агент A (Парсер) принимал документы. Он автоматически получал входящие PDF, применял OCR с учетом структуры макета, классифицировал документы по типу и индексировал их для последующих запросов. Обработка, ранее занимавшая у исследовательского ассистента два часа, выполнялась за четыре минуты.

• Агент B (Экстрактор) выполнял целевые запросы на извлечение данных из корпуса проанализированных документов. Консультанты направляли структурированные запросы — «Извлечь все упоминания прогнозов капитальных затрат на рынках APAC за период Q3 2024–Q2 2025» — и Агент B возвращал цитируемые выдержки с ссылками на страницы. Агент был явно ограничен предоставленным корпусом документов; использование данных из обучающей выборки или внешних источников было запрещено.

• Агент C (Синтезатор) агрегировал результаты извлечения в отформатированные таблицы Excel со встроенными цитатами, формировал черновики исполнительных резюме и отмечал пробелы, где запрошенная информация отсутствовала в корпусе документов.

Вся система работала за строгими ролевыми системами контроля доступа. Клиентские данные были изолированы по проектам.

Обучение и развитие (4 недели, встроенные). Два специалиста Remolda четыре недели работали внутри фирмы, проводя обучение и работая бок о бок с аналитиками на живых проектах. Цель состояла не в освоении программного обеспечения — а в изменении профессиональной идентичности. Аналитики, определявшие себя как «те, кто собирает данные», должны были стать «теми, кто направляет агентов и анализирует результаты».

Результаты

В течение 90 дней после полного развертывания в пилотном дивизионе показатели были однозначными:

• Сокращение времени агрегирования исследований на 60%. Датасет, на построение которого раньше требовалась полная рабочая неделя пяти консультантов, теперь создавался менее чем за два дня.
• Точность данных 99,8%, ноль случаев галлюцинаций в продакшн. Поскольку агенты работали на RAG-архитектуре и были явно ограничены от использования внешних данных, каждый извлеченный факт сопровождался ссылкой на документ и номер страницы.
• Рост удовлетворенности аналитиков работой на 45%. Опросы после внедрения показали кардинальный сдвиг в том, как аналитики описывали свою работу. Аннуализированный добровольный отток в пилотном дивизионе снизился с 22% до 14%.
• Более короткие сроки получения инсайтов по клиентским проектам. Три из шести пилотных проектов поставили первые аналитические материалы на две недели раньше первоначального графика.

Ключевые Выводы

1. Узкое место редко там, где думает руководство. Партнеры предполагали, что проблема с исследованиями — это вопрос обучения или закупки инструментов. Реальной проблемой была архитектура процесса. Исправление архитектуры процесса с правильными инструментами ИИ дало результаты, недостижимые только обучением.

2. Специализация агентов превосходит универсальный ИИ. Единственный универсальный ИИ-ассистент не мог бы достичь точности извлечения 99,8%, одновременно формируя структурированные Excel-таблицы и управляя приемом документов. Дисциплина специализации стала главным движущим фактором точности.

3. Обучение и развитие — это не учебный модуль, а культурное изменение. Техническое развертывание заняло восемь недель. Поведенческое изменение потребовало четырех недель встроенной работы рядом с людьми, чья ежедневная рутина менялась.

Для консалтинговых фирм, стремящихся сократить затраты на исследования при повышении качества и удержании аналитиков, изучите услуги по автоматизации рабочих процессов Remolda и наши программы обучения ИИ для руководителей.

«Remolda не просто сменила наш софт. Они фундаментально изменили то, что значит быть консультантом в нашей фирме. Мы больше не читаем данные — мы их допрашиваем.»

— Партнер, практика цифровой трансформации