Хочете будувати майбутнє AI? Забудьте про код. Станьте експертом!
“Уявіть собі кухаря, якому доручили приготувати борщ, але він ніколи не куштував його і навіть не знає, як він пахне. Ось так багато людей намагаються створювати AI, не розуміючи суті проблеми, яку потрібно вирішити.”
Привіт, друзі! З вами Кейсі Байт, і сьогодні ми поринемо у світ, де технології перетинаються з реальністю, і де, як виявилося, не завжди важливо глибоке знання коду. Минулого тижня я мав нагоду поспілкуватися з Тіною Вонг – справжнім гуру, яка пройшла шлях від провідного спеціаліста з даних до розробника та творця AI-систем. Знаєте, що мене вразило найбільше? Її ключова думка: найкращими творцями AI-рішень найближчого майбутнього стануть не ті, хто найкраще розбирається в технічній стороні, а ті, хто є найкращими маркетологами, продавцями та бізнесменами.
Звучить парадоксально? Я теж так подумав спочатку! Але Тіна пояснила це так, що я зрозумів: це не просто нова технологія, яка змінить світ, це насамперед зміна самого підходу до її використання. І сьогодні ми разом розберемося, як використати ваші глибокі знання у будь-якій сфері та створити потужні AI-рішення, які реально вирішують ваші проблеми та масштабують ваш досвід. Готові? Тоді заварюйте каву, влаштовуйтеся зручніше, адже ми вирушаємо у захопливу подорож!
Розділ 1: Від даних до реальних рішень: з чого почати?
Тіно, дякую, що приєдналася! Твій шлях – це чудовий приклад того, як можна успішно трансформуватися. Ти пройшла шлях від роботи з даними, до науковця з даних, а тепер – творець, підприємець, та ще й вчиш світ будувати дивовижні AI-воркфлоу. Розкажи, які AI-воркфлоу зараз найактуальніші, або які ти будуєш для компаній? Яка картина, так би мовити, “на землі”?
Тіна: Дякую! Знаєш, найцікавіше, що найкорисніші воркфлоу – це часто не найкрутіші, найфантастичніші.
Я (Кейсі): Так, це точно! Як з винаходами. Іноді найкориснішим є той, що просто вирішує дрібну, але надокучливу проблему.
Тіна: Саме так. Ми можемо створювати космічні роботи, але найчастіше людям потрібні… звіти.
Я: (Сміється) Це так ідеально!
Тіна: Так! Отже, один з найпопулярніших запитів – це автоматизація створення звітів. Компанії мають дуже специфічні вимоги до своїх звітів, які надсилають інвесторам, партнерам, різним зацікавленим сторонам. Це надзвичайно важливий, але часто рутинний процес, який чудово піддається автоматизації за допомогою AI.
Другий напрямок – це customer service (обслуговування клієнтів).
Я: О, це зрозуміло. Мається на увазі обробка листів, запитів?
Тіна: Так. Наприклад, люди надсилають запити на відписку від послуги. Зазвичай компанія має шаблонну відповідь, яка пропонує знижку. Але проблема в тому, що ці пропозиції дуже загальні. “У мене конкретна проблема,” – каже клієнт, а йому у відповідь – “Ось вам 10% знижки”. Це не викликає відчуття, що тебе почули. Рівень відписок залишається високим, а ми знаємо, наскільки дорого залучати нових клієнтів. Подібна ситуація і з email-маркетингом: коли ви вже залучили людей, ви не хочете їх втрачати. AI тут просто незамінний, адже більшість запитань – це одні й ті самі питання, які не потребують втручання людини. “Як увійти в систему?”, “Я забув свій пароль?” – ці речі AI може обробляти чудово.
Розділ 2: Ваш особистий AI-щоденник: знаходимо рутину, яку треба автоматизувати
Я: Значна частина моєї аудиторії – це люди, які люблять AI, знають LLM, але, можливо, ще не дуже добре орієнтуються в інструментах для побудови AI-воркфлоу. З чого почати? Які найпопулярніші інструменти для цього, і як взагалі вибрати, з чого почати будувати свій перший воркфлоу?
Тіна: Мені подобається, як ми це формулюємо: “З чого почати?”, а не “Давай я щось збудую, а потім подивлюсь, де воно пасуватиме”. Це, мабуть, головна проблема людей. Перше, що потрібно зробити, – це карта власного робочого процесу, тобто свого людського процесу. Зазвичай, є речі, які ви робите повторювано.
Я: Дуже добре сказано! Повторювані завдання.
Тіна: Так. І це має бути низькоризикове завдання. Якщо справа високого ризику, краще не ризикувати. І ще один момент, який я завжди раджу пам’ятати: що добре вміє AI? AI доступний 24/7, він надзвичайно послідовний, вміє робити одні й ті самі речі без втоми. І, звичайно, персоналізація. Де персоналізація може зробити найбільшу різницю?
Я: Це дуже слушна думка! Тобто, по суті, дивишся на свій календар, знаходиш ті блоки роботи, які повторюються, і думаєш: “Ось це я роблю щовівторка, ось це – щочетверга, ось це – щодня”. Але я б пішов ще далі, Тіно. Я думаю, можна просто записати свій екран під час виконання такого завдання, яке займає, скажімо, годину, і потім завантажити це відео в Gemini 3, який може аналізувати до години відео. І просто запитати: “Ось моя година роботи. Що з цього я можу автоматизувати за допомогою AI? Скільки часу я зможу заощадити?”. Записуючи те, що ви робите зазвичай, ви отримуєте від LLM дійсно класні пропозиції щодо того, як можна бути набагато ефективнішим.
Тіна: Ого! Це чудова ідея! Знаєш, я мушу це записати. (дістає ручку, записує) Дякую тобі за це!
Я: (Сміється) Я просто одержимий аналізом відео від Gemini 3. Це неймовірно! Він настільки добре розуміє, що відбувається на екрані.
Тіна: Це геніально. Я записала. Впроваджу і дам знати, як пішло.
Я: Будь ласка, поділися результатами! Я теж хочу побачити.
Цікаво знати: Продуктивність AI-агентів залежить не тільки від самого інструменту, а й від якості ваших промптів. Навіть найкрутіший агент буде працювати погано, якщо ваші інструкції йому нікудишні.
Розділ 3: Магія n8n: як врятувати клієнтів від відписки за допомогою AI
Я: Гаразд. Будувати AI-агенти – це круто, але якщо ваші промпти – сміття, то й агенти будуть сміттям. Це реальність. Все залежить від того, як ви даєте команди. Тіна підготувала чудовий посібник з Prompt Engineering. Там є саме ті техніки, які допоможуть вам створювати промпти, що змушують ваші AI-агенти працювати. Обов’язково завантажте його – QR-код або посилання в описі. А тепер повертаємося до шоу!
Я: Отже, ми знаємо, що ти багато чого будуєш. І я знаю, що в тебе є агент і воркфлоу, який ти хочеш нам показати. Можливо, почнемо з нього? Розкажи, що це, як ти його створила, яку проблему він вирішує. Покажи нам, як компанія могла б підійти до вирішення такої проблеми.
Тіна: Звісно. Отже, проблема така: коли люди купують продукт на основі передплати, доволі часто вони надсилають листи з проханням скасувати підписку. Компанія, яку я маю на увазі, мала такий стандартний потік: клієнт просить відписатися, а їм у відповідь – пропозиція знижки. Але, як ми вже говорили, це дуже загальна пропозиція. “Я маю конкретну проблему, а мені – 10% знижки”. Це не персоналізовано, і рівень відписок залишався високим. А ми ж знаємо, що залучення клієнтів – це дорого. Тож, ми не хочемо їх втрачати.
Я: Це актуально для будь-якого бізнесу: чи то підписка, чи email-маркетинг. Коли ви вже залучили людину, вона цінна.
Тіна: Тож, головна проблема, яку ми намагаємося вирішити: як запобігти відтоку клієнтів, не вигадуючи складних планів та не залучаючи величезну команду? І тут AI – чудовий вибір. Пам’ятаєте три речі, в яких AI сильний? Доступність 24/7, послідовність, і, власне, персоналізація. Ось де персоналізація відіграє величезну роль.
Я: Вау, це справді величезна перевага.
Тіна: Так. Людям важливо відчувати, що їх чують. І ось тут на допомогу приходить AI-агент. Він аналізує отриманий лист від клієнта, ідентифікує проблему, а потім пропонує йому певну знижку чи бонус, який відповідає саме цій проблемі. Наприклад, якщо клієнт скаржиться на складність онбордингу, агент може запропонувати безкоштовний доступ до певного навчального модуля, який пояснює користування продуктом. AI-агент відповідає на лист, створюючи у клієнта відчуття, що його почули, і пропонує саме те, що йому може допомогти залишитися.
Я: Це саме те! Клієнт відчуває, що його проблему не залишили поза увагою.
Тіна: Саме так. І, звісно, завжди має бути “запасний вихід”. Якщо агент не впевнений, як діяти далі, він може ескалювати проблему до реальної людини.
Я: Цей короткий вступ просто насичений корисними порадами! Контекстно-залежні знижки, цінність персоналізації від AI. Це не просто вирішення рутинної проблеми 24/7, а й можливість робити це краще, ніж людина, з точки зору швидкості та масштабу.
Тіна: Абсолютно! Швидкість, доступність і персоналізація – це те, чого людина досягти не може.
Я: Чудово! А на якій платформі ти будувала це? Ми вже говорили про n8n, Gumloop – це популярні інструменти для AI-воркфлоу, чи не так?
Тіна: Так, це n8n. Ось, дивіться, це наш воркфлоу в n8n. Тут у нас є приклади листів від клієнтів, які хочуть скасувати послугу, і причини, з яких вони це роблять: зменшення розміру команди, складний онбординг, проблеми з підтримкою тощо. А тут – приклади пропозицій, які ми підготували заздалегідь.
(Демонструє екран)
Тіна: Зазвичай, цей воркфлоу запускається автоматично, коли надходить новий лист. Але для демонстрації ми запустимо його вручну. Ось, воркфлоу успішно виконано. Переходимо до логів аудиту. Тут ми бачимо чернетку листа.
(Читає) “Привіт, Катерино! Ми розуміємо, що процес онбордингу був для тебе складним, і почати було непросто. Щоб покращити твій досвід, ми пропонуємо тобі безкоштовний двотижневий пробний доступ до нашого додаткового інструментарію для інженерів. Використай промокод ENDTRIAL під час оформлення замовлення, щоб активувати пробний період. Ми заохочуємо тебе скористатися цією можливістю…”
Тіна: Як бачите, це звернення дуже специфічне для Катерини, яка мала проблеми саме з онбордингом та інженерним інструментарієм. І це саме те, що ми хочемо отримати – таргетну пропозицію, яка, сподіваємося, допоможе їй не скасувати підписку.
Я: Це просто чудово! Але скажи, скільки часу займає створення чогось подібного? Я знаю, що ми вже показували n8n, і деякі люди думають: “Ой, це складно, заплутано. Як взагалі до цього підступитися?”. Скільки часу зайняло створення саме цього агента, після того, як ви визначили, що саме потрібно робити?
Тіна: Гарне запитання! Скільки ти раніше мав досвіду з цим, коли створював?
Я: Багато. Дуже багато. Але я думаю, якщо людина присвятить кілька годин на тиждень протягом кількох тижнів, вона може досягти хорошого рівня володіння основними навичками. А коли ці навички освоєні, таке, як ти показала, можна зробити за кілька годин.
Тіна: Саме так. Ми проводимо наш AI Agent Boot camp – 28-денну програму. І наприкінці учасники можуть створити такі воркфлоу приблизно за кілька годин.
Я: І скільки часу ці люди витрачають протягом 28 днів?
Тіна: В середньому, 4-6 годин на тиждень.
Я: Тобто, по суті, ми говоримо про годину на день протягом місяця, щоб отримати базову впевненість у побудові реальних бізнес-воркфлоу? І це, скоріш за все, пов’язано не тільки з самим процесом побудови воркфлоу, а й з аналізом ваших власних даних та систем. Це правильно?
Тіна: Так. Це приклад з n8n. Я взагалі вважаю, що не варто надто прив’язуватися до конкретних інструментів. Якщо ти розумієш фундаментальні принципи побудови, ти можеш використовувати будь-які інструменти – і no-code, і code. Я тому й не зосереджуюся на інструментах. Головне – це основні компоненти побудови агента. Вам потрібні певні елементи, вам потрібна оцінка (evaluation), і вам потрібне тестування. Це фундаментальні речі. А потім ви просто застосовуєте їх до будь-якого інструменту.
Розділ 4: Анатомія “бургера”: основні компоненти AI-агента
Я: Перш ніж ми підемо далі, можеш трохи детальніше розповісти про ці фундаментальні кроки? Я думаю, більшість людей не знає про оцінку, про ці основні етапи. Ти, по суті, даєш нам дорожню карту, незалежно від того, який інструмент обрати, які компоненти мають бути в будь-якому процесі?
Тіна: Так, це дуже важливо. Що потрібно враховувати, перш ніж почати будувати агента? Я люблю використовувати аналогію з бургером. Ти можеш мати різні інгредієнти: булочка, овочі, котлета, соуси. Але якщо чогось бракує – це вже не бургер, а шматок хліба чи дивний сендвіч.
Так само і з агентами. Є певні характеристики, які він має мати, щоб вважатися агентним воркфлоу. Інакше будуть проблеми. Але при цьому, компоненти можуть бути різними, залежно від того, що саме ви будуєте і які у вас обмеження.
Мені дуже подобається фреймворк OpenAI щодо компонентів агента.
- Велика мовна модель (Large Language Model – LLM): Це основа. Без неї ніяк. Але тип LLM може відрізнятися.
- Інструменти (Tools): Які інструменти надати вашому агенту для виконання завдань?
- Знання та пам’ять (Knowledge and Memory): Які бази даних йому потрібні? Коротка чи довга пам’ять? Чи є обмеження щодо приватності?
- Аудіо та мова (Audio and Speech): Багато сучасних агентів мають такі компоненти, що може бути дуже корисним.
- Запобіжники (Guardrails): Це те, що агент не повинен робити.
І окремо, поза кадром, але дуже важливі: Оцінка (Evaluation), Тестування (Testing) та Розгортання (Deployment). Остання пара – це те, що люди часто нехтують. Адже як ти дізнаєшся, наскільки твій агент добрий, якщо не тестуєш його? Тому оцінка – це інша половина роботи. Ви маєте створити систему оцінок, щоб переконатися, що агент поводиться належним чином. Ви ж не хочете, щоб ваш агент підтримки клієнтів “зламався” і почав говорити щось зайве, чи не так?
Я: Це надзвичайно корисно! Аналогія з бургером – чудова, щоб зрозуміти, що це основні елементи, які потрібні для побудови агента або AI-воркфлоу.
Тіна: Саме так. Я щиро раджу всім: перш ніж почати будувати, подумайте. Спочатку визначте проблему. Потім переконайтеся, що ви охопили всі ці компоненти. І, особливо, щодо оцінки: що таке успіх для вашого агента, і як це перевести в метрики, які можна виміряти? Чудово, що багато платформ, як-от n8n, мають прості оціночні інструменти. Але навіть якщо ви почнете з п’яти базових оцінок – це вже набагато краще, ніж нуль.
Я: І далі ви повертаєтеся до свого промпту, щоб його покращити, чи не так? Тобто, у вас є стандарт того, як має виглядати вихід, і чи постійно вихід відповідає цьому стандарту?
Тіна: Це чудове формулювання. Так. Оцінки – це коли на певний вхід ви очікуєте певний вихід. Чи робить агент те, що має робити? Наприклад, якщо у вас математичний AI-агент, і ви запитуєте “2+2”, а він відповідає “5”, це провалена оцінка. Таким чином, ви можете кількісно виміряти, де і чому він зазнає невдачі, і покращувати його результати. Інакше ви просто вгадуєте.
Я: Обожнюю це! Це справді дуже корисно. Ми пройшли багато тем: від використання AI та агентів для вирішення проблем, а не просто заради технології, до документування повторюваної роботи. Ми також обговорили, як будувати агентні воркфлоу, що таке “ідеальний бургер” AI-агента, і ви чудово продемонстрували, як створити базового агента для утримання клієнтів.
Щоб завершити наш епізод, чи є щось ще, що, на твою думку, є обов’язковим до знання в цій сфері? Тіно, ти ж постійно навчаєш людей будувати воркфлоу. На що ще людям потрібно звернути увагу, коли вони починають?
Розділ 5: Коронний прийом: domain expertise – ваш найкращий актив
Тіна: Domain Expertise (експертиза в предметній області). Це зовсім не специфічно для AI. На мою думку, люди, які будують найцінніші агентні системи, – це не завжди інженери. Це люди, які мають глибоку експертизу у своїй галузі. Наприклад, ми маємо цікаві випадки з людьми, які займаються боротьбою зі шкідниками, або працюють у юридичних фірмах, бухгалтерії, або займаються розробкою ліків.
Я: Це так логічно!
Тіна: Так! Глибока експертиза – це найцінніша річ для побудови агентного воркфлоу. Адже це безпосередньо впливає на вашу здатність оцінювати агента. Як я, технічна людина, яка нічого не знає про боротьбу зі шкідниками, можу будувати агента для цієї сфери? Я навіть не знаю, що оцінювати! Я не знаю, чи правильно він робить свою роботу, чи взагалі правильний напрямок я обрав, бо не знаю, як виглядає робочий процес фахівця зі шкідників.
Але людина з глибокою експертизою, яка до того ж розуміє основи роботи агентних систем – це надзвичайно потужна комбінація. Знову ж таки, ті, хто проходить наш буткемп, вони вчаться технічній стороні, адже інструменти зараз дуже доступні. Вам навіть не завжди потрібно вміти кодувати. Але що дійсно потрібно – це глибока експертиза в тому, що ви будуєте.
Я думаю, це найважливіше. Усі, з ким я спілкуюся: менеджери, керівники продуктів – всі кажуть: “Менеджер продукту майбутнього – це глибокий експерт у своїй галузі, який хоче будувати технології навколо цього”. Це не той, хто глибоко розуміє технології і намагається навчитися галузі, як це було останні 30-40 років. Це величезна зміна.
Тому, якщо ви дивитеся це, і ви – експерт у своїй галузі, в маркетингу, в побудові компанії, ви вже маєте найважливішу навичку для успіху в епоху AI – глибоке розуміння проблеми та її вирішення, щоб потім будувати правильних агентів чи воркфлоу.
Я: Абсолютно! Мені подобається, як ти це сформулювала. І це ж цікаво, адже раніше вся влада була в руках інженерів, технічних спеціалістів. А тепер це так… весь ваш час, який ви присвятили певній галузі, тепер можна перетворити на величезний потенціал, просто додавши трохи технологій.
Тіна: Не можу не погодитися.
Я: Ми залишимо цей епізод на такій оптимістичній ноті. Я думаю, саме так кожен має усвідомити, що найкращі практики, найкращі майстри своєї справи – це й будуть будівельники майбутнього. Ми дали вам основний каркас. Звичайно, ви можете зануритися глибше, переглянути курси Тіни, її буткемп та контент. Це був лише вступ.
Тіно, дякую тобі величезне за те, що приєдналася до Marketing Against the Grain сьогодні! Ми дуже вдячні.
Тіна: Дякую, що запросили!
Я: До зустрічі наступного тижня!
Підсумовуючи все вищесказане, ми переконалися, що майбутнє AI-будівництва не за тими, хто володіє лише технічними навичками, а за тими, хто глибоко розуміє свою галузь. Це розуміння, поєднане з доступними інструментами для створення AI-воркфлоу, надає вам неймовірну силу – силу вирішувати реальні проблеми, оптимізувати процеси та масштабувати ваш унікальний досвід.
Отже, підсумуємо: епоха “інженер-центричного” підходу до технологій добігає кінця. Настає ера “експерт-центричного” AI, де ваші знання – це ваш найцінніший капітал.
Закликаємо до дії: Не бійтеся експериментувати! Визначте найрутинніші завдання у своїй роботі, спробуйте записати екран, проаналізуйте результати за допомогою LLM, та йдіть будувати своїх перших AI-агентів. Пам’ятайте про фундаментальні компоненти – LLM, інструменти, пам’ять, запобіжники, і, найголовніше, – оцінку! Відкрийте для себе силу ваших унікальних знань у поєднанні з AI. Починайте будувати своє майбутнє вже сьогодні!
