Демо-кейс · AI Pipeline · Лютий 2026
SmileClinic — повний пакет КП за 6 хвилин
Мене часто питають: «А що конкретно AI може зробити для мого бізнесу?» Замість довгих пояснень я зібрав відповідь, яку можна потримати в руках: один запуск пайплайна — і готовий пакет комерційної пропозиції.
// Сценарій — і чому він вигаданий чесно
SmileClinic — типова стоматологічна мережа: 3 клініки, 15 лікарів, 3000+ активних пацієнтів, конкуренція на щільному міському ринку. Такий профіль я бачив у реальних клієнтів не раз — тому сценарій реалістичний, але сам клієнт вигаданий, і це сказано прямо.
Демо відповідає на конкретне питання: якщо взяти типовий бізнес і прогнати його через AI-pipeline — що саме вийде на виході та скільки це триватиме?
// Як я думав над задачею
КП — це не «текст». Це пакет: досьє на клієнта, документ, слайди для зустрічі і сторінка, яку можна відправити. Вручну такий пакет збирає кілька людей за кілька днів. Отже, задача для пайплайна — не «написати текст», а пройти весь ланцюжок за один запуск.
Тому під капотом — Claude Code з кастомним skill: агент сам робить OSINT-розвідку (сайт, новини, LinkedIn ЛПР, вакансії), збирає досьє, генерує персоналізований текст, рендерить PDF і слайди, складає лендинг з аналітикою.
Все за один запуск — без переключень між платформами.
// Що видає один запуск — 5 артефактів
Сайт, новини, профілі ЛПР, вакансії — зібрані й структуровані.
Біль клієнта, процес, метрики, ціни, FAQ — персоналізовано під досьє.
Готовий до відправки, з версткою — без дизайнера.
Згенерована через Gemini з тексту КП.
Окрема сторінка пропозиції + Umami, щоб бачити, чи відкривали.
// Stack
| Layer | Інструменти |
|---|---|
| Orchestration | Claude Code (Sonnet 4.6) + кастомний skill |
| OSINT | Веб-розвідка: сайт, новини, LinkedIn ЛПР, вакансії |
| Текст КП | Claude — 205 рядків: біль, процес, метрики, ціни, FAQ |
| Document gen | Puppeteer (PDF), Gemini 2.5 (слайди) |
| Landing | Статичний лендинг + Umami аналітика |
| Hosting | Cloudflare Workers + R2 для зберігання PDF |
// Що пропонує саме КП — цифри зі сценарію
Згенероване КП пропонує типовій клініці проєкт на 142 000 грн з розрахунковою окупністю ~3 місяці. Логіка всередині КП:
- 2 адміністратори на рутині — це ≈ 432 000 грн/рік;
- AI-агент забирає ~60% рутинних звернень;
- записи в неробочий час — ще ≈ +50 000 грн/міс потенційного виторгу.
Важливо: це проєкція для демо-сценарію, а не звітність реального клієнта. Сенс демо — показати глибину опрацювання, яку pipeline видає за 6 хвилин.
// Що пішло не так — lessons learned
Перші версії pipeline генерували занадто generic тексти. Знадобилось кілька днів ітерацій промптів і структури skill, щоб результат був на рівні живого маркетолога. «6 хвилин» — це після доробки, а не з першої спроби.
Найбільше часу з'їла не генерація, а структура. Поки skill не отримав чіткий формат КП (біль → процес → метрики → ціни → FAQ), виходив гарний, але порожній текст.
// Реакція
Пост про це демо зібрав 12 000+ переглядів і десятки коментарів у Facebook — переважно з одним питанням: «а можна так для нас?». Можна — див. FAQ нижче.
// FAQ
Чи це реальний клієнт? +
Ні, і це сказано прямо: SmileClinic — демо-сценарій типової стоматологічної мережі (3 клініки, 15 лікарів, 3000+ пацієнтів), зібраний, щоб показати pipeline на реалістичних даних. Реальний тут сам pipeline і все, що він згенерував.
Що саме реальне в цьому кейсі? +
Пайплайн і артефакти. Один запуск Claude Code з кастомним skill за ~6 хвилин видає: OSINT-досьє на компанію, текст КП на 205 рядків (біль, процес, метрики, ціни, FAQ), PDF-документ, презентацію на 6 слайдів і лендинг з аналітикою. Побудова самого пайплайна зайняла кілька днів ітерацій.
Звідки цифра 142 000 грн? +
Це бюджет, який пропонує саме згенероване КП для типової клініки зі сценарію. Розрахунок усередині КП: 2 адміністратори ≈ 432 000 грн/рік, AI забирає ~60% рутини, записи в неробочий час ≈ +50 000 грн/міс. Звідси розрахункова окупність ~3 місяці. Це проєкція для сценарію, а не звітні цифри клієнта.
Чому Claude Code, а не ChatGPT або Make.com? +
ChatGPT — добрий для разових промптів, але без агентної логіки. Make.com — окей для простих ланцюжків (форма → email), але «душиться» на складних branching. Claude Code дозволяє писати кастомні skill-и: один запуск проганяє OSINT, генерує текст, рендерить PDF/слайди — все детерміновано.
Чи можна зібрати таке для мого бізнесу? +
Так — у цьому й сенс демо. Pipeline збирається під ваш процес і ваші документи. Стратегію та архітектуру будуємо разом зі мною, впровадження веде команда Auspex або Grow2.ai.
Автор кейсу
Андрій Мар'ясов
AI-консультант, засновник Auspex (CRM-автоматизація) та Grow2.ai (AI-агенти + community). 25+ років в автоматизації бізнесу: облік → CRM → AI. Будую AI-стратегію для власників і команд; впровадження веду через власні бренди.
// Інші кейси
// Висновок
Побудова пайплайна зайняла кілька днів доробки. Але тепер кожне наступне КП збирається за ті самі 6 хвилин: разова інженерна інвестиція — і далі процес працює без людино-днів.
Такі пайплайни в реальних проєктах будують Grow2.ai (AI-агенти) та Auspex (CRM-автоматизація). Стратегію я будую особисто — впровадження веде команда відповідного бренду.
Цікаво, де AI дасть важіль саме вам?
Почнемо з розмови про вашу ситуацію. Стратегію будуємо разом, впровадження — через Auspex або Grow2.
Особистий advisory →