Что такое ИИ-агент на практике: 11 часов работы маркетолога сжались до 10 минут

---

Максим Тодоров, учредитель компании по продвижению услуг психологов, собрал ИИ-агента на платформе n8n в качестве итогового проекта практического курса GIGASCHOOL по автоматизации бизнес-процессов, и этот агент за десять минут в неделю делает работу, на которую маркетолог тратил одиннадцать часов.

Проект вырос из курса, который GIGASCHOOL разработала совместно с экспертом Андреем Кузьминых. Участники выбирали реальный процесс в своём бизнесе, проектировали целевую схему, распределяли роли между человеком и агентом, собирали рабочий прототип и считали его экономику. Кейс Максима Тодорова стал одним из итоговых проектов, который руководитель школы Катерина Лапаева разобрала публично.

Какую задачу решает агент?

Компания Максима тестировала продвижение услуг психологов через b17.ru. Лиды (заявки от потенциальных клиентов) с этой площадки обходились дешевле и были качественнее, чем из других рекламных источников. Но масштабировать канал мешала ручная работа.

У b17.ru нет API (программного интерфейса, через который можно автоматически забирать данные). Площадка активно блокирует ботов. Маркетологу приходилось вручную:

• открывать сайт и копировать статистику по каждому объявлению
• переносить данные в таблицы
• сопоставлять каждую заявку с объявлением, которое её привело
• считать CTR (отношение кликов к показам), CPL (стоимость одного лида) и другие метрики
• искать закономерности и готовить отчёт

На всё это уходило около 11 часов в неделю. Полноценный пересмотр рекламной стратегии происходил примерно раз в месяц, когда часть данных уже устаревала.

«Сам сайт, к сожалению, не имеет API, не предназначен для автоматизации, хорошо борется с роботами. Ну и отсюда идёт вся боль, связанная с автоматизацией работы на нём» : Максим Тодоров, учредитель компании, на защите проекта

Из чего собран агент?

Важно понять, что такое ИИ-агент в этом кейсе. Это не просто языковая модель, которая отвечает на вопросы. Это целый конвейер из шести компонентов:

• Браузерное расширение забирает данные с b17.ru, обходя отсутствие API
• n8n (визуальный автоматизатор процессов, работает по принципу «если произошло А, сделай Б») управляет всей цепочкой
• Google Таблицы хранят и обрабатывают промежуточные данные
• Языковая модель анализирует собранные цифры и готовит рекомендации
• Telegram-бот запускает процесс и отправляет результат маркетологу
• DataLens строит дашборды для контроля показателей

Человек заходит на b17.ru, нажимает кнопку в расширении. Расширение отправляет статистику в n8n. Дальше всё работает без участия человека: данные очищаются, сводятся, модель анализирует и выдаёт черновик рекомендаций в Telegram.

Что осталось за маркетологом?

Максим подчеркнул на защите: цель не заменить маркетолога, а убрать из его дня операторскую работу.

После автоматизации за человеком остались:

• проверка корректности отчёта
• изменение логики анализа и настройка промпта (текстовой инструкции для языковой модели)
• выбор маркетинговой стратегии
• утверждение новых объявлений, отключение или запуск кампаний
• решения по бюджету

По расчётам автора, текущая проверка системы занимает около 10 минут в неделю, валидация аналитики около 50 минут. Настройка метрик и промпта нужна эпизодически. Вместо 11 часов ручной работы получился примерно час контроля.

«Я не заменяю маркетолога, я переношу его выше по лестнице» : Максим Тодоров

Замечу: главным результатом Максим назвал не экономию времени, а скорость проверки гипотезы. Система позволила быстро убедиться, что у рекламного канала не сходится нижняя часть воронки (этап от заявки до оплаты), и не тратить ещё несколько месяцев на проект, который не окупается.

Как попробовать?

1. Определите процесс, в котором вы вручную собираете данные с площадки без API: Дзен, маркетплейс, доска объявлений. Запишите, сколько часов в неделю уходит на рутину.
2. Установите n8n (бесплатная открытая платформа, ставится на свой сервер или работает в облаке) и соберите простую цепочку: триггер, обработка данных, отправка в Telegram.
3. Подключите языковую модель (доступные в РФ варианты: YandexGPT, GigaChat) для анализа собранных данных и подготовки черновика рекомендаций.
4. Начните с малого: автоматизируйте один этап (например, только сбор статистики), убедитесь, что данные корректны, потом добавляйте следующие звенья.

Сравнение: зарубежные и российские инструменты

Большая часть стека уже российская или работает в РФ без ограничений. Если в качестве языковой модели подключить YandexGPT или GigaChat, вся система собирается внутри российского контура.

Частые вопросы

Что такое ИИ-агент простыми словами?

ИИ-агент (agent) в контексте этого кейса это не одна программа, а цепочка инструментов, где языковая модель выполняет роль аналитика: получает данные, обрабатывает их по заданным правилам и выдаёт готовый результат. От обычного чат-бота агент отличается тем, что сам выполняет последовательность действий, а не просто отвечает на вопрос.

Нужно ли уметь программировать, чтобы собрать такого агента?

В кейсе Максима использовался n8n, визуальный конструктор, где процессы собираются из готовых блоков без написания кода. Браузерное расширение потребует минимальных технических навыков или помощи разработчика, но основную логику можно собрать самостоятельно.

Подойдёт ли такой подход для Дзена или маркетплейсов?

Принцип тот же: если площадка не даёт API, но данные видны на странице, браузерное расширение может их собрать и передать в автоматизатор. Для Дзена, Wildberries, Ozon схема применима, но расширение нужно писать или адаптировать под конкретный сайт. Готового универсального решения пока нет.