Made on
Tilda
6+ лет автоматизирую бизнесы — от одиночных интеграций до сложных систем с AI-агентами, воронками и аналитикой. Не просто пишу промпты — строю решения, которые работают в проде.
Вы ищете человека, который превратит ИИ в рабочие инструменты внутри компании. Именно это я делаю последние 6 лет.
Каждый проект — конкретная бизнес-проблема, решение через автоматизацию и AI, результат в цифрах.
❌ Проблема: существующий бот не справлялся с запросами на казахском языке → оператор постоянно вмешивался вручную.
Разработал кастомного AI-агента на базе LLM. Создал специализированную базу знаний под бизнес, подключил через API к внутренним системам для получения актуальных данных в реальном времени. Настроил умную маршрутизацию — разные запросы уходят в разные источники.
❌ Проблема: трафик есть, конверсия низкая — посетители уходят без контакта.
Разработал AI-агент, который автоматически вовлекал посетителей сайта в диалог, квалифицировал лидов и собирал контактные данные в реальном времени. Без увеличения рекламного бюджета — работа с существующим трафиком.
❌ Проблема: разрозненный бэкенд — сейлбот, CRM, мессенджеры не связаны. Менеджер вручную переносил заявки.
Объединил инфраструктуру через n8n и API. Добавил AI-логику: модель классифицирует входящие данные (телефон? номер билета? другое?) и автоматически создаёт лид в CRM только при валидных данных. Ноль ручного труда на приём заявок.
❌ Проблема: сложный запуск образовательного продукта требовал ручного управления десятками точек контакта с клиентом.
Разработал полную систему: платный бот-клуб по подписке, ~20 лендингов с приёмом оплат, автоматические прогревочные цепочки, уведомления менеджерам, трекинг клиентов в Google Sheets. Путь от регистрации до оплаты — полностью автоматический.
❌ Проблема: разрозненные воронки, нет единой аналитики, слепые пятна в пути клиента.
Спроектировал систему с параллельными воронками, триггерными автоматизациями и глубокими интеграциями. Настроил event tracking, UTM attribution. Перенёс аналитику из Bpium в Supabase (PostgreSQL) для масштабируемости и точности данных.
Вы описали конкретный список задач внутреннего AI-проекта. Вот как я их закрываю.
Создам ботов для HR, операционки, поддержки с RAG по внутренней базе знаний. Опыт: уже делал для ритейл-сети — −80% нагрузки на операторов.
Настрою pipeline: LLM извлекает данные из документов, классифицирует, передаёт в ERP/CRM. В моих кейсах AI уже классифицировал входящие данные без участия человека.
Ваша экосистема из нескольких систем — именно такую архитектуру я интегрировал в турагентствах и онлайн-школах. n8n + API = единый поток данных.
Настрою автоматические дайджесты из ваших данных (PostgreSQL, ERP). Опыт: сквозная аналитика с event tracking и UTM attribution для Pixel Perfect.
Построю семантический поиск по регламентам, инструкциям, базе продуктов. Сотрудники получат ответы мгновенно без поиска по папкам.
Умею запустить быстро, измерить, итерировать. Объясняю инструменты команде на понятном языке — не только строить, но и передать.
Тестовое задание выполнено. Часть 2 — сервис поиска поставщиков — в соседнем файле.
apautov01@gmail.com →