Как внедрить ИИ за 90 дней без большого проекта

Я — Денис Шохирев, архитектор агентных AI-систем из Фрайбурга. Мой стек — Claude, Supabase, n8n, Doppler, self-hosted Postgres. Внедряю решения для B2B-клиентов в DACH: транспорт, финтех, индустриальная автоматизация. Недавно клиент потерял 4 крупных лида за выходные — заявки с веб-формы просто никто не увидел вовремя. Вот где нужна не демо, а реальная автоматизация.

Зачем 90 дней, а не год: реальность бизнеса

В Европе проекты на год и миллион евро могут позволить себе только корпорации. Для большинства компаний DACH с оборотом до 50 млн евро простой или неудачный запуск ИИ — это прямые убытки. Gartner еще в 2023 году фиксировал: 85% AI-пилотов в малом и среднем бизнесе не доходят до реальной эксплуатации (Gartner, "AI Adoption Survey 2023"). Причина: переусложнение, попытка запустить «единое» решение сразу на всю компанию.

Минимальный ИИ: что можно внедрить за 90 дней

Я всегда начинаю с одного конкретного процесса, который:

• Повторяется каждый день (например, обработка заявок с сайта);
• Влияет на деньги (например, скорость ответа клиенту — это продажи);
• Легко измерим по результату (количество обработанных заявок, время реакции).

Пример: автоматизация разбора заявок с сайта. Не надо строить чат-бота для всего бизнеса — достаточно, если ИИ-система:

• Собирает заявки в единую таблицу (Postgres/Supabase);
• Фильтрует спам и дубли (Claude через n8n);
• Отправляет менеджеру только релевантные запросы (email/Slack/Teams);
• Сохраняет всю историю действий (audit log в Postgres);

Реальный кейс: клиент в логистике за 3 недели получил автоматическую обработку 75% входящих писем, вручную осталось только сложное или неструктурированное.

Архитектура: как выглядит такой проект

1. Связка: n8n + Claude + Supabase

Вся автоматизация строится на бесплатных или дешевых инструментах:

• n8n — визуальный конструктор процессов, можно развернуть на сервере;
• Claude API — генерация текста, анализ заявок, фильтрация;
• Supabase/Postgres — хранение данных, журнал аудита;
• Doppler — безопасное хранение API-ключей и секретов.

Весь проект — без покупки коробочных продуктов. Подключаю только то, что реально ускоряет работу.

// Пример workflow для n8n
{
  "nodes": [
    {
      "name": "Fetch Emails",
      "type": "imapEmail"
    },
    {
      "name": "Claude Filter",
      "type": "httpRequest",
      "parameters": {
        "endpoint": "https://api.anthropic.com/v1/complete",
        "body": "{...}"
      }
    },
    {
      "name": "Save to Supabase",
      "type": "httpRequest",
      "parameters": {
        "endpoint": "https://your-supabase-url/rest/v1/leads",
        "body": "{...}"
      }
    }
  ]
}

2. Безопасность данных: никакого выхода за пределы EU

Вся обработка — на серверах в Германии или Австрии. Claude (Anthropic) — доступен с EU endpoint, Supabase — выбирается регионально. Ни одна заявка не уходит в США. Если нужна еще выше изоляция — Claude можно заменить на open-source LLM, но качество будет ниже.

3. Почему не стоит делать свой продукт

Если у вас 1-2 тысячи заявок в месяц — не надо строить свое ПО. Коробочные CRM (например, HubSpot, Salesforce) уже решают эти задачи, пусть и дороже (от 50 евро/мес за пользователя, цены на август 2026). Я подключаю ИИ только там, где стандартные продукты не дают нужной автоматизации или интеграции.

Как считать экономию: реальные числа

Для собственника ключевое — сколько ресурсов экономит проект. Пример расчета:

• Вручную: 5 мин на заявку × 800 заявок/мес = 66 часов работы;
• ИИ-обработка: 1 мин на исключение сложных случаев, 85% автоматом = 10 часов работы;
• Экономия: 56 часов ежемесячно (~1/3 ставки специалиста).

Аналогично — в финансах, поддержке, логистике. Но если заявок меньше 200 в месяц — автоматизация окупается дольше года, смысла нет.

Таблица: сравнение подходов

FAQ

Сколько стоит внедрение такого ИИ?

Зависит от объема заявок и интеграций. Техническая часть занимает 3-6 недель, стоимость инструментов — от 0 до 200 евро в месяц (цены n8n, Supabase, Anthropic актуальны на август 2026). Без скрытых платежей — только ваши серверы и лицензии.

Что происходит при сбое?

Вся обработка ведется с журналом аудита в Postgres — можно восстановить потерянные заявки. В случае сбоя ИИ-система уведомляет ответственного менеджера. Критичные процессы всегда оставляю с ручным дублем.

Данные уходят в облако?

Можно полностью изолировать систему: все хранится в EU AWS или локальном сервере. Claude — с EU endpoint, Supabase — регион Германия/Австрия. Если нужен абсолютный контроль — open-source LLM на своем сервере, но это дольше и дороже.

Кто отвечает за ошибки ИИ?

Ответственность за бизнес-решения всегда на собственнике. Я настраиваю систему так, чтобы ИИ только фильтровал, но не принимал финальное решение без человека. На этапе запуска — всегда ручная проверка сложных кейсов.

Когда не стоит внедрять?

Если у вас мало повторяющихся процессов или заявок, экономия будет минимальной. Также — если бизнес уже использует адаптированную CRM, а интеграции с AI доступны из коробки, смысла в отдельном проекте нет.

На каком этапе ваши заявки теряются чаще всего — на входе, в распределении между менеджерами или в ручной обработке? Напишите, реально интересно.

Я делаю бесплатный 30-мин аудит стека для основателей, кто строит AI в DACH. Пишите в LinkedIn или @ger_dennis_ai.