Как мы автоматизировали маркетинг, продажи и контроль стеком ИИ-агентов

Мы — SaaS-сервис для риэлторов и агентств недвижимости. В нашей компании нет отдела маркетинга. Нет руководителя продаж. Нет SMM-щика, копирайтера, аналитика и таргетолога. Есть один человек (CEO) и стек из 12 ИИ-агентов, которые ведут восемь каналов коммуникации, контролируют менеджеров по продажам, мониторят расходы на рекламу 24/7, пишут персональные письма клиентам с цитатами из их звонков, и каждое утро в 6:00 МСК сами обучаются на ночной переписке команды.

Эта статья — разбор без купюр: как это устроено, что работает, где грабли. В конце — отдельный блок с тем, как тот же подход применим в любой компании, и в первую очередь — в агентстве недвижимости.

Никаких выдуманных диалогов и скриншотов «для презентации». Всё ниже — реальные сообщения из нашего рабочего Telegram-чата за последние две недели. С точными временами, реальными ID, и теми багами, которые мы публично признавали в той же переписке.

Кейс №1. «Ром, убери» — 9 минут от запроса до фикса

Менеджер Юля видит в хелпике базы собственников описание услуги, которая не работает, и пишет в общий чат с прикреплённым скриншотом: «уберите тогда пункт публикация на порталы».

CEO одной строкой даёт команду в чат: «Ром, можешь найти этот текст и убрать полностью первый пункт. Будет только один пункт 2».

Через 9 минут ИИ-ассистент отвечает: «Готово. Убрал первый пункт из хелпика — теперь там только один раздел про XML/ФИД. Обновлено в двух версиях хелпика (актуальной и предыдущей). Кеш сброшен — изменения видны сразу.»

В классической схеме это: тикет от менеджера → разработчик в спринт → деплой на следующей неделе. Здесь — одно сообщение в чат и фикс в двух версиях текста с автоматическим сбросом кеша. Девять минут.

Кейс №2. Статья родилась прямо в переписке

Утром менеджер Кристина пишет в чат: «Тестили нашу CRM, остановились на Битриксе. Конкретно по цене не знаю, но знаю, что Б24 очень тяжело настраивается под свои бизнес-процессы». Это сигнал: мы теряем клиентов из-за сравнения с универсальными CRM.

На следующее утро CEO в том же чате анализирует ситуацию: «Я посмотрел глубже, и у Bitrix24 «реальная стоимость» сильно отличается от цены на витрине. Что у них есть скрытые расходы». И дальше — детальный разбор скрытых тарифов с источниками.

ИИ-директор маркетинга в этот же тик читает чат, классифицирует это как сигнал на контент и сам — без явного запроса — формирует Decision: «статья «Специализированная CRM для недвижимости vs универсальная — что выгоднее»; сигнал: дискуссия CEO о Б24».

Через 1 час 28 минут после первой реплики CEO статья на 22 550 символов уже опубликована на сайте, появились анонсы в пяти каналах: Telegram, ВКонтакте, Дзен, Max, LinkedIn.

Прочесть результат можно прямо сейчас: Специализированная CRM vs универсальная. Эту статью не написал маркетолог — её написал ИИ-директор по сигналу из переписки.

Кейс №3. Один пост — пять каналов за минуту

29 апреля 12:03. Один материал — экс-премьер Степашин о вторичном рынке — публикуется параллельно в пять платформ. Ниже — четыре скриншота из Telegram, ВКонтакте, Max и Дзена. Время публикации — с 12:03 по 12:06.

Все четыре поста — одинаковая структура: заголовок, картинка, маркированный список «что это значит для риэлтора», вывод. Адаптацию под формат каждой платформы делает соответствующий субагент. Картинку для всех каналов один раз сгенерировал агент-художник.

Кейс №4. Каждое утро — детальная карточка по каждому менеджеру продаж

Каждый рабочий день в 12:00 МСК ИИ-агент собирает все звонки наших менеджеров продаж длиннее 10 секунд за прошедшие сутки, проводит распознавание через STT-сервис, подтягивает переписку из мессенджеров, и публикует в группу руководителей пять сообщений: одно сводное и четыре персональные карточки — по одной на каждого менеджера.

Так выглядит дневная карточка менеджера Кристины — с метриками, повторяющимися ошибками за 14 дней, рекомендацией на день и проверкой соблюдения внутреннего регламента:

За пять секунд чтения руководитель понимает: спокойное утро, один системный паттерн (шаблонный скрипт без адаптации, 25 повторов за две недели — красный флаг), конкретная задача на день («раскрывать причину отказа», а не «закрывать сразу после "нет, спасибо"»), нарушений нет.

Это работа РОПа со стажем 10 лет. Каждый день. По четверым менеджерам сразу.

Кейс №5. Менеджер задал вопрос — ИИ дал готовый ответ из БД

Менеджер Кристина в общем чате: «Ром, посмотри какие действия делает аккаунт N, до этого говорил, что не нуждается в услугах и скидывал как слышал смартагент».

Через несколько минут ИИ возвращает разбор:

Что сделал ИИ за это время: подцепился к продуктовой БД, нашёл аккаунт по номеру телефона, поднял профиль клиента (тариф «Бесплатный», баланс 0 ₽, оплат не было), посчитал визиты с момента отказа от услуг (15 раз с 11 марта), посчитал каждое осмысленное действие в системе (ручных поисков 0, открытий телефонов 0, просмотров карточек 0, заходов на тарифы 0), и сформулировал вывод человеческим языком: «он реально ничего не делает, просто заглядывает по привычке или смотрит "что нового"». В конце — связь с предыдущей задачей менеджера, которая теперь подтверждается данными.

В классической схеме менеджер бы пошёл в техподдержку. Техподдержка — к аналитику. Аналитик — к разработчику с просьбой написать SQL-запрос. Через два дня менеджер получит выгрузку, которую ему ещё нужно интерпретировать. Здесь — три минуты от вопроса в чате до готового ответа с трактовкой.

Кейс №6. Триггерные письма с цитатами из звонков

Когда клиент регистрируется и общается с менеджером, его звонки автоматически расшифровываются. ИИ хранит транскрипции 90 дней. Если клиент после звонка пропадает на 3 дня — триггерный агент читает все его звонки, понимает контекст, и сам пишет персональное письмо.

Пример настоящего письма, отправленного 27 апреля:

Здесь ИИ:

• Помнит, что половина офиса клиента болеет — это было сказано в звонке
• Помнит, что менеджер Юлия обещала перенести встречу на 30 апреля
• Достал из логов, что клиент сделал 656 действий в системе — даёт это как валидацию: «значит, основное уже попробовали»
• Зашил конкретную полезную ссылку на инструкцию по автопубликации, релевантную текущему этапу

Менеджер на такое письмо тратил бы 30 минут на каждого клиента. У нас регистрируются десятки в день. Один менеджер физически не успевает писать персональные касания всем — поэтому раньше клиенты получали или шаблоны, или ничего. Теперь — персональные письма с реальным контекстом.

Кейс №7. Утренний дайджест: что происходит в компании

Каждое рабочее утро в 12:07 МСК ИИ-агент публикует в общем чате компании дайджест за прошедший день. Это — ежедневная аналитика, которую в обычной компании готовит сотрудник.

В одном сообщении: динамика регистраций по дням за неделю, рекламные расходы и ROI, разбор каждого рекламного лида (статус из звонка, рекомендуемое действие), список горячих клиентов дня с конкретными причинами «почему горячий», и проверка соблюдения внутреннего регламента менеджерами.

Никто не сидит ночью и не готовит этот отчёт. ИИ собирает данные из четырёх источников (CRM, биллинг, метрика, телефония), классифицирует, расставляет приоритеты, и публикует.

Кейс №8. ИИ сам нашёл функцию в коде и предложил статью

Утром ИИ-директор делает регулярный обход git-коммитов нашей CRM. Замечает: модуль photo-editor разросся до 28 функций. На сайте описан только в общих чертах. Это контентный пробел.

В чат CEO падает Decision-карточка с предложением:

В одной карточке: тема, цели, приоритет, источник идеи («исследовал код CRM: 28 функций»), список каналов публикации (site, dzen, telegram, vk, instagram, max), и три кнопки для CEO — «одобрить → сразу запущу исполнение», «отклонить», «процитируй и напиши правки → сохраню как урок».

CEO одобряет. Через 2 часа — статья опубликована на сайте, посты во всех каналах. Иллюстрации к статье — реальные скриншоты CRM, ИИ их сам сделал через скриншотный сервис, использовав внутренние логины.

Прочитать результат: Фоторедактор SmartAgent — полное руководство (28 инструментов).

Кейс №9. Как ИИ закрыл слив бюджета 86 622 ₽ в Яндекс.Директе

Каждый час ИИ-директор делает ads-snapshot — фиксирует расход и конверсии Яндекс.Директа. Когда автоматическая стратегия Директа начала резать показы из-за нулевых конверсий, кампания фактически умерла. Бюджет тратится на единичные клики, регистраций нет.

На седьмой день ИИ присылает CEO в личку полный ROI-анализ за три месяца:

Цифры жёсткие: потрачено 86 622 ₽, регистраций 87 (CPA 996 ₽), оплат 0, ROI = -100%. Для сравнения ИИ приводит органику: 833 регистрации, 35 оплат, конверсия 4,2%.

Вердикт: «Кампания мертва 8-й день. Рекомендация: остановить. Нужно решение.» CEO отвечает «Останавливаем!». Директ выключен.

Главное здесь — не цифры, а то, что без ИИ это просто бы не произошло. Ни один человек в маленькой компании не сидит и не считает ROI Директа за три месяца с разбивкой по неделям и сравнением с органикой. Это работа аналитика. У нас аналитик — это часовой cron, который читает API Метрики, биллинг и Директ, и раз в неделю подсвечивает аномалии CEO в личку.

Кейс №10. Как ИИ дебажит свой собственный стек

Самый неожиданный — и для нас самый показательный — кейс. CEO замечает, что в отчётах менеджерам время указывается со сдвигом. Пишет ИИ: «разберись».

Через несколько часов ИИ возвращается с диагнозом:

Что произошло: сервер в UTC, CRM хранит время в МСК. Скрипты, которые читали время сервера через стандартный datetime.now(), получали UTC и сдвигали все события на 3 часа назад. Из-за этого:

• Менеджер Кристина видела в утреннем отчёте «звонок в 13:28», хотя реально звонила в 10:15
• Расчёт «рабочих часов» ломался — 8:00 UTC интерпретировалось как 11:00 МСК
• Расписание ежедневных задач срабатывало не в то время

Самое интересное — что было дальше. ИИ нашёл root cause, создал единый модуль now_msk(), заменил все 60+ старых вызовов в 20 файлах, и в том же сообщении публично признал ошибку: «Кристина и Марина правы — цифры в том отчёте были неверные. Претензии к задержкам в понедельник были ошибочными». Никто из менеджеров об этом не просил. ИИ сам инициировал correction.

Это работа архитектора-разработчика с правом коммитить в продакшн. У нас этим архитектором стала маленькая обвязка вокруг LLM с доступом к коду.

Что НЕ автоматизировано — и почему

Хабр любит честность, поэтому проговорим явно. Финальные решения по контенту согласует CEO. Каждый пост, статья, email-рассылка, реклама — приходят CEO в личку как Decision-карточка с тремя кнопками: одобрить, отклонить, процитируй правки.

Случаи, когда CEO отвергал, — реальные. Decision-карточка «WebPhone — пост с видео» отклонена, потому что видео было плохого качества. Карточка «email-дайджест середины апреля» отменена вечером того же дня, потому что повестка изменилась. Это не редкость, это норма.

Логика простая: ИИ предлагает, человек одобряет. ИИ выполняет, человек контролирует. Никаких «полностью автоматических публикаций» — мы пробовали, поняли что это плохая идея, вернули контур человека.

Что ломалось

• Race condition с дублями публикаций. Если CEO нажимал «одобрить» в момент, когда параллельно работал автоматический тик — два процесса делегировали публикацию, посты выходили дважды. Закрыли через CAS-блокировку (атомарный UPDATE статуса).
• Капча Дзена при частых публикациях. Дзен ставит капчу, если публикуешь чаще чем раз в 5 минут. Увеличили интервал между постами до 300 секунд.
• STT-сервер уходил в OOM. Сервис распознавания звонков на собственной инфраструктуре. Поставили мониторинг и автоматический рестарт.
• Конфликт UTC/МСК — описан в Кейсе №10. Закрыт фундаментально, два этапа фикса.

Все эти инциденты разбирались публично в том же Telegram-чате. История ошибок и решений хранится в шине событий — мы используем её как обучающие материалы для самой системы.

Архитектура — для тех, кому интересно

Стек минимально необходимый. Никакой энтерпрайз-обвязки.

• Оркестратор — Claude Code (CLI Anthropic), запускает агентов в нужный момент по cron или по событию
• 12 субагентов — каждый под свой канал/задачу: telegram-poster, vk-poster, content-writer, seo-monitor, ads-monitor, sales-analyst, chatwoot-responder, video-producer, market-analytics, company-report, trigger-engine, director
• Шина событий — SQLite с одной таблицей на всю активность. 90 дней истории, 2900+ событий
• GitHub Issues — канбан задач, читается агентами
• Память — markdown-файлы в репозитории + индексация в Qdrant. На сегодня в памяти 441 факт, индексируется ежедневно в 6:00
• Интеграции — Telegram Bot API, NotiSend (email), VK API, Instagram (instagrapi), Дзен (через Playwright), Yandex.Direct API, MySQL CRM (read-only через SELECT-юзера, write — через ограниченного publisher), Asterisk + STT, и инструмент агрегации сообщений из мессенджеров клиентов web-chat.org

Один сервер. Один человек поддерживает. Никаких монорепо, очередей сообщений, Kubernetes и прочей классики. Скриптовая обвязка вокруг LLM с правильными промптами и доступом к нужным API.

Как тот же подход применить в агентстве недвижимости

Всё, что описано выше, — мы построили для себя. Но та же архитектура применима к любому бизнесу, где есть менеджеры, клиенты, CRM, звонки и реклама. Ниже — конкретные сценарии для агентства недвижимости. Это не маркетинговое «а вот могло бы быть» — это то, что мы уже строим под пилотных клиентов из числа агентств.

Утренний дайджест руководителю

В 9:00 в чат руководителя падает сводка: сколько объектов добавлено вчера и какие из них качественные, сколько звонков клиентам сделано, какие сделки активны и что застряло, какие агенты в норме, какие нарушают регламент. Список горячих клиентов на сегодня — кому позвонить в первую очередь.

Анализ всех звонков агентов клиентам

Самое больное место большинства АН — никто не слушает реальные звонки агентов. РОПа на это не хватает физически: 10 агентов × 30 звонков в день = 300 разговоров. Послушать всё невозможно. ИИ не устаёт. Слушает все 300, ставит вердикт по каждому, цитирует факапы дословно, отслеживает повторяющиеся ошибки. Каждое утро руководитель получает 5 сообщений: сводка + персональная карточка по каждому агенту.

Один объект — пять площадок

Агент создал одно объявление в CRM агентства. ИИ автоматически адаптирует его под форматы ЦИАН, Авито, Юлы, Домклика и сайта АН. С разными фотографиями (выбирает лучшие для каждой площадки) и разной длиной описания. Один клик — пять публикаций за минуту.

Триггерные письма клиентам с контекстом

Клиент сказал агенту в звонке: «нужна квартира до конца года, до 15 млн, для родителей в Бутово». Агент завёл лид и забыл на 4 дня. ИИ читает звонок, видит цели и дедлайн, через 3 дня сам пишет клиенту: «Анна, помню, вам нужна квартира для родителей в Бутово до 15 млн до конца года. Вот три варианта, которые появились на этой неделе. Если что-то откликается — позвоните Сергею прямо сейчас». Без участия агента. Клиент чувствует внимание.

Аудит расходов на платное продвижение

АН тратит на платное продвижение в ЦИАН, Авито и Домклике десятки тысяч в месяц. Никто не считает по каждому объявлению ROI. ИИ-аудитор каждое утро говорит руководителю: «вот эти 50 объявлений на ЦИАН Премиум за 3 месяца дали 0 звонков. На рекламу потрачено 47 800 ₽. Отключаем?» Прямой возврат денег.

Контент для блога — из обсуждений в чате

Клиент в чате жалуется руководителю на сложность ипотечной сделки. ИИ слушает чат, понимает что это типичная боль рынка, и сам предлагает: «делаю гайд "Ипотека на новостройку: 7 ошибок покупателя"». За час — статья в блоге АН, анонс в Telegram-канале агентства, пост на странице агентства в Дзене. Без копирайтера.

Продуктовая аналитика клиента в один запрос

Агент пишет в общий чат: «Ром, посмотри что делал клиент Иванов за последний месяц, я не понимаю серьёзный он или нет». ИИ читает CRM, видит активность (количество просмотров объектов, сохранения, запросы агенту), сравнивает с похожими профилями и возвращает вывод за минуту: «вероятность сделки высокая, был активен 6 дней подряд, смотрел в основном квартиры в Бутово до 15 млн, аналогичные клиенты обычно покупают в течение 3 недель». Менеджер не идёт в техподдержку, не ждёт выгрузку — получает готовый ответ.

Что важно понять

Любой из этих сценариев в АН строится по одной и той же схеме: подцепиться к данным CRM, прописать правила/триггеры, дать ИИ доступ к нужным API. Разовая работа. Дальше работает само. Если интересно посмотреть продукт изнутри — пробный доступ на 3 дня бесплатно, без карты. Цены — на странице тарифы.

Главный вывод — для любого бизнеса

Сейчас принято говорить «ИИ заменит работников». Это не про нас. ИИ не заменил у нас работников — он заменил ту работу, которую раньше никто не делал: круглосуточный мониторинг, ежедневный детальный анализ, персональные касания каждому клиенту, ROI-аудит каждого рекламного канала, перекрёстная проверка действий менеджеров.

На бумаге всё это должны были делать люди. На практике — никогда не делалось, потому что физически невозможно. ИИ заполнил вакуум.

В агентстве недвижимости вакуум ровно такой же: никто не слушает все звонки агентов клиентам, никто не считает ROI по каждому платному размещению, никто не пишет персональные касания каждому холодному клиенту, никто не делает ежедневный аналитический отчёт.

FAQ

Сколько времени заняла настройка стека?

Через две недели после старта стек уже работал в автоматическом режиме — публиковал, считал, отчитывался. Дальше — постоянная тонкая донастройка под новые задачи и обратную связь команды. Это нормальный режим: не «сделали и забыли», а постепенно дорабатываем под бизнес. Сейчас вся обвязка работает автономно, вмешательство нужно только когда меняется бизнес-процесс.

Сколько стоит инфраструктура?

Один сервер ($40/мес) + LLM-токены (~$200/мес при текущей нагрузке) + сторонние API (STT, NotiSend, VK Ads — по тарифам провайдеров). Итого порядка 25-30 тыс. ₽/мес. Замена отделу из 5-7 человек.

Можно ли это повторить?

Да. Ключевые компоненты — Claude Code (или аналог), SQLite для шины событий, доступ к API нужных сервисов. Промпты для агентов придётся писать самостоятельно под свои бизнес-процессы — это самая трудоёмкая часть.

Что делать, если ИИ ошибся?

Разобрать публично в том же чате, обновить промпт, добавить факт в память. Каждая ошибка превращается в урок. У нас в библиотеке памяти 441 факт — почти все родились из конкретных уточнений в чате.