# notes.md — P05-B2B-RU

## Бюджет и расход
- Лимит: websearch ≤ 12, fetch_or_download (WebFetch + curl) ≤ 22.
- Факт: websearch = 12 (использован полностью); fetch_or_download = 19 (15 WebFetch + 4 curl-сохранения оригиналов).

## Поисковые запросы (в порядке выполнения)

1. «ИИ автоматизация тендеров 44-ФЗ 223-ФЗ кейс компания Россия» — вендорские страницы сервисов (Semantor, Tados, Universus) и общие обзоры; упоминание кейса Сбер×Burger King (нейросеть нашла 100% ошибок в тестовых данных, переплата 28 млн руб.) — не удалось найти первоисточник (см. ниже), карточка не создана.
2. «amoCRM ИИ кейс внедрение отдел продаж компания» — в основном интеграторские кейсы без ИИ (чистая CRM-автоматизация) или B2C (цветочный магазин, клининг) — не подошли под предмет пакета.
3. «Битрикс24 ИИ отдел продаж B2B кейс компания результаты» — нашёл кейс «Кайрос» (опт, морепродукты) — ИИ отсутствует, чистая CRM; и анонимный «ИИ-ОКК» кейс (Соль) — организация не названа. Оба отклонены (правило 8).
4. «Сбер Burger King нейросеть тендер закупки ошибки переплата 28 млн» — первоисточник не найден за 1 попытку; вторая адресная попытка не делалась (бюджет). Недобор зафиксирован.
5. «корпоративный банк ИИ скоринг B2B клиенты кейс Россия кредитный конвейер» — нашёл «Свой Банк» × FIS; проверено (TAdviser 404, CNews) — решение на no-code BPM-платформе FIS без ИИ/ML-компонента. Карточка не создана (нет ИИ).
6. «промышленная дистрибуция B2B ИИ прогнозирование спроса ценообразование кейс Россия» — дало 2 сильных именованных кейса: АрхиМед (Сбер2B) и Фаско+ (retail.ru/1С) → карточки P01, P02.
7. «ИИ генерация коммерческих предложений B2B кейс компания Россия vc.ru» — статья vc.ru про автоматизацию B2B-продаж (без названной компании); упомянутый в сниппете «дистрибьютор сельхозтехники из Ростова-на-Дону» при прочтении полного текста не подтвердился (в самой статье компания не названа) — карточка не создана.
8. «лид-скоринг ИИ B2B продажи кейс компания Россия квалификация лидов» — GlobalCIO/ВейвАксесс кейс — клиент анонимизирован, карточка не создана.
9. «ИИ провал внедрение отдел продаж откат неудача компания Россия» — дало сильный именованный провальный кейс Vagabond (T-Банк «Секреты бизнеса») → карточка P03. Два других кейса в той же статье (детская одежда на маркетплейсе, тревел-приложение) — не B2B-продажи (B2C/маркетплейс), в пакет не включены, но пригодятся для потоков B2C/маркетинг.
10. «"Свой Банк" FIS кредитный конвейер корпоративные клиенты автоматизация ИИ» — подтвердило отсутствие ИИ-компонента (см. п.5).
11. «МТС Ростелеком B2B ИИ ассистент продажи корпоративным клиентам кейс» — МТС×Битрикс24 кейс (+37% выручки) — при проверке роль ИИ «минимальна», это low-code CRM без ИИ в самом процессе продаж — карточка не создана (не ИИ-практика). Ростелеком×Twin (голосовые боты для B2B-кросс-продаж) — подтверждён, именованный клиент, ИИ есть → карточка P04.
12. «ИИ-ассистент менеджера по продажам промышленное оборудование B2B кейс компания Россия внедрение» — только общие материалы без именованных российских компаний; не дало новых карточек.

Поисковый бюджет (12) исчерпан после запроса 12. Дальнейшие уточнения делались только дочтением уже найденных по URL материалов (без новых websearch), в рамках отдельного бюджета открытий:
- interforums.ru (нейросети в B2B-маркетинге) — все именованные кейсы (JLL, Caterpillar, Artesian Solutions, McKinsey) — не российские компании, вне предмета пакета (Россия).
- sostav.ru (ИИ-квалификация лидов, +27%) — цифра из HubSpot/HBR без проверяемой ссылки, единственный кейс (риэлторское агентство) анонимен — карточка не создана.
- generation-ai.ru (7 кейсов GenAI в продажах) — методический материал Just AI без именованных клиентов и метрик — карточка не создана.

## Отклонено (карточка не создана)

- Сбер × Burger King (нейросеть проверки тендерной/закупочной документации, «переплата 28 млн руб.») — первоисточник не найден за отведённые 2 попытки поиска (WORKER п.13). Сигнал зафиксирован здесь для будущего дообследования: если проверить целенаправленно на sberbusiness.live/секретах бизнеса Сбера, может дать интересный кейс про закупки/аудит B2B-контрактов.
- amoCRM-кейсы интеграторов (клининг, цветочный магазин, стройка Plaza Lotus Group) — либо B2C, либо без ИИ-компонента, либо организация анонимна.
- Битрикс24 × «Кайрос» (опт мороженой рыбы) — назван, но без ИИ (чистая CRM); Битрикс24 × анонимный «ИИ-ОКК» B2B-инжиниринг — организация не названа.
- Свой Банк × FIS (кредитный конвейер для юрлиц) — назван банк, есть метрики (срок решения по заявке 3-5 дней), но технология — no-code BPM-платформа без ИИ/ML — не подходит под предмет исследования (ИИ).
- МТС × Битрикс24 (CRM для non-telecom B2B, +37% выручки) — роль ИИ в процессе «минимальна» по тексту кейса, это CRM/методологическая перестройка, а не ИИ-практика.
- ВейвАксесс (лидогенерация с ИИ для финтех-клиента) — клиент анонимен.
- Соль/saltpro.ru «ИИ-ОКК» — организация анонимна («федеральная инжиниринговая компания»).
- vc.ru «дистрибьютор сельхозтехники из Ростова-на-Дону» (конверсия КП 8%→29%) — при полном прочтении статьи этот кейс/цифра не подтвердились (в тексте не было ни названия компании, ни этой метрики — вероятно, артефакт агрегированного summary поисковика). Карточка не создана из-за непрочитанности утверждения в первоисточнике.

## Недобор по клеткам «регион × процесс»

- Тендеры/госзакупки (44-ФЗ/223-ФЗ) с ИИ и **названной** компанией-заказчиком — не найдено за 2 адресных попытки (запросы №1, №4). Много вендорских продуктов (Semantor и др.), но без описанного именованного B2B-кейса внедрения у конкретного заказчика.
- Корпоративный банкинг (скоринг/кредитование юрлиц) с явным ИИ/ML-компонентом у названного банка — не найдено; единственный найденный именованный кейс (Свой Банк) оказался без ИИ.
- Лид-скоринг/квалификация лидов в B2B с названной компанией и проверяемыми метриками — не найдено за 2 попытки (запросы №2, №8).

## Разнообразие источников (калибровка)
- Вендоры разные на каждую карточку: Сбер2B (P01), 1С/Retail.ru (P02), T-Банк-медиа/собственное признание компании (P03), Twin (P04). Ни один вендор не использован дважды.
- Попытка вне России отдельно не требовалась (пакет — «Россия», не «глобально»).

## Доработка (самоаудит после «Калибровки 2», 24.09 вечер)

Пакет возвращён на rework до независимой проверки: `cards.jsonl` не содержал новых обязательных полей (`deployment_stage`, `stage_marker_quote`, `technology_basis`), у source-карточек отсутствовали `sources`/`claims`. `python3 W/scripts/validate_cards.py W/packets/P05-B2B-RU` показывал 12 проблем.

Действия:
1. Сохранил исходную версию как `cards.v1.jsonl` (6 карточек без изменений — для истории).
2. Локально (без новых сетевых обращений) извлёк текст из уже сохранённых `raw/*.html` (P01–P04) в `raw/*.extract.txt` и перечитал их дословно — это не считается новым «открытием» (правило «сохранённые raw читай локально»).
3. По каждой из 4 practice-карточек добавил `deployment_stage` + дословный `stage_marker_quote` и `technology_basis`:
   - P01 (АрхиМед) — `production` по заголовку раздела «Результаты внедрения»; технологию (градиентный бустинг + вероятностное прогнозирование/линейная регрессия) процитировал дословно.
   - P02 (Фаско+) — `production`, сильный маркер: «Операционная эксплуатация этого сервиса длится уже более трех лет» (цитата финдиректора). При повторном чтении обнаружил в тексте гораздо больше данных, чем было использовано в v1 (разбивка точности по годам 2019/2022/2025, авторство статьи — Валерия Миронова, Retail.ru, дата по подписи 26.03.2026 против 24.03.2026 в JSON-LD) — переписал `before/after/effects/claims/human_role/authority` подробнее и точнее.
   - P03 (Vagabond) — `rolled_back` по цитате «проект остановили» + «ИИ-обзвоны больше не применяют»; убрал технологию `GenAI` (источник не использует это слово, только «ИИ-робот»/«нейросеть») — оставил `agent, NLP` с цитатой-обоснованием.
   - P04 (Ростелеком × TWIN) — **существенная ошибка в v1**: при первом чтении смешал два разных процесса на одной странице поставщика — (а) B2C-пилот автообзвона по продлению услуги домашнего телефона и (б) B2B-партнёрство white label, где Ростелеком продаёт ботов TWIN своим корпоративным клиентам «в составе АТС... или как новый отдельный продукт». В v1 карточка была подана как «ИИ используется для кросс-продаж корпоративным клиентам», хотя по тексту ИИ — это продаваемый продукт, а не инструмент продажи; кто и как вёл сам процесс продажи B2B-клиентам, источник не раскрывает. Переписал `process/before/after/agent_role/human_role/authority` — большая часть теперь помечена `unknown` с прямой цитатой на этот счёт; `deployment_stage: limited_production` (есть подписанные контракты, но только «за первые месяцы»); убрал `GenAI` из технологий (источник использует общую формулировку «искусственный интеллект»/«ИИ-агент», не «генеративный»).
4. Дубли перепроверил по организации (не только по URL) через `grep -i` по `W/known-e4-cases.json`, `W/known-sources-v0.2.json` и `W/known-url-map.jsonl` для всех 4 организаций (АрхиМед, Фаско+, Vagabond, Ростелеком/TWIN) и обоих доменов источников (vc.ru, retail.ru) — совпадений не найдено, `novelty: new` подтверждён для всех 6 карточек.
5. Добавил `sources` и `claims` в карточки S01/S02 (ранее отсутствовали как отдельные поля верхнего уровня; были только `relevant_publications`, что не то же самое по формату). Для S01 (vc.ru) материал ранее был прочитан только через WebFetch и не имел `raw`-копии — досохранил его через `curl -L` (1 открытие из бюджета доработки) в `raw/vcru-ai-2856770.html`, извлёк из него точные автора (Максим Козлов) и дату (2026-04-08 по JSON-LD) вместо приблизительных данных из первого прохода.
6. Автор/дата уточнены из byline/JSON-LD, а не «на глаз», для всех карточек, где это было возможно; там, где byline отсутствует (АрхиМед, Ростелеком×TWIN) — честно указано `unknown (byline на странице отсутствует)`.
7. Прогнал `python3 W/scripts/validate_cards.py W/packets/P05-B2B-RU` — результат: `0 problems` (было 12).

### Расход бюджета доработки
- Лимит: ≤2 поиска, ≤5 открытий.
- Факт: 0 новых веб-поисков; 1 открытие (curl vcru-ai-2856770.html для S01). Остальная работа — чтение уже сохранённых raw-файлов локально (не в счёт бюджета доработки).

## Доработка 2 (точечные правки по V2-M1-closure, 24.09 23:45 → выполнено)

Источник задания: `W/findings/V2-M1-closure.json` (Opus, 24 карточки: ok 5 / minor 12 / major 7) + сводка `W/findings/V2-summary.txt` + решение координатора в `W/decisions.md` (23:45, пункт 2 «Правило "ИИ в процессе самой организации"»).

Перед правкой сохранена версия `cards.v2-before.jsonl` (6 карточек, снимок после доработки 1).

### P04 (Ростелеком×TWIN) — снята из cards.jsonl, перенесена сюда как контрольный/контекстный случай

Координатор (решение 23:45, п.2) отнёс карточку к тому же классу, что и KRA, Pentair/Sievo, Ticketmaster: «ИИ в процессе самой организации» не установлен источником. Проверяющий (V2, major) подтвердил: после доработки 1 карточка честно признавала, что роль ИИ в процессе продажи корпоративным клиентам — unknown, а сам процесс — перепродажа AI-продукта (white label) под брендом Ростелекома, а не применение ИИ Ростелекомом в своей работе. Это подпадает под правило 8 WORKER («анонс продукта/партнёрства без описания изменения работы» — не заводить карточку практики).

Проверяющий также отметил, что на той же странице TWIN описан **реальный** B2C-кейс применения ИИ самим Ростелекомом (не B2B, поэтому вне предмета пакета P05): голосовой робот TWIN автоматизировал звонки по продлению услуги домашнего телефона; после теста на реальных звонках (сравнение с «одним из лучших операторов» Ростелекома, конверсия 11%) робот за 2+1 неделю разработки/оптимизации показал конверсию свыше 15% через месяц работы; несколько менеджеров Ростелекома обучили; интеграция по API с CRM заказчика; «Тест был успешно пройден и началась полномасштабная интеграция продуктов TWIN». Это B2C-практика (домашние абоненты), не B2B — вне потока этого пакета; координатору/потоку B2C-RU может быть интересна как отдельная находка (карточка не заводилась — вне мандата пакета B2B-RU).

**Контекстный случай (без карточки практики):** Ростелеком заключил white-label-партнёрство с TWIN (ООО «Уралинновация») и с 2026 г. перепродаёт голосовых/чат-ботов TWIN под своим брендом корпоративным клиентам — в составе АТС или отдельным продуктом. За первые месяцы партнёрства: 3 контракта (не «3+» — источник точен), более 10 намерений на подключение, выручка по проектам свыше 10 млн руб., средний чек вырос в 2–3 раза (источник: https://twin24.ai/clients/kak-golosovye-boty-twin-uvelichili-prodazhi-dlya-b2b-klientov-rostelekoma-i-podnyali-sredniy-chek-v-3-raza/, материал поставщика TWIN). Роль ИИ в процессе продажи этого продукта корпоративным клиентам (кто и как их привлекал) источником не раскрыта — поэтому карточка практики не создаётся, случай остаётся здесь как рыночный сигнал («крупный российский телеком становится реселлером стороннего AI-продукта для B2B») для координатора/потока AGENTINFRA или для обзора рынка.

### Исправлены minor по V2-summary

- **P03 (Vagabond):**
  - `effects`: метрика «качественные лиды получены» = 0 заменена на «лиды получены» = 0 — источник точнее и сильнее («не получил ни одного лида», без слова «качественные»).
  - `claims[0].text_ru`: убрано слово «качественного» перед «лида» — приведено к формулировке источника.
  - `authority`: убрана интерпретация «эта автономия без контроля в моменте называется источником причиной провала» — источник называет причиной провала «попытку применить инструмент массмаркета к сложному продукту», а описанные технические сбои (автоответчик, спор с роботом) — симптомы, а не заявленная причина. Поле переписано как факт («робот вёл звонок автономно, контроль — постфактум по записям») + связь с причиной провала явно помечена `HYPOTHESIS` внутри поля и продублирована в `uncertainty`.
- **S01 (vc.ru — источник):**
  - `last_activity`: было «2026-09-24, наблюдение по списку материалов при поиске» → исправлено на «2026-04-08 (дата последней прочитанной публикации), лента раздела /ai/ не открывалась — фактическая последняя активность unknown». Частота и «последняя активность» в v1 доработки были определены по выдаче поисковика (сниппетам), что нарушает правило «сниппет — не чтение» (WORKER п.3) — проверяющий указал на это верно.
  - `observed_frequency`: было «несколько материалов в день, метод — оценка по числу статей в выдаче поиска» → исправлено на `unknown`, `method`: честно объяснено, что оценка была по сниппетам поиска, а не по открытой ленте раздела.
- **P01, P02, S02** — по V2-summary verdict `ok`, правок не требуется.

### Валидатор
`python3 W/scripts/validate_cards.py W/packets/P05-B2B-RU` → **0 problems** (5 карточек: 3 practice + 2 source после снятия P04).

### Расход бюджета доработки 2
- Лимит: 0 поисков, ≤2 открытия.
- Факт: 0 поисков, 0 новых открытий — все правки сделаны по уже прочитанным и сохранённым raw-материалам (P03, S01) и по тексту решения координатора; новых WebFetch/curl не потребовалось.