Мой товарищ два года строил калькулятор смет и потратил 20 миллионов. Я собрал свой в AI за пару недель за 8 тысяч рублей

Двадцать миллионов за калькулятор

У меня нет технического образования. Я почти двадцать лет занимаюсь организацией событий — от конференций по it‑безопасности для Яндекса до фестивалей на десятки тысяч человек для промышленных компаний.

За несколько недель я собрал систему, которая заменила проект стоимостью 20 миллионов рублей. Подписка обходится в сто долларов в месяц. Это точно не популизм из разряда «я нажал кнопку и всё заработало». Здесь принято говорить про бизнес и по делу, поэтому постараюсь описать, что использовал, как выстраивал архитектуру проекта, как дорабатываю сейчас. В этой статье про итерации, ошибки, галлюцинации нейросетей и костыли. Ниже — четыре моих коротких истории внедрения с инструментами, цифрами и граблями.

Мы с нашей командой держим фокус на организации крупных форумов и конференций, международных выездов, маркетинговых интеграций, PR‑мероприятий и внутренних HR‑событий. Как правило, большинство проектов начинается с идеи и креативного процесса создания ключевого смысла проекта. Но затем, когда идея и заходы представлены клиенту и основной посыл утверждён, наступает момент подготовки сметной документации. И подготовка сметы — процесс чаще всего достаточно скрупулёзный, особенно в международных запросах. Площадки, перелёты, трансферы, визы, оборудование, кейтеринг, программа, персонал, декор, полиграфия — сотни строк в Excel. На одну смету может уйти от нескольких дней до двух недель.

Мой хороший товарищ из другой, строительной отрасли два года делал с программистами калькулятор, который автоматизирует процесс подготовки сметного расчёта. Итого — около 20 миллионов.

Я посмотрел на результат и подумал: хочу такое же, но как будто это очень дорого и долго. Потихоньку начал собирать команду, готовить стратегию. Подвёл финансовый план проекта — около 500 тысяч в месяц и почти год на разработку бэкенд‑продукта.

Как всегда помог кризис: денег на разработку попросту не было, и было два варианта — замораживать проект либо попробовать самому.

Как устроен процесс

Я создал «скиллы» — структурированные инструкции на человеческом языке, которые учат AI‑агента работать как узкий специалист. Загрузил больше тысячи наших реальных смет из проектов по всему миру. Прописал логику ценообразования, маржинальные пороги, шаблоны.

Интерфейс собрал в Claude Code и GitHub Copilot. Развернул Open WebUI с API на втором компьютере — он работает как внутренний сервер домашней сети. Подключил Telegram‑бота. Связал с почтой, Google Workspace, Битриксом. Настроил коннекторы по API — Perplexity, разные языковые модели. Здесь экспериментов было достаточно много. На самом деле — продолжаю их и сейчас.

Потом подключил агента к Google Drive через Cowork — десктопное приложение от Anthropic, которое даёт агенту доступ к файлам и рабочим инструментам. Дал ему доступ к бенчмаркам, примерам, прайсам. Провёл множество исследований рынка, собрал библиотеку верифицированных ресурсов — на которых реально работают менеджеры, и сделал на их основе новые скиллы и скрипты в md.

Лайфхак: соберите всю информацию о себе, своих интересах, бизнесах, своём стиле письма и мышления, своих проектах и ограничениях и сохраните в формате markdown в новой папке на рабочем столе. Дайте доступ вашим агентам к ней и создайте на основе этой информации пользовательские инструкции для работы с любыми запросами. Нейросети понимают md лучше всего, как и сметы лучше всего читают в CSV.

Теперь агент, получая ТЗ, не просто «отвечает» — он запускает цикл процессов, привлекая множество других субагентов. Проверяет цены на авиабилеты. Подбирает отели по расположению, звёздности и заполняемости. Делает факт‑чекинг по трём слоям источников: российские, международные и ресурсы страны прибытия, анализирует и обновляет пользовательские данные.

Что отличает агента нового поколения от обычного чат‑бота: он не ждёт пошаговых команд. Он сам выстраивает цепочку действий. А если ему чего‑то не хватает для точного ответа — он задаёт уточняющий вопрос. Это то, что отрывает Cowork и Dispatch от стандартных языковых LLM‑моделей типа GPT куда‑то примерно в космос.

Без чего не работает: костыли и грабли

Звучит гладко. На практике — всё совсем не так.

Мы потратили несколько недель только на настройку и обучение калькулятора. Много раз пробовали разные коннекторы по API, разные языковые модели. Создавали отдельных агентов под узкие задачи — один для факт‑чека цен, другой для поиска источников, третий для построения логики географии и маршрутов.

Корректировки всё равно есть. Мы не прогоняем все запросы через эту инфраструктуру. И всё равно каждую смету после агента проверяет менеджер — ручная верификация обязательна.

Сто долларов в месяц. Против двух лет разработки и двадцати миллионов рублей.

Канал, который ведёт себя сам

У меня есть Telegram‑канал с вакансиями. Раньше я или ассистент каждый день вручную мониторили сайты, чаты, каналы, собирали подходящие вакансии, форматировали и публиковали. Полтора‑два часа ежедневно.

Сейчас это делают AI‑агенты. Полностью автономно.

Они парсят интернет и Telegram, находят релевантные вакансии, форматируют по шаблону канала и сами публикуют. Три‑пять вакансий в день. Я захожу раз в пару дней — проверить. Обычно всё в порядке.

Это не «нейросеть написала текст». Это автономная система, которая выполняет цепочку: поиск — фильтрация — форматирование — публикация. Без промптов, без ручного запуска, без моего участия.

Полтора часа в день, которые раньше уходили на рутину, теперь мои.

Встреча, которая сама себя записывает

Я подключил голосовых ассистентов tl;dv и Uniscribe. Схема такая: я прошу агента назначить встречу и пригласить участников — он автоматически добавляет в неё голосового ассистента.

Тот записывает разговор, делает транскрипцию и аналитику: кто что сказал, где были разногласия, какие решения приняли, какой был эмоциональный тон. Из этого собирается конспект. А из конспекта — короткий обучающий ролик для команды через NotebookLM от Google. Я считаю — это самый недооценённый инструмент на данный момент. Любую ссылку на любой ролик он превращает в презентацию, конспект, видеообзор — что угодно за считанные минуты.

Раньше после встречи оставались обрывочные заметки. Теперь — структурированный документ. Человек, который не был на звонке, читает его три минуты и в курсе всего.

Исследование рынка за двадцать минут

В event‑бизнесе закупки — это отдельная боль. Сравнить цены подрядчиков, проверить контрагентов, промониторить стоимость оборудования, найти площадку в незнакомом городе. Раньше на каждую такую задачу уходило несколько дней ручного ресёрча.

Сейчас я загружаю задачу в Dispatch — координатор следующего уровня после Cowork. Если Cowork работает с файлами на твоём компьютере, то Dispatch сам открывает браузер, заходит на сайты, сравнивает цены и ведёт несколько задач параллельно. Похоже на OpenClaw, но в безопасной изолированной среде.

Недавно мы заходили в большой контракт — долгосрочный проект по организации мероприятий в Сочи. Старый подрядчик предложил выкупить его имущество: более 400 единиц реквизита, спортинвентаря, костюмов и прочего на почти 2 миллиона рублей.

Dispatch провёл рыночный анализ по каждой позиции. Сравнил с ценами на новые аналоги и б/у на площадках с частными объявлениями. Рассортировал: что стоит брать, где торговаться, что вообще не нужно.

Результат — Excel с тремя листами и конкретной рекомендацией: не покупать оптом. Выбрать нужные позиции, торговаться до 350–400 тысяч. Или сбивать общую цену вдвое.

И это только один пример. Dispatch вышел совсем недавно, но уже регулярно занимается сравнением цен поставщиков, анализом рынка площадок — отели, рестораны, конференц‑залы — проверкой контрагентов, мониторингом цен на оборудование. Всё, что раньше делал менеджер в браузере, теперь делает агент под пристальным контролем.

От подсказчика к агенту

Большинство людей застряли на стадии «спросить у нейросети».

Это как использовать айфон только для звонков. Ты спрашиваешь — тебе отвечают. Иногда удачно, иногда нет. Но это тупик: ты каждый раз начинаешь с нуля, у чат‑бота нет памяти о тебе, о твоём бизнесе, о твоих документах.

Каждый шаг — не «новая нейросеть». Это новый уровень автономности. От «подскажи» к «сделай». И ключевая задача — научить агента не гадать, а давать верифицированные данные. Когда ему не хватает этих данных, он задаёт уточняющий вопрос, прежде чем продолжить работу.

В целом, если сравнивать одного агента с человеческим потенциалом — это неопытный и не самый сообразительный джун, который может собрать для вас информацию со всего света за считанные минуты, если вы правильно сформулируете инструкции и необходимый результат.

Фабрика стартапов: когда AI‑опыт стал продуктом

Из всего этого опыта — скиллов, агентов, калькулятора, вайб‑кодинга — родился новый формат: «Фабрика стартапов». Это AI‑тимбилдинг, где сотрудники компании за 2–3 часа собирают работающие цифровые продукты с помощью нейросетей. Без навыков программирования. Не «понарошку» — реальный код, который можно запустить на следующий день.

Как это работает: участники делятся на команды по 8–10 человек. В каждой — три роли: креаторы придумывают идею и прорабатывают интерфейс, маркетологи готовят питч‑презентацию, инженеры собирают продукт с помощью ИИ. Мы привозим ноутбуки с установленным ПО, даём кураторов на каждую команду и проводим через весь цикл — от генерации идеи до питчинга перед аудиторией.

Что создают команды: сметные калькуляторы, трекеры задач, аналитические дашборды, боты‑помощники, базы знаний. Победителя определяет не жюри — выигрывает команда, чей продукт откроет наибольшее количество участников. Конкретное действие вместо аплодисментов.

Что ИИ не умеет — и не надо ждать

Ни одна нейросеть не может сделать презентацию под ключ так, чтобы это захотелось купить. Это не вопрос года‑двух. У нас штатный ведущий дизайнер, креатор. Всё, что нейросети рисуют для бизнеса — коряво, шаблонно, без контекста. В контексте нашей креативной сферы, где требования к визуализации и глубинной проработке идеи очень высокие.

Креатив для бизнеса — это не алгоритм. Это стык продукта, потребности и человека. Машина не так чувствует аудиторию. Не ловит нюансы корпоративной культуры. Не понимает, почему одна метафора сработает на гала‑ужине для нефтяной компании, а другая — нет.

Но поиск, текст, аналитика, операционка — здесь прорыв настоящий.

Семь рекомендаций для предпринимателей

Не «внедряйте ИИ» — это абстракция, которая ничего не значит. Ниже — конкретные выводы из моего опыта, которые применимы к любому бизнесу.

Начните с одной задачи, которая жрёт больше всего времени. Не с «цифровой трансформации» — с конкретной боли. У меня это были сметы: сотни строк в Excel, неделя на каждую. У кого‑то — обработка заявок, у кого‑то — мониторинг цен, у кого‑то — отчёты. Одна задача, один агент, один измеримый результат. Когда он заработает — масштабируйте.

Загрузите собственные данные — без них агент бесполезен. Без ваших шаблонов, примеров и прошлых работ агент — общий помощник, каких миллионы. С ними — узкий специалист, который знает ваш бизнес. Мои тысяча смет превратили стандартную языковую модель в сметчика, который различает конференцию в Сочи и в Стамбуле. Форматы, которые нейросети понимают лучше всего: markdown для текстов, CSV для таблиц.

Считайте ROI честно — и в деньгах, и во времени. Подписка — $100 в месяц. Но ваше время на настройку — это тоже инвестиция. У меня ушло несколько недель на калькулятор смет. Это не «нажал кнопку». При этом даже с учётом моих затрат — это в сотни раз дешевле классической разработки. Ключевой вопрос перед стартом: сколько часов в неделю съедает задача сейчас и сколько будет после автоматизации?

Закладывайте верификацию с первого дня. Агенты галлюцинируют — это не баг, а свойство технологии. Каждую нашу смету после агента проверяет менеджер. Каждое исследование — я сам. Без человека в цепочке система ненадёжна. Мы выстроили три слоя проверки: перекрёстный факт‑чек между агентами, сравнение с верифицированными источниками, финальная проверка человеком.

Стройте систему, а не коллекцию промптов. Один промпт в ChatGPT даёт одноразовый ответ. Скилл плюс ваши данные плюс контекст бизнеса дают воспроизводимый результат. Разница — как между блокнотом и CRM. За полгода я написал 154 скилла. Каждый — это не «текст для нейросети», а структурированная инструкция, которая превращает общего ассистента в узкого специалиста: сметчика, аналитика, редактора, скаута.

Инвестируйте в контекст, а не в погоню за новыми моделями. Неважно, какая версия GPT или Claude вышла вчера. Важно, насколько хорошо агент знает ваш бизнес. Переключение между моделями даёт несколько процентов прироста. Глубокий контекст — кратный рост качества. Потратьте время на то, чтобы описать свой бизнес, своих клиентов, свои процессы. Это окупится на каждом следующем запросе.

Не трогайте то, что требует человеческой интуиции. Креатив, дизайн, стратегические решения, переговоры — здесь нейросети пока не помощники. Используйте ИИ для того, в чём он действительно силён: поиск информации, обработка данных, аналитика, мониторинг, рутинные операции. Пусть машина освобождает время для работы, которую может сделать только человек.

Что я понял за полгода

Канал, который ведут агенты, неожиданно стал отдельным продуктом. Сейчас на его основе я развиваю проект по массовому скорингу резюме. Из event‑агентства постепенно становится чем‑то другим. Маркетинг, события, AI‑инфраструктура — всё в одном. Времени не хватает на всё, ищу партнёров в эту историю.

Главный вывод: не нужно ждать идеального инструмента. Нужно взять то, что есть, и обучить под свой бизнес. Это не быстро. Это не «одной кнопкой». Но результат — система, которая работает на тебя каждый день. И с каждым днём работает лучше.