AI-агент в Make — это автоматизация, которая не просто выполняет сценарий по шагам, а умеет анализировать входные данные, принимать решения и запускать нужные действия. Такой подход полезен для поддержки, продаж, обработки заявок, контента и внутренних IT-процессов.
Что такое AI-агент в Make
По сути, это сценарий в Make, где связка модулей + LLM-модель решает задачу автоматически:
- получает данные из формы, Telegram, CRM или почты
- отправляет их в OpenAI или другой AI-сервис
- интерпретирует ответ
- выполняет действие: создает задачу, пишет клиенту, обновляет базу, отправляет уведомление
Что понадобится
- аккаунт Make
- доступ к OpenAI API или другому AI API
- источник данных: Telegram, Google Forms, webhook, email, CRM
- цель автоматизации: например, классификация лидов, генерация ответов, маршрутизация задач
Пошаговый туториал 🧩
1. Создайте новый Scenario
В Make нажмите Create a new scenario и выберите первый модуль — источник данных.
Примеры:
- Webhook — если данные приходят с сайта
- Telegram Bot — если агент общается в чате
- Gmail/Email — если нужно разбирать письма
2. Добавьте AI-модуль
Подключите модуль OpenAI:
- Create a completion / chat completion
- передайте в prompt текст пользователя или данные из формы
- четко задайте роль модели: например, “Ты AI-ассистент службы поддержки. Определи тему обращения, срочность и предложи краткий ответ”.
Лучше сразу просить структурированный ответ в JSON:
{
"category": "support",
"priority": "high",
"reply": "..."
}3. Настройте парсинг ответа
Если модель возвращает JSON, его удобно разобрать через JSON Parse. Это позволит Make использовать поля отдельно: category, priority, reply.
4. Добавьте логику маршрутизации
Используйте Router и фильтры:
- если priority = high → отправить в Slack/Telegram менеджеру
- если category = sales → создать лид в CRM
- если category = support → отправить автоответ клиенту
Именно на этом этапе сценарий превращается в AI-агента, а не просто в цепочку действий.
5. Подключите конечные действия 🚀
Что может делать агент:
- создавать задачи в Notion, Trello, ClickUp
- писать в Telegram или Slack
- обновлять Google Sheets
- создавать сделки в HubSpot, Pipedrive, amoCRM
- отправлять письма клиентам
Практический пример
Допустим, пользователь пишет в Telegram:
“Не могу войти в личный кабинет, пароль не подходит”.
Агент:
- получает сообщение
- отправляет текст в OpenAI
- определяет: category = support, priority = medium
- формирует ответ с инструкцией
- если проблема повторяется — эскалирует менеджеру
Полезные советы 💡
- делайте prompt максимально конкретным
- просите AI отвечать в фиксированном формате
- ставьте фильтры и проверки на пустые ответы
- логируйте результаты в Google Sheets или Data Store
- ограничивайте доступ к API-ключам и персональным данным
Ошибки новичков
- слишком общий prompt
- отсутствие обработки ошибок
- попытка доверить AI критичные действия без проверки
- отсутствие лимитов по токенам и бюджету
Итог
Создание AI-агента в Make — это быстрый способ внедрить AI в бизнес-процессы без классической разработки. Если грамотно настроить сценарий, prompts и маршрутизацию, можно автоматизировать рутину, ускорить поддержку и повысить качество обработки запросов 🛠️📈
Подборка каналов про IT — хороший способ быть в курсе инструментов, автоматизации и AI-практик. Стоит заглянуть и выбрать полезные для себя.