Майя Буто

@mayabuto
+10
с 18.09.2026

Проектирую кастомные AI-системы, интеграции и автоматизации бизнес-процессов. Пишу о реальных проектах и архитектур

5 подписчиков
1 подписка
800 обращений в месяц: сколько стоит ручная обработка и когда нужен AI

Представим компанию, которая получает 800 клиентских обращений в месяц.
Сотрудники читают сообщения, уточняют информацию, ищут данные по заказам, готовят ответы и передают сложные вопросы коллегам.
Если на одно обращение уходит в среднем семь минут, за месяц набирается 93 часа 20 минут работы. Почти 12 полных рабочих дней.
А теперь представим, что ча…

Вот один из первых результатов, которые я получила, когда попросила ChatGPT помочь создать объясняющий ролик по референсу, на рандомную тему для ролика по своим проектам.

Первая попытка: композиция «CRM внедрили. Excel остался
11
CRM внедрили, а сотрудники всё равно работают в Excel. Когда действительно нужна своя система?

В компании есть CRM. Менеджеры ведут сделки, руководитель смотрит воронку. Но когда заказ доходит до расчёта, начинается другая жизнь. Кто-то открывает таблицу, переписывает туда данные из карточки, считает, отправляет результат на проверку в мессенджер, вносит правки и вручную собирает документ. В CRM возвращается одна строка: «Согласовано». Форма…

11
AI-агент дважды дошёл до лимита в 50 шагов. Я пыталась чинить prompt — проблема оказалась в runtime

Когда агент начинает зацикливаться, первое подозрение обычно падает на модель.
Плохой prompt.
Неудачная инструкция.
Модель «не понимает», что нужно сделать.
У меня в одном эксперименте всё выглядело именно так. Я собирала минимальный agent harness, чтобы буквально увидеть изнутри цикл:

11

Реальный кейс: система анализирует запрос клиента, собирает недостающие данные, подбирает похожую работу и передаёт администратору уже структурированный контекст

Мне пришёл запрос на автоматизацию общения с клиентами beauty-бизнеса. На первый взгляд задача звучала довольно просто: нужен бот, который сможет отвечать на входящие сообщения в Instagram.…

Не всё нужно превращать в AI: где LLM действительно полезна, а где обычные правила надёжнее

Чем больше я работаю с AI-системами, тем сильнее вижу одну вещь: AI вообще не нужно ставить везде, где его технически можно поставить.Иногда обычное правило, формула или проверка работают лучше, понятнее и надёжнее.
Когда ко мне приходит задача «добавить AI», я сначала думаю не о модели.
Я задаю себе другой вопрос: что здесь действительно должен реша…

22