• Кто пользователь, какие данные, какой ожидаемый результат.
• Аудит данных, документов, записей, прав доступа и систем, с которыми нужно интегрироваться.
• Выбор целевого сценария и ограничений пилота: качество, безопасность, контур, сроки, метрики.
• Развёртывание тестового контура и настройка обработки данных.
• Проверка качества результата на контрольной выборке и корректировка сценария.
• Интеграция, обучение пользователей, промышленная эксплуатация и сопровождение.

Для AI-проекта критичны не только модель и интерфейс, но и качество исходных данных, права доступа, ограничения безопасности и критерии приемки результата.

• Состав данных: документы, записи, диалоги, техническая информация, события систем
• Контур развертывания: облако, сервер заказчика, закрытый контур, локальное устройство.
• Роли пользователей и права доступа.
• Критерии качества: точность, полнота, проверяемость, скорость, удобство применения.
• Интеграции с системами заказчика и продуктами INCONA.