✔️ Как автоматизация заказов высвободила объем работы двух сотрудников Интересный пример из автомобильного рынка опубликовала TecAlliance. Один из крупнейших европейских дистрибьюторов автокомпонентов Inter Cars автоматизировал через TecCom большую часть срочных заказов у ключевых поставщиков. Раньше процесс во многом строился на письмах и звонках: нужно было запросить наличие, дождаться ответа, уточнить цену и сроки. Но пока шла переписка, остатки и условия могли измениться. В результате возникали задержки и ошибки. Теперь данные об остатках, ценах и заказах передаются в реальном времени, а около 95% поставщиков, подключенных к TecCom, могут принимать заказы автоматически. Один из самых показательных результатов — автоматизация высвободила объем работы, эквивалентный занятости двух сотрудников. Людей не сократили: их переключили с обработки рутинных операций на другие задачи. Но в этом кейсе интересны не только цифры. Inter Cars работает более чем с 1600 поставщиками. Создавать и поддерживать отдельную интеграцию с каждым из них было бы слишком сложно. Поэтому важную роль сыграл единый стандарт обмена: компания смогла один раз выстроить процесс и затем масштабировать его на разных поставщиков. Для B2B-проектов это особенно важный вывод. Сам по себе портал еще не автоматизирует продажи и закупки. Реальный эффект появляется, когда он связан с учетной системой, поставщиками, актуальными остатками, ценами и статусами заказов. 👍 Именно тогда цифровизация начинает измеряться не количеством новых экранов, а сокращением ручной работы, ошибок и времени на обработку заказа.

✔️ Продолжаем знакомиться с новыми рынками На прошлой неделе команда e-комЭКСПЕРТ побывала на Automechanika Uzbekistan Знакомились с участниками рынка, общались с производителями и дистрибьюторами, по итогам выставки назначили несколько более предметных встреч. На новых игроков реагируют по-разному: кто-то пока присматривается, кто-то сразу идет на контакт. Одно из главных наблюдений — огромное количество китайской продукции. Китайские производители активно заходят на узбекский рынок и стараются брать в том числе масштабом предложения. При этом местные компании довольно требовательны к качеству и внимательно подходят к выбору новых партнеров и брендов. Сама выставка очень плотная по составу участников: от небольших производств до крупных ритейлеров и дистрибьюторов. Посетителей было меньше, чем на некоторых других отраслевых выставках, но деловой активности при этом много. Практически на каждом стенде есть места для переговоров, и за два дня мы почти не видели их пустыми. Компании ищут новые бренды для поставок, обсуждают условия и договариваются о сотрудничестве. Как итог: узбекский авторынок сейчас находится в очень интересной точке, новых предложений много, желающих зайти на рынок тоже, но выбирать партнеров здесь готовы довольно внимательно. 👍 Поэтому особенно интересно будет посмотреть, как изменится состав игроков в ближайшие годы.

🔘 Разработчик постепенно перестает работать с ИИ один на один Первые сценарии использования AI в разработке были довольно простыми: попросить написать функцию, найти ошибку, объяснить чужой код или подготовить тест. Сейчас появляется другая модель — несколько AI-агентов с разными ролями работают над одной задачей. В одном из свежих экспериментов с Claude Code разработчик организовал процесс практически как небольшую команду: отдельные агенты отвечали за реализацию, тестирование, code review, QA и исправление найденных проблем. За две недели через такой процесс прошло 253 pull request и было создано более 4 000 тестов. Но интереснее здесь оказалось не количество написанного кода. При росте скорости разработки появилась другая проблема: код мог выглядеть логично, успешно проходить существующие тесты и при этом быть неправильным в контексте всей системы. То есть чем больше работы удалось передать агентам, тем важнее становились архитектура процесса, контроль результата и правильно выстроенный QA. И для разработчиков здесь, пожалуй, самый практичный вывод: не стоит пытаться передать агентам сразу весь цикл разработки. Гораздо полезнее разделять роли и контрольные точки: один агент пишет реализацию, другой проверяет ее, тесты формируются отдельно, а критичные архитектурные решения и итоговая приемка остаются за разработчиком. При этом особенно важно давать агентам контекст проекта: правила архитектуры, ограничения, зависимости, принятые паттерны и критерии готовности задачи. Без этого можно очень быстро получить много вполне рабочего кода, который просто не подходит конкретной системе. 👍 Получается, что навык работы с AI для разработчика постепенно смещается от «уметь хорошо написать промпт» к более инженерной задаче — правильно декомпозировать работу, распределить ее между агентами и выстроить точки проверки результата.