Когда говорят о внедрении ИИ в бизнес, обычно имеют в виду одно: сотрудник открыл нейросеть и попросил написать текст. Это не внедрение, а личная привычка одного человека. Она не масштабируется, не передаётся, не оставляет следа и исчезает вместе с сотрудником.
Мы пошли другим путём. За последний год мы не столько подключали готовые сервисы, сколько разрабатывали собственные скрипты-агенты под конкретные операции — часть из них работает фоном по расписанию, без участия человека. ИИ перестал быть «окошком с чатом» и стал слоем поверх операционки.
Это первая из двух частей. Здесь разберём принцип, по которому мы решаем, что вообще можно отдать машине, и три участка, где ИИ у нас уже работает каждый день: приём входящих, подготовка продаж и производство сайтов и контента. Во второй части — надзор за инфраструктурой и то, что сторожа нашли на сервере, границы применения ИИ и прогноз на ближайшие годы.
Главный принцип: не «нейросеть вместо человека», а рельсы
Первая и самая дорогая ошибка при внедрении — пытаться заменить человека целиком. Модель не заменяет сотрудника, потому что сотрудник — это не только текст, но и ответственность, контекст и решение о том, что вообще нужно делать.
Работает другая схема. Процесс разбирается на части, и машине отдаётся не «работа», а конкретная операция с проверяемым результатом: собрать данные из пяти источников, привести к одному виду, разложить по полкам, показать человеку. Решение остаётся за человеком, а рутина — за машиной. Мы называем это рельсами: сначала строится путь, по которому операция едет сама, и только потом на эти рельсы ставится ИИ.
На практике это означает, что под каждую такую операцию мы пишем отдельный скрипт-агент: маленький, с одной задачей и одним проверяемым результатом. Универсального агента «на всё» у нас нет и не планируется — он был бы непроверяемым. Участок годится под разработку такого агента, если выполняются три условия:
- Повторяемость. Операция случается не раз в квартал, а каждый день или каждую неделю. Разовую задачу дешевле сделать руками.
- Проверяемый результат. Есть способ за секунду понять, что вышло правильно: цифра сошлась, файл появился, статус изменился. Если результат проверяется только на глаз и «по ощущению» — автоматизация превратится в генератор скрытых ошибок.
- Понятная цена ошибки. Прочитать и показать — дёшево. Отправить письмо клиенту, опубликовать комментарий от имени бренда, создать запись в боевой системе заказчика — дорого и часто необратимо. Эти два класса операций разводятся с самого начала.
Из третьего пункта родилось правило, которое у нас действует для любого инструмента без исключений: всё, что пишет наружу, по умолчанию работает в режиме предпросмотра. Инструмент сначала показывает, что именно уйдёт, и только отдельной явной командой действительно отправляет. Ни один агент не получает права «сделать сразу».
Машина собирает и раскладывает. Решение остаётся за человеком
Участок 1. Приём информации: все входящие в одной ленте
Самая незаметная утечка денег в агентстве — не плохая реклама, а потерянное входящее. Заявка пришла в мессенджер, вопрос — в директ соцсети, уточнение — на почту, комментарий — под постом, задача — в CRM. Каждый канал требует, чтобы кто-то в него зашёл. В какой-то момент в него не заходят.
Мы закрыли это первым — и закрыли не покупкой сервиса, а разработкой. Под каждый канал написали свой скрипт-агент: он раз в несколько минут опрашивает источник, вытаскивает новое и кладёт строкой в рабочую заметку текущего дня. Все они работают по расписанию, без участия человека:
- Голосовые заметки. Написали агента, который забирает надиктовку с телефона и превращает её в текст. Распознавание идёт локально, на своём железе, без отправки в облако.
- Telegram. Личные сообщения и комментарии под постами забирает отдельный сторож, написанный под API мессенджера. Единой кнопки «собрать всё» не существует: под каждый канал нужен свой разбор, и это самая трудоёмкая часть разработки.
- Почта. Скрипт проверяет все ящики разом — агентские, клиентские, формы на сайтах — и показывает, что пришло, не заставляя открывать каждый по очереди.
- CRM. Агент разбирает ленту уведомлений: что требует действия — превращает в задачу дня, обработанное гасит, чтобы оно не всплыло второй раз.
- Техподдержка хостеров. Написали сторожей под тикет-системы двух хостеров: ответ приходит строкой в рабочий день. Это важнее, чем кажется — уведомления хостера уходят на владельца аккаунта, и без сторожа ответ можно не увидеть сутки.
Важный нюанс, который мы поняли не сразу: если поток входящих редкий, автоматизировать нужно датчик, а не конвейер. Мы не строим автоответы там, где сообщения приходят раз в неделю. Задача агента — не пропустить, а не ответить за нас. Молчание в канале — нормальное состояние, и система не должна пытаться его чем-то заполнить.
Эффект простой и измеримый: утро начинается не с обхода пятнадцати вкладок, а со списка того, что пришло за ночь. Само по себе это не приносит денег, но перестаёт их терять.
Участок 2. Продажи: подготовка данных, а не переговоры
Здесь проходит главная граница. Переговоры, цену, отказ и обещание клиенту машине мы не отдали и не планируем. А вот всю подготовку к разговору — отдали почти целиком.
Проверка подрядчиков на накрутку
Мы работаем с блогерами, и до внедрения проверка одного аккаунта занимала у менеджера полчаса ручного разглядывания статистики. Мы написали скрипт, который забирает статистику аккаунта через API сервиса аналитики и сам считает по ней вердикт: на вход — ссылка на аккаунт, на выходе — светофор и разбор по метрикам. Смотрит он не на красивые цифры охвата, а на отношение охвата к базе подписчиков, всплески реакций и поведение комментариев. Позже мы обернули этот скрипт сервисом внутри CRM, чтобы менеджер запускал проверку, не выходя из задачи.
Ключевая честность инструмента: он ловит накрутку реакций, а не мёртвую аудиторию. Зелёный вердикт не означает «всё чисто», он означает «по этим признакам манипуляции не видно». Менеджер по-прежнему смотрит на строку соотношения охвата и базы сам. Автоматизация здесь ускоряет, но не выносит приговор — и это осознанное ограничение, а не недоработка. Подробнее про изнанку работы с небольшими блогами мы писали в материале о тёмной стороне нано- и микроблогов.
Сейчас через эту проверку проходит каждый блогер перед закупкой: нет вердикта — размещение не согласуется. Для клиента это означает простую вещь — его бюджет не уходит на аккаунт с нарисованной активностью, и решение принимается по цифрам, а не по красивой презентации блогера.
«Чей ход» по каждому лиду
Второй инструмент, который окупился неожиданно быстро. Он отвечает на один вопрос: мы этому человеку отвечали или мяч на нашей стороне? Раньше ответ искался по памяти — и трижды подряд мы объявляли «брошенным» лида, которому на самом деле ответили с другого ящика.
Мы разработали инструмент, который собирает переписку сразу по всем ящикам, папкам и личным сообщениям в мессенджерах и печатает, за кем ход. Урок, зашитый в правило: ход считается по человеку, а не по каналу. Если клиенту ответили в Telegram, то «мы молчим пять дней по почте» — ложь, которая ведёт к нелепому повторному письму.
Саммари созвонов
Разработали агента, который превращает запись разговора в структурное саммари с обязательными проверяемыми цитатами — чтобы можно было ткнуть в место, откуда взят каждый тезис. Считает локально: в разговорах есть персональные данные, и им нечего делать в облаке.
Отчётность
Два скрипта по расписанию: первый собирает статусы лидов из CRM в операционный отчёт, второй подтягивает туда же выплаты подрядчикам. Таблицы обновляются сами несколько раз в месяц. Обе операции раньше делались руками и стабильно опаздывали.
Инструмент показывает основания, а не просто оценку
Участок 3. Производство: сайты, тексты, картинки
Это участок, где собственная разработка дала самый заметный прирост по скорости: здесь скрипты не просто читают данные, а выполняют работу, которую раньше делали руками по несколько дней.
Конвейер сайтов
Один из клиентских проектов в частной медицине мы довели до состояния эталона и написали под него процесс тиражирования: сборка статики, перенос на CMS, формы заявок, управляемый блог, чек-лист требований к медицинской рекламе. Следующий проект в этой нише собирается не с нуля, а как очередной экземпляр отработанной конструкции. Скрипты закрывают вёрстку, перенос контента и сборку типовых блоков, человек — структуру, тексты и соответствие требованиям ниши. О самих требованиях к таким сайтам мы писали отдельно: каким должен быть сайт пластического хирурга.
Публикация и переверстка статей
Мы собрали конвейер публикации из нескольких скриптов. Они забирают текст из документа, приводят его к эталонной разметке блога, расставляют иллюстрации по местам, создают страницу в CMS со всеми служебными полями, а после публикации подключают индексацию и трекер позиций. От задачи в CRM до живой страницы — почти без ручных операций.
Отдельная история — приведение старых статей к единому виду. Блог, которому много лет, всегда представляет собой археологический слой: разная разметка, битые ссылки, картинки с годом в имени файла. Под это мы написали инструмент аудита: он находит дефекты разметки, готовит план правок и заливает результат в CMS с обязательной резервной копией «до». Как раз та работа, где машина сильна, а человек быстро выгорает.
Иллюстрации
Написали драйвер, который генерирует обложки пачками и сам раскладывает их по страницам. Перегенерация обложек для всего блога — больше сотни изображений в едином стиле — заняла вечер вместо нескольких недель дизайнерской рутины. Дизайнер при этом никуда не девается: он задаёт стиль и отбирает, а не режет сто с лишним картинок под один размер.
Здесь же лежит жёсткое ограничение, которое мы соблюдаем без обсуждений: сгенерированный кадр никогда не выдаётся за реальный результат — ни за фотографию товара, ни тем более за результат процедуры на проекте заказчика из медицины. Там это не вопрос вкуса, а прямой запрет закона о рекламе. Генерация годится для иллюстрации идеи и не годится для доказательства результата: если нужен именно аргумент — только реальный материал с документами. Смежную тему мы разбирали в статье где взять картинки для сайта.
SEO-рутина
Самый недооценённый участок. Разбор каннибализации — когда две страницы сайта конкурируют за один запрос — вручную занимает недели: нужно свести отчёты по позициям, сверить цели, проверить редиректы и canonical, прочитать обе статьи и решить, какая основная. Мы написали скрипты, которые сводят выгрузки и выкатывают список подозрительных пар за часы. На одном из проектов из восьми с половиной сотен запросов вылезло пятьдесят шесть несовпадений, после проверки они свернулись в семь пар, а реальной конкуренцией оказались всего две.
Тем же способом — отдельным скриптом на каждую операцию — закрыты метаданные, перелинковка, аудит заголовков и картинок, сбор семантики и разметка запросов по интенту. По этой части у нас есть подробный разбор: как маркетинг помогает SEO и обзор сервисов для анализа сайта.
Отзывы
Написали агента, который забирает публичные отзывы с карт, раскладывает их по специалистам и услугам заказчика и готовит к публикации на сайте. С одной оговоркой, которая стоила нам отдельного правила: публикация идёт только после письменного согласования с клиентом. Нет согласования — нет публикации, даже если отзыв хороший. Почему отзывы стоят такой возни, мы разбирали в материале отзывы, которые продают.
Что дальше
Три разобранных участка объединяет одно: машина здесь готовит и показывает, а решение принимает человек. Это самая безопасная часть внедрения — и с неё стоит начинать.
Самое интересное начинается там, где агент работает без свидетелей: следит за серверами, пока все спят. Во второй части — что наши сторожа нашли на сервере с сорока сайтами (майнер, веб-шеллы, бэкдор удалённого доступа и настроенный кем-то узел анонимной сети), почему живой администратор всё это пропустил, чего мы машине принципиально не доверили и что, по нашему прогнозу, произойдёт с рынком за ближайшие год-два.
Есть задача? Расскажите, что у вас делается руками каждую неделю, — разберём, какой участок окупится первым.
P.S. Каким ИИ пользуемся мы. В работе команда Авентон использует агрегатор Syntx — доступ к 100+ нейросетям по одной подписке: ChatGPT, Claude, Gemini и DeepSeek для текстов, Midjourney и FLUX для картинок, Sora и Kling для видео. Главное удобство — не нужно жонглировать десятком аккаунтов и зарубежных оплат: все модели живут в одном кабинете и Telegram-боте. Попробовать можно здесь.
