AI-костыли: что делать, когда нет API и красивой интеграции

Большая часть разговоров про AI-внедрение звучит так, будто у бизнеса уже есть нормальная архитектура.

Есть API.

Есть чистые данные.

Есть понятные процессы.

Есть человек, который владеет результатом.

Осталось только подключить Claude, OpenAI, n8n, Make или своего агента, и всё поедет.

В реальности часто всё грязнее.

API нет. Документация старая. CRM заполнена как попало. Часть процесса живёт в Excel. Часть в Telegram. Часть в голове менеджера. Самый важный статус меняется руками. А бизнес всё равно хочет автоматизацию, потому что боль уже есть.

Вот здесь начинается слой, который я называю AI-костылями.

Не как оскорбление.

Как рабочую реальность.

В инженерной культуре "костыль" звучит как стыд.

Но в бизнесе иногда костыль - единственный способ проверить, есть ли смысл строить нормальную систему.

Плохой костыль маскирует проблему и становится вечным.

Хороший костыль временно соединяет разорванные части процесса и даёт сигнал: здесь есть результат или нет.

Разница огромная.

Например, можно месяц ждать нормальную интеграцию с CRM.

А можно за день собрать полуавтоматический контур:

Это не идеальная архитектура.

Но если такой контур показывает деньги, уже понятно, куда стоит вкладываться.

Самые частые места:

В презентации это никто не показывает.

Там AI подключается к аккуратной базе знаний и отвечает как умный сотрудник.

В жизни агент сначала должен понять, какой из трёх файлов актуальный, почему в одном столбце цена с НДС, а в другом без, и почему менеджер пометил "готово" сделку, которая ещё не оплачена.

Это скучно.

Но без этого automation не доезжает до результата.

Если процесса нет, AI не сделает его процессом.

Он просто быстрее разнесёт хаос по системе.

Поэтому я бы начинал не с вопроса "как подключить агента", а с вопроса:

какой один повторяемый кусок можно временно собрать и проверить?

Не весь отдел продаж.

Не всю поддержку.

Не "AI-операционку компании".

Один кусок:

Если один кусок работает, можно укреплять.

Если не работает, вы потеряли день, а не квартал.

AI-костыль опасен, когда он выглядит как готовая система.

Пользователь видит красивый результат и перестаёт понимать, где он мог сломаться.

Поэтому в грязных контурах я люблю оставлять видимую механику:

Это снижает магию.

И это хорошо.

На ранней стадии AI-система должна быть не волшебной, а проверяемой.

Главная проблема костылей не в том, что они некрасивые.

Главная проблема в том, что они бессмертные.

Скрипт "на пару недель" живёт полтора года.

Таблица "пока нет интеграции" становится частью core process.

Ручная проверка "временно" превращается в должность.

Чтобы этого не произошло, у каждого костыля должен быть срок и условие смерти.

Например:

Иначе костыль начинает управлять системой.

Я бы не ждал от модели идеального исполнения.

Она хорошо помогает в другом:

Письма, комментарии, заявки, заметки менеджера, расшифровки звонков.

Модель может быстро собрать первичную карту: тема, intent, риск, следующий шаг.

Не "принять решение", а подсветить:

Это, по-моему, самый недооценённый сценарий.

AI не обязан делать всё сам.

Он может сократить 300 сырых объектов до 20, которые человек обязан посмотреть.

И это уже нормальный бизнес-эффект.

Есть процессы, куда лучше не лезть сразу.

Например:

В таких условиях AI быстро становится дорогим слоем самообмана.

Вроде что-то работает.

Вроде ответы появляются.

Вроде стало современнее.

А потом выясняется, что человек всё равно перепроверяет всё вручную, потому что не доверяет контуру.

Минимальный порядок такой.

Не "автоматизировать продажи".

А "находить входящие лиды без следующего шага за последние 48 часов".

Даже если это CSV, Google Sheets, ручной экспорт или скрипт.

Главное - понять, хватает ли входа для вывода.

Модель предлагает. Человек подтверждает. Спорные кейсы видны отдельно.

Сэкономили время? Нашли деньги? Уменьшили просрочку? Повысили конверсию? Убрали повторяющийся ручной шаг?

Один эффект. Не десять.

Удалить, укрепить или превратить в нормальную интеграцию.

Без этого шага костыль остаётся жить просто потому, что "ну он же работает".

Красивое демо показывает возможность.

Грязный контур показывает пригодность.

Бизнесу важнее второе.

Claude может идеально написать ответ. OpenAI может хорошо классифицировать запрос. n8n может красиво связать шаги. Cursor может быстро помочь собрать скрипт.

Но если данные плохие, процесс не описан, исключения не видны, а человек не понимает, где проверять результат, вся эта красота не превращается в устойчивую работу.

Поэтому я всё больше уважаю маленькие некрасивые AI-контуры.

Они честнее.

Они сразу показывают, где бизнес на самом деле готов к автоматизации, а где просто хочет перепрыгнуть через операционную грязь.

Если вы сейчас думаете, куда прикрутить AI в своём проекте, я бы сначала сделал не карту инструментов, а снимок процесса. Где данные, где решение, где действие, где контроль, где человек обязан проверить.

Для этого можно забрать Project X-Ray. Он помогает найти не "идею для AI", а место, где проект реально теряет результат и где автоматизация может дать первый проверяемый эффект.

Файл здесь: