# Заметки P17-E2E — сквозные процессы (O2C, P2P, R2R, demand-to-delivery, агенты в ERP/финансах)

Старт: 2026-09-24. Бюджет: 12 websearch, 22 fetch/download (WebFetch+curl вместе).

## Проверка дублей
- grep по W/known-e4-cases.json, known-sources-v0.2.json по order-to-cash/procure-to-pay/record-to-report/accounts payable/invoice — пусто.
- grep по W/packets/*/cards.jsonl по order-to-cash/procure-to-pay/record-to-report/invoice/accounts payable/accounts receivable — пусто. Тема не покрыта другими пакетами на момент старта.

## Поиски (12/12 websearch использовано)

1. SAP Joule finance agent customer order-to-cash 2025 case study — общий анонс продукта, конкретных клиентских кейсов O2C не нашлось (упомянуты Roche и «KIND» в AI-сводке поиска, но при прямом чтении найденных страниц (news.sap.com, aimultiple.com) эти упоминания не подтвердились — в карточки не внесены, см. «Отклонено»).
2. accounts payable AI agent named company case study invoice exceptions 2025 — самый релевантный именованный кейс («Dubai trading company», aTeam Soft Solutions) — компания не названа явно → отклонено по правилу 8 (анонимный кейс поставщика).
3. record-to-report finance close AI agent company case study 2025 — нашёлся Microsoft Dynamics 365 блог про агентов в R2R и упоминание Lifetime Products (далее прочитано напрямую).
4. KIND order-to-cash procure-to-pay record-to-report SAP case study — не нашлось читаемого материала про KIND; утверждение о KIND было только в AI-сводке поиска (не в самих страницах) → не использовано.
5. Roche order-to-cash automation digital offerings case study — найдена ссылка на sap.com/asset/dynamic/... (кейс Roche/SAP Subscription Billing), но страница отдаёт 403 боту и без архивной копии (archive.org: no snapshot) → карточка не создана, файл см. P17-E2E-F07.
6. agentic AI procurement invoice processing case study India/Brazil/Japan/Africa 2025 — в основном обзорные статьи без региональной конкретики (кроме Singapore, см. поиск 8).
7. SAP customer story Joule agent finance named company cash collection 2025 — general product page (news.sap.com), нет конкретного клиента с процессом.
8. AI agent demand-to-delivery / order-to-delivery named company supply chain exceptions 2025 — нашёлся Unilever (видео-интервью, август 2025), прочитан полностью — оказался слишком тонким по содержанию (см. «Отклонено»).
9. agentic AI accounts payable named customer case study Microsoft Dynamics/Workday/Oracle 2025 — нашёлся кейс Lifetime Products (Microsoft) — использован (P17-E2E-P01, P17-E2E-P02).
10. "procure-to-pay" AI agent named company case study production 2025 — без конкретного именованного флагманского кейса, только агрегированная статистика.
11. AI agent invoice procurement named company case study Singapore/Japan/Mexico/South Africa/Indonesia 2025 — нашёлся National Gallery Singapore + Coupa — использован (P17-E2E-P03). Регион вне США/Европы закрыт.
12. named company case study AI agent invoice dispute resolution accounts receivable collections 2025 — нашлись Ferrero и Keurig Dr Pepper (оба — кейсы HighRadius); Ferrero использован (P17-E2E-P04), Keurig Dr Pepper отклонён (см. ниже).

## Открытия (WebFetch + curl вместе)

curl: roche-sap-smp (403), unilever (200), msft-lifetime (403), coupa-national-gallery (403), sap-news-joule (200), techzine (403), community-sap-cash-mgmt (403), casestudies-national-gallery (200), archive.org availability×2 (roche — нет снимка; coupa — есть снимок), coupa-national-gallery-wayback (200), highradius-ar-usecases (200), highradius-ferrero-case (200), highradius-kdp-case (200), aimultiple-sap-ai-agents (200) = 16.
WebFetch: msft-lifetime-products (успех, рендер), msft-lifetime-products повторно (вербатим-цитаты), coupa-national-gallery прямой URL (403), roche-sap-smp прямой URL (403) = 4.
Итого открытий: 20 из 22.

## Отклонено

- **Unilever** (unilever.com, «Using AI in supply chains to elevate the customer experience», 2025-08-11) — страница представляет собой видео-интервью; в тексте только заголовки глав видео («Embracing Agentic AI Operations» на 07:38), без расшифровки. Заявленные €1.7 млрд — эффект работы Customer Operations team за 2.5 года в целом, источник не выделяет вклад ИИ отдельно (риск «показатель программы целиком приписан ИИ», Калибровка 3) → карточка не создана.
- **Keurig Dr Pepper** (highradius.com/resources/case-studies/keurig-dr-pepper/) — цитата в кейсе атрибутирована «Colleen Zdrojewski, Vice President – Financial Services, **Dr Pepper Snapple Group**» — компания, вошедшая в состав Keurig Dr Pepper при слиянии 2018 г.; страница переиздана под текущим брендом (KDP) HighRadius без указания исходной даты внедрения технологии. Несовпадение атрибуции периода/бренда — риск использования устаревшего кейса как актуального → карточка не создана, см. P17-E2E-F06.
- **KIND** и **F. Hoffman-La Roche** (SAP, «O2C/P2P/R2R transformation») — упоминания встретились только в автоматической сводке WebSearch по результатам поиска (не в прочитанном тексте страниц); при прямом чтении найденных страниц (news.sap.com, aimultiple.com) подтверждения не найдено; страница sap.com/asset/dynamic/... с кейсом Roche отдаёт 403, архивной копии нет → карточки не созданы, утверждения не использованы нигде (правило: сниппет поиска — не чтение).
- **«Dubai trading company»** (aTeam Soft Solutions, AP автоматизация 8000+ счетов/мес) — организация не названа → отклонено по правилу 8.
- Общестатистические агрегированные утверждения из обзорных статей (McKinsey «a technology company», Hackett Group «21% companies», Forrester ranking use-cases) — без названных компаний, использованы только как контекст в этом файле, не как карточки.

## Недобор по регионам/ячейкам
- Регион вне США/Европы для потока E2E закрыт кейсом National Gallery Singapore (Coupa, P2P). Целевых, дважды проверенных пустых ячеек «регион × процесс» с явным недобором (по 2 адресных поиска) в этом пакете не возникло — все 12 поисков были содержательными, включая один прицельно региональный (поиск 6 и 11).
- Явный случай отката/неудачи с названной компанией в сквозных процессах (O2C/P2P/R2R) за отведённые поиски не найден (искали в рамках общих запросов 1-3, 7, 9-10, отдельного целевого поиска на «откат» не делали из-за бюджета — остаётся пробелом).

## Доработка (25.09, по независимой проверке W/findings/V3c-M2.json и решению координатора в W/decisions.md 01:12/01:41)

Бюджет доработки: 0 новых веб-поисков, 1 из 2 разрешённых открытий (повторный WebFetch страницы Microsoft Lifetime Products для дословной проверки). Исходная версия сохранена как `cards.v1.jsonl`.

1. **P17-E2E-P03 (National Gallery Singapore × Coupa) — снята из cards.jsonl.** Major-замечание: применение ИИ в процессе источником не установлено — единственная опора: рекламные формулировки «Coupa's AI platform» и «Automated and AI-driven workflows»; заявленные эффекты (50% сокращение цикла, 7 дней на оплату) относятся к внедрению платформы Coupa в целом, а не к ИИ отдельно; дата фактического внедрения неизвестна (известна только дата публикации кейса). Дополнительно: дубль с P21-AGENT-ECON-P02 (тот же кейс National Gallery Singapore × Coupa) — по решению координатора (2026-09-25 01:41) обе карточки снимаются, авторам P17 и P21 предписано убрать. **Переношу как контекстный случай:** National Gallery Singapore внедрила платформу Coupa для автоматизации формирования заказов на закупку и обработки счетов на всём цикле procure-to-pay (заявлено сокращение цикла на 50%, оплата поставщикам за 7 дней или меньше — https://www.coupa.com/customers/national-gallery/, вендорский материал, дата публикации 2025-01-06); это пример автоматизации P2P, но не установленный по тексту случай применения ИИ — контрольный случай наравне с Ticketmaster/KRA/Pentair из решений координатора.

2. **P17-E2E-P01 (Account Reconciliation Agent) — исправлено.** Повторным WebFetch (2026-09-25) подтверждено: (а) цитата CIO John Bowden «We experience the impacts of AI automation so potently that we measure process improvement time in seconds.» идёт сразу после предложения про автоматизацию обработки заказов e-commerce мексиканского подразделения и относится к этому эпизоду, а не к сверке — перенесена в P02, из P01 удалена (effects теперь пуст, outcome → uncertain); (б) дата «1 кв. 2025» в источнике относится к отдельному предложению про мексиканское подразделение (сверка вычетов дебиторской задолженности) — из period P01 удалена, период помечен как не указанный источником для агента сверки; (в) цитата Location в профиле клиента — отдельное структурное поле «Country/Region: United States», Мексика упоминается только в тексте истории и относится к другому процессу — country_basis переписан без склейки двух разных фрагментов в одну «цитату»; (г) цитата Lopez про автономных агентов — общий контекст компании, не доказательство для конкретно этого агента — technology_basis переформулирован; (д) «перераспределение 20% workforce» — источник использует модальность оценки/плана («We believe that we can now rebalance 20% of our knowledge workforce.», далее «And this is crucial to our ongoing rebalancing.»), а не свершившийся факт — переписано с пометкой «оценка/план», не факт; (е) `ai_native_label` переведён из объекта `{value, rationale}` в строку `ai_native_label: "none"` + отдельное поле `ai_native_label_rationale`.

3. **P17-E2E-P02 (обработка заказов e-commerce, мексиканское подразделение) — исправлено.** Период «1 кв. 2025» убран как непринадлежащий именно этому эпизоду (принадлежит соседнему предложению про сверку вычетов АР того же подразделения — эта деталь не оформлена отдельной карточкой, вынесена только как контекст ниже); country/country_basis уточнены (тема эпизода — «Mexico division» по повторной проверке WebFetch); в effects добавлена цитата CIO Bowden про «seconds» (перенесена из P01, теперь на своём месте); costs_side_effects уточнён — фраза про 20% workforce переписана как оценка/план, а не факт, и явно связана по тексту именно с этим эпизодом («And this is crucial to our ongoing rebalancing.»); `ai_native_label` переведён в строку.
   - Контекст, не оформленный отдельной карточкой (узкий бюджет доработки): в том же материале Microsoft упомянут ещё один процесс мексиканского подразделения — «Within the first quarter of 2025, Lifetime's Mexico division achieved dramatic improvement with AI automation in Microsoft Dynamics 365 Finance to automate splitting and matching of Accounts Receivable deductions.» (сверка/сплит вычетов дебиторской задолженности, датировано 1 кв. 2025). Без числового эффекта и отдельного цитирования — недостаточно для отдельной карточки практики по правилу «практика требует процесса и конкретики», оставлено как заметка на будущее.

4. **P17-E2E-P04 (Ferrero) — исправлено.** `change_depth` понижен с `end_to_end_process` до `operation`: фраза «end-to-end A/R transformation» — маркетинговая формулировка источника, а не описание сквозного процесса (сама карточка в transfer_limits уже признавала «узкая функция» — внутреннее противоречие устранено). `technologies` изменены с `["predictive_ML", "RPA_automation"]` на `["other"]`: источник использует только «AI-enabled» без указания типа модели — калибровка 2 запрещает достраивать конкретный тип технологии. В effects три показателя теперь явно разведены по механизму источника: 1000+ часов — конкретно к автоматической рассылке (Auto-Correspondence, правило-ориентированная автоматизация, не обязательно ИИ), DSO −28% — к итогу всей «end-to-end A/R transformation» в целом (не только к ИИ-приоритизации), ADD −67% — к «Collections Automation» в целом; claims-текст переписан без объединения трёх эффектов в один общий вывод. Удалено собственное добавление автора про штаб-квартиру Ferrero Group (Люксembourg/Италия) — деталь не из прочитанного материала, нарушало правило «детали — только из источников в sources». `ai_native_label` переведён в строку.

Валидатор после правок: `python3 W/scripts/validate_cards.py W/packets/P17-E2E` → **4 карточки, 0 проблем** (P01, P02, P04 практики + S01 источник).

## Прочее
- SAP news.sap.com («Joule Agents: How SAP Uniquely Delivers AI Agents...», 2025-02-13) прочитан полностью — общий анонс продукта/видения, без названного клиента с описанием before/after → карточка не создана (правило 8: чистый анонс — не практика).