Автоматизация процессов с ИИ

В основе большинства инструментов автоматизации лежит одна простая идея: «когда происходит X — сделай Y». Без единой строчки кода. X — это триггер: пришла новая заявка через форму, появилось новое письмо, обновилась строка в таблице. Y — это действие: отправить сообщение в Telegram, создать задачу, добавить строку в таблицу. Сложная автоматизация — просто цепочка из нескольких таких пар подряд.

• Zapier — самый известный и самый простой в освоении. Тысячи готовых интеграций между сервисами, настройка через понятный визуальный конструктор. Но платный тариф начинается быстро, если автоматизаций и запусков много.
• Make (бывший Integromat) — похожая идея, но интерфейс показывает всю цепочку целиком как схему, а не как список шагов. Обычно выгоднее по цене при большом количестве запусков в месяц.
• n8n — открытый исходный код и два способа работы. Есть n8n Cloud: платный, от ~20 € в месяц, и считает он запуски сценариев, а не шаги внутри них. А есть бесплатная self-hosted Community-версия, которую разворачиваешь на собственном сервере и не платишь за запуски вообще. Self-hosted требует того же уровня технической готовности, что и вайбкодинг-деплой (тема «Вайбкодинг: сайты»): нужен сервер и время на самостоятельную настройку.

Если у тебя нет технического бэкграунда, начинай с Zapier, Make или n8n Cloud. Собери в них несколько первых автоматизаций, а n8n на собственном сервере оставь на потом.

Классическая автоматизация умеет двигать данные между сервисами, но не умеет их понимать. Именно здесь полезен ИИ-шаг внутри цепочки. Не просто «переслать заявку в Telegram», а «прочитать текст заявки, определить её тему и срочность, и переслать в Telegram уже с кратким summary и пометкой приоритета». Практические примеры такого ИИ-шага:

• Извлечение структуры из свободного текста. Клиент написал заявку обычными словами, без формы с полями. ИИ-шаг превращает этот текст в структурированные данные (имя, тема, бюджет, срочность), которые дальше можно записать в таблицу или CRM.
• Классификация и маршрутизация. Входящее сообщение автоматически определяется как «вопрос по счёту», «техническая проблема» или «новый лид». В зависимости от темы оно уходит разным людям в команде, а не одним общим потоком всем сразу.
• Черновик первого ответа. Человеку не нужно с нуля писать ответ на типовой вопрос. ИИ-шаг готовит черновик по истории переписки и базе знаний команды, а человек только проверяет и отправляет. Это быстрее, чем писать с чистого листа, но решение всё равно принимает человек.
• Свод в отчёт. Раз в неделю (по расписанию, а не по событию) автоматизация собирает данные из нескольких источников: новые заявки, статусы задач, обратная связь клиентов. ИИ-шаг сводит это в читаемый текстовый отчёт, а не просто в таблицу цифр без объяснения.

No-code автоматизация хорошо справляется, пока сценарий укладывается в цепочку готовых блоков конкретного сервиса. Бывает, что логика нестандартная. Например, нужно сравнить данные из трёх источников с собственными правилами приоритета, которых нет в списке готовых блоков. Тогда проще и надёжнее не подгонять сценарий под ограничения no-code инструмента, а попросить вайбкодинг-агента (тема «Вайбкодинг: интерфейсы») написать небольшой отдельный скрипт под эту конкретную задачу. Иногда 20 строк кода решают то, что в визуальном конструкторе превращается в громоздкую и нечитаемую схему с обходными путями.

No-code автоматизация и вайбкодинг-скрипт выше решают одну и ту же задачу двумя разными способами. В обоих случаях сценарий заранее известен и повторяется: цепочка шагов настраивается один раз, а дальше просто срабатывает снова и снова. Manus — заметный пример другого класса инструментов: универсальный автономный агент. Ему не собирают заранее цепочку из блоков, а один раз ставят широкую, не разбитую на шаги задачу. «Собери отчёт по конкурентам», «сделай презентацию из этого брифа», «проанализируй эту таблицу с данными и оформи выводы». Дальше агент сам решает, какие шаги нужны: сам ищет в интернете, сам пишет и запускает код, сам собирает финальный файл. Работает он в собственной облачной песочнице (свой браузер, своя среда выполнения кода, своя файловая система). С 2026 года у Manus есть и десктоп-приложение, которое умеет работать с локальными файлами.

Практическая разница с уже описанными инструментами:

• С no-code автоматизацией. Zapier и Make настраиваются один раз и дальше срабатывают на каждый новый триггер по заранее известной цепочке. Manus не предназначен для повторяющегося сценария. Это разовая, часто сложная и не до конца формализованная задача, план для которой агент строит сам, а не человек заранее.
• С вайбкодинг-агентом. Claude Code и подобные (тема «Вайбкодинг: интерфейсы») работают с конкретным существующим проектом на компьютере пользователя и правят его файлы. Manus по умолчанию работает в собственной изолированной среде и не подключён к чужому продакшен-проекту. Это инструмент для отдельного, самостоятельного результата (отчёт, презентация, простой сайт-визитка), а не для правки существующего кода команды.

Важная особенность работы — асинхронность. Задачу можно поставить и закрыть вкладку, а не сидеть и подтверждать каждый шаг, как в обычном чате. Агент работает в фоне (от нескольких минут до значительно дольше, в зависимости от сложности задачи) и выдаёт финальный результат, когда закончит. Это файл, ссылка на сайт или ссылка на презентацию, а не просто текстовый ответ в чате. Практические сценарии для дизайнера: сводный ресёрч по конкурентам с источниками (пересекается с темой «Поиск и ресерч контента», но без необходимости самому вести диалог по шагам), готовая презентация из текстового брифа, быстрый самостоятельный сайт-визитка без похода в отдельный вайбкодинг-инструмент, анализ таблицы с данными в читаемый отчёт с выводами.

Категория подобных универсальных агентов растёт и меняется быстро, поэтому конкретные названия и возможности сверяй в моменте. Но сам принцип «одна широкая задача вместо готовой цепочки шагов» держи в голове как отдельный, третий вариант рядом с no-code автоматизацией и вайбкодинг-скриптом.

Промпт ниже подойдёт для любой чат-модели. Результат затем вручную настраивается в самом Zapier:

Напиши сценарий автоматизации в Zapier: при поступлении новой заявки через Tally-форму отправь текст заявки в Claude с промптом «извлеки из этого текста имя, бюджет и суть задачи в формате JSON», а результат добавь новой строкой в Google Таблицу

До настройки проверь две вещи. Это трёхшаговый Zap, а бесплатный Zapier допускает только двухшаговые и 100 задач в месяц: многошаговые начинаются с тарифа Professional, около $20 в месяц при годовой оплате (помесячно дороже). И шаг Claude работает через API-ключ Anthropic с пополненным балансом — подписка Claude Pro его не заменяет.

У меня заявки от клиентов приходят по email в свободной форме. Опиши цепочку автоматизации в Make, которая вытащит из письма имя, бюджет и суть задачи и запишет их в таблицу

Придумай, как автоматически определять приоритет входящей заявки (низкий/средний/высокий) по её тексту, и объясни, какой промпт для этого нужен ИИ-шагу

Собери план еженедельного авто-отчёта для команды: какие источники данных собрать, и каким должен быть промпт, который сведёт их в читаемый текст, а не просто список цифр

Сравни Zapier, Make и n8n для сценария: 10 автоматизаций, около 500 запусков в месяц — что выгоднее по деньгам и по сложности настройки. Цены бери только с официальных страниц pricing через поиск и ставь ссылку на каждую цифру

Сформулируй для Manus одну широкую задачу: собрать сравнительный отчёт по 5 конкурентам в нашей нише с источниками и оформить его в читаемую презентацию — без разбивки на отдельные шаги