Разрозненная база ресурсов была частью реальной работы команды
Площадки, ведущие, артисты и подрядчики уже учитывались в рабочих таблицах, но сама структура данных ещё не была готова для устойчивой автоматизации.
Кейс · event-бизнес · AI и внутренняя система · обезличено
Не «добавить AI», а сначала превратить рабочий процесс в понятную систему данных.
У event-команды уже была база площадок, артистов и подрядчиков. Задача была не в том, чтобы просто подключить чат-бота, а в том, чтобы сделать данные пригодными для реальной работы: определить сущности, поля, статусы, правила обработки и только после этого связать их с Telegram, AI и Google Sheets.
Главный принципСначала структура работы. Потом автоматизация.
Сначала нужно было описать рабочую модель, а уже потом подключать AI
Структуру базы уточняли по реальным замечаниям пользователя: какие сущности нужны, какие поля обязательны, что хранить как исходные материалы и что — как обработанные результаты.
Bot-ready схема для Telegram + AI + Google Sheets
После нескольких итераций появилась операционная структура данных, пригодная для текущего Telegram + AI + Google Sheets-процесса, а также отдельная инструкция переноса и запуска ассистента на другом компьютере.
Что было материализовано
AI-инструмент вырос из операционной модели, а не из идеи «нужен бот».
Ниже показаны только те элементы, которые подтверждаются рабочими файлами проекта: итерации структуры данных, bot-ready схема и инструкция запуска. Измеримого эффекта по времени или деньгам в корпусе нет — поэтому он не заявляется.
Сущности рабочего процесса
Площадки, ведущие, артисты и подрядчики были разведены как отдельные типы данных со своей логикой полей и статусов.
Поля под реальную работу
В схему вошли стоимость и условия, райдеры, портфолио и кейсы, опыт работы с агентством, контакты, статус и комментарии — то, что реально влияет на подбор и использование ресурса.
Замечания пользователя → структура
Изменения вносились не ради красивой базы. Комментарии пользователя переводились в правила: какие поля обязательны, какие необязательны и как новые данные должны попадать в схему.
Исходные и обработанные материалы
В bot-ready версии отдельно учитываются исходные материалы и обработанные материалы — это позволяет строить AI-процесс вокруг конкретных документов, а не только вокруг вручную заполненных строк.
Telegram + AI + Google Sheets
Финальная схема была выровнена под текущий flow, где таблица служит операционной моделью данных, а Telegram и AI — интерфейсом и обработчиком информации.
Передача в эксплуатацию
Для ассистента подготовлена отдельная инструкция запуска на другом компьютере: окружение, зависимости, последовательность запуска и оговорки для OCR scanned PDF.
Что было важно не перепутать
AI не заменяет постановку процесса.
В проекте было несколько версий таблицы — от исходной и candidate-вариантов до final и bot-ready. Это не просто техническая эволюция файла.
Каждая итерация уточняла саму рабочую модель: какие данные нужны, как их классифицировать, что считать обязательным, как отделять исходные материалы от обработанных и как передавать это в автоматизированный flow.
Если автоматизировать неструктурированный процесс, получится более быстрый хаос.
Что изменилось в логике решения
Инструмент стал следствием модели работы, а не отправной точкой.
- 01Не начинать с чат-бота, пока не определено, какие данные и в каком виде нужны команде.
- 02Не переносить старую таблицу в AI один к одному — сначала пересобрать структуру под реальные сценарии использования.
- 03Фиксировать замечания пользователя как изменения модели данных, а не как разовые ручные исключения.
- 04Разделить исходные материалы и обработанные результаты, чтобы AI-процесс оставался проверяемым.
- 05Довести решение не только до схемы, но и до bot-ready формата и инструкции запуска.
Что показывает этот проект
Я могу работать не только на уровне стратегии, но и доводить логику до рабочего инструмента.
Здесь proof — не обещание «я использую AI». В проекте сохранилась последовательность версий структуры данных, bot-ready operational schema и отдельная инструкция запуска ассистента.
Это показывает связку: рабочая задача → требования пользователя → модель данных → итерации → готовая к запуску система.
Я не заявляю здесь сокращение времени, экономию или регулярное использование командой: таких подтверждённых результатов в доступных материалах нет.
Если вы думаете об AI или автоматизации
Сначала стоит определить, что именно в процессе должно стать лучше.
Можно начать с одного рабочего сценария, разложить его на данные, решения и действия — и только потом выбирать инструмент.