Павел Кариков больше двадцати лет занимается маркетингом, а последние четыре года работал с маркетингом и продажами в частном домостроении. К привычной профессии он решил добавить работу с ИИ: прошёл «Нейросети без границ», учился промпт-инжинирингу и вайбкодингу в Зерокодере. Во время обучения Павел собрал OfferDesk — рабочее место менеджера, которое помогает пройти путь от разговора с покупателем дома до согласованного коммерческого предложения.
Задача из знакомого бизнеса
Павел хорошо знал, как устроены продажи в строительной компании. После заявки менеджер звонит покупателю, выясняет детали и готовит коммерческое предложение. Нужно учесть участок, площадь, материал стен, сроки и финансирование. От полноты разговора зависит, получится ли подготовить подходящее предложение.
По опыту Павла, сведения часто оставались в блокноте менеджера или переносились в CRM вручную, а подготовка КП могла занимать до двух дней. Он выбрал этот участок работы для своего проекта: связать разговор, проверку исходных данных и выпуск документа в одном интерфейсе.
Первую итерацию, по словам Павла, он собрал за два дня. Примерно за десять дней получился MVP, после чего он продолжил дорабатывать продукт.
Сначала проверить разговор, затем собрать КП
В OfferDesk менеджер загружает текстовую расшифровку разговора. Сервис сопоставляет её с перечнем обязательных сведений и показывает, чего не хватает: например, площади дома, материала стен или способа финансирования.
Павел предусмотрел разные сценарии в зависимости от полноты данных. Если заполнено от 80% обязательных полей, можно переходить к генерации КП. При заполнении от 50 до 79% система показывает пропуски и предлагает вопросы для следующего разговора. Если сведений ещё меньше, менеджеру нужно вернуться к полному опросу покупателя.
Так подготовка документа начинается с проверки исходных данных. Менеджер видит конкретные пробелы до того, как коммерческое предложение уйдёт клиенту.
Утверждение остаётся за человеком
Сформированное КП получает статус черновика. В документ подставляются оформление, контакты и коммерческие условия из подготовленных материалов компании. Шаблон зависит от выбранного типа дома и способа расчёта стоимости.
Менеджер проверяет результат и при необходимости отправляет его руководителю отдела продаж на утверждение. Только согласованный документ предназначен для отправки клиенту — по электронной почте или в Telegram.
Следующий шаг тоже остаётся в системе: напоминание о звонке покупателю. Руководитель может посмотреть воронку и сделки, которые долго стоят без движения.
Что Павел делал сам
Павел формулировал требования к сервису, писал промпты, проверял интерфейс с позиции менеджера по продажам и загружал документы в базу знаний. Знание строительной ниши помогало ему оценивать результат: какие сведения действительно нужны для КП и в какой момент требуется решение руководителя.
Для разработки он использовал Cursor. В описании проекта указаны Python, Flask, SQLite, генерация PDF через WeasyPrint и отдельная версия API на Go. Для работы с текстом предусмотрены подключения к моделям OpenAI и GigaChat.
Больше всего внимания потребовали интерфейс и размещение проекта. Павел разбирался в устройстве amoCRM и Битрикс24, сравнивал подходы к рабочему месту менеджера и переделывал то, что казалось неудобным. Для демонстрации решения он выбрал VPS на Timeweb.
От разработки к показу заказчикам
Чтобы найти компании для знакомства с продуктом, Павел организовал холодную email-рассылку. С помощью ИИ он собрал контакты и подготовил обращения. Затем провёл два демо-звонка со строительными компаниями и показал работу сервиса.
По словам Павла, обсуждение внедрения дошло до согласований с подрядчиками. Для следующего этапа он рассматривает подключение рабочего места менеджера к корпоративным CRM и обмен данными с 1С — например, для использования актуальных прайс-листов и подготовки документов на основе утверждённого КП.
В результате обучения Павел добавил к своему маркетинговому опыту разработанный сервис: описал знакомый процесс продаж, собрал работающий интерфейс и вышел с ним на демонстрации потенциальным клиентам.
Описание OfferDesk на сайте Павла
Истории записаны со слов студентов и публикуются с их согласия.
Результат зависит от усилий человека и рынка и не является обещанием дохода.