Когда говорят «AI-автоматизация», чаще всего представляют чат-бота, который отвечает по скрипту. Это другое. Скрипт работает по жёстким правилам: написал «цена» - получил прайс. В AI-автоматизации есть шаг принятия решения: система получает сигнал, сама разбирается, что это, и решает, что делать дальше. Дальше действует без человека.

Разберу на своих системах, потому что рассказывать про чужие абстрактные кейсы смысла мало.

Из чего это состоит на практике

Любая такая система строится из трёх частей.

Сигнал. Что-то произошло: пришло сообщение в Telegram-чат, заявка на сайте, файл в папке, письмо на почту. Система должна это заметить сама, без того чтобы кто-то нажал кнопку.

Решение. Модель читает сигнал и определяет: это клиент или шум, куда его отнести, что с ним делать. Здесь ломается большинство самодельных ботов, потому что классификацию путают с ответом. Понять, что перед тобой, и сформулировать реплику - две разные задачи, и первая сложнее.

Действие. Система пишет, сохраняет, уведомляет, передаёт дальше. Человек подключается там, где без него нельзя.

Пример из мониторинга чатов: бот сидит в десятках чатов ниши, читает каждое сообщение и решает, ищет человек то, что вы продаёте, или просто разговаривает. Если это клиент - приходит уведомление со ссылкой на сообщение. Если нет - не происходит ничего.

Масштаб, чтобы было понятно, зачем тут машина. Моя система принимает около 400 сообщений в сутки. Человек столько не прочитает, а если заставить - он начнёт пропускать нужное к третьему часу.

Как понять, что вашу задачу можно снять автоматизацией

Четыре признака. Совпало хотя бы три - скорее всего, снимается.

  1. Действие повторяется и делается одинаково. Разбор входящих заявок, ответ на один и тот же вопрос, перенос данных из формы в таблицу, сборка недельного отчёта.
  2. Решение принимается по понятным признакам. Вы можете объяснить сотруднику за пять минут, как отличить срочную заявку от несрочной. Если не можете объяснить человеку, машине тоже не объясните.
  3. Объём растёт, а качество падает. К концу дня заявки разбираются хуже, чем утром. Это признак, что работа механическая и упирается во внимание, а не в квалификацию.
  4. Цена пропуска заметна. Потерянная заявка стоит денег, а не просто раздражает.

Обратный признак тоже полезен. Если задача делается раз в месяц и занимает двадцать минут, автоматизация окупится примерно никогда. Здесь честнее оставить как есть.

Три системы, которые у меня работают

Мониторинг чатов. Программа читает открытые чаты, куда я и так вхожу, складывает сообщения в очередь, дальше модель пачками решает, кто из авторов ищет исполнителя. Найденное падает мне в личку ссылкой на исходное сообщение. Работает круглосуточно, около 400 сообщений в сутки.

Заявка с сайта. Форма отправляет данные на сервер, оттуда в обработчик, оттуда уведомление мне в Telegram. Между «человек нажал отправить» и «я вижу заявку в телефоне» проходят секунды. Вся цепочка описана на странице обо мне и собрана на том же стеке, что я ставлю клиентам.

Новостной бот. Каждое утро собирает материалы по теме ИИ из нескольких источников, отбирает значимое и присылает готовый дайджест. Стоит около половины доллара в месяц.

Где такие системы ломаются

Это часть, которую обычно не показывают, а зря. Она объясняет, почему дешёвая автоматизация выходит дороже.

Первая версия почти всегда даёт мусор. Я разобрал 67 реальных уведомлений от своего мониторинга. Три четверти оказались шумом: люди, предлагающие услуги, а не ищущие их, вакансии в штат, дубли одного объявления из разных чатов. Модель матчила тему разговора и не смотрела на роль автора. В обосновании она сама себя выдавала: пост «сделаю сайт, пишите в личку» получал вердикт «человек ищет специалиста».

Лечится это не заменой модели на более умную, а переписыванием того, что у неё спрашивают. Я перестроил запрос так, чтобы сначала определялась роль автора, и только потом - интерес. Плюс отсев очевидного мусора обычными правилами до обращения к модели, чтобы не платить за разбор рекламных объявлений.

Тихие отказы опаснее громких. У меня был случай, когда очередь чистилась раньше, чем отрабатывала классификация. Пока всё работало, никто ничего не замечал. В момент, когда кончился баланс у поставщика модели, система за два с половиной часа удалила непроверенными около 260 сообщений. Ошибки на экране при этом не было: каждый шаг по отдельности отработал штатно, неправильным был их порядок.

Вывод для владельца, а не для инженера: у автоматизации должен быть присмотр. Уведомление о сбое, проверка, что вчера что-то происходило, понятный ответ на вопрос «работает ли оно прямо сейчас». Система без контроля выглядит работающей ровно до дня, когда выяснится обратное.

Сколько это стоит на самом деле

Здесь считают неправильно чаще всего. Смотрят на цену за обращение к модели и выбирают самую дешёвую.

Реальная структура расхода другая. У меня за девять дней работы вышло 2,95 доллара за то, что система прочитала, и 0,63 доллара за то, что она написала. То есть 82 процента денег ушло на входящий текст, а не на ответы. При таком раскладе модель с более дорогим ответом, но дешёвым чтением обходится дешевле откровенно слабой. Я перешёл на такую и получил минус четверть к счёту при более сильной модели.

Дальше практическое следствие. Экономия на качестве решений почти никогда не окупается: пропущенный клиент стоит дороже, чем сэкономленные центы за сутки работы. Экономить стоит на объёме входящего текста - отсекать мусор до модели, обрезать длинные сообщения, укрупнять пачки.

Основные же деньги в таких проектах уходят не на модели вовсе. Они уходят на разбор процесса, настройку под реальные данные и тот месяц, когда систему доводят по живому потоку. Сама подписка на модели в масштабе малого бизнеса обычно измеряется десятками долларов в месяц.

Почему не конструктор за пятнадцать минут

Готовые no-code платформы решают часть задачи и делают это хорошо: соединить сервисы, перекинуть данные. Потолок начинается там, где нужно понимать неаккуратный человеческий текст. Как только у мысли появляется десять способов быть высказанной, жёсткие правила рассыпаются.

Вторая причина в том, где всё это живёт. Моя инфраструктура своя: сервер, n8n, база данных, всё в контейнерах. Система остаётся у клиента после сдачи и не требует ежемесячной аренды чужой платформы поверх собственной автоматизации. Тарифных лимитов на количество операций тоже нет, а они появляются ровно тогда, когда объём вырос и всё наконец заработало.

Что спросить, прежде чем заказывать

Пять вопросов, которые стоит задать любому исполнителю, включая меня. По ответам довольно быстро понятно, человек делал такое или пересказывает статьи.

Где будет жить система и что останется у меня после сдачи? Правильный ответ включает конкретику: какой сервер, чей аккаунт, что происходит, если мы перестанем работать вместе. Если система живёт в личном кабинете исполнителя, вы арендуете не автоматизацию, а зависимость.

Как я узнаю, что она сломалась? У любой автоматизации бывают сбои. Разница между нормальной системой и опасной в том, приходит ли уведомление. Если ответ звучит как «ну она не сломается», это ответ человека, у которого пока ничего не работало долго.

Что будет с моими данными и данными клиентов? Какие шаги обращаются к внешним сервисам, что именно туда уходит, что можно оставить внутри. Вопрос не теоретический: за обработку персональных данных отвечает владелец бизнеса, а не подрядчик.

Сколько стоит эксплуатация в месяц? Не разработка, а именно работа: сервер, обращения к моделям, обслуживание. Цифра должна быть названа хотя бы вилкой. Если её избегают, скорее всего, никто не считал.

Что система будет делать неправильно? Здоровый ответ содержит примеры ошибок и то, как они ловятся. Обещание стопроцентной точности означает, что человек не видел живых данных.

Последнее особенно важно. У меня система на старте выдавала три четверти мусора, и это нормальный этап, а не провал. Ненормально другое: не измерять качество и не знать, сколько ошибок она делает сегодня.

Кому это не нужно

Список короткий, но важный.

Если заявок десять в месяц и вы разбираете их за чаем, автоматизация окупится нескоро. Сначала имеет смысл получить поток, потом его автоматизировать.

Если процесс каждый раз разный и решение принимается по чутью, формализовать его не выйдет. Машине нужны признаки, а не интуиция.

Если задача делается раз в квартал, оставьте как есть, даже если технически она автоматизируется.

И отдельно: автоматизация не чинит сломанный процесс, она его ускоряет. Если заявки теряются потому, что непонятно, кто за них отвечает, робот будет терять их быстрее и аккуратнее.

Признак, что пора: одно и то же действие повторяется каждый день, съедает время, и это время стоило бы потратить на то, что за вас не сделает никто - продажи, продукт, клиентов.

Похоже на вашу ситуацию - опишите, что происходит, и разберём, снимается это автоматизацией или нет. Форма и контакты внизу главной, можно сразу скриншотом или голосовым, так быстрее.