Окупаемость за 14 дней: как один скрипт убрал рутину и сэкономил исследовательской компании больше миллиона рублей
В сентябре 2025 года ко мне обратилось исследовательское агентство. Название компании я не раскрываю из-за NDA. Они проводят опросы и социологические замеры для федерального ритейла, банков и медиахолдингов. Выборки по несколько тысяч респондентов, строгая социология, жесткие квоты по полу, возрасту и городам.
У агентства была типичная проблема сервисного бизнеса: зависимость производственного цикла от одного внешнего исполнителя и регулярная потеря темпа на монотонной работе.
Ниже разбор кейса: в чем заключался затык, почему попытка руководства внедрить ChatGPT своими силами не дала результата, как я решил задачу при дефиците вводных данных и как выглядела реальная окупаемость этого проекта.
Бутылочное горлышко: 4 дня ожидания на каждый проект
Чтобы запустить опрос на 3000 человек, анкету нужно запрограммировать.
Аналитик агентства готовит черновик вопросов в обычном документе Word. В среднем это 60–100 пунктов. Но для специализированной исследовательской платформы это не просто текст. Это разветвленная логическая структура:
- Если мужчине до 25 лет из Казани не интересен продукт, система переводит его на блок вопросов №4.
- Если квота по Москве уже набрана (ровно 500 человек), система должна сразу вежливо завершить опрос.
- Варианты ответов в таблицах должны перемешиваться случайно, а пункт «Ничего из перечисленного» обязан сбрасывать остальные галочки.
Опросы запускались на профессиональной платформе EnjoySurvey. У нее закрытый, специфический язык разметки. Любая ошибка в служебных командах приводит к тому, что система либо не принимает файл, либо опрос собирает искаженную статистику.
Штатные аналитики писать такой код не умели: их задача — анализировать данные, а не разбираться в синтаксисе скриптов.
Поэтому агентство нанимало удаленного программиста на сдельной оплате.
Схема работы выглядела так:
- Аналитик согласовывал анкету с клиентом в Word и отправлял файл программисту.
- Программист вручную перебивал каждый вопрос, варианты ответов, квоты и условия переходов в код EnjoySurvey.
- На одну объемную анкету уходило от 1 до 4 рабочих дней.
В месяц на оплату этой рутины уходило около 100 000 рублей. Но главной проблемой были даже не прямые расходы.
Компания зависела от одного человека. Если у фрилансера завал по другим задачам, семейные обстоятельства или он заболел, производственный конвейер замирал. Клиенты ждали старта опросов, менеджеры нервничали, агентство теряло темп. А любая человеческая ошибка в условиях ветвления означала срыв сроков и перезапуск опроса за счет агентства.
«Мы уже пробовали этот ваш ChatGPT, он несет бред»
Руководство агентства пыталось решить проблему своими силами. Они брали согласованный файл Word, открывали ChatGPT в браузере и писали: «Вот вопросы, переведи их в код для EnjoySurvey».
Результат закономерно оказался нулевым:
- Нейросеть не знала внутренний синтаксис EnjoySurvey и выдумывала команды на ходу.
- Логика ветвлений ломалась: модель путала номера вопросов и теряла условия.
- На длинных текстах чат-бот начинал сокращать работу: размечал первые 10 вопросов, а дальше выдавал: «Остальные оформите по этому же образцу».
Руководство сделало логичный для любого предпринимателя вывод: «Нейросети непригодны для точных задач. Это хайп, который годится только для текстов и картинок. Придется и дальше платить фрилансеру».
Это стандартная ловушка ожиданий. Языковая модель в обычном диалоговом окне не предназначена для точной промышленной работы. Она дает стабильный результат только тогда, когда ее упаковывают в жесткий алгоритм с проверкой каждого шага.
Ограничения проекта: 5 файлов и инструкция для людей
Когда я подключился к задаче, возникла новая сложность: нехватка вводных данных.
В открытом доступе документации по техническому синтаксису EnjoySurvey практически не было. Агентство из соображений конфиденциальности сначала предоставило всего одну пару файлов: исходный Word и готовый скрипт к нему. Когда я запросил больше примеров, мне выделили еще четыре.
Итого в распоряжении было ровно 5 готовых примеров анкет и 50-страничная инструкция от техподдержки EnjoySurvey, написанная сухим языком для живых операторов, а не для программных систем.
Полноценно дообучать модель на пяти примерах бессмысленно: она просто зазубрила бы темы этих пяти опросов и выдала бы ошибки на первом же новом проекте.
Как я это собрал: от попытки сделать всё через ИИ к чистому коду
В первом варианте я пытался построить процесс классическим путем: запустить AI-агента внутри n8n и доверить генерацию кода нейросети.
Но на тестах выяснилось: модель не только тратила слишком много времени на длинных анкетах, но и не давала нужной точности. Запрограммированные нейросетью анкеты при загрузке в профессиональную платформу EnjoySurvey регулярно падали с ошибками синтаксиса. А бизнесу требовалась стопроцентная надежность и моментальный результат.
Тогда я поменял подход. Вместо того чтобы заставлять нейросеть каждый раз заново генерировать код разметки в боевом режиме, я использовал ChatGPT как инструмент разработки (вайбкодинг на раннем этапе). С помощью модели я написал надежный автономный Python-скрипт на 420 строк.
Что делает этот скрипт:
- Читает документ Word напрямую через структуру XML без тяжелых библиотек.
- Автоматически распознает типы вопросов (одиночный выбор, множественный, открытый ввод, числовые шкалы).
- Извлекает логику ветвления, скрывает технические примечания для программиста и формирует квота-фильтры.
- Прогоняет готовый текст через встроенный синтаксический чекер.
Чистый скрипт отрабатывает за 1 секунду. Но отдавать аналитикам консольный скрипт нельзя: сотрудники не должны открывать PowerShell и прописывать технические команды.
Поэтому сверху я добавил удобную связку:
- Простой веб-интерфейс в браузере. Одна страница на чистом HTML и JavaScript. Никаких паролей, баз данных и лишних настроек. Решение развернули строго во внутреннем закрытом контуре компании: инструмент работал локально в офисной сети, данные никуда за пределы компании не уходили, поэтому перегружать интерфейс авторизациями не имело смысла. Аналитик просто открывает страницу в корпоративной сети и перетаскивает файл Word мышкой.
- Оркестратор n8n. Он выступает невидимым связующим мостом: принимает файл из браузера, передает его локальному Python-скрипту, забирает результат и возвращает файл обратно.
Вся процедура с момента перетаскивания документа в браузер до скачивания готового скрипта занимает около 5–7 секунд.
Экономика проекта: окупаемость за первые 14 дней
Вот как изменились операционные показатели агентства после запуска решения:
- Скорость подготовки анкеты: вместо 1–4 дней ручной работы система выдает готовую разметку за 5–7 секунд в браузере. Еще 5–10 минут уходит у аналитика на то, чтобы бегло просмотреть ключевые квоты глазами.
- Затраты на внедрение: разработка решения под ключ обошлась агентству в 50 000 рублей и заняла ровно 2 недели (от первого созвона до подписания акта).
- Срок окупаемости: ровно 14 дней. Агентство полностью отказалось от услуг стороннего программиста, которому ежемесячно платило около 100 000 рублей.
- Экономический эффект: прямая экономия для бизнеса составила более 1 100 000 рублей в год.
- Скорость клиентского сервиса: ушел зазор в несколько дней ожидания перед стартом опросов. Теперь агентство запускает сбор данных в тот же день, когда заказчик утвердил опросник.
Главный результат для руководства — это даже не сэкономленные деньги на оплате фрилансера, а ликвидация производственного риска. Компания больше не зависит от настроения или занятости удаленного сотрудника.
Где еще бизнес сжигает сотни тысяч рублей на рутине
История с анкетами — наглядная иллюстрация того, как компании годами переплачивают за ручной труд там, где он давно не нужен.
В 9 из 10 сервисных бизнесов есть похожие участки:
- Менеджеры часами разбирают клиентские брифы и вручную собирают коммерческие предложения.
- Бухгалтерия вручную сверяет банковские выписки с актами и счетами в 1С.
- Операционисты вручную переносят номенклатуру, карточки товаров и остатки между базами.
- Аналитики вручную сводят кросс-таблицы и собирают регулярные отчеты в Excel.
Бизнес привыкает к этим расходам и считает их неизбежной платой за операционку. Но практически любой процесс с четкими повторяющимися правилами сегодня переводится в автоматический режим за 2–3 недели.
У себя в Telegram-канале я опубликовал практический материал: «Аудит скрытой рутины: 5 процессов в бизнесе, где вы прямо сейчас сжигаете от 100 000 ₽ на зарплатах».
Там подробно разобрано, как обнаружить такие скрытые точки потерь в компании и упаковать их в автономные решения без раздувания штата программистов.
👉 Забрать материал можно в закрепе моего канала: