ИИ-Автоматизация: От новичка до агентства с доходом 100к+

Введение в рынок ИИ-автоматизации: обзор инструментов (Make, Zapier) и выбор прибыльной ниши

Добро пожаловать в первый модуль курса «ИИ-Автоматизация: От новичка до агентства с доходом 100к+». Если вы читаете эти строки, значит, вы уже поняли главное: рынок труда и бизнеса меняется прямо сейчас, и у вас есть шанс оседлать эту волну, а не утонуть под ней.

Сегодня мы разберем фундамент. Мы не будем сразу бросаться писать код (спойлер: писать код нам почти не придется) или настраивать сложные нейросети. Сначала мы должны понять, что мы продаем, кому мы это продаем и какими инструментами создаем ценность.

Что такое ИИ-автоматизация?

Многие путают ИИ-автоматизацию с простым использованием ChatGPT. Давайте проведем четкую границу.

• Использование ИИ: Вы копируете текст письма клиента, вставляете его в ChatGPT, просите написать ответ, копируете ответ и отправляете клиенту. Вы все еще работаете руками.
• Классическая автоматизация: Когда приходит письмо, система автоматически отправляет шаблонный ответ «Спасибо, мы получили ваше сообщение». Здесь нет интеллекта, только жесткий скрипт.
• ИИ-автоматизация (AAA — AI Automation Agency): Когда приходит письмо, система сама «читает» его, понимает смысл (жалоба, заказ или вопрос), генерирует персонализированный ответ с учетом тональности клиента и сохраняет данные в CRM-систему. Без вашего участия.

Ваша задача как будущего владельца агентства — создавать таких «цифровых сотрудников», которые работают 24/7, не болеют и не просят отпуск.

Главные инструменты: «Руки» и «Мозги»

Любая ИИ-автоматизация состоит из двух компонентов:

1. Мозги (LLM — большие языковые модели, такие как GPT-4, Claude).
2. Руки (No-Code платформы, которые соединяют приложения между собой).

Сегодня мы сосредоточимся на «руках». На рынке есть два гиганта: Zapier и Make (ранее Integromat).

Zapier: Простота и доступность

Zapier — это ветеран рынка. Его философия: «Если произошло ЭТО, сделай ТО» (If This Then That).

Плюсы:

• Огромная библиотека интеграций (более 5000 приложений).
• Интуитивно понятный линейный интерфейс.
• Идеален для простых задач (например, переслать лид из Facebook в Google Таблицу).

Минусы:

• Дорогой на больших объемах.
• Сложно строить разветвленную логику (если... то... иначе...).

Make (ex-Integromat): Мощь и визуализация

Make — это выбор профессионалов. Вместо списка действий вы видите визуальную карту, где модули соединены нитями, как пузырьки.

Плюсы:

• Визуальный редактор: вы видите весь процесс как на ладони.
• Гибкая логика: циклы, маршрутизаторы, работа с ошибками.
• Значительно дешевле Zapier при больших объемах данных.

Минусы:

• Порог входа чуть выше (нужно разобраться с концепцией JSON, массивов и коллекций, чему мы научимся в курсе).

Сравнительная таблица

Характеристика	Zapier	Make
Сложность	Низкая (для новичков)	Средняя (для инженеров)
Интерфейс	Линейный список	Визуальная схема (графы)
Цена	Высокая	Доступная
Логика	Простая	Продвинутая

«Zapier — это iPhone в мире автоматизации: просто и дорого. Make — это Android: можно настроить всё под себя, если знаешь, куда нажать».

Для нашего курса и построения агентства мы выберем Make как основной инструмент. Он позволяет создавать сложные продукты, за которые клиенты готовы платить большие деньги, сохраняя при этом высокую маржинальность.

Выбор ниши: Где лежат деньги?

Самая большая ошибка новичка — пытаться продавать «автоматизацию» всем подряд. Бизнесу не нужна автоматизация. Бизнесу нужно решение проблемы.

Чтобы выйти на доход 100 000 рублей, вам нужно понять простую математику. Доход агентства можно описать формулой:

$$R = N \times P$$

Где $R$ (Revenue) — это ваш доход, $N$ (Number) — количество клиентов, а $P$ (Price) — средний чек за услугу.

Чтобы получить 100 000 рублей ($R$), у вас есть два пути:

1. Найти 10 клиентов по 10 000 рублей (сложно, много поддержки).
2. Найти 2 клиентов по 50 000 рублей (оптимально).

Чтобы продавать дорого, нужно выбрать нишу, где есть деньги и боль.

Критерии прибыльной ниши

1. Высокая стоимость клиента (LTV). Недвижимость, строительство, B2B-услуги, медицина. Если один клиент приносит бизнесу 100к+, они легко заплатят 50к за систему, которая не упустит этого клиента.
2. Много рутинной коммуникации. Там, где менеджеры тратят часы на ответы в WhatsApp или перекладывание данных из Excel в CRM.
3. Наличие данных. У бизнеса уже должен быть поток заявок или контента. Нельзя автоматизировать хаос.

Топ-3 ниши для старта в 2024 году

1. Недвижимость (Real Estate)

• Проблема: Риелторы получают десятки звонков и сообщений. Они не успевают квалифицировать лидов (понять, есть ли у человека деньги и когда он хочет купить).
• Решение: ИИ-бот в WhatsApp, который задает вопросы, выявляет бюджет и записывает «горячих» клиентов на встречу, а «холодных» прогревает контентом.

2. Инфобизнес и онлайн-школы

• Проблема: Огромный поток вопросов в поддержку («Где ссылка?», «Не открывается урок»). Низкая доходимость до вебинаров.
• Решение: ИИ-саппорт, отвечающий мгновенно по базе знаний курса. Автоматическая персонализированная рассылка напоминаний.

3. Маркетинговые агентства (Lead Gen)

• Проблема: Нужно генерировать много контента для SEO и соцсетей клиентов. Писать вручную — долго и дорого.
• Решение: Система, которая берет тему, генерирует статью через GPT-4, создает картинку через Midjourney и публикует черновик в WordPress.

Как найти идею для автоматизации?

Вам не нужно быть гением. Вам нужно быть наблюдательным. Когда вы общаетесь с потенциальным клиентом, ищите «Точки трения».

Задайте клиенту (или себе) три вопроса:

1. «Какую задачу вы делаете каждый день более 15 минут?»
2. «Где вы просто копируете данные из одного окна в другое?»
3. «Какой процесс останавливается, если ключевой сотрудник заболел?»

Ответ на любой из этих вопросов — это готовое ТЗ (техническое задание) для вашей будущей автоматизации.

Заключение

Мы заложили первый камень. Вы знаете, что ИИ-автоматизация — это связка «Мозгов» (LLM) и «Рук» (Make/Zapier). Вы понимаете, что деньги лежат не в инструментах, а в решении проблем конкретных ниш.

В следующей статье мы перейдем от теории к практике: зарегистрируемся в Make и создадим вашу первую простую автоматизацию, которая сэкономит вам часы жизни.

Готовы? Тогда проверьте свои знания в тесте ниже.

Техническая база: подключение OpenAI API, работа с промптами и создание первых сценариев

В предыдущем модуле мы определились с инструментами: нашими «руками» будет платформа Make, а «мозгами» — большие языковые модели (LLM). Теперь пришло время соединить их вместе.

Многие новички боятся этого этапа, думая, что здесь нужно быть программистом. Это миф. Сегодня мы настроим связь между Make и OpenAI, научимся говорить с нейросетью на языке алгоритмов и создадим ваш первый работающий сценарий.

Что такое API и зачем нам «Ключ»?

Представьте, что вы пришли в ресторан. Вы (клиент) сидите за столиком, а на кухне (сервер) шеф-повар готовит блюда. Вы не можете просто зайти на кухню и начать готовить сами. Вам нужен посредник — официант.

API (Application Programming Interface) — это и есть тот самый официант. Это набор правил, по которым одна программа (Make) может попросить другую программу (OpenAI) что-то сделать.

Чтобы «официант» знал, что заказ делаете именно вы (и счет нужно выставить вам), используется API Key (API-ключ). Это уникальная строка символов, похожая на пароль.

Шаг 1: Получение ключа OpenAI

Для работы нам понадобится аккаунт разработчика OpenAI. Обычный аккаунт ChatGPT Plus здесь не подойдет, так как API тарифицируется отдельно (за количество слов, а не за месяц).

1. Перейдите на платформу platform.openai.com.
2. Зарегистрируйтесь или войдите в свой аккаунт.
3. В меню слева выберите раздел API Keys.
4. Нажмите Create new secret key.
5. Важно: Скопируйте ключ сразу. Вы увидите его только один раз. Если потеряете — придется создавать новый.

Никогда и никому не передавайте свой API-ключ. Если злоумышленник получит его, он сможет использовать нейросеть за ваш счет.

Промпт-инжиниринг: Как управлять «Мозгами»

В интерфейсе ChatGPT мы привыкли вести диалог. В автоматизации подход другой. Мы отправляем один запрос и хотим получить один идеальный ответ в нужном формате.

При работе через API (модель GPT-4 или GPT-3.5-turbo) сообщения делятся на роли:

Роль	Описание
System	Инструкция для ИИ. Здесь вы задаете роль и правила поведения.
User	Входящие данные. То, что прислал клиент или то, что нужно обработать.
Assistant	Ответ нейросети (используется, если нужно сохранить контекст переписки).

Формула идеального промпта

Чтобы ИИ выдавал предсказуемый результат, используйте следующую структуру в системном сообщении (System):

1. Роль: «Ты опытный маркетолог...»
2. Задача: «Твоя задача — написать продающий заголовок...»
3. Контекст: «Целевая аудитория — мамы в декрете...»
4. Ограничения: «Не используй клише, длина до 50 символов...»
5. Формат вывода: «Верни только текст заголовка, без кавычек и вступлений».

Подключение OpenAI к Make

Теперь переходим к практике. Наша цель — создать сценарий, который берет текст и определяет его тональность (позитивная, негативная или нейтральная).

Настройка сценария

1. Зайдите в Make и создайте новый сценарий (Create a new scenario).

2. Нажмите на большой плюс и в поиске введите OpenAI.

3. Выберите модуль Create a completion (Chat Completions). Это стандартный модуль для работы с GPT-3.5 и GPT-4.

4. В поле Connection нажмите Add. Вставьте ваш API Key, который вы получили ранее.

5. В поле Model выберите gpt-3.5-turbo (она дешевле и быстрее для простых задач) или gpt-4o (для сложных задач).

6. В разделе Messages добавьте два элемента:

   • Item 1 (Role: System): «Ты аналитик тональности. Твоя задача — определить эмоцию сообщения. Отвечай только одним словом: Позитив, Негатив или Нейтрально».
   • Item 2 (Role: User): Здесь мы пока напишем тестовый текст вручную: «Ваш сервис просто ужасен, я требую возврата денег!».

Нажмите OK, а затем кнопку Run once (Запустить один раз) внизу экрана.

Если вы все сделали правильно, кружок станет зеленым. Нажмите на лупу над модулем, чтобы посмотреть ответ. В поле Choices -> Message -> Content вы должны увидеть слово: Негатив.

Поздравляю! Вы только что создали своего первого ИИ-бота.

Экономика автоматизации: Считаем деньги

Вы должны понимать, как формируется себестоимость услуги. OpenAI берет плату за токены.

Токен — это часть слова. Грубо говоря, 1000 токенов $\approx$ 750 слов на английском языке (на русском чуть меньше из-за особенностей кодировки).

Стоимость использования API рассчитывается по формуле:

$$C_{total} = \frac{N_{in} \times P_{in}}{1000} + \frac{N_{out} \times P_{out}}{1000}$$

Где:

• $C_{total}$ — итоговая стоимость запроса.
• $N_{in}$ — количество токенов во входящем запросе (ваш промпт + текст клиента).
• $P_{in}$ — цена за 1000 входящих токенов.
• $N_{out}$ — количество токенов в ответе нейросети.
• $P_{out}$ — цена за 1000 исходящих токенов.

Например, для модели GPT-3.5 Turbo цены могут быть примерно такими (цены меняются, проверяйте актуальные на сайте OpenAI):

• Вход: $0.0005 за 1к токенов.
• Выход: $0.0015 за 1к токенов.

Если мы обработаем письмо клиента (300 токенов) и напишем ответ (200 токенов), стоимость будет ничтожно мала:

$$C = \frac{300 \times 0.0005}{1000} + \frac{200 \times 0.0015}{1000} = 0.00015 + 0.0003 = 0.00045\$$$

Это означает, что за 1 доллар вы сможете обработать более 2000 таких писем. Именно эта математика делает ИИ-автоматизацию сверхприбыльным бизнесом: себестоимость копеечная, а ценность для клиента — огромная.

Заключение

Сегодня мы прошли важный технический этап:

1. Получили ключи от «мозгов» (OpenAI API).
2. Разобрались, как давать четкие инструкции через роль System.
3. Подключили это к Make и запустили первый тест.
4. Убедились, что это очень дешево.

В следующей статье мы начнем строить полноценный продукт для портфолио: «Умный автоответчик для Email», который будет не просто определять тональность, но и писать черновики ответов и сохранять их в Google Таблицу.

Создание флагманских продуктов: умные чат-боты для поддержки и автоматизация лидогенерации

Мы прошли путь от понимания рынка до отправки первого запроса в OpenAI. Теперь у вас есть «кирпичи» (Make) и «цемент» (API). Пришло время построить дом, который можно выгодно продать.

В этой статье мы перейдем от абстрактных экспериментов к созданию конкретных коммерческих продуктов. Мы разберем две самые востребованные услуги на рынке, за которые клиенты готовы платить от 50 000 рублей за внедрение: Умный саппорт-бот и Система квалификации лидов.

Продукт №1: Умный AI-консультант (Support Bot)

Почему это покупают? Потому что владельцы бизнеса ненавидят отвечать на одни и те же вопросы: «Сколько стоит доставка?», «Где ваш офис?», «Как вернуть товар?». Наем живого сотрудника стоит дорого, а обычные кнопочные чат-боты раздражают клиентов.

Ваша задача — создать бота, который знает о компании всё и отвечает по-человечески.

Технология: RAG и Assistants API

В прошлом уроке мы просто отправляли текст в GPT. Но что, если у компании есть база знаний на 100 страниц PDF? Мы не можем вставить весь этот текст в один промпт — это дорого и превысит лимиты памяти модели.

Здесь на сцену выходит концепция, которую мы реализуем через OpenAI Assistants API.

Суть проста: вы загружаете файлы (инструкции, прайс-листы) в OpenAI, а нейросеть сама ищет в них нужный фрагмент, чтобы ответить на вопрос пользователя. Вам не нужно прописывать сложные алгоритмы поиска.

Сборка сценария в Make

Для реализации этого продукта в Make нам понадобится всего 3 шага:

1. Webhook (Входящий сигнал). Мы получаем сообщение от пользователя (например, из Telegram или виджета на сайте).
2. OpenAI (Message Assistant). Мы отправляем вопрос пользователя специальному Ассистенту, к которому заранее прикрепили файлы с информацией о компании.
3. Webhook Response (Ответ). Мы возвращаем сгенерированный ответ обратно пользователю.

«Хороший бот не тот, который имитирует человека, а тот, который решает проблему быстрее человека».

Экономика внедрения

Бизнес готов платить за такого бота, потому что он экономит ФОТ (фонд оплаты труда). Давайте посчитаем выгоду через простую формулу окупаемости:

$$ROI = \frac{S_{saved} - C_{bot}}{C_{bot}} \times 100\%$$

Где:

• $ROI$ — возврат инвестиций (Return on Investment).
• $S_{saved}$ — сэкономленная зарплата сотрудников поддержки за год.
• $C_{bot}$ — стоимость разработки и поддержки вашего бота.

Если вы берете за разработку 50 000 рублей, а бот экономит бизнесу 30 000 рублей в месяц (360 000 в год), клиент получает колоссальную выгоду. Именно эти цифры вы должны показывать на презентации.

Продукт №2: Автоматическая квалификация лидов (Lead Gen)

Вторая «золотая жила» — это продажи. Главная боль отделов продаж — скорость реакции и мусорные заявки.

Представьте: человек оставил заявку на сайте в 2 часа ночи. Менеджер позвонит ему только в 10 утра. За эти 8 часов клиент уже найдет конкурента. Или другая ситуация: менеджер тратит 20 минут на разговор, а у клиента нет денег.

Ваше решение: ИИ-система, которая мгновенно связывается с клиентом, задает вопросы и определяет, стоит ли тратить на него время.

Алгоритм работы

1. Захват: Клиент заполняет форму (на сайте, в Facebook Lead Ads).
2. Анализ: Make отправляет данные в OpenAI с промптом: «Проанализируй запрос. Это целевой клиент? Оцени его интерес от 1 до 10».
3. Маршрутизация:
   • Если оценка < 5: Отправить вежливое письмо с полезными материалами (прогрев).
   • Если оценка > 8: Срочно отправить уведомление РОПу (руководителю отдела продаж) в Telegram и создать сделку в CRM.

Настройка Промпта для квалификации

Здесь критически важен System Prompt. Он должен содержать критерии квалификации. Пример:

«Ты — старший менеджер по продажам элитной недвижимости. Твоя задача — оценить лид. Критерии:

1. Бюджет выше 20 млн руб — высокий приоритет.
2. Срок покупки

Бизнес-модуль: упаковка портфолио, поиск платежеспособных клиентов и психология продаж

Поздравляю! Вы прошли техническую часть. Вы умеете подключать «мозги» (OpenAI) к «рукам» (Make), создавать чат-ботов и системы лидогенерации. Но есть одна проблема: Make не платит вам деньги. Деньги платят люди.

Многие технические специалисты застревают на этапе «вечного студента». Они учат Python, SQL, новые нейросети, но боятся назвать цену за свою работу. В этом модуле мы превратим ваши навыки в бизнес. Мы научимся упаковывать «воздух» в продукт, находить тех, у кого есть деньги, и продавать им, не чувствуя себя навязчивым продавцом.

Упаковка: Как продать то, чего еще нет?

Главный страх новичка: «У меня нет кейсов. Как я найду клиента без портфолио?»

Это ловушка мышления. В мире ИИ-автоматизации вам не нужны реальные клиенты, чтобы создать портфолио. Вам нужны Pet Projects (пет-проекты — домашние проекты).

Правило «Демонстрация важнее слов»

Клиенту плевать, как выглядит ваш сценарий в Make. Ему все равно, используете вы GPT-3.5 или GPT-4. Ему важен результат.

Как создать убойное портфолио за выходные:

1. Выберите нишу. Например, стоматология.
2. Придумайте проблему. Администраторы пропускают звонки в нерабочее время.
3. Создайте решение. Соберите в Make бота, который принимает заявку и записывает её в Google Таблицу.
4. Запишите демо-видео. Используйте программу записи экрана (например, Loom). Покажите: «Вот я пишу боту как клиент -> Вот бот отвечает -> Вот данные появились в таблице».

Это видео — и есть ваш кейс. Вы показываете не абстрактную идею, а работающий механизм.

Формула описания кейса

Когда вы оформляете кейс (в PDF или на сайте), используйте структуру P-S-R:

• Problem (Проблема): «Клиент терял 20% заявок ночью».
• Solution (Решение): «Внедрен ИИ-автоответчик на базе GPT-4».
• Result (Результат): «Конверсия в запись выросла на 15%, сэкономлено 20 часов работы администратора».

Поиск клиентов: Где водится крупная рыба?

Забудьте про биржи фриланса (Upwork, Kwork и т.д.). Там вы будете конкурировать с тысячами исполнителей за копейки. Мы идем в «Голубой океан» — прямой выход на бизнес.

Метод 1: «Теплый круг» и Партнерства

Самый быстрый способ получить первые 100 000 рублей — не продавать конечным клиентам, а стать партнером тех, у кого эти клиенты уже есть.

Идите к маркетинговым агентствам (таргетологи, SEO-специалисты, разработчики сайтов). У них есть боль: они приводят лидов, а отдел продаж клиента эти лиды «сливает». Предложите агентству внедрить ИИ-квалификацию лидов для их клиентов за процент от сделки.

Метод 2: Холодный аутрич (Outreach) через ценность

Не пишите: «Здравствуйте, я делаю чат-ботов, купите». Это спам.

Используйте подход «Тайный покупатель»:

1. Найдите сайт компании (например, агентство недвижимости).
2. Напишите им в чат или оставьте заявку вечером.
3. Если вам не ответили или ответили шаблонно через 3 часа — у вас есть повод для разговора.

Пример сообщения ЛПР (Лицу, Принимающему Решения):

«Иван, добрый день! Вчера оставил заявку на вашем сайте, чтобы проверить, как работает форма. Ответа не получил. Я занимаюсь автоматизацией отделов продаж и записал короткое видео (2 мин), как можно настроить мгновенный ответ клиентам с помощью ИИ, чтобы не терять бюджет. Посмотрите?»

Это не продажа. Это помощь. Конверсия такого подхода в разы выше.

Математика ценообразования: Сколько брать денег?

Никогда не продавайте свои часы. Вы продаете ценность. Если ваш бот экономит компании миллион, глупо брать за него 5 тысяч рублей.

Используйте формулу «Якорь цены» (Value-Based Pricing). Мы должны показать клиенту, что наша услуга — это инвестиция, а не трата.

Рассчитаем справедливую цену ($P$) как долю от годовой выгоды клиента:

$$P = V_{year} \times k$$

Где:

• $P$ — цена вашей услуги (Price).
• $V_{year}$ — годовая ценность для клиента (Value). Это может быть сэкономленная зарплата сотрудников или дополнительная прибыль от удержанных клиентов.
• $k$ — коэффициент вашей комиссии (обычно от 0.1 до 0.2, то есть 10-20%).

Пример расчета: Вы делаете бота, который заменяет половину ставки менеджера поддержки. Зарплата менеджера — 60 000 руб/мес.

1. Считаем годовую экономию ($V_{year}$):

$$V_{year} = 60\,000 \times 12 = 720\,000 \text{ рублей}$$

2. Определяем вашу цену ($P$) при коэффициенте $k = 0.15$ (15%):

$$P = 720\,000 \times 0.15 = 108\,000 \text{ рублей}$$

Вы называете цену 108 000 рублей. Для клиента это выгодно, так как он окупает вложения за 2 месяца, а дальше получает чистую прибыль.

Психология продаж: Фрейм «Врач — Пациент»

Главная ошибка — вести себя как официант («Чего изволите?»). Вы должны вести себя как врач.

Когда вы приходите к врачу, он не спрашивает: «Вам выписать аспирин или сделать операцию?». Он спрашивает: «Где болит?».

Этапы диалога:

1. Диагностика. Задавайте вопросы. Много вопросов.
   • «Сколько заявок вы теряете?»
   • «Сколько времени тратите на рутину?»
   • «Что будет, если ничего не менять?»
2. Усиление боли. Клиент должен сам проговорить, что теряет деньги.
3. Рецепт. Только сейчас вы предлагаете решение (вашу автоматизацию).

Если клиент спрашивает цену в начале разговора, мягко уходите от ответа: «Чтобы назвать цену, мне нужно понять объем работ. Давайте сначала обсудим ваши задачи».

Заключение

Теперь у вас есть полный комплект:

1. Понимание рынка.
2. Технические навыки (Make + OpenAI).
3. Готовые продукты (Чат-боты, Лидген).
4. Понимание, как это продать дорого.

Ваше домашнее задание — не просто прочитать, а действовать. Создайте один демо-кейс и отправьте 10 писем потенциальным партнерам или клиентам по методу «Тайный покупатель». Первый чек на 100к+ ближе, чем вы думаете.

Масштабирование и юридические аспекты: сдача проектов, поддержка и выход на 100 000 рублей

Мы подошли к финальному этапу нашего курса. Вы уже знаете, как работают инструменты (Make, OpenAI), умеете создавать востребованные продукты (чат-боты, лидген) и понимаете, как продавать их бизнесу. Но продажа — это только начало отношений с клиентом.

Многие новички «сыпятся» именно на этапе сдачи проекта. Они не знают, как передать права, как оформить договор, чтобы не остаться виноватым за ошибки нейросети, и как превратить разовый заказ в постоянный пассивный доход.

В этой статье мы разберем «взрослую» часть бизнеса: юридическую безопасность, техническую передачу проекта и математику масштабирования до стабильных 100 000+ рублей в месяц.

Техническая сдача проекта: «Где живут роботы?»

Один из самых частых вопросов: «На чьем аккаунте должен работать бот? На моем или клиента?»

Золотое правило агентства: Все активы должны принадлежать клиенту.

Никогда не держите сценарии клиентов на своем личном аккаунте Make или OpenAI. Это создает риски:

1. Финансовый риск: Если бот клиента «сойдет с ума» и потратит $500 на API, этот счет придет вам.
2. Юридический риск: Вы становитесь оператором персональных данных клиентов вашего заказчика.
3. Риск зависимости: Если вы заболеете или решите уйти из бизнеса, бизнес клиента остановится.

Алгоритм правильной передачи

1. Регистрация: Попросите клиента зарегистрировать аккаунты в Make и OpenAI и привязать туда свою банковскую карту.
2. Приглашение: Клиент добавляет вас как «Администратора» или «Разработчика» в свой аккаунт (Invite Member).
3. Экспорт/Импорт: Вы скачиваете сценарий (Blueprint) со своего аккаунта и загружаете его в аккаунт клиента.

Таким образом, клиент платит за инфраструктуру напрямую сервисам. Вы продаете только настройку и интеллектуальную собственность.

Юридическая безопасность: Осторожно, галлюцинации

Искусственный интеллект — это вероятностная модель. Это значит, что он может ошибаться. Он может выдумать скидку в 99%, нагрубить клиенту или пообещать несуществующую услугу. Это называется «галлюцинации».

Если вы не защитите себя договором, клиент может потребовать от вас компенсацию убытков.

Что обязательно должно быть в договоре

Вам не нужен юрист за 100 тысяч, чтобы составить простой договор оказания услуг (или оферту для самозанятых). Но добавьте туда пункт «Ограничение ответственности при работе с ИИ».

Пример формулировки:

«Исполнитель не несет ответственности за содержание ответов, сгенерированных нейросетью (ИИ). Заказчик уведомлен, что ИИ может допускать фактические ошибки. Исполнитель обязуется настроить системные инструкции (System Prompt) для минимизации рисков, но не гарантирует 100% точность работы алгоритмов третьих лиц (OpenAI).»

Также важно указать, что вы не отвечаете за сбои в работе самих платформ (если Make или ChatGPT «упали», это не ваша вина).

Модель Retainer: Как получать деньги каждый месяц

Самая большая ошибка фрилансера — жить от заказа до заказа. В январе вы заработали 100 000, а в феврале — 0. Чтобы построить агентство, вам нужен MRR (Monthly Recurring Revenue) — ежемесячный повторяющийся доход.

После сдачи проекта предложите клиенту услугу «Техническая поддержка и сопровождение».

За что клиенты платят ежемесячно?

Клиент платит не за то, что вы работаете, а за то, что все работает.

1. Мониторинг ошибок: Если сценарий сломался, вы узнаете об этом первым и почините.
2. Мелкие правки: Изменить цену в промпте, добавить новый телефон менеджера.
3. Обновление моделей: Вышла GPT-5? Вы переключите бота на новую версию.

Формула стоимости поддержки

Стоимость поддержки ($P_{support}$) обычно составляет 15–20% от стоимости разработки, но не менее фиксированной минимальной суммы.

$$P_{support} = P_{dev} \times k + C_{fix}$$

Где:

• $P_{support}$ — ежемесячная цена поддержки.
• $P_{dev}$ — стоимость разработки проекта (Development Price).
• $k$ — коэффициент (обычно $0.2$ или 20%).
• $C_{fix}$ — фиксированная надбавка за сложность (если есть).

Пример: Вы сделали бота за 50 000 рублей. Предложите поддержку за 10 000 рублей в месяц. Для клиента это спокойствие за цену одного ужина, а для вас — база для стабильности.

Математика выхода на 100 000 рублей

Давайте посчитаем, как выглядит структура доходов агентства, которое приносит 100к+ чистыми. Ваш доход складывается из двух частей: Setup Fee (плата за внедрение) и Retainer (поддержка).

Формула общего дохода ($I_{total}$):

$$I_{total} = (N_{new} \times P_{setup}) + (N_{old} \times P_{retainer})$$

Где:

• $I_{total}$ — ваш итоговый доход за месяц.
• $N_{new}$ — количество новых клиентов в этом месяце.
• $P_{setup}$ — средний чек за разработку (внедрение).
• $N_{old}$ — количество старых клиентов на поддержке.
• $P_{retainer}$ — средний чек за поддержку.

Сценарий: «Одинокий волк»

Допустим, ваш чек за разработку — 40 000 рублей, а за поддержку — 10 000 рублей.

Чтобы заработать 100 000 рублей, вам нужно:

1. Найти 2 новых клиентов (2 × 40 000 = 80 000).
2. Иметь 2 старых клиентов на поддержке (2 × 10 000 = 20 000).

$$80\,000 + 20\,000 = 100\,000 \text{ рублей}$$

Это абсолютно реальная задача. Вам не нужно 100 клиентов. Вам нужно всего 4 активных клиента, чтобы чувствовать себя уверенно.

Масштабирование: Когда нанимать помощника?

Рано или поздно вы упретесь в потолок. Вы не сможете вести 10 проектов одновременно в одиночку. Качество упадет, вы выгорите.

Как только ваш доход от Retainer (поддержки) покроет ваши базовые расходы на жизнь (еда, жилье), вы можете нанимать первого сотрудника — Технического ассистента (Integrator).

Ваша задача смещается:

• Вы: Продажи, общение с клиентом, архитектура решения (придумываете логику).
• Ассистент: Сборка сценариев в Make по вашему ТЗ, тестирование, написание промптов.

Ассистенту можно платить проектно (например, 30% от чека заказа). Это безопасно: нет заказов — нет расходов.

Заключение курса

Мы прошли большой путь. Вы начали с полного нуля, узнали, что такое API и Make, научились создавать умных ботов и поняли, как на этом зарабатывать.

Рынок ИИ-автоматизации сейчас напоминает создание сайтов в начале 2000-х или SMM в 2015-м. Спрос огромный, а специалистов катастрофически мало. У вас есть уникальное преимущество — вы уже знаете больше, чем 99% людей.

Ваш план действий на завтра:

1. Упакуйте один кейс (даже выдуманный, как мы обсуждали).
2. Напишите 10 потенциальным клиентам.
3. Продайте решение, которого у вас еще нет.
4. Сделайте его и получите свои первые деньги.

Не бойтесь ошибок. В Make всегда можно нажать кнопку «Undo», а в бизнесе каждая ошибка — это просто опыт. Удачи в построении вашего ИИ-агентства!