Демо-кейс · AI Pipeline · Февраль 2026
SmileClinic — полный пакет КП за 6 минут
Меня часто спрашивают: «А что конкретно AI может сделать для моего бизнеса?» Вместо долгих объяснений я собрал ответ, который можно подержать в руках: один запуск пайплайна — и готовый пакет коммерческого предложения.
// Сценарий — и почему он выдуман честно
SmileClinic — типичная стоматологическая сеть: 3 клиники, 15 врачей, 3000+ активных пациентов, конкуренция на плотном городском рынке. Такой профиль я видел у реальных клиентов не раз — поэтому сценарий реалистичный, но сам клиент выдуман, и это сказано прямо.
Демо отвечает на конкретный вопрос: если взять типичный бизнес и прогнать его через AI-pipeline — что именно получится на выходе и сколько это займёт?
// Как я думал над задачей
КП — это не «текст». Это пакет: досье на клиента, документ, слайды для встречи и страница, которую можно отправить. Вручную такой пакет собирает несколько человек за несколько дней. Значит, задача для пайплайна — не «написать текст», а пройти всю цепочку за один запуск.
Поэтому под капотом — Claude Code с кастомным skill: агент сам делает OSINT-разведку (сайт, новости, LinkedIn ЛПР, вакансии), собирает досье, генерирует персонализированный текст, рендерит PDF и слайды, собирает лендинг с аналитикой.
Всё за один запуск — без переключений между платформами.
// Что выдаёт один запуск — 5 артефактов
Сайт, новости, профили ЛПР, вакансии — собраны и структурированы.
Боль клиента, процесс, метрики, цены, FAQ — персонализировано под досье.
Готов к отправке, с вёрсткой — без дизайнера.
Сгенерирована через Gemini из текста КП.
Отдельная страница предложения + Umami, чтобы видеть, открывали ли.
// Stack
| Layer | Инструменты |
|---|---|
| Orchestration | Claude Code (Sonnet 4.6) + кастомный skill |
| OSINT | Веб-разведка: сайт, новости, LinkedIn ЛПР, вакансии |
| Текст КП | Claude — 205 строк: боль, процесс, метрики, цены, FAQ |
| Document gen | Puppeteer (PDF), Gemini 2.5 (слайды) |
| Landing | Статический лендинг + Umami аналитика |
| Hosting | Cloudflare Workers + R2 для хранения PDF |
// Что предлагает само КП — цифры из сценария
Сгенерированное КП предлагает типичной клинике проект на 142 000 грн с расчётной окупаемостью ~3 місяці. Логика внутри КП:
- 2 администратора на рутине — это ≈ 432 000 грн/рік;
- AI-агент забирает ~60% рутинных обращений;
- записи в нерабочее время — ещё ≈ +50 000 грн/міс потенциальной выручки.
Важно: это проекция для демо-сценария, а не отчётность реального клиента. Смысл демо — показать глубину проработки, которую pipeline выдаёт за 6 минут.
// Что пошло не так — lessons learned
Первые версии pipeline генерировали слишком generic тексты. Понадобилось несколько дней итераций промптов и структуры skill, чтобы результат был на уровне живого маркетолога. «6 минут» — это после доработки, а не с первой попытки.
Больше всего времени съела не генерация, а структура. Пока skill не получил чёткий формат КП (боль → процесс → метрики → цены → FAQ), выходил красивый, но пустой текст.
// Реакция
Пост про это демо собрал 12 000+ просмотров и десятки комментариев в Facebook — преимущественно с одним вопросом: «а можно так для нас?». Можно — см. FAQ ниже.
// FAQ
Это реальный клиент? +
Нет, и это сказано прямо: SmileClinic — демо-сценарий типичной стоматологической сети (3 клиники, 15 врачей, 3000+ пациентов), собранный, чтобы показать pipeline на реалистичных данных. Реальны здесь сам pipeline и всё, что он сгенерировал.
Что именно реально в этом кейсе? +
Пайплайн и артефакты. Один запуск Claude Code с кастомным skill за ~6 минут выдаёт: OSINT-досье на компанию, текст КП на 205 строк (боль, процесс, метрики, цены, FAQ), PDF-документ, презентацию на 6 слайдов и лендинг с аналитикой. Построение самого пайплайна заняло несколько дней итераций.
Откуда цифра 142 000 грн? +
Это бюджет, который предлагает само сгенерированное КП для типичной клиники из сценария. Расчёт внутри КП: 2 администратора ≈ 432 000 грн/рік, AI забирает ~60% рутины, записи в нерабочее время ≈ +50 000 грн/міс. Отсюда расчётная окупаемость ~3 місяці. Это проекция для сценария, а не отчётные цифры клиента.
Почему Claude Code, а не ChatGPT или Make.com? +
ChatGPT — хорош для разовых промптов, но без агентной логики. Make.com — окей для простых цепочек (форма → email), но «задыхается» на сложных branching. Claude Code позволяет писать кастомные skill-ы: один запуск прогоняет OSINT, генерирует текст, рендерит PDF/слайды — всё детерминированно.
Можно ли собрать такое для моего бизнеса? +
Да — в этом и смысл демо. Pipeline собирается под ваш процесс и ваши документы. Стратегию и архитектуру строим вместе со мной, внедрение ведёт команда Auspex или Grow2.ai.
Автор кейса
Андрей Марьясов
AI-консультант, основатель Auspex (CRM-автоматизация) и Grow2.ai (AI-агенты + community). 25+ лет в автоматизации бизнеса: учёт → CRM → AI. Строю AI-стратегию для владельцев и команд; внедрение веду через собственные бренды.
// Другие кейсы
// Вывод
Построение пайплайна заняло несколько дней доработки. Но теперь каждое следующее КП собирается за те же 6 минут: разовая инженерная инвестиция — и дальше процесс работает без человеко-дней.
Такие пайплайны в реальных проектах строят Grow2.ai (AI-агенты) и Auspex (CRM-автоматизация). Стратегию я строю лично — внедрение ведёт команда соответствующего бренда.
Интересно, где AI даст рычаг именно вам?
Начнём с разговора о вашей ситуации. Стратегию строим вместе, внедрение — через Auspex или Grow2.
Личный advisory →