Как за 2 часа собрать AI-агента для рутины маркетолога без кода

Как за 2 часа собрать AI-агента для рутины маркетолога без кода

Реальный кейс: лид-скоринг входящих заявок с сайта. Сортирует запросы, квалифицирует, кладёт в CRM. Собрал на связке Make + Airtable + Claude. Бюджет — $0.

**Шаг 1. Определите одну задачу, которая жрёт время**

Не стройте «универсального помощника». Возьмите узкое место: классификация входящих лидов, ресайз креативов, сбор отзывов, подготовка брифа для дизайнера. Я взял лид-скоринг (оценка соответствия лида) — 40-60 заявок в неделю, каждую надо читать и решать, отдать в sales или в архив.

**Шаг 2. Сделайте таблицу с эталонными примерами**

В Airtable создайте базу на 30-50 строк. Столбцы: текст заявки, компания, должность, ваше решение (холодный/тёплый/горячий), почему так решили. Это обучающая выборка (набор примеров) и одновременно документация логики. Без неё LLM начнёт выдумывать.

**Шаг 3. Промпт (инструкция для LLM) для классификатора**

Формула: роль + контекст + критерии + формат ответа + запрет на додумывание.

Пример: «Ты маркетолог-аналитик. Получаешь текст заявки с сайта. Оцени по шкале A/B/C. A — есть бюджет, конкретная задача, контакт ЛПР (лица, принимающего решения). B — задача есть, но данных не хватает. C — спам, студент, фрилансер. Ответь только одной буквой и кратким обоснованием в 5-7 слов. Если данных мало — ставь B, не выдумывай».

**Шаг 4. Соберите связку в Make**

Триггер — webhook (автоматический приём данных) из формы сайта. Модуль HTTP-запрос к Claude API (интерфейсу доступа к модели) с промптом и текстом заявки. Парсер (разбор ответа) вытаскивает оценку. Условный маршрут: A → создать сделку в CRM + уведомить sales, B → в очередь прогрева, C → в архив. Запас по лимитам на API закладывайте x3 от пиковой нагрузки.

**Шаг 5. Тест и калибровка**

Прогоните через систему 20 заявок из вашей обучающей выборки, которых модель не видела. Сравните с вашей ручной оценкой. Расхождение больше 20% — корректируйте промпт: добавляйте примеры граничных случаев, уточняйте критерии. Обычно хватает двух итераций.

**Шаг 6. Логирование и контроль**

Сделайте отдельную таблицу «решения агента». Раз в неделю 10 минут просматривайте — ищете закономерности в ошибках. Если агент стабильно путает отрасль X — добавьте в промпт определение этой отрасли.

**Что это даёт**

Заявка обрабатывается за 40-60 секунд вместо 15-20 минут у менеджера. Hot-лиды получают ответ в течение часа, пока конкурент только открыл почту. Стоимость обработки одной заявки — доли цента.

Главная ошибка — пытаться с первой версии автоматизировать всё. Начните с одной задачи, добейтесь стабильности 90%+, потом масштабируйте. Второй агент пишется уже за 30 минут по готовому шаблону.

— @AIinMarketingRuPro