Я заменил разработчиков AI-агентом — и сэкономил сотни тысяч рублей

Раньше я отдавал разработчикам практически любые задачи, связанные с сайтами, ботами и автоматизацией.

Нужно добавить страницу — ищу подрядчика.

Нужно исправить баг — пишу разработчику.

Нужно переделать Тг-бота — получаю смету.

Нужно связать два сервиса — снова ищу исполнителя.

За несколько лет я понял одну вещь: проблема была не только в стоимости разработки. Гораздо больше времени уходило на постановку задач, ожидание, проверку и исправление ошибок.

Сейчас значительную часть таких задач я делаю с помощью AI-агента.

В моем случае это Claude Code, который работает непосредственно с файлами проекта, может изменять код, запускать команды, находить ошибки и самостоятельно вносить исправления.

Я не стал программистом. Просто изменился сам способ работы.

И в малом бизнесе это уже дает вполне конкретную экономию.

Переключаться между разными сервисами не удобно, поэтому для тестов я использовал единый интерфейс, который работает в России и без всяких обходов, где доступны GPT Image 2, Claude, ChatGPT, Nano Banana Pro и другие модели в одном месте. 

Воспользовался токенами для теста и так же пользовался через интерфейс бота с телефона.  

Сколько стоила разработка раньше

У меня несколько небольших бизнес-проектов. В каждом есть сайты, лендинги, Тг-боты, интеграции и внутренняя автоматизация.

Работы недостаточно для отдельного разработчика в штате, поэтому почти всегда я привлекал подрядчиков.

Обычно ставка была около 2–3 тысяч рублей в час.

Для сложной разработки это немного. Но для задач вроде сайта на WordPress, Тг-бота или простой интеграции я считал такую стоимость вполне нормальной.

Проблема появлялась в другом месте.

Небольшая задача могла неожиданно растянуться на несколько дней. Исполнитель мог оказаться занят другим проектом. Срочное исправление превращалось в ожидание. А если в процессе требовалось изменить архитектуру, стоимость начинала расти.

В итоге предприниматель платит не только за код.

Он платит за ожидание, коммуникацию, постановку задачи и контроль результата.

Именно здесь AI-агент оказался для меня гораздо интереснее обычной нейросети.

Первый эксперимент: задача на 100 тысяч рублей

Около года назад один из разработчиков назвал мне стоимость примерно 100 тысяч рублей за небольшую доработку.

Задача выглядела достаточно простой, поэтому я решил попробовать сделать ее самостоятельно с помощью Claude Code.

Описал задачу, дал агенту доступ к проекту и попросил разобраться с текущей реализацией.

Через несколько часов все работало.

Экономия — около 100 тысяч рублей.

После этого я начал экспериментировать с более крупными задачами.

Перенос сайта и обновление дизайна

Следующий эксперимент был уже серьезнее.

Нужно было перенести сайт на другой движок, обновить контент и дизайн, исправить технические проблемы, которые SEO-специалист просил устранить уже давно.

Оценка разработчика — около 300 тысяч рублей.

Я решил попробовать сделать это через AI-агента.

Вместо того чтобы писать отдельный код с нуля, я загрузил проект, объяснил конечную задачу и попросил агента сначала изучить существующую структуру.

После этого работа пошла итерациями:

— анализ текущего сайта;

— перенос нужных элементов;

— исправление ошибок;

— обновление страниц;

— изменение дизайна;

— проверка адаптивности;

— тестирование;

— исправление найденных проблем.

В результате большая часть работы заняла несколько вечеров.

При этом я мог менять требования прямо по ходу работы.

Если видел, что какой-то блок нужно переделать, не приходилось ждать следующего свободного окна у подрядчика.

Просто пишешь:

«На мобильной версии этот блок слишком высокий. Сделай его компактнее, сохрани текущую типографику и проверь остальные страницы».

Агент сам находит нужный код, вносит изменения и показывает результат.

Для предпринимателя это принципиально другой процесс.

Потом я начал отдавать агенту уже не отдельные задачи, а проекты

Самый показательный пример — сайт с платным доступом.

Пользователи начали сообщать о способах обхода пейвола. Я передал проблему разработчику.

Ответ был примерно таким: исправление потребует серьезного рефакторинга и большого количества времени.

Я решил проверить, что сможет сделать AI-агент.

Claude Code сначала проанализировал существующую реализацию, затем нашел проблемные места и предложил изменения.

В процессе он обнаружил еще несколько проблем в коде.

В том числе очень неприятную: часть данных и технической информации была доступна там, где ее вообще не должно было быть.

Это хороший пример того, почему нельзя воспринимать AI-агента как волшебную кнопку.

Агент может найти проблему, но предприниматель все равно должен понимать, что именно он меняет и зачем.

Поэтому после исправлений я отдельно просил его:

«Проверь внесенные изменения. Найди возможные уязвимости, проблемы с доступом к данным и ошибки в логике. Не ограничивайся теми файлами, которые мы меняли. Проверь связанные компоненты».

Потом повторял проверку еще раз.

Такой подход оказался для меня гораздо полезнее, чем просто команда «исправь баг».

Tг-бот за неделю вместо сметы на 500–800 тысяч рублей

Еще один показательный случай — Tг-бот.

Старый бот был сделан на конструкторе, но в какой-то момент потребовалось серьезно изменить его логику.

Я обратился к нескольким разработчикам и небольшому агентству.

Оценки оказались слишком высокие

Я решил сделать прототип самостоятельно.

С помощью AI-агента за неделю собрал нужную версию.

Причем мог менять механику непосредственно во время разработки.

Не нужно было объяснять задачу менеджеру, ждать оценки, согласовывать часы и потом еще раз объяснять исполнителю, что именно должно получиться.

Я писал агенту:

«Измени сценарий после нажатия этой кнопки. Пользователь должен сначала получить сообщение с вариантами, затем выбрать тариф, после чего передать его в существующую платежную логику. Не меняй остальные сценарии».

Агент вносил изменения непосредственно в проект.

Для небольшого бизнеса такая скорость иногда важнее самой стоимости разработки.

Почему AI-агент удобнее обычной нейросети

Здесь важно различать ChatGPT или другую нейросеть в обычном чате и полноценного AI-агента для разработки.

Обычная нейросеть может написать вам фрагмент кода.

Но дальше начинается ручная работа: скопировать код, найти нужный файл, заменить участок, запустить проект, найти ошибку, снова отправить ее в чат.

AI-агент работает непосредственно с проектом.

Он может:

— читать структуру файлов;

— находить нужные участки кода;

— менять несколько файлов одновременно;

— запускать команды;

— видеть ошибки;

— исправлять их;

— проверять результат;

— создавать документацию;

— повторять цикл несколько раз.

То есть вместо модели «человек → нейросеть → человек → код» появляется цикл:

задача → AI-агент → проверка → результат.

Именно это меняет экономику небольших проектов.

Главный плюс — не стоимость, а скорость

Допустим, клиент написал:

«У меня не работает форма, вот скриншот».

Раньше я отправлял сообщение разработчику.

Дальше могло быть что угодно: он занят, посмотрит вечером, оценит задачу завтра, исправит через два дня.

Теперь я отправляю скриншот AI-агенту и прошу найти причину.

Если проблема действительно простая, через некоторое время уже есть исправление.

То же самое с небольшими изменениями.

Новый блок на лендинге.

Изменение формы.

Новая страница.

Интеграция.

Изменение логики Тг-бота.

Исправление адаптивности.

Для подрядчика это отдельная задача.

Для AI-агента — еще одна итерация внутри проекта.

Как я сейчас работаю с AI-агентом

Мой рабочий процесс довольно простой.

1. Сначала агент изучает проект

Я не начинаю с команды «сделай мне сайт».

Сначала прошу:

«Изучи проект. Опиши структуру, основные компоненты, используемый стек, зависимости и места, которые нельзя менять без необходимости. Ничего пока не исправляй».

Это позволяет получить карту проекта.

2. Затем ставлю конкретную задачу

Например:

«Нужно изменить форму заявки. Сохрани существующую логику отправки данных. Добавь валидацию телефона, понятное сообщение об ошибке и состояние успешной отправки. После изменений проверь мобильную версию».

Чем конкретнее задача, тем меньше лишних изменений.

3. После этого заставляю агента проверять себя

Это важная часть процесса.

Я регулярно использую промпт:

«Проверь изменения как отдельный ревьюер. Найди ошибки, потенциальные уязвимости, проблемы с адаптивностью и места, где изменение могло сломать существующую функциональность».

Затем:

«Исправь найденные проблемы и повтори проверку».

Получается несколько циклов проверки вместо одного ответа модели.

4. И только потом выкатываю изменения

AI-агент может написать рабочий код, но это не означает, что его нужно сразу отправлять в production.

Для важных проектов я сохраняю резервную копию, проверяю изменения и только потом делаю деплой.

Это особенно важно для баз данных, платежей и пользовательских данных.

Где AI-агент уже реально экономит деньги

В моем случае он особенно хорошо показал себя в пяти категориях.

Сайты. Новые страницы, изменение дизайна, исправление ошибок, адаптивность, контентные изменения.

Тг-боты. Новые сценарии, кнопки, интеграции, платежная логика и исправление существующих ошибок.

Автоматизация. Связки между сервисами, уведомления, отчеты и обработка данных.

MVP. Когда нужно быстро проверить бизнес-идею, нет смысла сразу закладывать сотни тысяч рублей на полноценную разработку.

Техническое обслуживание. Небольшие изменения, которые раньше постоянно откладывались из-за необходимости искать свободного разработчика.

Именно последняя категория для меня оказалась одной из самых ценных.

Что изменилось для предпринимателя

Раньше разработка выглядела как отдельный процесс.

Появилась идея → нужно найти исполнителя → объяснить задачу → получить оценку → согласовать стоимость → дождаться разработки → проверить → попросить исправить → дождаться снова.

Теперь часть этого процесса исчезла.

Появилась идея → описал ее агенту → получил первую версию → проверил → внес изменения.

Это не означает, что код стал идеальным.

Это означает, что стоимость эксперимента стала намного ниже.

И предприниматель может позволить себе проверить десять идей, которые раньше просто не запускал бы из-за стоимости разработки.

Главный вывод

За последние месяцы я практически перестал обращаться к разработчикам для небольших задач.

Не потому, что AI пишет код лучше каждого программиста.

А потому, что для моего бизнеса изменилась сама цена ошибки и эксперимента.

Если раньше даже небольшая идея могла потребовать десятки часов работы подрядчика, то сейчас ее можно проверить за один-два вечера.

Если получилось плохо — переделать.

Если идея не работает — выбросить.

Если работает — развивать дальше.

И вот это, на мой взгляд, важнее разговоров о том, «заменит ли ИИ программистов».

Для малого бизнеса AI-агенты уже сегодня заменяют не профессию целиком, а часть оплачиваемой работы вокруг нее.

Предпринимателю больше не обязательно нанимать разработчика каждый раз, когда нужно изменить кнопку, добавить страницу, исправить форму или собрать простой прототип.

Сложная разработка никуда не исчезает.

Но огромный пласт небольших задач, которые раньше требовали отдельного специалиста, постепенно превращается в обычный рабочий процесс с AI-агентом.