From 0 to 1 again. Go Global

Внедрение AI — это карго-культ или must-have? Я много пишу про AI-агентов и недавно мне прилетел классный коммент: действительно ли нужно внедрять везде AI агентов, не превращается ли все это в карго-культ.

Разберу на примере автоматизации анализа звонков менеджеров, про который я писал выше.

1. Анализировать звонки нужно всегда Даже если у тебя профи-менеджер, это все равно человек. Качество звонков нестабильно, просто потому что мы люди. Можем быть супер сфокусированными, а можем что-то забыть.

Анализ, выводы, резюме звонка должны делаться автоматически. Чтобы убрать рутину с человека и ускорить команду.

2. Анализировать каждый звонок значит видеть общую картину Не в смысле вчитываться в каждое резюме. А в смысле видеть, где западают встречи.

Проблемные места это прекрасная возможность вернуться к клиенту и доработать.

Потому что с ростом стоимости клиента каждая встреча становится важнее.

Пример: Созвонились с клиентом сегодня. Не договорились про следующую встречу — менеджер забыл.

На утро проанализировали звонок → увидели проблему → у менеджера задача: «Вернуться к клиенту, договориться о звонке».

Вот мы уже улучшили работу с клиентом и подняли шансы на сделку.

Почему быстрая и детальная аналитика важна: Head of sales нужна аналитика по качеству встречи сразу (ну, через час-два). В момент, когда он анализирует день и работу менеджеров.

Ему важно видеть, где работу команды можно улучшить. И AI для этой задачи подходит идеально.

Важный поинт: AI — это джун на стероидах Я не говорю, что AI — решение всех проблем. Нельзя просто сказать: "О, GPT все сделает за нас".

AI — это джун, который НЕ знает, как делать работу хорошо, но ему доступны ВСЕ знания мира (что невозможно для человека). При этом с точки зрения софт-скиллов он дундук. И ровно так к нему нужно относиться.

Как с ним работать: - Ставить четкую задачу: "Проанализируй по ТАКИМ критериям, дай мне ТАКОЕ саммари"; - Проанализировать результат скептически (как тимлид оценивает работу джуна); - Перепроверить. AI совершает ошибки. AI умеет невероятно круто врать. Оперировать кучей данных, говорить умные вещи, но при этом нести тупую мысль. Про это невероятно важно помнить.

Но при этом и невероятно важно искать возможности упростить жизнь своей команде, ускорить ее и сосредоточить на вещах, которые AI сделать не может.

▶️ AI‑агенты: 30+ кейсов в маркетинге, продукте и бизнесе 2025 в dashly — это год постоянных экспериментов с AI. У многих так же. Но вокруг AI все еще есть этот FOMO: все понимают, что это полезно, но мало кто использует его каждый день.

Для этого Макс Епифанов собрал большой крутой буткэмп, где мы разберем 30+ кейсов того, как AI ускоряет и упрощает работу команд. Это серия лайвов 15-18 декабря.

В спикерах топовые фаундеры, маркетологи и продакты: — Сева Устинов, Founder @ Elly Analytics — Дима Зборовский, AI & Science director @ Deliveroo — Константин Сухачев @ Overgear — Настя Рябова, AI Product Manager @ TripleTen — Игорь Трунин, CMO @ WhisperAI

Всех спикеров можно посмотреть на скрине 👆

Я сам буду спикерить 18 декабря. Вместе будем разбираться: — Где AI реально может ускорить вашу команду; — Как внедрять его в процессы; — Каких результатов можно достичь.

Когда: 18 декабря, 18:00 МСК

➡️ Регистрируйтесь по ссылке

Всех жду, до встречи 🔥

Как AI-агент помогает контролировать и улучшать качество встреч На прошлой неделе созванивались с head of sales одной компании. Обсуждали анализ звонков менеджеров.

Проблема: Все менеджеры работают с клиентами по-разному. И постоянно системно выпадают важные кусочки из того, как должна проходить качественная встреча.

Качественная встреча состоит из 3 блоков: 🔵 Discovery — выявление потребностей; 🔵 Презентация решения; 🔵Отработка возражений и закрытие в следующий шаг.

В каждом блоке есть критичные моменты, которые надо проанализировать, насколько качественно их реализует менеджер.

Как мы делали это раньше У нас был отдельный менеджер, который занимался только этим: - Слушал записи встреч; - Анализировал по блокам; - Проводил ролевки для подготовки; - Ставил оценки от 1 до 10 по каждому блоку; - Давал обратную связь команде.

Это работало, но было очень затратно. На потоке делать это без инструментов или отдельного человека — очень сложно.

Как это делается сейчас с AI Сейчас эту задачу можно делегировать AI-агенту: 1. Берет запись встречи; 2. Транскрибирует ее; 3. Вытаскивает ключевые блоки (discovery, презентация, закрытие); 4. Анализирует каждый блок; 5. Ставит оценку по критериям; 6. Записывает результаты в Google-табличку.

Итог: head of sales получает готовую аналитику качества встреч и промптов. Остается анализировать паттерны и давать фидбек команде.

Как это помогает команде в целом: *️⃣ Системный контроль качества продаж; *️⃣ Масштабируемость — можно анализировать 100% встреч, а не выборку; *️⃣ Объективность — AI не устает и оценивает по одним критериям; *️⃣ Скорость обратной связи — результаты сразу после встречи.

Никаких отдельных менеджеров. Никаких часов на прослушивание. Ну кайф же?

Еще немного про Notion‑агента для продукта: что внутри моего шаблона для PBR Я итерационно подходил к сбору правил для AI агента. Чтобы он собирал описание фичи по моим требованиям и криетриям. Вот что сейчас в темплейте:

Что включено в темплейт: 🔵 Feature Info: название, цель/метрика, проблема, сформулированная в одно предложение, Epic/OKR, Tier, статус, owner, ссылки на ресерч и созвоны. 🔵 User & Product Context: проблема и JTBD, "почему сейчас", базовое → целевое значение метрики и как измеряем. 🔵 Design Flow: user story flow "триггер → действие → реакция системы → исключения → финал". Без UI, только логика. Прототип - отдельной ссылкой. 🔵 PBR Summary: два раздела — что делаем и от чего сознательно отказываемся. 🔵 Test cases: happy path, edge, negative.

Как я собираю бриф вместе с AI агентом Notion: 1) Даю агенту краткий промпт: проблема, гипотеза ценности, целевая метрика, ограничения. 2) Агент расписывает структуру по темплейту, вытягивает JTBD и формулирует Main result. 3) Генерит черновые test cases из user story flow. 4) Я добавляю фактуру: базовые числа, ссылки на звонки/исследования, известные исключения.

Я вчера был на реюнионе ФИзТеха в Белграде. Абалденный движ. Жаль что я только как спикер приезжал на один день. Потому что самые классные разговоры происходят как обычно по вечерам)) Но и в течении дня было несколько глубоких бесед, класс, как я люблю.

Меня пригласили рассказать про AI агентов. Я рассказывал как использую Notion как гипреагента:) со всем контекстом о продукте и нашей работе.

Тут расскажу по частям. Постарасюсь в итоге дать какие-то темплейты и правила для примера.

Вот первый юзкейс - Продуктовый Перед Product Backlog Refinement нужно расписать фичу: JTBD, user flow, test cases, edge cases.

Обычно это 2-3 часа работы продакта.

С Notion AI: - Описываю проблему в 3 предложениях - AI генерирует полный PBR-документ по шаблону - Я правлю только специфику

Итого: черновик за 20 минут вместо 2-3 часов. На встречу прихожу с готовым документом, обсуждаем по делу.

Пример: фича «определения MQL по данным пользователя» — полный PBR с user stories, test cases и scope был готов за 25 минут.

В скриншоте пример что мне подготовил Агент по это задаче.

AI‑агенты с поведенческими данными = контекст с первой реплики Я уверен, что вся мощь агентов раскрывается, когда они обладают контекстом. И чем более качественный контекст, тем лучше работают агенты.

Сейчас мы запустили для теста фичу, которая прокачивает диалоги AI агентов. Назвали ее get lead data.

Что она делает: *️⃣ Автоматически подхватывает профиль лида из CDP/CRM в момент старта диалога; *️⃣ Подтягивает историю действий на сайте и воронке: какие страницы смотрел, оставлял ли заявку; *️⃣ Добавляет атрибуты пользователя и компании: имя, email, телефон, бюджет, локация, язык, браузер и т.д.; *️⃣ На основе этого агент квалифицирует и отвечает релевантно, без повторяющихся вопросов.

Как это помогает клиенту *️⃣ Меньше лишних уточнений по известным полям → чище опыт, выше конверсия в квалификацию/встречу *️⃣ Зная контекст пользователя, AI агент закрывает больше вопросов самостоятельно, не переключая на поддержку; *️⃣ Больше диалогов за счет более персонализированных вовлекающих сообщений.

Пока следим, как агент использует эту фичу в диалогах, собираем результаты. А примеры диалогов с get lead data можно посмотреть на скринах 👇

Вообще, это только первый эксперимент с тем, чтобы кормить агентов данными. Постепенно расширяем юзкейсы использования данных агентами. И более качественно собираем профили для них.

Нужна ваша помощь

Слушайте, столько всего происходит прямо сейчас в нашем стартапе Dashly, что я теряюсь о чем именно рассказывать.

Списком перечислю. Может быть, вы подскажете, что рассказать в первую очередь.

1. Кейсы с цифрами и результатами, которые явно показывают перфоманс входящей воронки построенной на агентах.

2. Дашборды и сквозная аналитика от заявок до продаж. Горжусь что мы свели наши отчеты так, что они сходятся в плоть до каждого лида с данными клиентов. Дашборды и сквозная аналитика, которой можно верить.

3. AI агенты, которые пользуются данными о поведении пользователей на сайте.

4. Evals. Это тема на несколько постов. О том как измерять черную AI коробку. И почему я фрустрирую и стресую без эвалов:))

5. Первый шаг к фандрайзингу.

6. AI агенты в Notion. Как оптимизировать работу команды и кратно ее ускорить?

7. Мой мини курс по AI агентам (абалдеть, дожили).

8. Почему Call to action "забронировать заявку" это плохо!?

https://blog.google/products/gemini/gemini-3/

🧠 AI-агенты: как закрыть дыры инбаунд-воронки и удвоить пайплайн, решив проблему №1 Я в этом канале много пишу про AI-агентов, в работе почти каждый день тестирую их, правлю промпты и прочее. А в пилотах напрямую вижу, как они реально меняют процессы в командах и приносят результаты. Теперь хочу поговорить об этом детальнее. Даже целый вебинар собрал!

Что будет на вебинаре: 🔵Почему бизнес теряет до 63% лидов 🔵Как AI-агенты меняют игру в inbound-маркетинге 🔵Что такое Data-driven AI agents и зачем они нужны 🔵Реальные кейсы внедрения в IT продукте и недвижимости: — 653% ROI, — Сокращение speed-to-lead с 5 часов до секунд, — Как AI генерирует 34% лидов и 23% MQL.

🎁 Бонус: 2 промпта для маркетологов, которые помогают генерить ICP лидов.

📅 Встречаемся 18 ноября

👉 Зарегистрироваться можно через бота.

Если работаете с лидами, inbound-маркетингом или строите AI в продукте, приходите обязательно. Будет полезно.

🧠 Notion недавно зарелизил своих агентов, тестирую - ускоряю продакт менеджмент Решил собрать шаблон для PBR в разработке, чтобы ускорить подготовку и ставить задачи так, чтобы всем сразу было понятно, что делать.

Контекст: Мы с командой разработки перед тем как делать любую фичу проводим PBR. По сути, проговариваем сценарии, обсуждаем решение, смотрим подводные камни. Придумываем как реализовать фичу.

Проблема: Описание для фичи надо прописывать качественно и часть мне. А у меня времени не всегда хватает. Сценарий надо хорошо продумать, подумав про разные детали, кейсы когда что-то ломается и т.д. Ну и после PBR надо зафиксировать решение. В следующий раз пригодиться.

Смеркалось... На улице стало быстро темнеть, выходить из дома вечером не хотелось. Думаю, “надо пиграться с Агентами в Notion” :)) Сел вечером и за пару часов собрал шаблон для PBR и агента для работы с ним.

Сначала дал агенту контекст, прикрепил скрины, как у нас сейчас выглядит планирование, дал несколько правок и по итогу получил полноценный шаблон, где есть: — краткое описание сценария с JTBD описанием; — контекст — зачем нам эта фича и почему сейчас; — design flow — как выглядит дизайн и CJM; — technical scope — что конкретно делаем и как; — расчет стори поинтов; — тест кейсы

Сейчас пользуемся и тестируем как работает на проктике в процессе. Клево что я даю несколько вводных агенту по сценарию и он описывает фичу по шаблону. С этим можно идти в команду и дотюнивать до реального решения.

Пока нравится. Есть еще задумки как дальше это использовать.

P.S. Не очевидные выгоды: Агент, собирая сценарии, подсвечивает такие нюансы, о которых я не думал. Помогает глубже прорабатывать сценарий.

Такс. Я что-то давно не рассказывал что у нас с продуктом. А мы за последний месяц сильно усилились.

1. Мы запустили 3 версию ai агентов в dashly. Если коротко:

- первая была полностью из клея собранная. Промты которые в чатике как-то общаются с лидами.

- вторая - клей + палки. Был руководящий промт, который собирал диалоги из ответов qualifier агента и support агента. Мы получали неплохие результаты по квалификации лидов, по консультированию. Построили аналитику для support и qualifier агентов. Полечили самые простые болячки (например данные ответов не записывались в CDP).

ТРЕТЬЯ версия - текущая. Это уже домик из дерева. Есть отдельный агент qualifier. Есть агент отвечающий за общение. Они могут пользоваться tools-ми, чтобы выполнять дополнительные задачи.

Повзрослели;) Собираем метрики как работает новая версия агентов и развиваем для него набор инструментов. Чтобы он становился умнее и мог сам решать разные задачи.

Ничего не понятно, но что-то интересное? Я позже примеры покажу;)

Пока следующую картинку покажу:

Последние пару дней ковырялся в n8n и, честно, немного страдал... Задача была не очень сложная: обработать несколько больших баз инвесторов, отфильтровать, найти их контакты и инфу про них (для персонализации) и собрать все данные в одну табличку. Решили автоматизировать этот процесс, чтобы не делать все вручную.

Но все оказалось веселее, чем ожидалось...

— В n8n до сих пор нет встроенного инструмента web search для AI агентов. Тебе нужно подключить отдельный тул через API. Несложно, но поиск подходящего занимает какое-то время.

— Научить агента использовать этот поиск корректно оказалось еще сложнее. Как я ни уточнял промпт, мой агент так и не смог адекватно использовать серч на большом объеме данных. В итоге web search пришлось выносить в отдельный HTTP Request нод.

— Loop нод — отдельная песня. Каждый раз, когда меняешь что-то в воркфлоу, он запускается заново. Внес небольшие правки в один нод, хочешь проверить, и половина воркфлоу запускается заново. Сильно замедляет процесс тестирования.

— А Google Sheets нод в какой-то момент у меня вообще зажил своей жизнью. Удалял данные, которые трогать не должен был 🫠

В общем, чинишь в одном месте, ломается в другом.

Но воркфлоу собрали, можно заценить его на скрине. Теперь можем обрабатывать большие базы инвесторов и находить нужные контакты за пару минут 💪

🎯 Один агент — одна задача Заканчиваю тему с нашей аналитикой через n8n:) Небольшой инсайт о том, как сделать работу агентов более корректной.

Анализировать нужно МНОГО: — валидность самого диалога (полноценный ли это диалог с пользователем или спам/тест), — корректность работы AI SDR (правильно ли он определяет MQL, все ли данные собирает), — качество поддержки (помог ли саппорт агент, был ли вопрос реально решен, передал ли на человека, если нужно), — работу менеджера (включился ли он в диалог, помог ли пользователю).

Мы долго пытались засунуть это все в один огромный промпт. По итогу — ошибки, непредсказуемость, сложно и долго править.

А потом мы собрали в n8n цепочку агентов, где каждый отвечает за свой аспект: один проверяет валидность диалога, другой — работу SDR, третий — саппорт и так далее.

Теперь можно дотюнивать кусочки: поменял промпт у агента-валидатора и сразу видишь, повлияло ли это на результат. Не надо ковыряться в едином гигантском промпте.

Чем конкретнее задача у агента, тем выше качество ответа. Править и масштабировать становится в разы проще.

🕑 Как мы сократили разработку MVP фичи с нескольких недель до пары часов Помните рассказывал, как решал боль анализа наших AI агентов, с помощью воркфлоу в n8n? Хочу еще подсветить скорость.

Когда мы с консультантом разбирали эту боль с аналитикой, пришли к выводу, что наш гигантский промпт для анализа нужно разбивать на серию маленьких, чтобы повысить качество и управляемость.

Но тут возник вопрос: как это быстро проверить на практике?

Путь 1 — делать прямо в продукте: Несколько дней работы 1-2 разработчиков (а у них есть еще и текущие задачи, поэтому непонятно, когда это получится взять в работу), куча итераций, поддержка, релизы. Стоимость — 500к–1 млн рублей.

Путь 2 — собрать то же самое в n8n.

Мы собрали MVP «аналитики диалогов» всего за пару часов — без кода, без релизов. Теперь поэтапно дотюниваем промпты, чтобы улучшить качество аналитики, добавляем новые аспекты анализа. Потом это можно будет перенести в продукт.

По итогу: — меньше кода, — быстрее эксперименты, — проще масштабировать AI внутри продукта.

Ну кааааайф же:)

Клевую таблицу развития AI продуктов нашел

Тут ее оставлю

Как я победил диктовку на Mac (и заплатил дважды 😅)

Давно хотел нормально диктовать текст. Стандартный голосовой ввод на Mac — полный треш. Он не ставит запятые, не понимает точки, и всё превращается в одно бесконечное предложение без дыхания и надежды.

Решил подключить Whisper. Скачал, установил, купил Pro-лицензию на год. Думаю — всё, сейчас буду как человек диктовать посты в Telegram. Но нет. Диктовать можно… только внутри самого Whisper, а не, например, вот так — в Телеграме.

Начал разбираться. Говорил с GPT, с Севой Устиновым — он говорит:

«Купи Pro Account». А я такой: «Так я купил! 😤»

Долго не понимал, почему у меня нет функции Dictation. Благодаря Антону Жвакину всё встало на свои места: если покупаешь Whisper в App Store — этого раздела нет. Нужно покупать на официальном сайте. Веб-версия — с Dictation, App Store — без.

Бдыщ! Ну как так вообще?

В итоге я заплатил дважды. Зато теперь всё работает, знаки препинания ставятся сами, а я кайфую и диктую этот пост голосом. Немного подправить — и идеально.

Ссылка: https://goodsnooze.gumroad.com/l/macwhisper

Как мы заменяем код на no-code решения

Вчера провели воркшоп по N8N. За 2 часа собрали workflow для персонализированных писем на основе LinkedIn.

Моя гипотеза: насмотренность команды = скорость продукта. Чем больше инструментов знаем, тем быстрее находим решения.

По итогам воркшопа хочу чтобы на каждом PBR мы спрашивали: "А нужен ли здесь код или можно N8N (или другое решение)?"

Результат в карусели.

А вы видели что у Google тоже появился AI Mode?

Я некотрое время пользуюсь Comet (от Preplexity) как поиском. Прочувствовать его на вкус.

Если вы ещё нет, то пора бы уже да.

Начал я наполнять Cursor всем своим содержанием. Целями, проектами, итогами встреч. Получается оч прикольно.

Но буквально на днях Notion выкатил своих агентов. И выглядит это невероятно интересно. Смешно, что я именно так и воспринимал Cursor: Notion + AI агенты. И вот, ноушн их сделал.

Еще раз. Почему мне от этого очень кайф: Весь контекст обо мне, моей работе, задачах, проектах, целях - в одном месте. И агент видит эти данные. Опираясь на них, общается со мной, решает мои задачи. Левелап!

Посмотрите: https://www.youtube.com/watch?v=R1cF4T4lgI4

Я сейчас пробую Cursor как личного AI агента для всех задач. - собирать фичи в продукте - планировать рабочую неделю - планировать и собирать детали релокации - собирать саммари встреч и фолуапы, таски - и т.д.

Ну то есть вообще не для програмирования. У меня к Chat GPT был такой же запрос, но у него не хватало контекста обо мне. Чуть чуть в инструкции скармливал ему описаний. Но этого систематически мало.

В Cursor постоянно пополняется база знаний обо мне. И это и есть ключевое преимущество! Он умеет все данные над которыми я работал собрать воедино и использовать их как контекст для следующей задачи.

Это Сева Устинов поделился как он использует Cursor и меня пробило. Ровно те же мои старания в PGT, но на стероидах и интеграциях через API.

Чтобы вы как-то визуализировали:

Пример планирования спринта и резюме, которое только что себе зафиксировал, на скриншоте.

НО! (см следующий пост)