Это отдельный учебный разбор урока «Выбрать процесс и собрать рабочий контекст». Все данные вымышленные. Сначала прочитай только три файла текущей папки: candidates.json, measurements.csv, company-snapshot.json. Эталона здесь нет; не ищи соседние teacher/expected/QA файлы, не читай другие папки и не обращайся в сеть.

Выбери первый ограниченный пилот из кандидатов. Поясни выбор и почему банковский процесс не входит в него. Создай только output/first/process-passport.md, output/first/context.md и output/first/metrics.json. Исходники не меняй. Это подготовка процесса и расчёт ресурса: не классифицируй выдуманную очередь обращений, не создавай сообщения/сделки/платежи и не отправляй ничего.

В process-passport.md укажи триггер, конкретные входы и результат, последовательность, ответственного человека, проверку дублей, фактов и пробелов, передачу человеку и остановку при неизвестном исходе. Отдели предлагаемые правила от наблюдённых фактов. У нас есть замеры десяти учебных случаев, но нет самих обращений, утверждённой рабочей таксономии и подтверждённого ответственного реальной компании: это ограничения следующего пилота. В context.md опиши синтетическую компанию, источники условий и границы: не выдумывать цену/дату, не обещать доставку завтра, не отправлять черновики и не менять CRM/банк. Используй только сведения этих трёх источников; не копируй весь справочник цен без необходимости.

Сверь все строки CSV, общие и средние времена, ошибки и выигрыш времени с учётом человеческой проверки. Сохрани знак разности, включая отрицательные значения. Частота выбранного процесса из candidates.json — условие недельной оценки. Для денежного эквивалента ресурса используй явно условные 600 ₽/час: это не зарплата, выручка, прибыль или подтверждённое снижение расходов. Покажи формулы, число случаев и неопределённость; ноль ошибок в малой выборке не гарантирует качество следующей.

Структура metrics.json (числа в JSON — числа, не строки):
- schema_version: "1.0.0", synthetic: true, scenario: "base";
- sources: объект с точными SHA256 прочитанных candidates.json, measurements.csv, company-snapshot.json;
- selected_process: ID выбранного кандидата, sample_case_ids: все case_id CSV в исходном порядке;
- measurements: sample_size, manual_total_minutes, assistant_and_review_total_minutes, manual_average_minutes, assistant_and_review_average_minutes, saved_per_case_minutes, sample_saved_minutes, manual_error_total, assistant_and_review_error_total, weekly_cases_assumption, weekly_capacity_saved_minutes_estimate, hour_rate_assumption_rub, weekly_capacity_value_estimate_rub;
- interpretation: measurement_kind: "synthetic_sample", forecast_kind: "resource_estimate", revenue_verified: false, profit_verified: false, external_actions_executed: false, sample_quality: "no_errors_observed" или "error_observed", pilot_decision: "test_bounded_sample" или "revise_before_expansion", uncertainty: минимум три конкретных ограничения;
- formulae: строки sample_totals, sample_averages, saved_time, weekly_time, resource_value с формулами и подставленными величинами.

При выборе решения положительная разность времени «вручную минус ИИ с человеческой проверкой» при отсутствии ошибок разрешает только тест ограниченной выборки; отсутствие выигрыша или обнаруженная ошибка требуют доработки до расширения. В Markdown объясни содержание решения. Прочитай сохранённые три результата и коротко перечисли имена и ограничения. Не запускай учительские проверки и не объявляй урок принятым. После сохранения остановись: новые данные и обратная связь будут отдельным шагом.
