Разработка & архитектура
PHP, Python, React/Vue 3, REST, n8n, микросервисы.
PRODUCT · AI · AUTOMATION
Антон Галямов
Product Director
& AI Architect
7+ лет в разработке, ИИ и управлении продуктами. Строю цифровые экосистемы, дообучаю LLM и внедряю AI-решения для бизнеса, автоматизирую CRM и масштабируемые процессы.
01 / AG · AI ARCHITECT
7+лет в разработке
∞AI-решений
SCROLL
PRODUCT ✦ AI ✦ AUTOMATION ✦ LLM ✦ RAG ✦ CRM ✦ PYTHON ✦ PHP ✦ REACT ✦ VUE ✦
PRODUCT ✦ AI ✦ AUTOMATION ✦ LLM ✦ RAG ✦ CRM ✦ PYTHON ✦ PHP ✦ REACT ✦ VUE ✦
01 — Обо мне
Product Director &
AI Architect.
Мне нравится брать идею, проблему или просто мысль и превращать её в то, чем человек действительно может пользоваться.
7+ лет в разработке, ИИ и управлении продуктами. В работе совмещаю разработку, автоматизацию, AI и продуктовое мышление. Не люблю делать «как у всех» — гораздо интереснее найти собственное решение.
35+CRM/автоматизация
8+AI-решений
120%рост конверсии
02 — Экспертиза
Экспертиза в AI, разработке и автоматизации бизнеса
Разработка цифровых продуктов, искусственный интеллект, LLM, RAG, CRM-автоматизация и аналитика — в одной системе компетенций.
AI & автопилоты
LLM, прогнозы, AI-агенты, генерация отчётов, NLP.
Аналитика & BI
Воронки продаж, дашборды, data-driven оптимизация.
Маркетинг & брендинг
UI/UX, фирменный стиль, HR-брендинг, упаковка.
Продукт-лидерство
Roadmap, тех. документация, управление командой.
Интеграции
ERP, КЭДО, вебхуки, телеграм-боты.
Python
PHP
Node.js
React
Vue 3
Bitrix24
LLM
Mistral / Qwen
REST API
n8n
Figma
⚡ 03 — AI-услуги
AI-решения и внедрение ИИ для бизнеса
Проектирую и внедряю AI-решения под реальные бизнес-задачи: от RAG и дообучения LLM до AI-агентов и автоматизации CRM.
Модели до 32 млрд параметров — под задачи малого и среднего бизнеса. Точность 95%+.
Ассистент техподдержки по базе знаний
RAG + тонкая настройка. Отвечает по FAQ/регламентам, не галлюцинирует.
PDF / Notion / Confluence
80 000–250 000 ₽
Извлечение данных из документов
Дообученная модель + валидация. Вытягивает поля из договоров/счетов в JSON.
50–300 примеров
120 000–350 000 ₽
Генерация КП и писем в стиле бренда
По коротким вводным генерирует КП, письма, презентации в тоне компании.
20–50 примеров КП
60 000–180 000 ₽
Корпоративный ассистент по базам
Поиск по Confluence/Jira, суммаризация встреч, черновики отчётов.
Дампы баз
150 000–450 000 ₽
Ассистент разработчика
Автогенерация кода/документации с учётом стека и стиля компании.
50–200 пар
200 000–600 000 ₽
Классификация и маршрутизация
Ставит теги, определяет приоритет, направляет в нужный отдел.
300–1000 тикетов
90 000–220 000 ₽
«Мини-модель под нишу» — узкая специализация
Дообученная модель под конкретную задачу: анализ отзывов, разбор заявок, классификация дефектов.
200–500 примеров
250 000–800 000 ₽
● Тарифы на AI-услуги
Все пакеты включают документацию и 30 дней поддержки.
04 — Кейсы
Кейсы: AI, CRM-автоматизация и цифровые продукты
Практические кейсы по внедрению ИИ, CRM-автоматизации и цифровой трансформации с измеримыми результатами.
Нажми на кейс, чтобы увидеть детали
01
ИИ-ассистент для отдела продаж + CRM
AI-агент на базе LLM анализирует диалоги, классифицирует лиды,
заполняет CRM и выдаёт прогноз.
Конверсия +42% · Экономия 25 ч/нед · ROI 320%
🧩 Задача
Компания тратила 30+ часов в неделю на ручную обработку лидов. Менеджеры заполняли карточки в CRM вручную, не было прогнозов.
⚙️ Решение
Разработал AI-агента на базе LLM, который автоматически анализирует диалоги с клиентами, классифицирует лидов, заполняет CRM и выдаёт прогноз.
🏆 Результаты
+42%
конверсия
25ч
экономия в неделю
89%
точность прогнозов
320%
ROI за 6 мес
Стек: Python, LLM, Bitrix24 REST, Vue 3
↗
02
Цифровая трансформация холдинга
5 юрлиц → единый корпоративный портал, сквозные бизнес-процессы,
КЭДО, автоматическая отчётность.
Согласование -60% · Выручка +35%
🧩 Задача
Холдинг из 5 юрлиц с разрозненными CRM. Согласование документов — до 4 месяцев.
⚙️ Решение
Единый корпоративный портал, сквозные бизнес-процессы, КЭДО, автоматическая отчётность.
🏆 Результаты
-60%
время согласования
+35%
выручка за полгода
5
компаний в едином контуре
Стек: Битрикс24, КЭДО, REST API
↗
03
Ребрендинг холдинга + HR-маркетинг
Бренд-стратегия, HR-бренд, сквозная воронка подбора в CRM, курсы адаптации.
Узнаваемость ↑2x · Откликов +200%
🧩 Задача
Размытый бренд после слияния, подбор персонала до 2 месяцев на позицию.
⚙️ Решение
Бренд-стратегия, HR-бренд, сквозная воронка подбора в CRM, курсы адаптации.
🏆 Результаты
↑2x
узнаваемость бренда
+200%
откликов
-40%
срок закрытия вакансий
Стек: Брендинг, HR-маркетинг, CRM-автоматизация
↗
Отзывы
Говорят клиенты
«Антон за 3 недели собрал CRM-экосистему, которая заменила работу двух менеджеров. Прогнозы сделок теперь точные».
«Чёткий ТЗ, прозрачная оплата по часам. Портал объединил 5 юрлиц в единый контур за месяц».
«Вывел приложение на маркетплейс Битрикс24 с нуля. Монетизация пошла со второго месяца».
05 — Подход
Как проходит разработка AI и цифровых продуктов
От аудита и архитектуры до разработки, запуска и поддержки: каждый этап связан с бизнес-метриками проекта.
01
Аудит и ТЗ
Созвон, анализ процессов, фиксация задач и метрик успеха.
02
Архитектура
Схема решения, выбор стека, дизайн-концепция.
03
Разработка
Код, интеграции, ИИ-роботы, внутреннее QA.
04
Запуск + поддержка
Обучение команды, документация, 30 дней гарантии.
Калькулятор
Калькулятор экономии на AI-автоматизации
Один исполнитель вместо команды. Экономия на коммуникациях, налогах и простоях.
● Отметьте, кого пришлось бы нанимать:
● Часов в неделю:
● Длительность:
Примерная экономия при замене команды на одного меня:
0 ₽
*Расчёт основан на средних рыночных ставках
Работаю как самозанятый: чеки, ГПХ, прозрачно. Точную стоимость назову после бесплатного аудита.
06 — Вопросы
Частые вопросы об ИИ, LLM и автоматизации
Ответы на частые вопросы о разработке ИИ, дообучении LLM, RAG, AI-ассистентах и локальном внедрении моделей.
Как начинается работа?
Бесплатный 30-минутный созвон → краткий аудит → оценка часов → старт.
Что если задача изменится в процессе?
Фиксируем изменения, корректируем оценку, согласовываем перед реализацией.
Какие модели ИИ используете для дообучения?
Mistral, Command R, Gemma 2, Qwen 2.5 и другие модели до 32 млрд параметров.
Какая точность у дообученных моделей?
Для извлечения сущностей — 92–98%, для генераций — контролируем через шаблоны.
Что если у меня нет данных для обучения?
Поможем собрать и разметить данные (+30–50% к сроку и бюджету).
Можно ли развернуть модель локально (on-prem)?
Да, для закрытого контура предлагаем отдельный тариф с локальным деплоем.
07 — Контакт
Разработка ИИ и автоматизация под задачи бизнеса
Бесплатная консультация, аудит или ТЗ — напишите. Отвечаю в Telegram в течение 2 часов.
Самозанятый
Договор ГПХ
Чеки
Удалённо