Месяц на должности AI Automation Specialist: автоматизация без намёка на AI.

• Месяц назад мне прилетел оффер на позицию AI Automation Specialist. Звучит громко, правда? В голове уже рисовались картины, как я тренирую нейросети, внедряю умных ботов и меняю мир парой хитрых алгоритмов. Реальность, как водится, оказалась гораздо прозаичнее и издевательски ироничнее. Спустя четыре недели на этой должности я могу подвести первые итоги: я реализовал тяжёлую и замороченную интеграцию между Microsoft Teams и Zendesk для технической поддержки – и ни одной строчки искусственного интеллекта в ней, кроме кода, который за меня сгенерировали Claude и GPT. Добро пожаловать в новую реальность, где AI в названии должности есть, а в работе его нет.

• Первым (и пока единственным) крупным проектом стала трехсторонняя автоматизация между Teams ⇄ Zendesk ⇄ Teams. Проще говоря, я связал корпоративный чат и тикет-систему так, чтобы они обменивались данными туда-обратно. Пользователь пишет сообщение в Teams – заводится тикет в Zendesk. Агент отвечает в Zendesk – ответ прилетает в Teams в виде реплая. Меняется статус тикета – об этом знают все участники чата. Звучит неплохо на бумаге: вроде бы, улучшение коммуникации между отделами, все дела. Но давайте будем честными: я изначально считал эту интеграцию самым бессмысленным проектом, которым когда-либо занимался. Спустя месяц упорных доработок мое мнение не изменилось ни на йоту.
• Почему бесполезно? Да потому что никакого «умного AI» там и близко нет. Вся эта история с «автоматизацией» оказалась обычным конструктором на n8n: правила, костыли, API-запросы, которые я склеивал так, чтобы оно хоть как-то жило и не падало при первом чихе. Формально должность называется «AI Automation Specialist», а на деле я чувствую себя сантехником по вызову: таскаю виртуальные трубы между Teams и Zendesk, подматываю их изолентой и молюсь, чтобы систему не прорвало в три часа ночи.
• Интеграция получилась действительно объёмная, с хитрыми переходами и моментами, где даже можно назвать её «изящной». Но вот в чём вся сатира: весь искусственный интеллект в этом проекте — это тонна сгенерированного кода, который мне наштамповали Claude и GPT. На этом «AI» закончился. Всё остальное пришлось выгрызать вручную, превращая свой мозг в бесплатную нейросеть без апгрейдов и подписки Pro. Когда на собеседовании говорили «AI Automation», я ещё наивно представлял себе модели, ботов, умные алгоритмы. Реальность же такая: максимум интеллекта в этой работе это тот, что я сам себе выжимаю, кодируя связки костылей, а нейросети, как дешёвые подпольные поставщики, подкидывают мне мешки кода, половина из которого идёт сразу на свалку.

• Раз уж взялся делать эту штуку, пришлось выкладываться на полную и показать класс технической эквилибристики. На практике связать Teams и Zendesk – это не просто кинуть запрос "сюда вставь текст, туда отправь текст". Нет, это целый аттракцион устрашения для разработчика. С какими проблемами я столкнулся за этот месяц? Вот краткий список «радостей», которые пришлось приручать:
• Эхо-сообщения: нужно было избежать ситуации, когда сообщение из Teams создает тикет, а уведомление о тикете возвращается обратно в Teams как новое сообщение. Приходилось изобретать анти-эхо логику – метить каждое отправленное боту сообщение так, чтобы он не пересылал его назад как попугай.
• Бесконечные петли: чуть ошибся с условиями – и бот в двух системах вступает в бесконечный диалог сам с собой. Пришлось внедрять анти-луп проверки, чтобы интеграция не превратилась в перпетуум-мобиле, зафлудивший весь канал и всю очередь тикетов.
• Дубликаты: иногда одно событие могло обработаться дважды из-за задержек или повторных вебхуков. Я гонялся за фантомными дублями сообщений, как за тараканами на кухне в три часа ночи, вставляя дополнительные условия и идентификаторы, лишь бы не заводились повторные тикеты по одному чиху пользователя.
• Несостыковка ID-шников: у каждой системы свои идентификаторы – сообщение в Teams, тикет и комментарий в Zendesk. Нужно было аккуратно мэпить их друг на друга, хранить где-то соответствия (привет, маленькая временная база на том же n8n или в метках тикета) и не потерять нить разговора. Один неправильный ID – и ответ улетит в никуда или, что хуже, в чужой тикет.
• Невидимые символы: отдельный ад для перфекциониста. Оказалось, Teams иногда добавляет невидимые символы форматирования, а Zendesk чувствителен к лишним пробелам. Пришлось фильтровать контент, чистить от скрытых символов, а где-то даже вставлять свои (например, zero-width space) как метки, чтобы отличать служебные сообщения от пользовательских. Да, я вставлял невидимые юникод-символы в текст – чувствую себя не разработчиком, а фокусником-иллюзионистом.
• Метки и теги: в Zendesk я навешивал специальные теги на тикеты, помечая их как пришедшие из Teams, чтобы workflows не трогали чужие тикеты. В Teams в тексте или заголовке тоже приходилось добавлять скрытые пометки. Код превратился в клуб любителей стеганографии: прячем сигналы в тексте, чтобы потом их же распознать и не допустить катастрофы.
• И это только верхушка айсберга. Каждый день всплывал новый "особый случай". То вложения из Teams не прикрепляются к тикету правильно (пришлось пилить передачу файлов, конвертировать их URL и следить, чтобы PDF-ки и скриншоты долетали живыми). То статус тикета поменялся, а Teams-бот внезапно решил промолчать об этом – оказывалось, у статусов свои ID, и конечно же они не совпадают с человекочитаемыми названиями. В общем, интеграция оказалась тем еще испытанием на прочность нервной системы.

• Надо быть честным: оффер, который я получил, — это точно не история про «работу мечты». Звучит красиво: специалист по AI-автоматизации. На деле же, обычный интегратор, которому платят «по рынку». И вот тут начинается самое интересное. Я ведь точно знаю: будь я сейчас на фрилансе, тот объём, что я провернул с Teams ⇄ Zendesk ⇄ Teams, стоил бы в три-четыре раза дороже. А здесь только фикс(ставка). Стабильно? Да. Только стабильно в минус для меня самого.
• Почему? Потому что я ушёл от своих дел, где деньги делаются совсем в других нишах. У меня давно автоматизированы процессы под себя с помощью AI и именно они приносят доход. Там, где нейросети работают на меня, а не я на них. И если сравнивать, то оффер не даёт мне ровным счётом ничего, кроме опыта. Причём парадоксального опыта: я, человек, привыкший строить односторонние интеграции в рамках одного воркфлоу (ну, максимум через execute workflow), внезапно собрал трёхсторонний конструктор. Бессмысленный с точки зрения «интеллекта», но дико полезный как школа выживания.
• И вот в этом весь парадокс. Финансово я проигрываю, фактически работаю себе в минус, но технически, качаю скилл, который в будущем может превратиться в оружие потяжелее. Сейчас же единственный бонус от оффера, это опыт и чувство, что я наконец-то вышел за пределы песочницы. Хотя иногда и хочется спросить: «А стоило ли менять свои прибыльные проекты на зарплату ради такого опыта?»

• Честно, если бы я ограничился только корпоративной автоматизацией, давно бы уже потерял вкус к AI. Поэтому параллельно основной работе я держу свои проекты. Это не подработка ради денег, а скорее личная терапия: именно они напоминают мне, зачем я вообще полез во всю эту историю с автоматизацией. Тут я могу и навык прокачать, и кошелёк свой пополнить, и почувствовать, что делаю что-то живое и по-настоящему интересное.

Первый сайд-проект вырос из обычной переписки. Задача: проверять TRC-20 USDT-адреса по чёрному списку и мгновенно предупреждать, если кто-то собирается отправить деньги на скомпрометированный кошелёк. Реализация максимально простая: webhook ловит адрес, Redis или Google Sheets хранят список, дальше идёт проверка и моментальный алерт в Telegram. Никаких «машинных обучений» и прочих модных словечек, чистая сверка по справочнику. Зато эффект прямой: кто-то в чате собирается кинуть USDT не туда — сразу всплывает уведомление: «Стой, Иван, не шли туда, это мошенники».

Но тут есть момент. Эта штука явно сделана не ради одного конкретного «Ивана». Она заточена под более широкую задачу. Кто шарит, тот поймёт: если такой механизм встроить не в один чат, то игра резко меняется. Это уже не просто «подсказка другу», а целый фильтр, который может сэкономить N долларов и сохранить репутацию.

Подробное описание самого рабочего флоу я разберу чуть позже и обязательно добавлю его в портфолио.

Второй проект крутится вокруг темы, гораздо более близкой к настоящему AI. Нейросеть Veo 3, которая генерирует гиперреалистичные видео с помощью искусственного интеллекта. Эта штука уже наделала шуму: она умеет создавать видео с нуля, да ещё и со звуком, и интегрируется в экосистему Google (тот же Vertex AI). В какой-то момент поступило интересное предложение от AI-креаторов: попробовать встроить Veo 3 в продакшен-процессы, автоматизировать рутинные задачи, собрать черновой монтаж или визуальные эффекты буквально «одним кликом». Звучало как фантастика, но я решил взяться за реализацию.

Да, что-то подобное уже есть в интернете в виде шаблонных решений, но работают они ужасно криво. Я же сделал ставку именно на участие AI, который не просто «накидывает картинку», а помогает грамотно формировать промт, учитывает буквально все факторы для качества: свет, динамику, стилистику, звук. То есть видео генерируется не «наугад», а по заранее отточенному сценарию, где каждая деталь просчитана. Это ключевой момент, который отличает мой проект от всего, что есть в свободном доступе.

И самое важное, мне удалось снизить стоимость генерации видео с $6 до $0.3 за штуку без потери качества. Это принципиально: ценник упал в 20 раз, а итоговый результат остался на том же уровне (а иногда даже выше).

Сейчас проект находится на финальной стадии: система собрана и активно тестируется креаторами. Представьте: креатор пишет техническое задание в свободной форме, нажимает кнопку — и AI сразу собирает ему клип или хотя бы раскадровку. Где-то подключается генерация видео, где-то автоматически накладывается озвучка, где-то монтаж собирается без ручной правки. Это мощный инструмент, экономящий недели работы.

Детали, внутренности и сам флоу я выложу чуть позже: распишу, что именно делает система, как устроен пайплайн и почему она работает так стабильно. Ну и, разумеется, добавлю проект в портфолио.

Помимо всего этого, у меня на руках ещё два крупных проекта, которые уже вышли на финальную стадию. Один для SMM-агентства, другой для строительной компании. Сейчас оба активно тестируются, и я уже чувствую: скоро они заживут своей полноценной жизнью без моего круглосуточного сопровождения.

SMM-история, это постоянный движ: связка сервисов для постинга, аналитики, планирования контента. Звучит просто, но на практике это целый аттракцион. Каждая новая доработка превращается в отдельный мини-проект, и где-то между «поставь галочку тут» и «а можно отчёты в таком же стиле, как в TikTok?» я понял, что научился думать на несколько шагов вперёд.

Строительная компания, совсем другой мир. Там всё не про лайки и метрики, а про бетон, материалы и строгий отчёт о том, куда ушёл каждый кирпич. Автоматизация тут, это почти революция. Представьте себе бизнес, где всё годами делалось «по старинке», а теперь у них появляются цифровые отчёты, учёт материалов, задачи в онлайне. Каждый модуль, это борьба привычки с новыми правилами игры. И да, местами больно, местами тяжело, но зато, когда видишь, как «старой школе» вдруг становится удобнее и понятнее жить, это реально мотивирует.

После полной реализации и закрытия всех задач, я обязательно добавлю оба проекта в портфолио. Там уже подробно распишу, как именно всё устроено, какие механизмы задействованы и какие результаты получились. Потому что для агентства это стабильность и масштабирование, а для стройки, прозрачность и экономия ресурсов. А для меня, доказательство, что автоматизация способна менять правила игры даже в самых разных мирах.

• Месяц на новой работе - минус время, минус нервные клетки, плюс умение улыбаться, когда всё падает. Оффер = бумага. Опыт= шрамы. С другой стороны, на фрилансе мой ценник вырастает в 5–10 раз без всяких мантр и коучей. Ответ на вечный вопрос «оставаться или уходить?» простой и честный: пока не знаю.

Это не «игрушки ради галочки». Это планомерный поджог бюджета во имя понимания, как оно всё на самом деле работает.

Подписки на нейросервисы и «песочницы» (генерация/распознавание/аналитика/тренировка моделей), API OpenAI + n8n (эксперименты и десятки прогонов, сожжена тонна денег), аренда GPU, облака, векторные базы, голосовые сервисы , хостинги, мониторинг, домены, курсы и т.д

Итог: ориентировочно $2.5k за 4 месяца. Весело, дорого, познавательно.

В кнопку «Сделать умно». Легенда, как единороги. В Реальности же, скучная и рутинная работа.

В «AI агента, который поймёт всё». Поймёт. Потом пере-поймёт и сделает наоборот.

В дешёвую экономию. Сэкономил? Получил диагноз: «оно само поломалось». Лечится дорого, пахнет громко, повторяется регулярно.

Одно уже ясно точно: коллекция граблей собрана, шутки закончились. Дальше, железная стабильность, витрина с блеском и ценник, который заставит людей морщиться, но платить.

И да: если где-то снова придётся сжечь сотку баксов ради эксперимента - сожгу не думая. Потому что одна правильная сотка экономит сотню неправильных часов. На этом огне и жарится настоящий опыт.

Короче, никакой романтики. Это не «AI магия», а обычный ИИздец: чуть логики, чуть костылей, куча переменных. У людей от AI обычно ожидания уровня «он сейчас сам всё подумает, решит и бизнес выведет в топ-10 Forbes». Реальность куда проще: чем тупее и прямолинейнее интеграция, тем надёжнее она работает. Факт, проверенный временем, нервами и сожжеными деньгами.