ИИ для производства: как предприниматели автоматизируют закупки, склад и логистику без программистов

У производственного бизнеса данные живут в нескольких местах одновременно: в 1С, в CRM и в голове коммерческого директора. Планирование следующей партии начинается с серии звонков — сколько осталось на складе, что уже заказали клиенты, что сейчас в дороге. Потом несколько итераций в Excel, согласование с закупщиком и постановка задач логистам вручную. И так перед каждой следующей партией.

Александр Тупикин, основатель производителя функциональных напитков Two Peaks, несколько месяцев строил систему ИИ-агентов, которая закрывает этот цикл автоматически. По дороге инструмент, на котором он начинал, неожиданно закрылся — пришлось перестраивать всё с нуля. В итоге получилась система, которая сама отслеживает остатки, сама планирует партии и сама ставит задачи логистам.

Что реально автоматизирует ИИ в производственном бизнесе

Когда говорят про ИИ в промышленности, обычно показывают примеры Сбера или СИБУРа — роботы, предиктивное обслуживание оборудования, компьютерное зрение на конвейере. Для бизнеса с 20–200 сотрудниками всё это мимо: там нет IoT-датчиков и команды data scientists.

Предприниматели из производственного сектора автоматизируют другое. Агент подключается к складской системе или 1С через API и сам обновляет остатки в CRM — без ежеутренних ручных выгрузок и созвонов со складом. Тот же агент смотрит на открытые заказы клиентов и историю продаж, рассчитывает объём следующей партии и передаёт цифру закупщику — тот получает готовый расчёт, а не задание сделать его в Excel. Когда объём партии зафиксирован, агент считает потребность в сырье с учётом текущих складских остатков. А при расхождении факта продаж с планом — сам создаёт задачи на логистов в Bitrix с нужными адресами и объёмами, без звонков и ручного пересказа ситуации.

Кейс из практики: Александр Тупикин, Two Peaks

Александр Тупикин — серийный предприниматель, сейчас развивает Two Peaks — бренд функциональных безалкогольных напитков. У производства напитков своя специфика: короткие сроки хранения, сезонность, разные клиенты с разными объёмами и ритмом заказов. Планировать партию без чёткой системы означало регулярно либо замораживать деньги в лишних остатках, либо выходить в дефицит в пиковый период.

Тупикин начал автоматизировать это через OpenClaw — инструмент для построения ИИ-агентов с интеграциями в бизнес-системы. Через него подключил Bitrix24 и настроил агентов для работы с клиентской базой и логистикой. Один характерный пример того, как это работало: менеджер по продажам получал от клиента сводный заказ по нескольким распределительным центрам, агент сам разбивал его на отдельные задачи в Bitrix с нужными адресами и объёмами — менеджер в эту механику уже не вмешивался.

Весной 2026 года OpenClaw закрылся. Часть интеграций пришлось переписывать заново. Тупикин тестировал Cursor — удобный инструмент для написания кода, но для управленческой автоматизации он не заточен. Остановился на Claude Code и перестроил систему там.

Сейчас агенты закрывают полный цикл: отслеживают остатки на складе, планируют производственную партию, рассчитывают закупку сырья, проверяют план/факт продаж и автоматически создают задачи логистам при нужных условиях. Тупикин строил это сам, без программиста в штате, добавляя блоки последовательно.

[ВСТАВИТЬ ИЗОБРАЖЕНИЕ: slide-01-1200x630.svg — схема агентов: склад → CRM → партия → закупка → Bitrix]

Как Claude Code подключается к производственным системам

Claude Code работает с бизнес-системами через API или вебхуки. Bitrix24 имеет REST API, которое настраивается через раздел «Разработчикам» за несколько минут. 1С поддерживает HTTP-сервисы в конфигурации — при первом подключении чуть сложнее, но логика та же. AmoCRM и большинство складских программ с открытым API работают по идентичной механике.

Ты описываешь задачу своими словами, Claude Code пишет скрипт, который идёт в систему, забирает или записывает нужные данные и совершает действие. Фидбэк-цикл между задачей и результатом занимает минуты, а не дни переписки с фрилансером.

Опыт Тупикина показал кое-что важное помимо самой автоматизации: если строишь систему через сторонний сервис-посредник, его закрытие означает полный переезд с потерей всех интеграций. Claude Code запускается локально, через твои ключи авторизации, и от чужой инфраструктуры не зависит. Это не делает первую настройку легче, но убирает риск потерять всю систему при смене вендора.

Для работы через API Bitrix24 нужно базовое понимание токенов авторизации — при первом разе это несколько часов, потом работает по шаблону. Большинство участников клуба, которые автоматизируют производственные задачи, работают на плане Max ($100/мес) — при активной работе с данными Pro-план быстро упирается в лимиты сессий.

Читайте также: ИИ для автоматизации бизнеса: 6 типов задач, которые реально снимает нейросеть

FAQ

Какой ИИ подходит для производственного бизнеса? Для работы с данными из бизнес-систем — 1С, Bitrix24, складских программ — подходит Claude Code: подключается к API напрямую и выполняет скрипты на твоей инфраструктуре. Для разового анализа выгрузки или ответа на вопрос по данным — Claude на claude.ai без дополнительных настроек.

Нужен ли программист, чтобы начать? Базовые интеграции через API Bitrix24 предприниматели настраивают сами. Тупикин строил систему без технического сотрудника в штате. Чем сложнее конфигурация 1С, тем больше времени на первое подключение — но это разовая работа, не постоянная зависимость.

Что делать, если выбранный инструмент закроется? История с OpenClaw — наглядный ответ. Если агенты работают через сторонний сервис, его закрытие означает переезд с потерей интеграций. Claude Code работает локально через твои ключи авторизации — такой риск убирается.

Подходит ли это для небольшого производства? Размер не принципиален. Принципиально другое: есть ли у тебя бизнес-система с API (Bitrix24, 1С, AmoCRM) и готовность потратить несколько дней на первую настройку. Two Peaks — производство напитков, а не крупный завод.

Насколько это безопасно для бизнес-данных? Скрипты Claude Code выполняются локально на твоей машине, наружу уходит только текст запроса. Данные из 1С или Bitrix остаются в твоей инфраструктуре. Данные из сессий Claude Code по умолчанию не используются для обучения модели.

Заключение

Тупикин начинал с одного инструмента, тот закрылся, пришлось перестраивать. Это неудобно — но в итоге он пришёл к системе, которая работает на его инфраструктуре и делает то, что нужно: планирует партии, следит за складом, ставит задачи без участия менеджера в рутинной механике.

Таких задач в производственном бизнесе десятки, и у каждого они немного разные.

В AI Practiq Club предприниматели из производства, торговли и услуг разбирают их каждую неделю — что получилось, что сломалось, как устроена система.