WorkBuddy у Shanghai Jahwa: як ШІ перетворили на спільну операційну модель для 9 департаментів

Найважливіше в кейсі Shanghai Jahwa — не сама цифра «4,5 раза», а спосіб, у який компанія масштабувала ШІ. Замість того щоб розгорнути WorkBuddy як універсального чат-бота, команди перетворили повторювані та регламентовані завдання на перевірені робочі процеси й багаторазово використовувані «навички» (Skills). Так знання, які раніше залишалися у конкретних працівників, стали спільним операційним ресурсом організації. 4

Водночас ці результати варто сприймати обережно: показники ефективності походять із корпоративних кейсів і не є результатом незалежного аудиту продуктивності.

Від пілота у двох командах до дев’яти департаментів

За повідомленнями компанії, WorkBuddy почав працювати в командах ІТ та HR Shanghai Jahwa у квітні 2026 року. Згодом інструмент перейшов до регулярного використання у дев’яти департаментах — зокрема в ланцюгу постачання, бренд-маркетингу, R&D, фінансах, HR та ІТ. Shanghai Jahwa заявила, що середня ефективність працівників зросла більш ніж у 4,5 раза. 4

Масштабування відбувалося у чотири етапи:

1. Пошук повторюваної роботи. Команди визначали процеси, пов’язані з регулярним збором даних, звіркою, форматуванням, аналізом або підготовкою звітів.
2. Переклад бізнес-правил у робочий процес. Працівники розкладали завдання на кроки й за допомогою WorkBuddy створювали скрипти або структуровані «навички».
3. Перевірка на реальних історичних даних. Команди тестували результати, виправляли помилки та додавали винятки, виявлені під час перевірки.
4. Повторне використання. Коли сценарій ставав надійним, його можна було запускати знову й ділитися ним з іншими працівниками або департаментами.

Тобто впровадження стало радше вправою з проєктування процесів, ніж просто встановленням нового програмного забезпечення. Працівники, які знали специфіку бізнесу, зберігали відповідальність за оцінку результатів і контроль якості, тоді як агент перебрав значну частину повторюваних операцій.

Для чого працівники використовували WorkBuddy

Застосування інструмента не обмежувалося написанням текстів. За даними за останній наведений місяць, 67% користувачів застосовували WorkBuddy для спеціалізованих бізнес-завдань, 63% — для обробки й аналізу даних, а 57% — для автоматизації та операційної роботи або технічного обслуговування. Це частки користувачів за напрямами, а не вимірювання заощадженого часу. 7

Серед прикладів у Shanghai Jahwa були:

• R&D: пошук інформації про косметичні інгредієнти та відповідні регуляторні вимоги.
• Фінанси: перетворення правил перевірки компенсаційних заявок на повторюваний процес і підготовка звітів для попереднього відбору інвестицій.
• HR: створення нагадувань для менеджерів і працівників про завершення випробувального терміну.
• Ланцюг постачання: автоматичне оновлення виробничих дашбордів у кількох цехах.
• Бренд-маркетинг: аналіз споживацьких інсайтів і контенту, а також створення маркетингових матеріалів.

Маркетингова команда також, за повідомленнями, перевела близько 70% щотижневих оглядів у форматі презентацій у HTML-сторінки. Їх можна було поширювати всередині компанії, оновлювати онлайн і переглядати без очікування на розсилання нової статичної презентації.

Як менеджерка без навичок програмування прискорила звірку рахунків

Найнаочніший приклад стосується логістичних рахунків. B2C-бізнес Shanghai Jahwa працював із платформами Tmall, JD і Douyin, а витрати на склад, обробку, доставку та інші послуги були розподілені між сімома категоріями первинних рахунків. За 18 місяців масив даних виріс приблизно до 60 мільйонів рядків. Попередній щомісячний процес на базі Excel займав п’ять-шість людино-днів, а великі файли ставало складно відкривати й обробляти.

Чжан Ін, менеджерка з операцій у ланцюгу постачання з економічною освітою та без досвіду програмування, розклала щомісячний процес на менші етапи. WorkBuddy генерував для них Python-скрипти, а Чжан багаторазово перевіряла їх на 18 місяцях історичних даних. Коли тести виявляли винятки або нові бізнес-правила, вона додавала їх до багаторазово використовуваних «навичок».

Заявлені результати виглядали так:

• щомісячний аналіз рахунків: із двох людино-днів до 15 хвилин;
• підготовка базової таблиці для «метеликоподібної» діаграми: з одного людино-дня до двох хвилин;
• створення візуального дашборда: із 1,5 людино-дня до трьох хвилин;
• повний щомісячний процес: із п’яти-шести людино-днів до менш ніж 20 хвилин;
• максимальне заявлене прискорення окремого завдання: до 150 разів.

У результаті йшлося вже не просто про швидшу роботу в електронній таблиці. У готовому дашборді можна було фільтрувати дані за брендом, платформою, категорією витрат і середньою вартістю замовлення. Менеджерам більше не потрібно було чекати, поки хтось заново збере звіт: достатньо було відкрити посилання й переглянути оновлені результати.

Чому така модель змогла поширитися

Цей кейс показує, що корпоративні ШІ-агенти мають більше шансів закріпитися, якщо перші сценарії відповідають трьом умовам:

• завдання виконуються достатньо часто, щоб автоматизація була виправданою;
• правила можна чітко пояснити й перевірити;
• результат можна зіставити з наявними записами або очікуваннями бізнесу.

Логістична звірка добре відповідала цій моделі. Процес був повторюваним і вимагав роботи з великими масивами даних, але все одно потребував фахівця, який розумів структуру рахунків, помічав винятки й міг оцінити, чи має результат бізнесовий сенс. WorkBuddy прискорив механічну частину роботи, не усунувши галузевий контроль.

Той самий принцип працював у фінансах, HR, R&D і маркетингу. Кожна команда надавала контекст і професійне судження, а агент допомагав оформити повторювані елементи в сценарії, які можна було запускати знову й, у деяких випадках, поширювати ширше. 4

Не автоматична заміна людей, а множник продуктивності

Отже, аргумент Tencent після цього впровадження є вужчим і практичнішим, ніж твердження про заміну офісних працівників ШІ. Заявлені результати стали можливими завдяки тому, що фахівці визначали правила, перевіряли результати, виправляли винятки й перетворювали успішні процеси на багаторазово використовувані організаційні активи. 4

Це важлива відмінність. Чат-бот може дати одноразову відповідь, тоді як перевірена «навичка» здатна зберегти спосіб виконання регулярного завдання в компанії. Цінність зростає, коли кілька департаментів створюють і використовують спільні сценарії, а не залишають кожну автоматизацію ізольованим експериментом.

Однак автоматично переносити гучні цифри на всі компанії або професії не варто. Доступні матеріали описують заявлені Shanghai Jahwa результати в окремих процесах і не доводять незалежно підтвердженого зростання продуктивності всіх працівників у 4,5 раза. Найнадійніший висновок інший: починати слід із вимірюваної повторюваної роботи, залишати експертів у контурі контролю, перевіряти результати на реальних даних і поширювати те, що справді працює.