AI-кейс Avito. Отчётность, дайджест недели и прогноз выручки за меня теперь делают команды AI-агентов ⚡️

#кейс Алекса Малинского, Head of Analytics @ Avito Travel (с конференции AI Skills)

Ключевой инсайт: рутину руководителя аналитики можно собрать в набор AI-агентов: операционные задачи, дайджест и прогноз почти без ручного труда. Но чем сложнее задача, тем больше контекста и валидации остаётся на вас

1. Как связка Claude Code, внутреннего MCP и n8n заменила мне ручную аналитику

Я отвечаю за аналитику в Avito Путешествиях, сервисе краткосрочной аренды, а у самого Avito 28 миллионов DAU. Данных и задач много

Ещё пару месяцев назад я использовал AI как чат для отдельных вопросов. Теперь собираю рабочие процессы, которые работают автономно по расписанию

Всё держится на связке Claude Code, внутреннего Avito MCP и n8n: MCP-хаб даёт AI-агенту доступ к внутренним инструментам и BI, а n8n запускает сценарии по расписанию

2. План-факт, который собирается сам: как отдать операционную рутину AI-агенту

Раньше я вручную заполнял план-факт и вставлял цифры в документы по формату. Теперь процесс сам достаёт данные из self-service BI, вставляет их в Google Doc и пишет в командный чат, что всё готово

Экономия времени небольшая, но эффект заметный: документ обновляется сам, без напоминаний. Такая рутина есть у каждого, и с неё проще всего начать адопшн

3. Дайджест недели, который AI-агент сам собирает и кладёт в Notion

Десятки непрочитанных чатов и постоянно новые страницы в Confluence. Регулярная задача через Claude Code и MCP к Mattermost и Confluence собирает всё за неделю по нужным чатам и пишет короткое саммари

AI-агент кладёт готовую страницу в Notion: как закрыли план, какие эксперименты раскатились, что поменялось в данных. Особенно помогает после отпуска, чтобы быстро вернуться в контекст

4. Ежедневный прогноз выручки, который AI-агент не просто считает, а объясняет

Раньше я вручную запускал скрипты и держал вводные в голове, чтобы прикинуть, как закроем неделю или месяц. Поставил это на расписание в Claude Code

Он несколькими способами предсказывает динамику и объясняет всплески: например, всплеск 13 июня это длинные выходные ко Дню России, сезонный фактор, а не аномалия. Здесь AI-агент уже не просто выполняет действия, а проводит анализ

5. Финмодель на пять лет: неделя работы джуна против пары дней с AI-агентом

Дальше я работал с Claude как с полноценным аналитиком: построй финмодель бизнеса по когортным данным, объясни, как образуется выручка, и продли на пять лет. Заняло день-два плотной работы с уточнениями

На выходе модель в Excel с адаптивной структурой, которая перестраивается при изменении вводных. По оценке это сэкономило около недели работы джуниора

6. Где делегирование AI-агенту ломается и почему готовьтесь работать больше

Это мой первый крупный кейс делегирования, и он оказался ресурсозатратным. AI-агент уточнял у меня каждое допущение, а не уходил работать сам, как джуниор

В какой-то момент он удалил данные по одной когорте, решив, что после определённого срока пользователи не возвращаются. Формально логично, по бизнес-смыслу неверно. Поэтому нужна строгая валидация: чем сложнее задача, тем больше вы, а не AI-агент, отвечаете за контекст и проверку

Удачи с AI-adoption в ваших командах!
Алекс Малинский, Head of Analytics @ Avito Travel

Сообщество Community Sprints с кейсами про AI-adoption, маркетинг и продукт ⚡