Штаб из 18 агентов: как мой бизнес на Бали работает 24/7 без офисных сотрудников

Каждое утро на Бали у меня есть ритуал. Не кофе, не пробежка. Я открываю Telegram и читаю отчёт из чата «Solar AI». Восемнадцать агентов отработали ночь. Каждый сделал своё — пока я спал.

Сегодня утром картина такая: агент-слушатель поймал 7 входящих запросов по аренде вилл в Чангу, ответил каждому в течение 40 секунд. Модератор убрал 12 спам-постов из чатов по недвижимости, включая одного перекупа, который нарезал одно объявление на три части чтобы обойти фильтр на дубли. Финансовый агент нашёл расхождение в 450 тысяч рупий между тем, что зафиксировала система бронирования eZee, и реальным поступлением на счёт. Поставил мне задачу: проверить вручную.

Я проснулся в семь утра. К восьми уже знаю, где мне нужно присутствовать лично, а где система справится сама. Не «свободное время» — это не главный результат 14 лет в автоматизации. Главный результат — фокус. Способность заниматься тем, что реально двигает бизнес, вместо того чтобы тонуть в рутине.

Откуда взялся «штаб» и чем он отличается от набора Telegram-ботов

Три года назад у меня был один Telegram-бот. Он принимал запросы на аренду виллы и пересылал мне. Я отвечал руками. Это была автоматизация на уровне «кнопка вместо почты» — в принципе бесполезная при масштабировании, потому что узкое место оставалось тем же: я сам.

Сегодня система другая. 18 агентов работают параллельно, каждый в строго определённой зоне ответственности. Они не просто выполняют команды — они принимают решения: стоит ли отвечать на этот запрос прямо сейчас или подождать, является ли этот пост в чате рекламой или обычным вопросом пользователя, нужно ли создать задачу для меня или можно закрыть самостоятельно.

Отличие от набора ботов принципиальное. Боты работают по сценарию. Нажми 1 — получи ответ А. Нажми 2 — получи ответ Б. Если человек напишет что-то, чего нет в сценарии — бот зависнет или выдаст «не понимаю запрос». Агенты работают в свободной форме. Они читают контекст, интерпретируют намерение, адаптируют ответ под конкретную ситуацию.

Когда кто-то пишет в чате «ищу что-то просторное, не дальше 20 минут от моря, бюджет открытый» — агент не ищет точное совпадение в базе данных. Он анализирует все 16 активных вилл, сопоставляет их характеристики с запросом, формирует ответ с 2–3 конкретными вариантами с ценами. В этом разница между автоматизацией 2020 года и тем, что работает в 2026-м.

Важно: я строил эту систему не сразу. Первые 6 месяцев — один агент, потом второй, потом третий. Каждый новый добавлялся только когда предыдущий работал стабильно 3–4 недели без сбоев. Попытка запустить всё сразу — прямой путь к хаосу. Я видел это у нескольких предпринимателей, которые пробовали скопировать подход и получали нестабильную систему, которую они бросали через 3 месяца.

Ещё один важный момент: агенты стоят денег. Каждый вызов языковой модели — это стоимость. Поэтому архитектура штаба устроена так, чтобы модель вызывалась только тогда, когда это действительно нужно. Рутинные операции (парсинг, фильтрация, логирование) делаются без модели — через классический код. Модель подключается только для интерпретации контекста и принятия нестандартных решений. Это снижает ежемесячные расходы на API примерно в 4 раза по сравнению с наивной реализацией «на каждый запрос вызывай GPT».

Агент-слушатель версии 3: как ловить входящих клиентов в Telegram пока вы спите

В Telegram существуют сотни чатов по недвижимости на Бали. Покупатели, арендаторы, агенты, инвесторы — все пишут, задают вопросы, ищут. Большинство агентств об этом знают, но не успевают отслеживать в реальном времени. Запрос написан в 2 часа ночи — а отвечают в 9 утра. К этому времени человек уже нашёл другой вариант или перестал искать активно.

Мой агент-слушатель мониторит релевантные чаты круглосуточно. Когда кто-то пишет про аренду виллы с бассейном в Чангу или Убуде — агент реагирует. Не рекламным ответом с прайс-листом, а живым «привет, у нас как раз есть несколько таких, хочешь посмотреть?». Медианное время ответа — 40 секунд в любое время суток.

В мае 2026 я обновил listener_inbox до версии 3. Главное изменение: поддержка голосовых сообщений. Раньше агент обрабатывал только текст. Теперь, когда кто-то отправляет голосовое сообщение в чат — агент транскрибирует его через локальный Whisper прямо на сервере, без отправки аудио в облако. Это закрыло важный пробел: около 15% входящих запросов в чатах по недвижимости на Бали — голосовые. Раньше я их полностью терял.

Критический момент, на настройку которого я потратил 3 недели: антифлуд через fuzzy hash дедупликацию. Когда несколько агентов мониторят одни и те же чаты, они могут дублировать ответы. Два сообщения подряд от «команды Солар» в течение минуты выглядят как спам. Теперь перед отправкой любого ответа агент проверяет, не ответил ли кто-то уже на этот конкретный запрос за последние 10 минут. Дубли исчезли полностью.

Конверсия входящего запроса в живой диалог — 45%. Из диалога в показ виллы — 12,8%. Для холодного трафика из открытых чатов это хороший результат. Главное — это трафик, который раньше просто проходил мимо меня, пока я занимался другим.

Модератор с детектором мультиаккаунтов: эволюция антиспама

Параллельно с агентом-слушателем работает модератор. Его задача обратная — не отвечать другим, а следить за порядком в чатах, которые администрирую я.

Спам в Telegram-чатах по недвижимости за последние два года принял эволюционные формы. Простые фильтры по ключевым словам устарели. Спамеры пишут «аренда вилл» через пробел в два слова, разбивают одно объявление на несколько абзацев, размещённых с разных аккаунтов, используют Unicode-замены обычных букв чтобы обойти регулярные выражения.

В мае 2026 я обнаружил новый паттерн: один человек сидит с 3–4 аккаунтов одновременно и постит рекламу с каждого по очереди. Стандартные методы не справлялись — у каждого аккаунта разный username, разная история активности, разный стиль. Написал детектор мультиаккаунтов: агент анализирует стиль письма, временные паттерны активности, семантическую схожесть публикуемого контента. Если два аккаунта с вероятностью выше 80% принадлежат одному человеку — оба попадают в очередь на мою ручную проверку с объяснением причины подозрения.

Параллельно добавил форензик-журнал. Каждое удалённое сообщение теперь логируется с полным контекстом: временная метка, категория нарушения (спам, дубль, запрещённый контент, подозрение на мультиаккаунт), username автора, оригинальный текст. Раньше иногда получал претензии «почему вы удалили мой пост, это было легитимное объявление» — приходилось объяснять по памяти. Теперь у меня точный ответ за 5 секунд, с доказательной базой.

Результат за три недели работы обновлённого модератора: 340 удалённых спам-постов, 8 выявленных пользователей с мультиаккаунтами, 0 ложных срабатываний на реальных участников чата. Без этого агента я бы чистил чаты вручную — 30–40 минут в день только на модерацию одних чатов.

Финансовый агент: ежедневная сверка и раннее обнаружение расхождений

Управление 16 виллами — постоянный поток финансовых данных. Бронирования через Airbnb и Booking.com, прямые оплаты наличными и переводом, комиссии, расходы на обслуживание, выплаты сотрудникам, конвертация валют IDR ↔ USD. Если не сводить это ежедневно, к концу месяца получается каша, в которой непонятно откуда взялась разница в несколько миллионов рупий.

Финансовый агент делает ежедневную сверку каждое утро. Берёт данные из системы управления объектами eZee, сопоставляет с реальными поступлениями на счёт Danamon, находит расхождения, категоризирует их по типу.

В мае 2026 у нас была конкретная проблема — eZee data drift. Система бронирования начала накапливать микро-ошибки при конвертации валют: IDR в USD и обратно, при каждом пересчёте. Суммы маленькие — иногда $3–5 на одно бронирование. Но при нескольких десятках бронирований в месяц это накапливается до нескольких сотен долларов. Агент обнаружил систематический drift на третий день после его начала — за три недели до того, как это стало бы заметно в ежемесячном отчёте и потребовало бы трудоёмкой ручной коррекции задним числом.

Важный принцип в работе финансового агента: он не принимает финансовые решения самостоятельно. Когда находит расхождение — создаёт задачу для меня с тремя полями: сумма расхождения, предполагаемый источник ошибки, рекомендуемое действие. Я смотрю, подтверждаю или корректирую версию агента. Финансовые решения остаются за мной — это не вопрос недоверия к системе, это правильная архитектура для финансовых процессов.

За 5 месяцев работы агент выявил 14 расхождений. Три — мои собственные ошибки при ручном вводе данных. Четыре — технические сбои синхронизации между eZee и банком. Семь — ошибки конвертации валют. Суммарно предотвратил потери около 3,2 миллиона рупий ($200). Небольшие деньги в абсолютных числах, но они иллюстрируют ключевой принцип: автоматизированный контроль надёжнее человеческого именно в рутинных повторяющихся задачах.

Контентный агент и VK Listener: публикации в 3 канала без моего прямого участия

Я не пишу посты вручную. Это осознанная экономия ресурса, который нужен мне для другого — для стратегических решений, для работы с клиентами, для развития системы.

Вот как работает контентная цепочка. Утром или вечером я говорю голосовое сообщение ассистенту: «хочу пост про то, как мы поймали утечку данных в eZee». Ассистент транскрибирует через тот же локальный Whisper, передаёт контентному агенту. Тот формирует текст — не абстрактный «7 преимуществ автоматизации», а конкретный кейс с деталями из реального события. Публикационный агент выбирает канал (Telegram, VK, Instagram) и оптимальное время публикации на основе исторических данных об активности аудитории.

В мае 2026 я запустил VK Listener — агент-мониторинг для ВКонтакте. Долго откладывал, считая VK менее приоритетным. Оказалось, что там живёт другая аудитория: российские предприниматели из регионов, которые ещё не перешли полностью в Telegram, но активно ищут автоматизацию для своего бизнеса. В первый месяц после запуска Listener принёс 23 входящих запроса.

Ключевое, что пришлось настраивать: шумовой фильтр. В отличие от специализированных Telegram-чатов по недвижимости, в VK-группах по бизнесу очень много нерелевантного контента: новости, репосты статей, обсуждения не связанных тем. Без фильтра агент реагировал бы на 200+ постов в день, из которых 95% — не лиды. С настроенным фильтром — обрабатывает 15–20 релевантных запросов и корректно игнорирует шум.

За май 2026 контентный агент опубликовал 43 поста в разных каналах. Все они основаны на реальных событиях, которые я описываю голосом или текстом. Агент здесь — редактор и дистрибьютор, не автор. Это принципиально для достоверности и качества контента.

Как 18 агентов координируются: события, очереди задач и границы автономии

Главный вопрос, который мне задают: как агенты не мешают друг другу? Не создают конфликтов, не дублируют действия, не работают в противоположных направлениях?

У каждого агента строго определённая зона ответственности, и они взаимодействуют через систему событий, а не напрямую.

Когда агент-слушатель получает новый лид — он не просто отвечает на сообщение. Он создаёт событие в общей очереди задач: «входящий запрос, категория аренда, локация Чангу, временные рамки август». Это событие видят другие агенты, которые должны отреагировать: операционный агент готовит подборку доступных вилл, финансовый агент фиксирует потенциальный доход в прогнозе, контентный агент добавляет лид в аналитику для понимания спроса.

Никто не пишет напрямую другому агенту. Все взаимодействие — через события и очереди. Это снижает связность системы: если один агент упадёт или начнёт работать некорректно, остальные продолжат работать независимо.

Граница автономии — осознанная архитектурная decision, не случайность. Агенты работают в трёх режимах. Первый: действуют самостоятельно, только логируют для меня. Это стандартные ответы на запросы, публикации контента, модерация. Второй: действуют, но сразу уведомляют меня. Нестандартные ситуации: повторный запрос от человека с историей незакрытых диалогов, конфликт в чате. Третий: создают задачу для меня и ждут решения. Всё финансовое, юридическое, конфликтные ситуации с клиентами, суммы выше порога.

Я не хочу систему, которая принимает важные решения без меня. Я хочу систему, которая освобождает меня от принятия неважных решений. Это принципиально разные цели с разными последствиями для архитектуры.

Сколько это стоит: инфраструктура, API и реальные расходы

Вопрос, который задают почти все: сколько ежемесячно обходится такая система? Разбираю конкретно.

Хостинг: один VPS-сервер в Германии, 8 ядер, 32 ГБ RAM — около 80 евро в месяц. Все 18 агентов работают на нём. Это дешевле одного сотрудника на 5% от его зарплаты.

API языковых моделей: ключевой расход. Я намеренно минимизирую количество вызовов к модели — большинство операций (фильтрация, парсинг, логирование, маршрутизация) выполняются классическим кодом без обращения к LLM. Модель подключается только тогда, когда нужна реальная интерпретация контекста: нестандартный запрос клиента, сложное решение по модерации, генерация нового контента. Итог — расходы на API около 0–80 в месяц при 400+ обработанных событиях в день.

Telegram API: бесплатный, если не превышать лимиты на рассылку. Я использую несколько аккаунтов, зарегистрированных легально, каждый в рамках допустимой активности. Это отдельная тема, которую стоит изучить прежде чем запускать любой агент в Telegram.

Итого в месяц: около 12–15 тысяч рублей на всю инфраструктуру. Для сравнения: один операционный менеджер с похожим объёмом задач стоил бы 80–120 тысяч рублей. Система окупается каждый месяц с кратным запасом.

Но честно: первые 3–4 месяца были минусовыми. Я вкладывал время в настройку, отладку, переписывание алгоритмов. Если считать своё время как стоимость — начальные инвестиции составили 200–250 тысяч рублей. С этой точки зрения система вышла в ноль примерно через год работы. Сейчас — чистый плюс каждый месяц.

Реальные результаты и то, что я не ожидал

Когда начинал строить систему, думал, что главная ценность — часы. Подсчитаю рутину, умножу на условную ставку, получу красивое число. В первый год так и презентовал: «автоматизация экономит мне X часов в неделю».

Оказалось, главная ценность другая — и я к ней не был готов.

Раньше у меня было постоянное фоновое ощущение незавершённости. Где-то не ответил. Что-то не проверил. Кто-то написал пока я спал и теперь ждёт. Это шум, который не даёт сосредоточиться на том, что реально важно. Который рассеивает внимание даже когда ты «отдыхаешь» или «занят другим делом».

Сейчас я просыпаюсь и знаю: система всё поймала. Все запросы обработаны. Все расхождения найдены. Весь контент запланирован или опубликован. Я могу полностью присутствовать на встрече с потенциальным клиентом — не думая о том, что кто-то ждёт ответа в WhatsApp. Могу гулять по рисовым полям в Убуде — не беспокоясь, что чаты по аренде наполняются неотвеченными запросами.

Конкретные числа за май 2026: агент-слушатель обработал 400+ входящих запросов, из которых 23 стали реальными показами вилл. Модератор удалил 340 спам-постов и выявил 8 мультиаккаунтных пользователей. Финансовый агент выявил 14 расхождений на общую сумму 3,2 миллиона рупий. Контентный агент опубликовал 43 поста. Listener в VK принёс 23 входящих от потенциальных B2B-клиентов. Всё это — без моего активного участия.

Что я не ожидал: насколько важна система логирования. Когда всё работает — кажется, что логи не нужны. Когда что-то ломается ночью и утром ты ищешь причину — понимаешь, что без логов ты слепой. Я потратил целый месяц на создание нормальной системы логирования для всех агентов, и это оказалось одним из лучших вложений времени в проекте.

Если думаете о том, чтобы построить что-то похожее для своего бизнеса: начните с аудита рутины. Запишите всё, что делаете руками за неделю. Буквально всё — ответ на запрос в чате, пересылку данных, проверку статуса платежа, публикацию поста. Выберите один процесс с наибольшим объёмом повторений и автоматизируйте только его. Один стабильный агент ценнее десяти нестабильных.

Ещё один неожиданный результат: агенты обнаруживают проблемы, которые я не знал что ищу. Когда финансовый агент нашёл data drift в eZee — я не просил его смотреть именно на это. Он нашёл аномалию в данных, потому что у него есть доступ к истории и он сравнивает текущее состояние с нормой. Это ценнее, чем просто автоматизация известных процессов — это новый уровень контроля над бизнесом.

Я также понял, что хорошая система автоматизации должна быть скучной. Если агент каждый день делает что-то интересное — значит, в системе есть нестабильность. Лучший день — когда открываю отчёт и там написано: «всё в норме, новых инцидентов нет». Именно к этому я стремился и именно этого достиг на большинстве участков системы.

Подробнее о том, как проводить аудит системы автоматизации — в этом детальном разборе. Про архитектуру агентов для управления виллами — отдельная статья про AI-корпорацию.

Я собираю клуб «Solar внутрянка» — там разбираю, как устроена эта система изнутри: какие агенты делают что, где были ошибки, что стоит строить сразу, а что не стоит вообще. Стартовый билет — 14 тысяч рублей. Если нужно не изучить, а сделать у себя — отдельный пакет под ключ, от 180 тысяч рублей. Написать можно в Telegram @yuriy_solar.