Артефакты: арсенал из 20 касаний

Артефакт 01 · канал письмо
Цепочка писем

Четыре касания за две недели по лестнице осознанности: боль без представления, факт и цена бездействия, доказательство, честное закрытие. Около 42 % ответов приходят на письма со второго по четвёртое, поэтому одиночная рассылка теряет половину. Одна мысль на письмо, тело до ста слов, переменные из досье.

Касание 1день 0письмо · боль без представления
Тема A: {компания}: как ваши ML-модели чувствуют себя в проде, Тема B: {компания}: модель работает, но кто следит, что она не просела
Здравствуйте, {имя}. Компании вашего масштаба тратят от 30 до 60 процентов ML-бюджета на inference, который тихо деградирует: данные дрейфуют, точность падает, замечают по упавшей бизнес-метрике, а не по алерту. Hilbert ставит мониторинг деградации, ускоряет выкатку моделей и снимает переплату за простой GPU. Есть 15 минут на этой неделе обсудить, как это устроено у вас?
Касание 2день 4письмо · факт и цена бездействия
Тема: {компания}: одна неделя без мониторинга модели
Здравствуйте, {имя}. Коллеги в ритейле фиксируют: неделя без мониторинга модели рекомендаций это минус несколько процентов конверсии до момента, когда проблему заметят. Чаще видят дрейф через две, три недели, ещё столько же уходит на выкатку исправления. Каждый такой цикл это деньги. Прислать короткую карту рисков по ML-контуру {компания}?
Касание 3день 9письмо · доказательство
Тема: как похожий ритейлер сократил стоимость inference на 35 процентов
Здравствуйте, {имя}. Без воды, по делу. Компания вашего профиля с несколькими ML-командами и inference на GPU за пилот получила: стоимость inference ниже на 35 процентов, срок выкатки модели с двух недель до двух дней, автоматический мониторинг деградации с алертом за минуты. Под {триггер} соберём демо на ваших сценариях: рекомендации, поиск, антифрод. Нужен обезличенный фрагмент. Стоит 20 минут разговора?
Касание 4день 14письмо · честное закрытие
Тема: закрываю тему по надёжности ML, демо оставляю готовым
Здравствуйте, {имя}. Это последнее письмо, навязываться не буду. Сценарий демо под {компания} у нас готов. Если надёжность моделей в проде встанет в повестку, ответьте одним словом, и я пришлю. Если тема есть, но не ваша, подскажите, к кому. В любом случае спасибо. Команда Hilbert Team.
Артефакт 02 · канал курьер
Директ-мейл

Физическая посылка разрывает паттерн входящих: у неё отклик в десятки раз выше письма. Тактическая ценность в ABM: создаёт повод для тёплого звонка с конкретным фактом, пока разбор у адресата на столе. Анонс за два дня, посылка, подтверждение доставки, звонок по скрипту.

Рукописная записка
{имя}, добрый день. Занимаюсь MLOps для компаний масштаба {компания}. Внутри один разбор: как ML-модели в ритейле деградируют молча и сколько это стоит в деньгах. Позвоню в {дата} уточнить, добрался ли. Команда Hilbert Team.
Вложение
Разбор на один лист «Пять признаков тихой деградации ML-модели» в брендбуке (монохром), QR-код на персональный лендинг {компания} и визитка с прямым телефоном инженера. Для Tier-1 опционально тематический предмет.
Скрипт звонка по факту доставки
Открытие
{имя}, добрый день, Hilbert Team. Несколько дней назад отправлял вам конверт. Скажите, дошёл?
Если дошёл
Там разбор, как модели в ритейле теряют точность молча и сколько это стоит. Один вопрос: у вас сейчас есть мониторинг, который скажет, если модель рекомендаций начнёт проседать?
Если не дошёл
Проверю, что с доставкой. Пока коротко: я про MLOps для ритейлеров вашего масштаба, выкатка моделей, мониторинг, стоимость inference. В {компания} этой темой кто занимается?
Шаг
Предлагаю 30 минут с вашим ML-лидом, покажем мониторинг на обезличенной модели. {след_шаг}.
Артефакт 03 · канал видео
Персональное видео-сообщение

Видео один на один в холодном письме или в мессенджере поднимает кликабельность в разы: имя произнесено вслух, на экране сайт компании, лицо видно. Длина 45 до 60 секунд. В письмо идёт анимированный кадр с именем и ссылкой, не сам файл.

Хук · 0 до 7 сек
Имя и конкретный факт о компании. Не с «меня зовут», а с того, что вы знаете про {компания}.
Боль · 8 до 20 сек
Одна проблема языком роли {персона}: модели деградируют тихо, обнаруживают по бизнес-метрике.
Доказательство · 21 до 40 сек
Один конкретный результат: inference дешевле на 35 процентов, выкатка с двух недель до двух дней.
Действие · 41 до 55 сек
Одно простое действие: ссылка на слот в описании, 20 минут.
Скриптфон: сайт {компания} или профиль {имя}
Привет, {имя}. Я из Hilbert Team. Вижу, что {компания} активно развивает ML в {направление}: рекомендации, поиск, антифрод. Вот что обычно происходит у компаний вашего масштаба: модель, которая хорошо работала на запуске, через два, три месяца тихо теряет точность. Данные дрейфуют, а мониторинг либо отсутствует, либо алертит поздно. Мы помогли похожему ритейлеру снизить стоимость inference на 35 процентов и поставить автоматический мониторинг деградации. Если тема актуальна, ссылка на календарь в описании. 20 минут.
Артефакт 04 · канал мультиканал
Каденция в мессенджерах и соцсетях

Мультиканальная последовательность кратно поднимает ответы к рассылке только по почте. Telegram охватывает большую часть аудитории РФ и при персональном касании отвечает заметно лучше холодного письма. Принцип: разные каналы это разный климат контакта, не дубль одного сообщения.

ДеньКаналДействие
1Проф. соцсетьЗапрос в контакты плюс одна строка: {триггер}, поэтому пишу.
2EmailПисьмо 1, боль, до ста слов.
4СоцсетьЛичное сообщение после принятия заявки, ссылка на кейс.
5TelegramПервое сообщение: только текст, без ссылок, персональное.
7EmailПисьмо 2, факт и данные.
9ЗвонокДо 20 секунд, ссылка на письмо и Telegram.
11TelegramFollow-up: писал несколько раз, стоит ли продолжать.
14EmailПисьмо 4, честное закрытие.
Telegram, касание 1
{имя}, добрый день. {триггер} подтолкнул написать. Занимаюсь MLOps для ритейлеров вашего масштаба: мониторинг моделей и снижение стоимости inference. Актуально?
Соцсеть, запрос
{имя}, вижу, что {компания} развивает ML в {направление}. Хочу поделиться разбором, полезным для вашего масштаба.
Правила
Первое сообщение в Telegram без ссылок. Не копировать один текст разным людям. Окно 10 до 14 часов местного времени. Частота сообщений умеренная.
Артефакт 05 · для экономического покупателя
Бизнес-кейс на один лист

Около 74 процентов покупателей выбирают вендора, который первым помог оформить их собственный бизнес-кейс. Документ вооружает внутреннего чемпиона, чтобы защитить проект на закрытом совещании. Минимум вашего логотипа, максимум их терминологии. Один лист, читается за пять минут.

Заголовок
Из-за {триггер} нам следует навести порядок в ML-проде к {срок}. После этого мы снимем риск тихой деградации, сократим стоимость inference и ускорим выкатку моделей.
Разработано
{чемпион} (ML-лид), {эконом_покупатель} (CDO или CFO) и команда Hilbert.
Проблема
Модели в проде деградируют молча, мониторинга нет или он алертит поздно. Inference дорогой, до 60 процентов GPU-времени уходит в простой. Выкатка модели занимает недели, откат ручной и медленный.
Подход
Сначала согласуем периметр: какие модели и сценарии берём в пилот. Коммерческий сдвиг: предсказуемая стоимость inference, меньше потерь от инцидентов. Техническое: платформа MLOps, мониторинг дрейфа, CI/CD для моделей, триггерный retraining. Проверено: пилот на одной модели в проде до контракта.
Целевые результаты к дате
МетрикаСейчасЦель к {срок}
Обнаружение деградациинедели, по бизнес-метрикеминуты, по алерту
Срок выкатки модели2 недели2 дня
Стоимость inferenceпростой GPU оплачиваетсяниже на 35 процентов
Бизнес-эффект
Три сценария: ничего не делать (цена промедления), частичное внедрение, полное внедрение. Каждый с прозрачными допущениями, которые CFO может проверить. Срок окупаемости указан явно. Цифры считаются в калькуляторе (артефакт 09).
Следующий шаг
Чтобы успеть к {срок}, обезличенный фрагмент нужен к {срок_минус}. Следующий шаг: {след_шаг}.
Артефакт 06 · формат отчёт
Отраслевой research-отчёт

Состояние MLOps в e-commerce РФ 2026. Исследовательский отчёт это самый сильный лид-магнит: данные и исследования называют главной причиной согласиться на разговор. Ценность для скрытых покупателей (финансы, безопасность), которые влияют на сделку, но не говорят с продавцами. Конкретность важнее охвата.

РазделФункция
Обложка и крюкОдна провокационная цифра из исследования.
Краткое резюме3 до 5 главных находок для тех, кто прочтёт только это.
МетодологияВыборка, период, кто респонденты. Доверие к данным.
Основные находки5 до 7 инсайтов с визуализацией: проблема, данные, интерпретация.
СегментацияРазбивка по масштабу и роли. Это отличает отчёт от общих статей.
РекомендацииКонкретные шаги под каждый инсайт.
О компании и шагМягкий следующий шаг: разбор, не «купите нас».
Темы данных
Сколько моделей доживает до прода, доля простоя GPU, средний срок выкатки, частота тихой деградации, кто отвечает за мониторинг.
Гейтинг
Превью первых страниц открыто, полный отчёт за email и роль (мягкий гейт). Лучшее закрываем, не первое.
Дистрибуция
Один отчёт работает как тизер-посты с одной цифрой, вебинар-разбор (артефакт 14), инфографика и серия коротких постов.
Follow-up
Между скачиванием и прочтением проходит время, первое касание через сутки, двое, не сразу. Отчёт это точка входа, не точка продажи.
Артефакт 07 · формат PDF
Памятка под роль

Шпаргалка на один лист под персону {персона}: только то, что важно этой роли. Чтобы чемпион взял её на внутреннее совещание и отбил вопросы без вас. Ниже три варианта одного шаблона под ключевые роли комитета.

персона

CDO, CDTO

Важно: единый контроль над всеми моделями, governance, аудит каждого деплоя, compliance. Аргумент: один реестр моделей, версионирование данных и модели, алерт при дрейфе.

персона

ML-лид, Head of Data

Важно: команда занята поддержкой пайплайнов вместо моделей. Аргумент: CI/CD, мониторинг и retraining автоматизированы, инженеры возвращаются к исследованиям.

персона

CFO, финансы

Важно: затраты на inference растут, источник непрозрачен. Аргумент: стоимость каждой модели в реальном времени, пилот с фиксированным бюджетом и понятным ROI.

Возражение

«У нас уже есть свои инструменты»: не предлагаем заменить ваш стек, предлагаем закрыть пробел в мониторинге и выкатке, встроившись в него.

Доказательство

Похожий ритейлер: inference дешевле на 35 процентов, выкатка с двух недель до двух дней, мониторинг с алертом за минуты.

Следующий шаг

{след_шаг}: пилот на одной модели в проде за 4 недели.

Артефакт 08 · формат баттл-карта
Баттл-карта против альтернатив

Две трети B2B-сделок конкурентны, и самый частый конкурент это не вендор, а «ничего не делать» и «соберём сами». Формат: факт, значимость, действие. Один экран. Признать сильные стороны, затем развернуть через вопросы-ловушки. Никогда не атаковать в лоб.

альтернатива A · своя команда

Собрать MLOps силами своей команды

Их довод: у нас сильные инженеры. Разворот: истинная цена это разработка плюс поддержка плюс найм плюс упущенное время. Вопрос-ловушка: кто будет поддерживать платформу, когда число моделей вырастет вдвое, и сколько стоит год работы инженера на это?

альтернатива B · облачная платформа

Большая облачная ML-платформа

Их довод: всё в одном облаке. Разворот: налог на фокус и стоимость кастомизации, lock-in. Вопрос-ловушка: сколько команда потратила на настройку платформы за последний год, и видите ли вы стоимость inference по каждой модели?

Альтернатива C · ничего не делать
Самый опасный конкурент. Цена бездействия: каждый месяц это новые инциденты тихой деградации, переплата за простой GPU, медленная выкатка. Вопрос-ловушка: как вы сейчас узнаёте, что модель просела, и что происходит в первые часы инцидента?
Почему мы (голос клиента)
Формулировки из реальных переходов, не маркетинг: мониторинг перестал быть ручным, цикл выкатки сократился, видно, где горит бюджет inference.
Когда честно пройти мимо
Если в проде одна, две модели и нагрузка низкая, выгода платформы мала. Честная квалификация бережёт доверие.
Не говорить
Не обесценивать инженеров клиента и не атаковать конкурента в лоб. Признать сильные стороны, перевести разговор на пробел и риск.
Артефакт 09 · формат расчёт
Калькулятор экономики ML в проде

Язык цифр вместо обещаний. Ввод слева, липкие результаты справа, расчёт в браузере. Считает текущую стоимость inference, переплату за простой GPU, экономию платформы, высвобожденное время инженеров и снижение потерь от деградации. Допущения можно править: модель должна выдерживать проверку финансовым директором.

Логика: стоимость inference в год = запросов в месяц × 12 × 1000 × цена за 1000. Экономия, время инженеров и снижение потерь складываются в суммарную выгоду. Доли оптимизации, автоматизации и мониторинга это осторожные сценарные допущения, в дефолте взяты нижние границы отраслевых диапазонов 2025 до 2026. Точные числа подтверждаются на пилоте. Открыть калькулятор на отдельной странице

Артефакт 10 · формат демо
Демо и диагностический воркшоп

Стандарт «показал демо, предложил контракт» в enterprise MLOps не работает. Диагностический воркшоп вовлекает весь комитет и строит консенсус, а демо на данных клиента отвечает на вопрос «работает ли у нас». Первый шаг даёт ценность, а не продаёт продукт. Около 88 процентов AI-пилотов не доходят до прода, и это готовый нарратив.

Что это
Однодневный воркшоп: карта моделей и пайплайнов, карта болей с приоритетами, желаемое состояние и KPI, быстрый разрыв в деньгах, план пилота на 4 недели.
Демо
Принцип «последнее сначала»: результат в первые пять минут, затем три блока «расскажи, покажи, свяжи с деньгами». Не экскурсия по фичам, а один высококонтрастный сценарий {компания}.
Цена входа
Обезличенный фрагмент данных и время команды. Платный диагностический формат отсекает не готовых и квалифицирует сильнее бесплатного.
шаг

Демо на данных клиента

Берём одну модель, один KPI. Мониторинг подключается к проду, видно дрейф и стоимость. Данные не уходят на обучение наших моделей.

шаг

Карта рисков ML-контура

Где модели деградируют незаметно, где простаивает GPU, где выкатка тормозит. Один лист, показывает зону потерь и приоритеты.

Артефакт 11 · канал ссылка
Персональный лендинг под Ситилинк

Самодостаточная страница по личной ссылке из письма, два логотипа, без навигации и ссылок наружу. Один главный призыв. Каждый визит трекается: менеджер видит, кто из комитета читал и что именно, ещё до звонка. Полная версия открывается отдельным файлом.

{логотип Ситилинк}×Hilbert Team

Ваши ML-модели работают на прод. Hilbert следит, чтобы они не деградировали.

Миллионы сессий в сутки. Когда модель рекомендаций теряет точность или поиск выдаёт нерелевантное, это прямые потери выручки. Мониторинг, автовыкатка, контроль стоимости inference.

Ручной и облачный MLOps

Мониторинг скриптами, алерт через сутки. Выкатка недели. Откат часы. Стоимость inference не видна.

С платформой Hilbert

Алерт за минуты. Выкатка дни. Откат одной кнопкой. Стоимость каждой модели в реальном времени.

Запросить пилот
Что на странице
01Персональный заголовок, два логотипа, фото и слот менеджера
02Четыре сценария Ситилинка: рекомендации, семантический поиск, антифрод, динамическое ценообразование
03Дуэль «как сейчас» против «с Hilbert» и выгоды по ролям: CDO, ML-лид, CFO
04Калькулятор экономики, кейс из онлайн-ритейла и форма на пилот из трёх полей

Один шаблон переиспользуется по всему пулу: логотип, заголовок и сценарии подставляются из досье. Бренд читается логотипом, фирменный цвет в монохром не вносится.

Артефакт 12 · канал реклама
ABM-реклама под аккаунт

Скоординированная кампания, которая окружает закупочный комитет Ситилинка на нескольких каналах. К первому звонку менеджера ключевые персоны уже видели Hilbert в нужном контексте. Один аккаунт, три нарратива по персонам, не одно объявление на всех.

КаналРольТаргетинг на Ситилинк
Яндекс Директзахват спросаключи: мониторинг ML, MLOps платформа, деплой моделей.
Яндекс РСЯретаргетингаудитории по контактам комитета, lookalike.
VK Adsaccount-levelсписок контактов сотрудников, интересы IT и данные.
Telegramthought leadershipразмещения в ML и IT-каналах.
персона CDO

Контроль и governance

Сколько ML-моделей сейчас в вашем проде. Единый реестр, аудит каждого деплоя, алерт при дрейфе.

персона ML-лид

Автоматизация рутины

Ваши инженеры пишут модели или поддерживают деплои. Hilbert берёт CI/CD, мониторинг и retraining.

персона CFO

Прозрачность затрат

Inference вырос, где горит бюджет. Стоимость каждой модели в реальном времени, пилот с фиксированной ценой.

Воронка: охват по списку комитета (без призыва на заявку), затем перехват intent-сигнала в поиске, затем ретаргетинг персональным баннером под роль, клик на персональный лендинг, форма. После конверсии персона убирается из аудиторий (burn pixel), менеджер ведёт с контекстом. Частота 3 до 5 показов в неделю, креативы меняются раз в три, четыре недели.

Артефакт 13 · формат офлайн
Бизнес-завтрак

Закрытый офлайн на 8 до 12 руководителей в формате без питча: фасилитированная peer-дискуссия о боли, а не презентация продукта. По отраслевым данным закрытые форматы дают высокий процент согласия на follow-up и сильнее обычных каналов по доведению до сделки.

Тема
Надёжность ML в проде: как крупные команды ловят деградацию моделей раньше, чем она бьёт по выручке.
Состав
CDO, ML и Data-лиды компаний сопоставимого масштаба. Без конкурентов за одним столом, по 1 представителю от компании.
Формат
Полтора, два часа. Короткая затравка с одной цифрой из research-отчёта, затем модерируемый обмен опытом. Ноль слайдов про продукт.
Оффер
Каждому участнику персональная карта рисков ML-контура его компании по итогам разговора. Это и есть повод для следующей встречи.
Воронка
Приглашение персональное от инженера, не массовая рассылка. После завтрака: благодарность плюс карта рисков в течение двух дней. Следующий шаг: диагностический воркшоп (артефакт 10) на площадке участника.
Метрика
Доля участников, согласившихся на follow-up, и число воркшопов, назначенных за две недели после завтрака.
Артефакт 14 · формат вебинар
Вебинар

Онлайн на 40 минут плюс Q&A. Заголовок с ролью и болью работает заметно лучше общей темы. Формат-воркшоп и панель с внешним экспертом конвертируют в лиды лучше простой демонстрации. Главное окно для конверсии это первые 72 часа после эфира.

Тема
Как ML-команда в e-commerce ловит дрейф модели за минуты, а не за недели. Практический разбор на реальных метриках.
Структура
5 минут: боль и одна цифра из отчёта. 25 минут: живой разбор мониторинга и выкатки на демо-стенде. 10 минут: Q&A и один следующий шаг.
Лид-механика
Регистрация это лид-захват. Опросы в первые минуты и Q&A поднимают вовлечённость. Запись смотрят дольше, чем идёт эфир, в основном в первые две недели.
Follow-up
В 72 часа: спасибо и запись, затем расширяющий материал, затем призыв на воркшоп. Сегментация: досмотревшие и задавшие вопрос это горячие, не пришедшие в nurture.
Артефакт 15 · формат сообщество
Онлайн-сообщество

Сообщество MLOps-практиков как медленный, но прочный канал: ценность до продажи, доверие и постоянный поток сигналов спроса. Community-led рост работает там, где разовые касания выгорают. Продаём знанием и пользой, не баннером.

Формат
Telegram-сообщество практиков ML и Data в проде: разборы инцидентов деградации, метрики, инструменты, без рекламы продукта.
Ценность
Шаблоны мониторинга, чек-листы готовности к проду, открытая часть research-отчёта, ответы инженеров Hilbert на вопросы.
Доверие
Сообщество ведут инженеры, а не маркетинг. Польза первична. Продукт упоминается только там, где он реально отвечает на вопрос участника.
Сигналы спроса
Вопросы участников это карта боли в реальном времени: кто столкнулся с дрейфом, у кого вырос счёт за inference. Точка входа для тёплого касания.
Артефакт 16 · формат клуб
Офлайн-клуб

Регулярный клуб CDO и ML-лидов: не разовое событие, а ритм встреч, который превращает касания в отношения. Закрытые executive-форматы по отраслевым данным заметно укрепляют связь с вендором и поднимают вероятность и размер сделки.

Состав
15 до 25 руководителей данных и ML из непересекающихся компаний. Закрытый вход, отбор по роли и масштабу.
Ритм
Встреча раз в квартал плюс закрытый чат между встречами. Каждая встреча: одна тема, peer-разбор кейса участника, без продаж со сцены.
Ценность участника
Доступ к равным, честный обмен граблями MLOps, ранний доступ к research-отчёту и бенчмаркам. Статус важнее контента.
В пайплайн
Hilbert это хозяин площадки, не продавец на сцене. Отношения и доверие конвертируются в воркшопы и пилоты вне клубных встреч.
Артефакт 17 · формат календарь
Календарь мероприятий по персонам на 3 месяца

План касаний-событий, где под каждую персону комитета на три месяца расписано, какое событие, с какой целью и каким KPI. Логика подбора: техническим персонам инженерная глубина (вебинар, сообщество), руководителям закрытый peer-формат (завтрак, клуб), экономическому покупателю цифры (калькулятор, бизнес-кейс).

МесяцПерсонаСобытиеЦельKPI
Месяц 1ML-лид, инженерыВебинар про дрейф моделейУзнаваемость, лид-захватрегистрации, досмотры
Месяц 1ML-лид, инженерыОнлайн-сообществоДоверие, сигналы спросаактивные участники
Месяц 2CDO, ML-лидыБизнес-завтракОтношения, карта рисковсогласия на follow-up
Месяц 2Все персоныResearch-отчёт и тизер-кампанияСпрос у скрытых покупателейскачивания, MQL
Месяц 3CDOОфлайн-клуб (первая встреча)Статус, peer-довериесостав, удержание
Месяц 3CFO, CDOВоркшоп и калькуляторБизнес-кейс, пилотназначенные пилоты

Каждое событие связано с артефактом-носителем: вебинар (14), сообщество (15), завтрак (13), отчёт (06), клуб (16), воркшоп и калькулятор (10, 09). Календарь это дирижёр всего арсенала во времени.

Артефакт 18 · канал встреча
Скрипт разведвстречи (DISCO)

Сценарий первого разговора под собранный контекст: зацепка из триггера, вопросы о боли, критериях выбора, процессе решения и бумажном процессе, договорённость о следующем шаге. Три обязательных вопроса дискавери: как делаете сейчас, во что это обходится, почему оцениваете именно теперь.

Открытие
{имя}, видим {триггер} у {компания}. За 30 минут покажем мониторинг и выкатку на обезличенной модели.
Вопросы о боли
Как сейчас узнаёте, что модель в проде просела? Что больше беспокоит: тихая деградация, стоимость inference или срок выкатки?
Критерии выбора
По каким параметрам оцениваете MLOps: контроль качества модели, скорость выкатки, стоимость, интеграции со стеком?
Процесс решения
Кто утверждает ML-инфраструктуру: CDO, ML-лид, финансы, и когда фиксируется бюджет?
Бумажный процесс
Через какие согласования проходит внедрение: безопасность, юристы, требования к данным?
Следующий шаг
{след_шаг}: диагностический воркшоп и пилот на одной модели за 4 недели.
Артефакт 19 · формат пилот
Пилот и POC-предложение

Платный пилот на одной модели в проде с заранее заданными критериями успеха. Пилоты с предзаданными критериями конвертируются в контракт в разы чаще открытой оценки. Если бесплатно, это расширенное демо, а не пилот: платный формат создаёт обязательство и квалифицирует.

Scope
Одна модель в проде (например рекомендации Ситилинка), один главный KPI, реальные данные и реальная нагрузка, не синтетика в изоляции.
Срок
POC 2 до 4 недель (техническая проверка), затем пилот 6 до 8 недель (бизнес-ценность). Жёсткая дата закрытия в договоре, иначе пилот не кончается.
Критерии успеха
Один порог pass или fail, подписанный обеими сторонами до старта. Например: дрейф ловится за минуты, срок выкатки модели падает с 14 до 4 дней, стоимость inference ниже на оговорённый процент.
Цена входа
Платный пилот, стоимость частично или полностью засчитывается в годовой контракт при достижении критериев. Это снимает риск клиента и держит обе стороны в тонусе.
Почему это убойно
Около 88 процентов AI-пилотов не доходят до прода, чаще всего из-за отсутствия MLOps-инфраструктуры. Наш пилот это и есть та инфраструктура: продаём не «модель работает», а «модель выживет в проде через полгода».
Артефакт 20 · формат КП
Коммерческое предложение

КП на один проход: проблема в деньгах, решение, три сценария ROI, пакеты, один следующий шаг. Сделки, закрытые быстрее, выигрывают заметно чаще, поэтому КП короткое и читается за минуты. Меньше блоков, выше конверсия. Мирроринг терминологии клиента из дискавери.

Краткое резюме
Текущее состояние ML-прода {компания} в цифрах, целевое состояние, что мешает. Для тех, кто прочтёт только первый экран.
Проблема и решение
Боль в деньгах (деградация, простой GPU, медленная выкатка), затем платформа MLOps с явным scope и интеграцией в стек клиента.
Три сценария ROI
Ничего не делать, базовый, полный. Прозрачные допущения из калькулятора, срок окупаемости указан явно, чувствительность к ключевым параметрам.
Пакеты
шаг 0

Диагностика

Воркшоп и карта рисков. Фиксированная стоимость, дни. Результат: приоритеты и план пилота.

шаг 1

Пилот

Одна модель в проде, 4 до 8 недель, критерии успеха. Стоимость засчитывается в контракт.

шаг 2

Платформа

Полное внедрение: мониторинг, CI/CD, оптимизация inference по всему пулу моделей, SLA.

Один явный следующий шаг на всё КП: назначить диагностический воркшоп. Реферабельные логотипы и один кейс из онлайн-ритейла. Условия и цена встроены так, что подпись принимает их сразу.

Артефакты
Хаб