Автоматизируем веб-студию с помощью ИИ

Почему это сработало

Я руковожу развитием агентства. Моя работа — не только встречи, стратегии и новые проекты. Между ними всегда набегает слой мелких, но обязательных задач: собрать цифры, проверить сайты, напомнить команде о сроках, заметить проблему раньше клиента.

Каждая такая задача по отдельности кажется ерундой. Вместе они съедают неделю. Их редко хочется отдавать в разработку: задача не выглядит большой, требования ещё плавают, а у программистов и без этого хватает клиентских проектов.

Поэтому ИИ оказался полезен не как «волшебная кнопка», а как быстрый напарник для внутренних инструментов. Я объясняю, что хочу получить, собираю первую версию, проверяю её на реальных данных — и довожу до состояния, в котором сервис можно спокойно оставить работать.

В итоге у нас появились три небольших инструмента:

• сервис, который собирает регулярные отчёты;
• мониторинг сайтов клиентов;
• ИИ-помощник в рабочем чате.

Не революция. Просто вещи, которые перестали висеть над головой.

Папка «когда-нибудь»

У каждого руководителя есть такой список. «Надо бы автоматизировать отчёты». «Надо бы проверять сайты по расписанию». «Надо бы перестать держать все напоминания в голове». Эти пункты годами кочуют между заметками, потому что на фоне срочных задач не выглядят срочными.

А потом выясняется, что именно из них и складывается постоянное ощущение незавершённости. Ты не сидишь над одной огромной проблемой — ты всё время переключаешься между десятком маленьких.

ИИ стал для меня способом наконец-то разбирать этот хвост. Не потому, что он всё умеет сам, а потому, что вход в разработку внутренних сервисов стал заметно ниже. Можно быстро проверить гипотезу и не превращать каждую идею в мини-проект на квартал.

Что дал ИИ

Главное — скорость первого шага. Раньше идея внутреннего сервиса почти сразу упиралась в вопросы: кто будет делать, когда, как описать задачу и стоит ли она вообще этих усилий. Теперь я могу собрать рабочий черновик сам.

У меня MacBook Air на M1 с 16 ГБ памяти. Для задач я использовал ChatGPT с Codex: он помогает разложить задачу, написать код, найти ошибку и не забыть про очевидные детали. На сервере — AdminVPS, VPS с 64 ГБ оперативной памяти. Этого достаточно, чтобы спокойно держать несколько небольших сервисов рядом с основным сайтом.

Важно: ИИ не отменяет проверку. Он может уверенно предложить неудачное решение, пропустить крайний случай или написать код, который выглядит правдоподобно, но ломается на первой же живой нагрузке. Поэтому я не прошу его «сделать всё». Я даю короткую задачу, проверяю результат и только потом двигаюсь дальше.

С чего я начал

С простого правила: автоматизировать стоит то, что повторяется, раздражает и не требует каждый раз заново изобретать решение. Если процесс невозможно объяснить в нескольких предложениях, сначала надо разобраться с процессом, а не тащить в него ИИ.

Дальше я выбрал задачи, где ошибка не сломает клиентский проект. Внутренний отчёт можно перепроверить. Напоминание можно проигнорировать. А вот выкатывать автоматически сгенерированный код в прод без контроля — плохая идея, даже если очень хочется сэкономить вечер.

Отчёты без ручной сборки

Первым делом я взялся за регулярные отчёты. До этого данные приходилось собирать из Битрикс24: задачи, комментарии, статусы, технические правки, SEO-работы, доработки, история по проекту. Фактура есть, но сама в аккуратный отчёт она не складывается.

Я собрал сервис, который забирает нужные данные, раскладывает их по блокам и готовит черновик отчёта. Не «красивый текст ни о чём», а нормальный рабочий документ: что сделали, что изменилось, где есть риск и что дальше.

Сервис не отправляет отчёт клиенту сам. Финальное решение остаётся за человеком: проверить цифры, убрать лишнее, добавить контекст. Зато пропала самая скучная часть — переносить одно и то же из пяти вкладок в одну.

Мониторинг сайтов

Вторая история — мониторинг сайтов клиентов. Пока всё работает, о нём никто не думает. Когда сайт недоступен, каждый час ожидания неприятен: клиент узнаёт о проблеме раньше нас, а команда начинает искать причину в спешке.

Я сделал сервис, который по расписанию проверяет доступность сайтов, статус ответа, важные страницы и отдельные технические признаки. Если что-то не так, сообщение приходит в рабочий чат. Не нужно открывать десятки вкладок и надеяться, что глаз заметит проблему раньше пользователя.

Здесь ИИ помог быстрее собрать логику и интерфейс, но ценность не в нём. Ценность в дисциплине: проверка происходит всегда, а не только когда кто-то вспомнил.

Первое время я ловил ложные срабатывания. Где-то сервер отвечал медленнее обычного, где-то сайт временно отдавал нестандартный статус, где-то проверка упиралась в защиту. Пришлось настраивать пороги и исключения. Это нормально: мониторинг не устанавливают один раз навсегда, его надо подгонять под реальную жизнь проекта.

Помощник в чате

Третий сервис живёт в рабочем чате. Он напоминает о задачах, помогает быстро найти информацию и снимает с команды часть мелких вопросов, на которые раньше отвечал один и тот же человек.

В какой-то момент я решил подключить OpenClaw. Это self-hosted-шлюз между рабочими чатами и ИИ-агентом: его можно запустить на своём сервере, подключить к нужным каналам и настроить под конкретную логику помощника.

На бумаге всё звучит просто: «после обеда просмотрю», «завтра отправлю», «вернусь к отчёту вечером». В реальном темпе такие обещания растворяются. Помощник превращает их в напоминания и возвращает в нужный момент — без личного диспетчера в каждом чате.

Я не строил из него универсального секретаря. Чем уже задача, тем лучше результат. Помощник знает, что ему разрешено делать, а чего нет. Он не принимает решения за команду и не лезет туда, где нужна ответственность человека.

Что пошло не так

Конечно, не всё заработало с первой попытки. Иногда ИИ предлагал решение, которое выглядело убедительно, но не учитывало реальную структуру данных. Иногда сервис работал на тесте и ломался на первом же нестандартном кейсе. Иногда я сам слишком широко формулировал задачу и получал такую же широкую, бесполезную реализацию.

Самый полезный вывод: не надо просить ИИ сделать «систему автоматизации бизнеса». Лучше разбить работу на маленькие проверяемые куски. Сначала получить данные. Потом показать их. Потом добавить уведомление. Потом научить сервис обрабатывать ошибки.

Ещё одна ловушка — считать первую рабочую версию готовым продуктом. Нет. Это прототип. Ему нужны логи, понятные сообщения об ошибках, резервный сценарий и человек, который знает, как его выключить, если что-то пошло не так.

Как понять, что сработало

Я не оцениваю такие штуки по принципу «вау, у нас ИИ». Важнее другие вопросы: стала ли задача занимать меньше времени? Узнаём ли мы о проблемах раньше? Реже ли люди спрашивают одно и то же? Освободилось ли у команды время на работу, за которую нам действительно платят?

Если ответы положительные — автоматизация полезна. Если сервис только создаёт новые уведомления, требует постоянного присмотра и добавляет хаос, его лучше упростить или выключить. Не каждая идея обязана выжить.

В моём случае эффект был довольно приземлённым: меньше ручной сборки, меньше переключений, меньше шансов пропустить проблему. А значит, больше спокойствия в операционке.

Что изменилось для меня

Я перестал смотреть на ИИ как на отдельный проект. Это скорее новый способ быстро собирать внутренние инструменты, когда готовых решений нет или они слишком громоздкие для конкретной задачи.

Раньше между «надо бы сделать» и «есть работающий сервис» стояла длинная очередь: сформулировать ТЗ, поставить задачу, дождаться свободного разработчика, пройти несколько кругов согласований. Теперь часть этой дистанции можно пройти самому — аккуратно, с проверкой и без героизма.

Это не отменяет разработчиков. Наоборот: чем меньше команда тратит времени на внутреннюю мелочь, тем больше может вложить в клиентские проекты и действительно сложные задачи.

С чего начать агентству

Если хочется попробовать, не начинайте с большой платформы. Выберите одну раздражающую повторяющуюся задачу и доведите её до конца.

• соберите список еженедельных ручных действий;
• выберите то, где понятен ожидаемый результат;
• сделайте маленький прототип на своих данных;
• проверьте его в течение недели;
• только потом подключайте команду и расширяйте сценарий.

Хороший первый проект — тот, который можно объяснить одной фразой. Например: «раз в день проверяем сайты клиентов и пишем в чат, если что-то недоступно». Плохой — «сделаем ИИ, который наведёт порядок в компании».

Если в команде нет ресурса на такую работу, её можно обсудить с агентством, которое занимается автоматизацией бизнеса и сайтов. Но даже в этом случае полезно сначала понять собственный процесс: какие данные нужны, кто отвечает за результат и что именно должно измениться после автоматизации.

Главное

ИИ не сделает агентство эффективным по умолчанию. Он не заменит нормальные процессы, ясные роли и привычку доводить дела до конца. Зато он хорошо работает там, где уже есть понятная рутина и хочется убрать лишние движения.

Начинайте с малого. Сначала снимите с людей один повторяющийся кусок работы. Потом — следующий. Не гонитесь за громкими кейсами: у полезной автоматизации обычно довольно скучный заголовок, зато очень приятный эффект в конце месяца.