Кейс «Зерокодера»: ИИ-куратор, который экономит 600 тыс. рублей в месяц
Зерокодер
Посты
Подписчики
О блоге
Кейс «Зерокодера»: ИИ-куратор, который экономит 600 тыс. рублей в месяц
2026-06-05 17:47:19
Время чтения 11 мин
274
Сооснователь и CEO университета «Зерокодер», Кирилл Пшинник
Пока рынок спорит, заменит ли ИИ людей, мы в
«Зерокодере»
просто взяли и автоматизировали 60% клиентской поддержки. Один ИИ-куратор, вайб-кодинг, сорок часов разработки — и 600 тысяч рублей экономии в месяц. Делимся своим кейсом.
Чаще всего ИИ-ассистента в компании воспринимают как способ сэкономить на поддержке. Это правда, но лишь половина истории. В нашем случае внутренний инструмент, собранный без классической разработки, неожиданно стал работать еще и на удержание клиентов — именно там, где те обычно уходят думать и не возвращаются. Ниже разбираем, как мы к этому пришли, что конкретно сделали и какие цифры получили за восемь месяцев. Читать стоит тем, кто думает про автоматизацию поддержки или продаж, но боится долгой и дорогой разработки.
Страх разработки и как мы его обошли
Классическая разработка кажется слишком долгой и дорогой, поэтому многие компании годами терпят ручную рутину вместо того, чтобы автоматизировать ее. Мы в
«Зерокодере»
решили зайти с другой стороны через отдельный контур вайб-кодинга.
Вайб-кодинг — это метод написания кода, при котором разработчик описывает желаемое на естественном человеческом языке, а нейросеть превращает техническое задание в работающий код.
Принципиальное решение, которое мы приняли на старте: начинать не с клиентских продуктов, а с внутренних задач — аналитики, CRM, обработки данных и сервисов для команды. Логика простая: внутренние процессы дают более безопасную среду для экспериментов, цена ошибки там ниже, чем в клиентском продукте, а рабочий прототип собирается за дни, а не за недели. И если решение реально помогает, его уже потом можно перевести в классическую разработку.
Важная оговорка, чтобы не создавать иллюзий: вайб-кодинг не заменяет полноценную разработку. Он силен как инструмент для быстрого MVP и автоматизации, но для сложных и критичных задач все равно нужен контроль качества, безопасности и устойчивости. Поэтому начинать разумнее с внутренних задач с понятным эффектом. Именно так у нас и появился ИИ-куратор.
До автоматизации: когда каждый вопрос шел через человека
Чтобы оценить эффект, важно понимать «точку А». У нас, как у любого онлайн-университета, поддержка и онбординг создают высокую нагрузку на отделы. Раньше схема была такой: студент задавал вопрос в чат с хэштегом, бот-маршрутизатор относил его нужному куратору, и ответ приходил в среднем в течение часа. Формально норматив по скорости обслуживания соблюдался, но мы видели, что можем работать быстрее, ведь большую часть таких обращений мог бы закрыть хорошо обученный ИИ.
Речь о типовых обращениях: расписание, доступы, сроки сдачи заданий, навигация по инструментам. Их поток не останавливается даже при идеальных инструкциях и видеоуроках. Особенно это заметно со студентами старшего поколения: после урока им нужны уточнения, помощь с формулировкой проблемы и пошаговый план. Человеку нужен ответ в моменте — а это либо большой штат, либо очередь. Направление при этом эмоционально тяжелое и с высокой текучкой: дорого нанимать, дорого удерживать.
Решение: ИИ-куратор в Telegram
С августа 2025 года эти задачи взял на себя ИИ-куратор — наша авторская разработка на вайбкод-инструментах на базе Python. Показательна скорость сборки: первый рабочий MVP мы собрали за 40 часов, а не за недели проектной разработки. Для пользователя это привычный чат в Telegram, но за интерфейсом стоит сложное техническое решение с круглосуточной работой и усиленной инфраструктурой безопасности.
Принципиально, что это не справочная служба, отвечающая по жесткому скрипту. ИИ-куратор «читает» чат и реагирует даже на неформально сформулированные вопросы, отвечая в живом, дружелюбном тоне так, как ответил бы человек. Он помогает разобраться в шагах и технических нюансах работы нейросетей, формирует персональный план под конкретного студента и удерживает контекст беседы, собирая ответ сразу из нескольких слоев данных: базы знаний по урокам, опыта живых кураторов и внешних первоисточников через релевантный подбор. За счет этого многие студенты не сразу понимают, общаются они с ботом или с человеком.
Как система учится на своих ошибках
Сила решения не столько в самом ответе, сколько в том, как ИИ-куратор учится. Каждый сгенерированный ответ может попасть к живому куратору на оценку: если формулировку нужно поправить, куратор пишет корректную версию, и она тут же фиксируется в базе знаний. По сути система самообучается — со временем правок становится все меньше, и ассистент буквально умнеет.
Отдельно работает механизм, который мы про себя называем предохранителем: если студент ставит негативную реакцию или вопрос оказывается слишком сложным, диалог автоматически передается живому куратору или менеджеру. Без такого предохранителя любой ИИ-ассистент быстро превращается в источник раздражения, поэтому граница «здесь отвечает ИИ, а здесь нужен человек» продумывается до запуска, а не после.
Неочевидный бонус, который мы обнаружили после внедрения
И главный вывод для читателей маркетологов. ИИ-куратор работает не только на экономию поддержки, он еще и удерживает лиды и помогает с допродажей ровно там, где клиент сомневается.
Сомнение почти всегда возникает в одних и тех же точках: на этапе выбора курса, при решении, сколько и на что тратить, и в развилке «взять сразу профессию или начать с курса по конкретным инструментам». Это критические места воронки, где сделка легко не доходит до конца. Раньше такой клиент уходил думать и часто не возвращался. Теперь он получает оперативный ответ и персональную навигацию в момент, когда готов к решению, а не через час ожидания. По сути ассистент поддержки берет на себя роль посредника между клиентом и командой, попутно работая на удержание.
Результаты за 8 месяцев
За восемь месяцев работы ИИ-куратор сформировал более 6000 ответов и провёл около 1000 консультаций, закрывая до 60% задач рядовых менеджеров. Сейчас он работает в 80% курсов университета и фактически заменяет трех сотрудников клиентского отдела уровня junior+. Экономия порядка 600 тыс. рублей в месяц на найме, фонде оплаты труда и расширении штата. Все запросы и персональные данные студентов обрабатываются строго внутри безопасного периметра и не передаются третьим лицам.
Важно, что замена трёх сотрудников — это не про сокращение людей, а про перераспределение работы. ИИ берет на себя самую монотонную и дешевую часть — типовые ответы в чатах, — а живые кураторы переключаются на проверку заданий, сложные консультации и задачи, требующие человеческой экспертизы и эмпатии. Бояться, что ИИ полностью заменит преподавателей и методистов, не стоит: устойчивым проект делает именно связка машины и человека, а не одна голая автоматизация.
Тест на готовность к автоматизации
Мы в
«Зерокодере»
пришли к ИИ-куратору не сразу, сначала накопились «маячки», которые трудно игнорировать. Стоит задуматься об ИИ-ассистенте, если узнаете себя хотя бы в двух-трех пунктах:
сотрудники регулярно отвечают на одни и те же вопросы, и это забирает заметную долю рабочего времени
скорость ответа падает под нагрузкой, а качество зависит от того, кто именно попался клиенту
база знаний формально есть, но ей никто не пользуется, ведь проще спросить в чате
новички долго входят в курс дела
поддержка превращается в узкое горлышко при росте бизнеса
Горизонт шире, чем кажется
ИИ-куратор стал флагманским проектом ИИ-экосистемы
«Зерокодер»
, которая автоматизирует до 70% рутинных задач ключевых подразделений — клиентского сервиса, продаж, маркетинга и техслужбы. До конца 2026 года мы масштабируем его на новые продуктовые направления и рассматриваем запуск аналогичного решения в мессенджере Max.
При этом сама модель не привязана к образованию. По ее образцу можно собрать ассистента для клиентской поддержки в e-commerce, для маркетплейса, для HR и онбординга новых сотрудников, для работы во внутренней базе знаний. Достаточно обучить систему на данных, релевантных конкретному направлению. Любой такой ассистент — это продукт глубоко кастомизированный, обученный под свои задачи, а не универсальная коробка.
Если убрать наш конкретный продукт и оставить метод, вывод простой: начинайте с внутренних задач с понятным эффектом, считайте не только экономию на штате, но и удержание клиентов, и не выбрасывайте человека из связки, ведь на сложных и эмоциональных кейсах он по-прежнему сильнее машины.
Категории:
Digital (web-дизайн, интернет-реклама и продвижение, интернет-сообщества и блоги, интернет-коммуникации, мобильный маркетинг, реклама на цифровых экранах)
Теги:
маркетинг
кейсы
ИИ
EdTech
ИИ-ассистент
вайбкодинг
Зерокодер
Другие материалы блога
Не прошёл курс по ИИ — отстаёшь от команды: как бизнес переводит сотрудников на ИИ в 2026 году
2026-06-09 15:11:52
241
Еще материалы
Эксперты АБКР проведут сессию по брендингу в рамках Недели Российского Ритейла — 2026
2026-06-16 19:56:46
69
«Неделя Российского Ритейла» пройдет в Москве 22-25 июня
2026-06-16 17:47:07
87
ИИ не экономит время
2026-06-16 17:31:58
77
400 долларов, 10 дней, отсутствие кинообразования
2026-06-16 17:27:09
75
Brand Hub top100 представил рейтинг «Звезды бренд-стратегии 2025/2026»
2026-06-16 14:47:03
85
Мощный тизер
2026-06-16 13:09:34
84