📍 Точка А

Ситуация: я читаю книги на смартфоне, и некоторые книги существуют только виде PDF сканов - читать их на смартфоне неудобно: мелкий шрифт у неудобная навигация. Задача "привести это в приличный формат для чтения" лежала без движения долгое время - было понятно, что задача не такая простая: на странице кроме самого текста есть колонтитулы, изображения, лишние данные в начале книги и т.д. и т.п. Автоматические конверторы из интернета - выполняют эту задачу криво косо и получившийся файл на смарте выглядит нечитаемо.

Я понимал, что чтобы сделать это нормально, придётся потратить уйму времени потому что вылезет куча неочевидных нюансов. Так и получилось.

Задачи:

• Автоматически конвертировать сканы PDF в FB2
• Убрать весь мусор оформления, сохранив реальный текст без изменений
• Вытащить текст даже там, где он "спрятан" внутри картинок
• Сохранить структуру глав для навигации
• Уложиться в разумный бюджет, желательно вообще бесплатно

Боли:

• Первым делом пошёл в свой рабочий инструмент — Perplexity, разобрать задачу. Получил вывод: агент не нужен, задача последовательная, хватит обычного сценария в Make.
• Начал собирать бота в Make. Через пару часов упёрся в две стены сразу: качество выходило так себе, а экономика — вообще нежизнеспособная. 1 страница = 10 операций, книга на 300 страниц = 3000 операций, а на тарифе всего 10 000 операций в месяц. То есть по факту — 3 книги в месяц и всё, лимит исчерпан.

🔧 Процесс решения

Про Claude Code знал уже давно но не понимал для каких задач он мне может пригодиться вот и не лез. А тут как раз - решил попробовать. Поставил задачу Клоду и по большей части ушёл "в фон": смотрел видео, лежал на кровати, изредка проверял результаты, давал разрешения на следующие шаги и корректировал направление. На весь процесс ушли примерно сутки - почти всё это время агент работал самостоятельно.

Что получилось по архитектуре:

• Бесплатный офлайн-пайплайн по умолчанию: разбор PDF (PyMuPDF), локальное распознавание текста (Tesseract), автоматическая словарная чистка типичных ошибок OCR — склеенных и разорванных слов
• Эвристики для отделения текста от мусора: поиск повторяющихся колонтитулов по соседним страницам, отсечение обложки/оглавления/копирайта до начала первой главы, определение заголовков по размеру шрифта
• Локальный веб-интерфейс — закинул PDF, получил готовый файл, без консольных команд

Протестировал на 4 книгах с разной вёрсткой — от обычного романа до журнального стиля с декоративными врезками. Первый прогон на чистых эвристиках показал: текст внутри картинок не извлекается вообще, оглавление превращается в кашу из слов и цифр, заголовки глав путаются с декоративными цитатами. Стало ясно — правилами эту задачу не дожать, нужно менять подход.

Добавил платный "качественный режим": вместо локального OCR каждая страница уходит на модель с компьютерным зрением (GPT-4.1), которая одним проходом и читает текст точно (даже капслок и стилизованные шрифты), и сама отличает настоящий заголовок главы от декоративной цитаты — то, что эвристики упорно путали.

По пути поймал реальный баг: на более дешёвой версии модели она иногда выдумывала целые абзацы текста, которых в книге не было — для инструмента, где вся суть в точности исходника, это критичная ошибка. Заменил на полную модель — проблема ушла полностью.

🎯 Точка Б

Цифры:

• 4 протестированные книги с разной вёрсткой
• Одна книга: было 82 картинки без единого слова текста → стало 129 абзацев чистого читаемого текста + 19 настоящих иллюстраций
• Другая книга: капслок-мусор, типичный для сканов ("ТЬ1СЯЧУ... ОбЩ@СТВЗ... ЖЭРЕНОЙ КЗРТОШКОЙ") — исчез полностью, текст стал идеально читаемым
• Третья книга: файл, который раньше открывался 5-кратно повторённой обложкой и мешаниной из оглавления, теперь стартует чисто с "Предисловие"
• Стоимость: $1-3 за книгу в платном режиме или бесплатно в офлайн-режиме — против тупиковой экономики первой попытки (3000 операций на книгу при лимите 10 000/мес)
• Время на весь проект — около суток, почти без ручного участия

Эмоции: ощущение, что задача, которая казалась неподъёмной и лежала без движения долго, реально закрыта — навайбкодил что-то действительно полезное для себя, а не просто демо ради демо.

Сдвиги: появился рабочий инструмент, которым лично пользуюсь для перевода домашней библиотеки сканов. Появилось чёткое понимание разницы подходов: no-code (Make) хорош для предсказуемых последовательных сценариев, но упирается в потолок на объёмных задачах; ИИ-агент справился именно там, где no-code оказался экономически нежизнеспособным. Это мой первый подобный кейс — дальше буду пробовать другие задачи, чтобы понять границы применимости.

🎯 Хотите так же?

Если у вас есть рутинная задача, которая тоже "давно лежит в столе", потому что кажется слишком сложной или дорогой в реализации, но вы не знаете:

• с чего начать — с no-code сценария, готового сервиса или ИИ-агента
• как оценить реальную стоимость и границы каждого подхода ДО того, как потратите на него время
• какой набор инструментов подойдёт именно под вашу задачу, а не сольёт бюджет в никуда

Напишите мне в личку в Telegram 📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего бизнеса и подскажу, как оптимизировать рутину с помощью ИИ-решений.

📍 Точка А

Ситуация: ООО Аудиторская фирма «Аудит-Альянс» обратилась за корпоративным обучением по применению ИИ в повседневной работе сотрудников.

Задачи: нужно было не рассказать про ИИ в целом, а показать сотрудникам, где конкретно нейросети могут упростить рутинные задачи и ускорить процессы, сохраняя профессиональный контроль аудитора.

Боли: сотрудники не понимали, как системно применять ИИ в аудиторских задачах.

🔧 Процесс решения

Что делал

• Перед стартом обучения провёл опросы среди участников, чтобы выяснить конкретные проблемы и задачи.
• Провёл 2 вебинара в течение 2 недель в формате «учись делая»: 1-й — теория + практика + вопросы, 2-й — разборы и детали.
• Обучал 4 рабочим задачам аудитора: работа с текстами и документами, анализ и классификация информации, структурирование материалов
• Показал 4 техники промтинга: подробный промт (контекст + цель + формат), переписывание промта, итерации и уточнение, вопросы от ИИ.
• На практике показал реальные кейсы: анализ договора на разработку ПО с выявлением уязвимых для исполнителя пунктов, подготовку сценария разговора с недовольным клиентом после аудиторской проверки, составление карточки риска процесса «Согласование договоров» по шаблону
• Научил технике самооценки ответа ИИ (по критериям точности, полноты, понятности) и работе с примерами для получения предсказуемого результата вместо случайного
  

🎯 Точка Б

Цифры: в обучении приняли участие все 12 сотрудников фирмы, программа заняла 2 недели.

Эмоции: участники активно вовлекались уже на этапе подготовки - присылали свои списки рабочих задач и ожиданий. В процессе вебинаров - задавали много кокнертных вопросов и получали деатльные ответы. После завершения вебинаров участники благодарили в общем чате.

Сдвиги: стороны договорились о дальнейшем сотрудничестве уже по конкретным прикладным задачам аудиторской фирмы, что говорит о доверии к результату обучения и готовности углублять внедрение ИИ в рабочие процессы.

🎯 Хотите так же?

Если у вас аудиторская, юридическая или консалтинговая компания, но вы не знаете:

• как объяснить сотрудникам, что ИИ - не «волшебная таблетка» и не бесполезная игрушка, а рабочий инструмент
• какие именно задачи в вашей отрасли можно ускорить с помощью нейросетей без потери качества
• как выстроить обучение так, чтобы люди не боялись, а начали применять ИИ на практике уже после первого занятия

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 Сделаю аудит вашего бизнеса, и подскажу как оптимизировать рутину с помощью ИИ-решений.

📍 Точка А

Ситуация: HR-специалист крупного ИТ-интегратора АО «РАМАКС ИНТЕРНЕЙШНЛ» - компании с более чем 30-летней историей и 700+ сотрудниками - обратилась ко мне с запросом организовать образовательные эфиры по нейросетям для команды.

Задачи: нужно было познакомить сотрудников разных отделов (смешанная аудитория, средний возраст 35-40 лет) с практическим применением нейросетей в работе, а не просто рассказать "про ИИ в целом"

Боли: часть сотрудников не понимала, зачем и как применять нейросети в своих задачах, аудитория была неоднородной по опыту и функциям, что требовало универсального, но при этом практико-ориентированного контента

🔧 Процесс решения

Что делал:

• Опросил сотрудников с помощью Google Forms, чтобы получить реальные рабочие задачи, стоящие перед ними.
• Адаптировал контент под смешанную аудиторию отделов компании, ориентируясь на реальные рабочие задачи сотрудников
• Выстроил программу «Нейросети для работы и жизни» с прикладными блоками: работа с документами и таблицами, автоматизация контента, создание ИИ-помощников, и логика работы ботов и агентов.
• Провёл 3 онлайн-лекции по нейросетям на платформе MTS Link с записью и доступом после эфира
  

🎯 Точка Б

На каждом эфире присутствовало порядка 20-30 человек

Эмоции: заказчик оставлял позитивную обратную связь после лекций с эмоциональными реакциями в переписке, что говорит о высоком уровне удовлетворённости форматом и содержанием

Сдвиги: компания вышла с вопросом о продолжении сотрудничества в начале 2026 года, что подтверждает интерес к дальнейшему развитию темы нейросетей внутри команды; формат обучения показал себя гибким — под конкретные задачи компании программа может адаптироваться и дальше

🎯 Хотите так же?

Если вы руководитель или HR в компании и хотите, чтобы сотрудники реально начали применять нейросети в работе, но не знаете:

• как выбрать формат обучения, который подойдёт для вашей аудитории
• какие инструменты нейросетей дадут измеримый эффект именно в ваших процессах
• как избежать формального "обучения для галочки" без практической пользы

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

📍 Точка А

Ситуация: Я веду свой телеграм канал про ИИ и подписчики просили от меня новостной контент, но на человеческом языке. До этого я мониторил ИИ-новости вручную - только через нишевые телеграм-каналы. Новостного контента для своей аудитории не делал вообще.

Боли:

• Нишевые каналы писали про отличия моделей, параметры, технические детали - голова буквально болела от чтения занудной технички
• Новости были слишком сложными даже для меня, не то что для обычных людей
• Социальные тренды ИИ (как реагирует государство, какие реальные законы вступают в силу) просто проходили мимо - я их не видел
• Делать новостной контент вручную - значит каждый день мониторить, анализировать, рерайтить. Не хочу на это тратить время

🔧 Процесс решения

Что делал:

1. Начал с одного общего поискового запроса через модуль Perplexity в Make.com — хотел делать дайджест раз в неделю
2. Обнаружил проблему: один общий запрос давал каждый раз разные новости — нестабильный результат
3. Провёл анализ в чате Perplexity — оказалось, запрос слишком широкий. Разбил его на 4 тематических потока (международные ИИ-новости, российские техновости, обновления крупных платформ, социальные тренды)
4. Стало лучше — 22% совпадений по новостям при повторных запусках. Но всё равно много и хаотично
5. Принял решение: создать отдельный ТГ-канал с ежедневными новостями, а лучшие отправлять в еженедельный дайджест
6. Организовал хранилище в Google Sheets — туда падают все найденные новости
7. Встроил фильтр дублей: нейросеть проверяет всё хранилище и не публикует повторы
8. Добавил систему оценки каждой новости через GPT-4.1 по трём критериям:
• relevanceScore (вес 50%) — насколько новость важна и понятна обычному человеку, а не технарю
• clarityScore (вес 30%) — насколько её можно объяснить без IT-бэкграунда
• freshnessScore (вес 20%) — насколько новость свежая и актуальная
• finalScore = сумма взвешенных баллов. Порог публикации — 6.5 из 10
9. Дайджест: каждую неделю берёт топ-5 новостей из таблицы, агрегирует через GPT и публикует красиво оформленный пост в TG

Инструменты: Make.com, Perplexity Sonar (поиск), GPT-4.1 (оценка и структурирование), GPT-5 (финальное написание поста), Google Sheets (хранилище), Telegram Bot API

🎯 Точка Б

Цифры:

• 6 часов — время на разработку обоих сценариев с нуля
• $0,01 — стоимость одного запуска всей системы
• 0 минут в неделю — время поддержки. Всё работает само
• 4 поисковых потока вместо 1 — стабильность и разнообразие новостей
• Порог качества 6.5/10 — только человечные новости проходят в публикацию

Эмоции: Теперь я сам читаю свой канал с удовольствием - там есть и технические новости, и общесоциальные тренды ИИ, которые раньше просто проходили мимо меня. Головная боль от нишевых каналов - ушла.

Сдвиги:

• Новостной контент из "никогда" превратился в ежедневный автоматический поток
• Фильтрация работает по пользе для обычных людей - не для разработчиков
• Двухуровневая система: ежедневный канал + еженедельный дайджест для тех, кто не хочет следить каждый день

Сам новостной канал: https://t.me/easy_ai_ru

И мой основной канал: https://t.me/lexel_channel

🎯 Хотите так же?

Если вы хотите делать экспертный контент регулярно, но не знаете:

• Где найти время на ежедневный мониторинг
• Как не утонуть в технических деталях и писать понятно
• Как автоматизировать рутину, не теряя качество и свой стиль

Напишите мне в личку в Telegram
https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего бизнеса, и подскажу как оптимизировать рутину с помощью ИИ-решений.

📍 Точка А

Ситуация: создатель закрытого клуба про искусственный интеллект для юристов собрал аудиторию на платформе Тильда. Личные кабинеты с материалами, оплата через CloudPayments, Telegram-чат для участников. Всё работало, но каждый элемент существовал сам по себе.

Задачи:

• Автоматизировать приём новых участников при оплате
• Контролировать статус подписок и своевременно закрывать доступ
• Вести единую базу клиентов

Боли:

• Новые участники вставали в очередь и ждали первой недели месяца — остывали, передумывали, уходили без оплаты
• Неплательщики месяцами оставались в клубе и бесплатно получали эксклюзивные материалы — прямые убытки
• Ни одного автоматического контроля: кто платит, кто нет, у кого когда заканчивается подписка — всё вручную

🔧 Процесс решения

Что сделал:

1. Сценарий «Приём платежа» — CloudPayments отправляет вебхук в Make при каждой оплате. Система проверяет, есть ли контакт в Битрикс24, если нет — создаёт. Автоматически создаётся сделка с датой закрытия подписки (+1 месяц), фиксируются детали транзакции в timeline CRM
2. Сценарий «Блокировка доступа» — система отслеживает даты окончания подписок в Битрикс24 и присылает администратору уведомление, когда у участника истекает срок. Администратор точно знает, кого и когда нужно отключить в Тильде

3. Сценарий «Самостоятельная отмена» — участник может отменить подписку самостоятельно, событие обрабатывается автоматически через CloudPayments и отражается в CRM

4. Telegram-интеграция — изначально разрабатывался сценарий для автоматически добавления и удаляления участников из чата. Позже от автоудаления отказались осознанно: бывшие участники остаются в чате и продолжают получать анонсы новых материалов — это инструмент прогрева и возврата

Инструменты: Make.com (оркестрация), CloudPayments (приём платежей + вебхуки), Битрикс24 CRM (база клиентов, сделки, timeline), Telegram Bot API, почтовый сервис рассылок, Тильда (личные кабинеты)

Ограничение: Тильда не имеет полноценного API для управления доступом — поэтому последний шаг блокировки остаётся ручным.

🎯 Точка Б

Цифры:

• 4–5 новых каждый месяц, которые сразу получают доступ к материалам, а не ждут в очереди, "остывают", передумывают и отказываются от покупки
• На обработку одного нового клиента уходило до нескольких часов, теперь мгновенный доступ
• Пара недель фактической работы на реализацию всей системы

Эмоции: Автор клуба получил систему, которая «сама следит за всеми движениями». Появилась уверенность, что ни один неплательщик не «висит» в клубе незамеченным

Сдвиги:

• Участники получают доступ сразу после оплаты — очередь на первую неделю месяца ликвидирована, потери на «остывании» устранены
• Все платёжные данные, история транзакций и статусы подписок хранятся в единой CRM
• Администратор получает точные уведомления и тратит время только на финальный шаг в Тильде — вместо ручного контроля всей цепочки

🎯 Хотите так же?

Если у вас закрытый клуб, онлайн-школа или подписной сервис, но вы не знаете:

• Куда деваются люди между «хочу вступить» и первым занятием
• Кто из участников уже не платит, но всё ещё пользуется материалами
• Как выстроить единую базу клиентов без ручного копирования данных

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего бизнеса и покажу, где именно утекают деньги и как это закрыть с помощью ИИ-автоматизации.

📍 Точка А

Ситуация: Клиент - врач и блогер с миллионной аудиторией на Ютуб. Маркетинговая стратегия требует регулярного потока экспертных статей, но сам доктор не писал их месяцами из-за нехватки времени.

Задачи:

• Наладить стабильный поток экспертных статей для продвижения
• Дать SMM-отделу возможность самостоятельно создавать контент
• Использовать уже существующую экспертизу, зафиксированную в видео и курсах

Боли:

• Написать такую статью без эксперта невозможно — это не просто текст, а медицинская экспертиза высокого уровня
• SMM-команда не обладает нужными знаниями и не может заменить врача
• Копирайтера нужного уровня не существует в принципе — в пересчёте на время эксперта статья стоит 7 000–10 000₽
• Экспертность уже «заперта» в 100+ видео, 7 часах лекций и 25 текстовых документах, но достать её вручную нереально

🔧 Процесс решения

Что сделал:

1. Собрал всю базу знаний эксперта — все видео с YouTube-канала длиннее 3 минут (кроме Shorts), 7 часов видеолекций из курса, 25 текстовых документов по 15–20 страниц
2. Автоматически транскрибировал видео через Make.com + Supadata API — система сама обошла весь канал и сохранила субтитры
3. Загрузил всё в RAG (векторное хранилище OpenAI Vector Store) — теперь ИИ «знает» всё, что знает доктор, и может искать по базе в реальном времени
4. Подключил GPT как ассистента с доступом к базе знаний через file search — ответы строятся строго на материалах эксперта, а не на общих знаниях модели
5. Построил Telegram-бот с простым интерфейсом: SMM выбирает аудиторию (например, пациенты, коллеги-врачи) и вид контента (статья для блога, пост, экспертная колонка) — и получает готовый текст

Инструменты: Make.com, YouTube Data API, Supadata API, OpenAI Assistants + Vector Store, Google Sheets, Google Drive, Telegram Bot

🎯 Точка Б

Цифры:

• Время написания одной статьи: с нескольких месяцев → до 3 минут
• Стоимость одной статьи: 7 000–10 000₽ → 20 рублей
• Уже создано: несколько десятков статей
• База знаний: 100+ видео + 7 часов лекций + 25 документов — всё в одном месте
• Новое видео на канале - автоматически добавляется в базу знаний

Сдвиги:

• SMM-отдел стал автономным — больше не зависит от расписания эксперта
• Все статьи пишутся словами и экспертизой доктора, а не общими фразами
• Контент-план перестал «стоять» — статьи создаются по запросу, в нужный момент
• Эксперт не тратит своё время на написание, его знания работают без его участия

🎯 Хотите так же?

Если у вас есть эксперт с ценной базой знаний, но вы не знаете:

• Как превратить его видео и лекции в работающий контент-поток
• Как дать SMM-команде доступ к экспертизе без участия самого эксперта
• Как масштабировать производство контента без роста бюджета на авторов

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего контент-процесса и покажу, как автоматизировать производство экспертных материалов с помощью ИИ.

📍 Точка А

Владелец бренда детских игрушек захотел выйти на Wildberries с новым товаром. И столкнулся с необходимостью создать контент для 640 артикулов. Каждый артикул требовал несколько форматов: инфографика, игрушки на белом фоне, фотки игрушек в руках, фотки игрушек в интерьере, видео с игрушками, видеозаписи с 3д моделями с сайта и т.д. — итого по 10 единиц контента на каждый артикул.
6400 - единиц контента.

Задачи

• Создать качественный контент для всех 640 артикулов товаров
• Обеспечить единообразие визуального стиля
• Уложиться в разумные сроки и бюджет
• Минимизировать рутинную работу

Боли

Клиент сразу понимал: ручная работа над таким объёмом нецелесообразна.

Даже с нейросетями, расчёты показывали пессимистичный сценарий:

• больше 3 часов генераций на каждый артикул с учётом перегенераций, ошибок, перерывов
• больше 9 месяцев на обработку всех артикулов
• свыше 1 000 000 ₽ только на работу специалиста
• Высокий риск выгорания исполнителя и ошибок от монотонности

🔧 Процесс решения

Что я сделал

1. Разработал полностью автоматизированный контент-завод на платформе Make.com.

2. Написал алгоритм автоматической видеозаписи визуализации 3Д моделей на сайте

Контент-завод на Make

1. Сценарий "Управление"

• Telegram-бот для запуска процессов кнопками
• Уведомления о старте, завершении или ошибках
• Отправка ссылок на готовые материалы

2. Сценарий "Генерации"

• Извлечение данных артикула из Google Sheets (640 строк × 68 колонок)
• Генерация промптов через GPT
• Генерация изображений в NanoBanana
• Создание 5-секундных видео 1080×1920 через Kling AI
• Дополнительная обработка фото и видео (вырезка из фона, масштабирование, послойное наложение)
• Автозаполнение таблицы со ссылками

3. Сценарий "Финал"

• Монтаж финального рилса из всех сгенрированных материалов в Creatomate
• Загрузка в Google Drive

4. Сценарий "Очистка"

• Удаление устаревшего контента через Cloudinary API
• Очистка старых файлов (материалы старше 7 дней)

Алгоритм Видеозаписи

У заказчика есть сайт, на котором доступны 3Д модели игрушек для просмотра. Я сделал алгоритм который:

1. Открывает страницу сайта с 3Д моделью игрушки
2. Масштабирует и корректирует положение игрушки на странице просмотра
3. Включает видеозапись
4. С помощью запрограммированных действий (мышкой) вращает игрушку в 3Д
5. Сохраняет видезапись и загружает на гугл-драйв

Использованные инструменты

• Make.com — оркестрация всех процессов
• Google Sheets — база данных 640 артикулов
• Google Drive — хранение готовых файлов
• Cloudinary — трансформация, ресайз, хостинг медиа
• GPT — генерация промптов для фото и видео
• NanoBanana / FAL.ai — создание фото из промптов
• Kling AI / FAL.ai — создание видео из промптов
• Telegram API — управление и уведомления
• Python-скрипты — вспомогательная автоматизация
• OBS - программа для видеозаписи с экрана

Ключевые решения

✅ Параллельная обработка — система способна обрабатывать до 20 артикулов одновременно
✅ Модульность — 4 независимых сценария для гибкости и отказоустойчивости
✅ Человек в цикле — оператор только запускает процесс и проверяет результат
✅ Контроль качества — перегенерация при ошибках

🎯 Точка Б

Цифры

⏱️ Время:

• Разработка системы: 30 дней
• Обработка 640 артикулов займёт: 4 рабочих дня (32 часа)
• Генерация - 10 минут на артикул в автоматическом режиме, без участия человека
• Проверка - 1 минута на артикул
• Ускорение в 100 раз по сравнению с ручной работой

💰 Экономика:

• Стоимость разработки: 273 000 ₽
• Работа оператора: 20 000 ₽ (40 часов × 500 ₽/час)
• Итого проект: 293 000 ₽
• Ручная работа обошлась бы в 1 000 000+ ₽
• Экономия: 707 000 ₽

📦 Результаты:

• 6400 единиц контента будет создано автоматически
• 1 оператор управляет всей системой

Результат

Клиент получил работающую фабрику контента, которая за пару кликов превращает сырые данные в готовые материалы для маркетплейса. Не нужно нанимать отдельного человека, который будет копировать промты целыми днями. А можно назначить любого помощника просто раз в день проверять генерации.

Сдвиги

🚀 От задачи на 9 месяцев → к результату за 4 дня
🤖 От ручного труда → к полной автоматизации
💸 От 1 000 000 ₽ → к 273 000 ₽
👤 От найма специалистов → к 1 оператору, которого можно обучить за день
♾️ Система масштабируется: при добавлении новых артикулов не нужны новые люди

🎯 Хотите так же?

Если у вас маркетплейс с сотнями товаров, но вы не знаете:

• Как создать контент для всего ассортимента без армии дизайнеров
• Как автоматизировать рутинные процессы и сэкономить месяцы работы
• Как интегрировать AI-инструменты в реальный бизнес-процесс

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего бизнеса, и подскажу как оптимизировать рутину с помощью ИИ-решений.

📍 Точка А

Ситуация:
Руководитель детской школы танцев вручную обрабатывала все входящие заявки через ВКонтакте. Задержка ответов достигала 24 часов — за это время горячие клиенты уходили к конкурентам. Ответы были хаотичными, без продающих скриптов, дожима клиентов не было вообще.

Задачи:

• Ускорить время первого ответа до минимума
• Освободить руководителя от рутины
• Стабилизировать качество обработки заявок
• Решить проблему текучки кадров (администраторы менялись 2 раза в год)

Боли:

• Текучка админов: каждая смена = 3 месяца обучения новичка = падение конверсии и упущенная выручка 137 500₽/год
• Человеческий фактор: усталость, ошибки в скриптах, забытые заявки = ещё –55 000₽/год
• ИТОГО потерь: 192 500₽ ежегодно
• Руководитель тратила 20+ часов в неделю на ответы в соцсетях вместо развития бизнеса
• Потеря клиентов из-за медленных ответов и отсутствия дожима

🔧 Процесс решения

Что делал:

Провел аудит текущих диалогов с клиентами и выявил системные недочёты: отсутствие скриптов, долгие ответы, нулевой дожим.

Решение: разработка и внедрение ИИ-бота "Марина" — виртуального администратора школы.

Этапы работы:

1. Сбор данных — выгрузил всю информацию из Telegram-группы школы: расписание, цены, адреса филиалов, типовые вопросы родителей

2. Создание базы знаний — структурировал данные: описание программ, возрастные группы, акции, отработки возражений

3. Разработка промпта — создал логику диалога с 9 шагами: от приветствия до успешной записи с автоматическим дожимом

4. Настройка воронки:

• Квалификация клиента (возраст, опыт ребёнка)
• Выявление потребностей через открытые вопросы
• Предложение пробного занятия с акцентом на ценности
• Выбор удобного филиала и времени
• Отправка ссылки на оплату
• Сбор контактов после оплаты
• Автоматические напоминания за день до занятия

5. Интеграция — подключил бота к ВКонтакте (98% трафика школы) и Telegram

6. Настройка эскалации — бот передаёт администратору только сложные нестандартные вопросы

Время внедрения: 1 месяц

🎯 Точка Б

Цифры:

Операционные показатели за 3 месяца работы:

• Обработано 45 диалогов с уникальными клиентами
• Время первого ответа: мгновенно (было: до 24 часов)
• Доступность: 24/7 без выходных (было: только рабочее время)
• Автоматических напоминаний клиентам: 90 (дожим работает!)
• Передано администратору сложных кейсов: 15 (правильная эскалация)

Финансы:

• Окупаемость: за 3 месяца (стоимость одной сохранённой заявки перекрывает расходы)
• Прогноз экономии при масштабировании: 188 248₽/год (предотвращённые потери минус затраты)

Эмоции:

Отзыв руководителя школы:

"Наконец-то я могу заниматься бизнесом, а не отвечать на одни и те же вопросы! Бот снял с меня головную боль — больше не нужно проверять сообщения каждый час. Подключаюсь только когда действительно нужна, и это экономит 20+ часов в неделю. Плюс больше не зависим от найма и обучения администраторов."

Сдвиги:

Что изменилось в бизнесе:

✅ Время освобождено: руководитель перестала быть заложником входящих сообщений — высвободилось 20+ часов в неделю на стратегические задачи

✅ Независимость от кадров: текучка администраторов больше не влияет на качество обработки заявок

✅ Стабильное качество: каждый клиент проходит через единый скрипт, без человеческого фактора

✅ Экономия на ФОТ: не нужен отдельный администратор на полную ставку для обработки входящих

✅ Масштабируемость: при росте потока заявок система справится без найма новых людей

✅ Система дожима: по 3 напоминания каждому клиенту в автоматическом режиме возвращает "молучнов" к разговору.

✅ Умная эскалация: сложные вопросы автоматически передаются человеку — клиент всегда получает нужную помощь

🎁 Хотите так же?

Если у вас школа, студия, образовательный проект или сфера услуг, но вы не знаете:

• Как перестать терять клиентов из-за медленных ответов
• Как освободить себя от рутины и заниматься развитием бизнеса
• Как сделать продажи стабильными и независимыми от текучки кадров

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашей воронки продаж и подскажу, как автоматизировать рутину с помощью ИИ-решений, которые окупятся за несколько месяцев.

📍 Точка А: Проблема

Ситуация

Я веду свой экспертный YouTube-канал со 100+ видео, обложки которых не обновлялись с момента запуска. У меня минималистичные обложки на уровне "чтобы было", без дизайнерских изысков.​ Потому что, всем оформлением я занимаюсь сам. Но при этом мне постоянно пишут дизайнеры и "унижают" мои обложки. Якобы их красивые сделают мне выше CTR. Но, естественно, за свою работу они хотят денег от 1 000 ₽/обложка

Задачи

• Обновить обложки видео для проверки гипотезы повышения CTR
• Избежать найма дизайнеров за 1 000 ₽/обложка

Боли

Время: за день дизайнер выдаст не более 10 обложек. На 100 видео - уйдёт 10 дней.

Деньги: цена 1 000 ₽/обложка при качестве, сопоставимом с AI​
общие расходы 100 000₽ на весь проект

🔧 Процесс решения

Архитектура системы

База данных: Airtable-таблица со ссылками на все YouTube-видео и кастомными кнопками

Алгоритм генерации (Make):

Триггер по кнопке "Сгенерировать" в таблице AirTable

1. Получение записи из Airtable
2. Получение ID_video
3. Получение всех данных о видео через YouTube API
4. Генерация 2 вариантов обложек в Fal.ai (модель Nanobanana Pro)​
5. Загрузка вариантов обратно в Airtable

Алгоритм публикации (Make):

1. Получение записи из Airtable
2. Получение ID_video
3. Определение какой из вариантов изображения публикуется
4. Скачивание изображения
5. Загрузка изображения через YouTube API

Промпт-инженерия

AI получает детальные инструкции:

Технические параметры: 2 изображения, соотношение 16:9, разрешение 1K, формат JPEG​

Скорость разработки

Полная настройка системы заняла 2 часа благодаря опыту работы с Make и интеграциями. Никаких технических сложностей.​

🎯 Точка Б: Результат

Экономия времени

• С дизайнером: ждать 1 обложку минимум час, в рабочее время
• Сейчас: 30 секунд на автоматическую генерацию, в любое время
• Экономия на 100 видео: 10 дней

Экономия денег

• Дизайнеры: 100 000 ₽ (1000 ₽ / обложка × 100 видео)
• AI-решение: 1 000 ₽ (10 ₽ × 100 видео)
• Экономия: 99 000 ₽ при равном качестве​
• Дешевле: в 100 раз​

Качество и точность

• Сохранение лица: 90% точность​
• Успешность с первой итерации: 90%​
• Гибкость: при неудаче — мгновенная перегенерация без дополнительных затрат

Бизнес-сдвиги

• Возможность тестировать гипотезы без финансовых рисков (красочные vs минималистичные обложки, другие стили и т.д.)
• Масштабируемость: обновлено 10 видео в тестовом режиме, ведётся мониторинг CTR​
• Независимость: полный контроль над процессом, нет зависимости от дизайнеров и их расписания

🎯 Хотите так же?

Если у вас YouTube-канал с устаревшими обложками, но вы не знаете:

• Как обновить 50-100+ обложек без армии дизайнеров
• Стоит ли тратить 100 000+ руб на редизайн или это пустая трата
• Как протестировать разные стили обложек и найти работающий

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего контент-процесса и покажу, где AI может сэкономить вам 20+ часов в месяц и десятки тысяч рублей.

📍 Точка А: Проблема

Дмитрий Стрельцов строил агентство по внедрению ИИ в бизнесы — был технарь в команде, пара проектов от 200 тысяч рублей, лиды шли только с офлайн‑выступлений. Был опыт в контенте для соц.сетей: один рилс залетел, аудитория выросла, но наступило выгорание — и всё бросил.​

Задачи:
Пришёл с запросом «как вести свой телеграм», но в процессе переформулировали его в стратегический — «как строить личный бренд предпринимателя».​

Боли:

• Не было внутренней опоры: не хватало оформленных кейсов с цифрами, чтобы искренне верить в себя и транслировать экспертность.​
• Ощущение фальши при создании контента: «Я не понимаю, в чём я эксперт, не могу уверенно сказать, кто я для аудитории».​
• Непонятно, какой экспертностью делиться → размытая позиция, стеснение называть себя специалистом.​
• Сильный в живом общении и нетворкинге, но онлайн‑каналы не работали, а единственный работающий инструмент лидогенерации — оффлайн.​

🔧 Процесс решения

Формат работы:
3 месяца персонального наставничества, встречи один‑на‑один.​ Треккинг всего процесса в персональной доске MIRO

Что делали:

Этап 1. Фундамент самооценки и экспертности (первый месяц)
Копнули в прошлое Дмитрия: собирали таблицу достижений, разбирали «что он всегда делал», работали с пирамидой Дилтса (от окружения к ценностям и убеждениям).​
Сформулировали экспертную позицию, в которую он сам искренне верит:

Я тот, кто может подсветить точки, где в бизнесе теряется прибыль, и помочь эти дыры залатать

Опросили близких о сильных и слабых сторонах, собрали ориентиры — примеры людей, на которых он смотрит.​

Этап 2. Структура бизнеса и делегирование
Найм бизнес‑помощника: сформировали профиль должности, разместили вакансию, собирали отклики две недели.​
В итоге Дмитрий взял двух ассистентов и разделил между ними обязанности: упаковка кейсов, публикация постов в ТГ, подготовка материалов для SEO, операционка, найм, онбординг, Битрикс, точки контроля.​

Этап 3. Личный бренд и контент (второй‑третий месяцы)
Выбрали Telegram как главную «точку прогрева» лидов — личный, а не корпоративный канал.​
Составили контент‑план с таблицей форматов (текст, большой пост, аудио, видео‑кружок, скринкаст) под разные задачи: бизнес‑история, новость, аудит, боль из аудита, инсайт с нетворкинга/выступления.​
Столкнулись с внутренним сопротивлением: «про что писать», «здесь нет пользы», плюс физически не получалось самому писать тексты.​
Выработали схему делегирования: Дмитрий наговаривает голосовые помощнице, она транскрибирует и с помощью нейросети пишет посты, которые он утверждает — и дело пошло.​
Создал ИИ помощника «личный бренд», загрузил туда наработки: таблицу, транскрибы встреч, ответы по Дилтсу.​

Этап 4. Кейсы, выступления, воронка
Работали над упаковкой существующих кейсов (АМО, Битрикс): узнавали цифры, брали отзывы, привязывали к продажам и среднему чеку.​
Подготовили презентацию спикера: регалии, компетенции, опыт, темы выступлений (3 темы), ссылки на видео.​
Организовал поиск площадок для выступлений, купил кликер, помог выступить.​
Выстроили понимание воронки: офлайн‑нетворкинг/выступления → ТГ‑канал → прогрев контентом → конвертация через аудит.​

Материалы процесса
За время программы созданы материалы:

• Доска Миро
• Таблица достижений
• Записи и транскрибы встреч
• Презентация спикера
• Упакованные кейсы

🎯 Точка Б: Результат

Цифры:

• 10 постов в Telegram + 5 видео‑постов за период работы.​
• 2 ассистента в команде (вместо нуля): одна на полставки из ТфКР, вторая на частичной занятости.​
• Запущена работа над многостраничным SEO‑сайтом, планируется публикация кейсов на Dzen и VC.​
• Минимум 1 ключевое выступление после программы, где чувствовал отдачу аудитории и получил запросы после сцены.​

Эмоции:

Я понимаю, что могу нести ценность — это даёт мне силы делать то, что я делаю.​

Я смог рассказывать сам и от себя, из жизни — не то, что написано в презе, а как есть на самом деле, эмоционально. Почувствовал себя востребованным, как будто известным. Это прям прикольно — как наркотик.​

Когда смотрю на задачи, которые ставил в начале, думаю: как я мог поставить такие элементарные задачи? Они теперь кажутся не задачами вообще. Это как будто я всегда это знал

Сдвиги:

• Чёткая экспертная позиция, в которую сам верит: «Я тот, кто подсвечивает дыры в бизнесе, где теряется прибыль, и помогает их залатать».​
• Понимание воронки: соцсети (охваты) → ТГ (прогрев) → аудит (конвертация).​
• Выстроена система делегирования контента: голосовые → транскрибация → нейросеть → пост.​
• Внутренняя опора на собранные достижения и кейсы — прошло ощущение «самозванца».​

🎯 Хотите так же?

Если вы строите агентство или экспертный бизнес, но не знаете:

• Как сформулировать, в чём вы реально эксперт (без ощущения фальши)
• Как превратить разрозненный опыт в чёткую позицию и контент
• Как выстроить воронку от выступлений и соцсетей к платящим клиентам

Напишите мне в личку в Telegram
📩 https://t.me/lexeliseev

🎁 В ответ — сделаю аудит вашего личного бренда и подскажу, как упаковать экспертность и оптимизировать рутину с помощью ИИ‑решений.