AI-анализ встреч и документов
Sidecar SMB: Фил Гудвин
Не указано: Кори Ганим
Встреча была посвящена запуску и продаже управляемых ИИ-агентов малому бизнесу как услуги. Рассматривалась модель, в которой поставщик создаёт цифрового сотрудника, поддерживает инфраструктуру, устраняет сбои и обучает клиента работе с агентом. Обсуждались сценарии автоматизации административных, ассистентских, документных, контентных и повторяющихся задач, а также организация контроля и согласования действий агента. Отдельное внимание уделялось поиску первых клиентов через личную сеть, пилотным внедрениям, ценообразованию и еженедельным ROI-отчётам, фиксирующим сэкономленные время и деньги.
Вебинар посвящён практической модели запуска сервиса управляемых ИИ-агентов для малого бизнеса. Кори Ганим и Фил Гудвин стремятся показать, что начать такой бизнес можно без программирования, большой аудитории и сформированного бренда: достаточно освоить базовое развёртывание агентной инфраструктуры, найти одну конкретную проблему владельца бизнеса и предложить не «ИИ-инструмент», а сопровождаемого цифрового сотрудника. История Фила — продуктового и Figma-дизайнера, пришедшего в ИИ после продажи предыдущего бизнеса, — используется как доказательство доступности этой модели для нетехнических специалистов.
Основой оффера Фила Гудвина является «управляемый ИИ-сотрудник». Клиент покупает не разовую автоматизацию и не доступ к чату, а агента с определённой должностной ролью — чаще административного помощника, сотрудника центрального офиса или исполнительного ассистента. Агент получает инструкции, память, доступ к корпоративным знаниям и приложениям, может работать с почтой, PDF-файлами, таблицами, облачными хранилищами и другими инструментами. При необходимости в процесс добавляется человеческое согласование перед чувствительными действиями, например отправкой писем. Практически рабочая модель выглядит так: клиент или расписание запускает задачу, агент использует данные и инструменты компании, проходит контрольные точки и возвращает готовый рабочий результат. Скриншот: схема управляемого ИИ-сотрудника и его рабочего процесса ~03:00
Ключевое отличие модели Фила от разового внедрения — постоянное сопровождение. Он позиционирует себя одновременно как менеджера цифрового сотрудника, технического оператора, коуча и консультанта клиента. По его наблюдениям, агент, просто переданный владельцу бизнеса после настройки, часто перестаёт использоваться: клиент не понимает, какие задачи делегировать, как подключать нужные инструменты и как формулировать многошаговые поручения. Поэтому ежемесячная ценность сервиса создаётся не только самим агентом, но и мониторингом инфраструктуры, устранением неполадок, обучением клиента, поиском новых сценариев и развитием процессов. Кори подчёркивает, что именно освобождение клиента от необходимости самостоятельно разбираться со сбоями и техническими инструментами оправдывает регулярную плату за управляемый сервис.
Важной частью внедрения является обучение владельца бизнеса работать с агентом не как с поисковиком, а как с сотрудником. Фил считает, что пользователи ChatGPT нередко привыкли задавать единичные вопросы, но ещё не умеют передавать ИИ целые рабочие цепочки с контекстом, источниками, ожидаемым результатом и правами на действия. Для этого он создаёт общий Telegram-чат, где находятся клиент, агент и сам Фил. Клиент видит примеры постановки задач, а Фил может наблюдать за запросами, корректировать их и помогать находить более полезные сценарии. Такой формат превращает поддержку в постоянное совместное управление агентом, а не в редкую техническую консультацию.
Наиболее убедительный способ продать и удержать клиента — начать с одной заметной административной проблемы. Фил рекомендует не предлагать сразу множество агентов, а внедрять первого цифрового сотрудника для повторяющейся офисной работы: обработки почты и счетов, организации документов, ведения таблиц, запуска проектов, подготовки отчётов, исследований, поиска лидов или работы с календарём и задачами. В примере с компанией по горизонтально-направленному бурению агент по одному запросу находил письмо и счёт, скачивал PDF, создавал папку проекта, извлекал данные в Excel, сохранял материалы в Dropbox и возвращал ссылку владельцу. Ценность здесь заключается не в текстовом ответе агента, а в создании готовых рабочих артефактов внутри реального бизнес-процесса. Скриншот: категории операционных, контентных, ассистентских и регулярных задач для агентов ~12:30
Фил отдельно подчёркивает необходимость давать и человеку, и агенту единый источник данных — например, Excel-таблицу. Результаты исследований, лидогенерации, учёта платежей или обработки документов не должны оставаться во внутренних Markdown-файлах агента. Таблица позволяет клиенту проверять, редактировать и использовать данные в привычной форме, а агенту — дополнять и учитывать актуальные изменения. Это делает работу прозрачной и снижает риск того, что автоматизация превратится в непрозрачную систему, результатами которой невозможно управлять.
Главный механизм доказательства ценности и удержания, по мнению обоих спикеров, — журнал ценности и еженедельный ROI-отчёт. Фил добавляет в каждого агента механизм, который фиксирует выполненные задания и оценивает, сколько времени и денег они сэкономили. Раз в неделю агент отправляет владельцу сводку: какие задачи завершены, сколько часов заняла бы эта работа у человека и каков предполагаемый денежный эквивалент. Если точную оценку невозможно определить автоматически, агент запрашивает её у клиента. В кейсе буровой компании Фил оценивает эффект первой недели примерно в 63 сэкономленных часа и $6 300 созданной ценности; это оценка стоимости выполненной работы и высвобождённого времени, а не обязательно прямой дополнительный доход. Кори называет такой подход ключевым для продления подписки: клиент регулярно видит соотношение между ценой сервиса и измеримым результатом.
Запуск услуги предлагается строить через практику, а не через длительную подготовку идеального оффера. Фил сначала создавал агентов для себя, затем тестировал их на друзьях и знакомых, получал отзывы и рекомендации, а после этого постепенно переходил к платным внедрениям. Он и Кори считают, что начинающему не обязательно работать бесплатно: можно честно предложить льготный платный пилот, объяснив, что сервис ещё дорабатывается, а клиент получает персональное сопровождение по более низкой цене. Однако прямые расходы — виртуальный компьютер, инфраструктура, ИИ-модель и необходимые сервисы — желательно перекладывать на клиента даже на раннем этапе. Принцип, который формулирует Кори: для первой продажи достаточно быть на один практический шаг впереди клиента, но не следует обещать то, что нельзя безопасно реализовать.
Модель ценообразования Фила состоит из отдельной платы за запуск и ежемесячной оплаты за каждого агента. Он начинал с разовых настроек примерно за $500, затем повышал стоимость до $1 000, $1 500 и $2 000 по мере роста опыта и подтверждения спроса. Первые клиенты в управляемой модели платили около $250 в месяц, а позднее один из клиентов заплатил $1 500 за настройку и примерно $500 в месяц за сопровождение одного агента. Целевой ориентир Фила — несколько тысяч долларов за внедрение и около $1 000 в месяц за агента, однако он подчёркивает, что цена должна соответствовать платёжеспособности рынка и доказанной пользе. Вместо продажи «неограниченного числа агентов» он предлагает клиенту начать с одного понятного цифрового сотрудника и расширять сотрудничество после получения результата.
Каналом первых продаж для Фила стала не аудитория в соцсетях, а личная сеть и рекомендации. Он предлагает обращаться к знакомым владельцам бизнеса с прямым сообщением: объяснить, что тестируется сервис управляемых агентов, предложить пилотное внедрение, сопровождение в создании процессов и регулярный созвон, а взамен попросить возможность получить практику и обратную связь. Первые клиенты из небольшого города в Джорджии рекомендовали его знакомым в Атланте, Далласе, Северной Каролине и других регионах, что позволило расширить географию без крупной маркетинговой воронки. Публикации Фила в X выступают дополнительным каналом позиционирования, но не основой его раннего привлечения.
В качестве практического первого шага Фил советует выбрать повторяемую инфраструктуру для развёртывания агентской среды и быстро сделать первое внедрение. Он рекомендует платформу Orgo, поскольку она предоставляет виртуальные компьютеры, шаблоны и рабочие пространства для агентов, снижая технический порог входа. Сам Фил использует собственных агентов для дублирования шаблонов и подготовки рабочих пространств, то есть автоматизирует часть процесса подключения клиентов. Итоговая логика выступления: не ждать статуса эксперта и не пытаться сразу построить универсальное ИИ-агентство; нужно запустить одного управляемого агента для одной конкретной бизнес-задачи, доказать его ценность через реальный результат и ROI-отчёт, а затем расширять услугу через сопровождение, рекомендации и повышение цены.
Оглавление:
Кори Ганим представляет историю Фила Гудвина как доказательство того, что сервис по созданию, управлению и продаже ИИ-агентов малому бизнесу можно начать без навыков программирования, крупной аудитории или базы email-подписчиков. Фил живёт в небольшом городе Джорджии, не позиционирует себя как технического специалиста и пришёл в эту модель из дизайна. Тем не менее он смог выстроить услугу для предпринимателей, в которой создаёт для них ИИ-агентов, поддерживает инфраструктуру и помогает внедрять агентов в ежедневную работу.
Главная идея Фила — не продавать клиенту абстрактный «ИИ-инструмент» или разовую автоматизацию. Он продаёт управляемого цифрового сотрудника: агента, которому назначается конкретная роль, предоставляются знания и доступы к рабочим инструментам компании, а затем он выполняет задачи под наблюдением поставщика услуги. Сам Фил остаётся ответственным за настройку, поддержку, мониторинг и развитие сценариев использования. За счёт этого ценность услуги строится не на технической сложности самого агента, а на том, что клиент получает работающую систему и человека, который помогает извлекать из неё пользу.
В разговоре подчёркивается, что для старта не требуется сразу создавать масштабный бизнес, иметь идеальную упаковку или продавать дорогой пакет с большим числом агентов. Фил начал с того, что разворачивал агента для одного человека, проверял, какие задачи действительно создают ценность, и постепенно менял модель оплаты. Его первые внедрения стоили около $500 как разовая настройка инфраструктуры, затем цена поднималась до $1 000, $1 500 и $2 000. Позже он пришёл к модели, где взимается отдельная плата за первоначальную настройку и ежемесячная плата за сопровождение каждого агента.
Фил и Кори считают, что начинающему поставщику достаточно быть немного более опытным в этой теме, чем его клиент. Если человек уже развернул агента для себя, понимает базовую инфраструктуру и способен не навредить бизнесу клиента, он уже может предложить пилотное внедрение. При этом Фил не рекомендует брать на себя расходы клиента полностью: даже на раннем этапе клиент должен оплачивать инфраструктуру, используемую модель и необходимые инструменты. Поставщик может снижать цену за собственное время, но должен стремиться хотя бы покрывать прямые расходы.
Важной частью запуска становится постепенное обучение через практику. Фил не пытался заранее спроектировать исчерпывающий набор услуг для всех типов бизнеса. Он тестировал разные форматы, наблюдал, где его агенты приносят наибольшую пользу, и отказывался от направлений, которые ему не нравились. В частности, он понял, что ему интереснее создавать и вести управляемых агентов, чем строить широкий консалтинг по множеству разных ИИ-инструментов. Такой подход позволил сформировать более понятный и выполнимый оффер.
Кори отдельно подчёркивает, что ранний этап не требует экспертного статуса. Первым клиентам можно честно сказать, что это тестовое внедрение с более низкой стоимостью, пока поставщик дорабатывает процессы и набирает опыт. В обмен на сниженный чек клиент получает высокий уровень вовлечённости и возможность раньше других воспользоваться новой технологией, а поставщик — практику, кейс, отзыв и основу для следующих продаж. По мнению обоих спикеров, основной барьер для старта — не отсутствие программирования, а склонность слишком долго готовиться вместо того, чтобы начать с одного агента и одного клиента.
В качестве практического первого шага Фил советует выбрать инфраструктурную платформу, развернуть первого агента и провести реальное внедрение. Он называет Orgo одним из простых вариантов для запуска, поскольку платформа предоставляет виртуальный компьютер для агента, шаблоны и рабочие пространства. После первого работающего кейса, по его словам, психологический барьер резко снижается: становится понятно, что услуга технически и операционно выполнима, а клиенту не обязательно нужен сложный набор агентов — достаточно одного, который закрывает заметную проблему.
Фил Гудвин прямо характеризует свой профессиональный путь как полностью нетехнический. По его словам, он никогда не был разработчиком, не работал программистом и не строил карьеру в традиционной IT-разработке. Его опыт связан с дизайном, а не с написанием кода или инженерной эксплуатацией программных систем.
Он занимается дизайном около двух десятилетий. В начале карьеры Фил работал с разными типами дизайнерских задач, но примерно с 2015 года сосредоточился на продуктовом дизайне. Его основной специализацией стали мобильные и веб-приложения. В этой роли он проектировал пользовательские интерфейсы, продукты и прототипы, а значительную часть работы выполнял в Figma.
Фил отмечает, что работа в продуктовом дизайне дала ему широкий круг клиентов и профессиональных контактов. Однако этот опыт не сделал его техническим специалистом в смысле программирования или разработки инфраструктуры. Он использует это различие как важную часть собственной истории: создание и продажа управляемых ИИ-агентов не стало продолжением его инженерной карьеры, потому что такой карьеры у него не было.
Кори использует бэкграунд Фила, чтобы снять опасения аудитории, которая считает ИИ-агентов услугой исключительно для разработчиков. По его мнению, история Фила делает модель более доступной для большинства начинающих: если дизайнер без опыта профессиональной разработки способен разобраться в развёртывании и сопровождении агентов, то вход в эту нишу не обязательно требует навыков кодинга.
При этом разговор не утверждает, что техническая часть полностью отсутствует. Фил всё же настраивает инфраструктуру, виртуальные серверы, безопасность, инструменты и агентов. Но его пример показывает, что он освоил эти задачи в контексте практического применения агентных систем, а не через предыдущую профессию разработчика. Он строит сервис вокруг результата для клиента и постоянного сопровождения, а не вокруг продажи собственных инженерных компетенций как таковых.
Фил рассказывает, что его переход в сферу ИИ начался после продажи бизнеса, который он вёл вместе с несколькими партнёрами. Эта сделка произошла в ноябре, после чего перед ним возник вопрос о следующем профессиональном направлении. Именно этот переходный период стал отправной точкой для его активного изучения ИИ.
В декабре Фил начал глубоко погружаться в тему искусственного интеллекта и исследовать новые возможности. Он описывает ИИ как совершенно новую для себя сферу, отличающуюся от его предыдущей многолетней работы в дизайне. Его путь в агентные системы не был заранее запланирован как создание агентского бизнеса: сначала это был личный этап изучения и экспериментов после выхода из предыдущего проекта.
Дальнейшая бизнес-модель выросла из этой исследовательской фазы. Фил начал создавать агентов для себя, проверять их на собственных задачах и постепенно понимать, где такие системы действительно полезны. Только после этого он начал показывать агентов знакомым, собирать обратную связь и превращать личные эксперименты в услугу для владельцев малого бизнеса.
Таким образом, продажа прошлого бизнеса стала для Фила не просто сменой работы, а условием, которое освободило время и внимание для освоения новой области. Его история показывает последовательность: завершение прежнего бизнеса, изучение ИИ, личное использование агентов, тестовые внедрения для знакомых и переход к платной модели управляемых агентов.
Фил формулирует свой оффер через понятную владельцам бизнеса метафору: управляемый ИИ-агент — это цифровой работник или цифровой сотрудник. Вместо того чтобы объяснять клиенту устройство моделей, серверов или автоматизаций, он предлагает ему закрыть конкретную роль в бизнесе. Это может быть административный сотрудник, помощник руководителя или исполнитель, отвечающий за отдельную регулярную функцию.
Такое позиционирование меняет восприятие услуги. Клиент покупает не доступ к программе и не набор технических компонентов, а дополнительную рабочую силу в цифровой форме. Агент получает должностную инструкцию, память, доступ к знаниям компании и подключённым приложениям. В зависимости от сценария ему могут дать отдельный email-адрес, возможность работать с файлами, таблицами, почтой, облачным хранилищем и другими системами клиента.
На схеме, которую показывает Фил, рабочий процесс выглядит как последовательность: клиент формулирует запрос либо запускается заранее запланированная задача; запрос поступает выделенному агенту; агент использует знания компании и подключённые инструменты; при необходимости действие проходит этап согласования; после этого агент возвращает выполненную работу
Фил подчёркивает, что обычно продажа начинается с одного агента, а не с масштабного внедрения целой команды. Наиболее подходящей первой ролью он считает административную, потому что владельцы малого бизнеса часто продолжают самостоятельно выполнять большое число офисных задач, хотя не хотят ими заниматься. Первый агент должен закрывать конкретный болезненный участок: обработку документов, работу с почтой, организацию файлов, подготовку данных, поддержку проектов или другие повторяющиеся операции.
Концепция цифрового сотрудника также предполагает ограничение автономии там, где оно необходимо. Если агент должен совершить чувствительное действие, например отправить письмо, в процесс может быть добавлено согласование со стороны человека. Тем самым агент не просто получает широкие доступы и действует без контроля, а включается в рабочий процесс компании с понятными правилами, ответственностью и точками проверки.
Для малого бизнеса эта модель особенно актуальна в ситуациях, когда полноценного сотрудника нанимать дорого или сложно, но владелец уже перегружен задачами центрального офиса. Фил сравнивает ценность агента с частичной заменой офисной роли: если агент способен снимать с владельца значимый объём повторяющейся работы, стоимость его сопровождения может быть существенно ниже затрат на сотрудника, выполняющего аналогичные административные функции.
Фил подчёркивает, что в его модели поставщик не ограничивается созданием агента. Он выступает менеджером цифрового сотрудника: помогает определить роль агента, настраивает его работу, следит за тем, как он справляется с задачами, и корректирует систему по мере появления новых потребностей бизнеса. По сути, клиент получает не только самого агента, но и человека, отвечающего за его развитие и работоспособность.
Фил также называет свою роль коучингом. Многие его клиенты — владельцы бизнеса, предприниматели и руководители, которые сами не являются техническими пользователями. Им недостаточно получить доступ к агенту и самостоятельно разбираться, как интегрировать его в ежедневные процессы. Им нужен человек, который будет идти рядом, подсказывать, какие задачи лучше поручать агенту, как строить рабочие процессы и как постепенно расширять сферу применения ИИ.
Консультационная составляющая особенно важна на этапе поиска новых сценариев. После первого успешного результата клиент начинает замечать другие операции, которые можно делегировать агенту. Поставщик помогает превращать эти идеи в работающие процессы: определить входные данные, подключить нужные инструменты, настроить правила выполнения и при необходимости добавить согласование. Таким образом, ценность поставщика не сводится к первоначальной конфигурации, а проявляется в постоянном улучшении цифрового сотрудника.
Кори сравнивает такую модель с AI concierge — консалтингом в формате «сделаем вместе». Однако, по его мнению, модель Фила глубже, поскольку результатом работы становится не только консультация, но и работающий ИИ-сотрудник. Поставщик одновременно обучает клиента, управляет агентом и поддерживает инфраструктуру, поэтому ежемесячный платёж может быть выше, чем при продаже разовой настройки или отдельного ИИ-инструмента.
Фил пришёл к этой роли через практику. Первоначально он продавал в основном техническую настройку: инфраструктуру на VPS, безопасность, локального coding-агента и канал общения с агентом через Telegram или другую удобную платформу. Но затем он увидел, что технически развёрнутая система не всегда начинает приносить ценность сама по себе. Часть клиентов нуждалась в сопровождении, иначе не понимала, как встроить агента в работу, и переставала им пользоваться. Это наблюдение и сформировало управляемую модель, в которой управление агентом и коучинг клиента становятся отдельной частью продукта.
Изначально Фил работал по модели разовой настройки. Он разворачивал инфраструктуру для клиента, размещал её на VPS, добавлял необходимые компоненты, подключал агента через Telegram или другой канал связи и давал ограниченный период для вопросов. В одном из ранних вариантов клиент получал 14 дней доступа к поддержке, после чего должен был использовать систему самостоятельно.
На практике Фил увидел ограничение такого подхода: часть владельцев бизнеса переставала пользоваться агентами после первоначального интереса. Причина была не обязательно в низком качестве технологии, а в отсутствии постоянной помощи. Клиенты не понимали, как подключать агента к своим инструментам, как формулировать задания, какие процессы стоит передавать и как реагировать на возникающие проблемы. Передача инфраструктуры без дальнейшего сопровождения в таких случаях приводила к тому, что она фактически «умирала» в использовании.
Поэтому Фил сместил фокус на управляемую модель. В ней он не просто запускает систему, а остаётся вовлечённым: следит за инфраструктурой, помогает осваивать агента, участвует в поиске новых сценариев и устраняет сбои. Он описывает это как сочетание коучинга, консалтинга и технического управления цифровым сотрудником. Такая услуга помогает клиенту не только получить агента, но и реально встроить его в ежедневную операционную работу.
Отдельной частью постоянного сопровождения становится мониторинг. У агента есть выделенная виртуальная машина или VPS, а Фил настраивает механизмы наблюдения за системой. Если что-то выходит из строя, он должен получить уведомление и исправить проблему. Его цель состоит в том, чтобы клиент вообще не заметил сбой; если же заметил, исправление должно происходить быстро.
Кори отмечает, что это особенно значимо на фоне претензий к агентным решениям, которые могут часто ломаться и требовать ручного устранения неполадок. По его мнению, клиент платит не только за выполнение задач агентом, но и за избавление от необходимости самостоятельно тратить часы на работу с Claude Code, Codex или аналогичными техническими инструментами. Для владельца бизнеса управляемый сервис ценен именно тем, что ответственность за стабильность лежит на поставщике.
Фил добавляет, что это становится сильным аргументом в продажах для людей, уже пытавшихся развернуть агента самостоятельно. Если клиент столкнулся с постоянными поломками, разочаровался и прекратил эксперимент, предложение управляемого агента снимает знакомую ему проблему. Новичок может ещё не осознавать риск технических сбоев, но опытный пользователь понимает, почему за поддержку и управление стоит платить ежемесячно.
Фил считает, что обучение клиента — необходимая часть внедрения ИИ-агента. Владельцы малого бизнеса могут уже пользоваться ChatGPT, но обычно воспринимают его как Google: задают отдельный вопрос и ждут ответа. Работа с агентом требует другого подхода — нужно научиться формулировать задачи, передавать контекст, доверять агенту цепочку действий и выстраивать вокруг него повторяемые рабочие процессы.
По словам Фила, людям не всегда естественно разговаривать с машиной так, как с сотрудником, хотя на уровне идеи это может казаться очевидным. Они не обязательно понимают, что агенту можно поручить не только поиск информации, но и многошаговую операцию: найти письмо, скачать вложение, создать папку проекта, извлечь данные из PDF, внести их в таблицу, сохранить материалы в облако и вернуть ссылку. Поэтому поставщик должен не только технически включить агента, но и показать клиенту, как ставить ему такие задачи.
Практический механизм обучения у Фила — общий чат в Telegram, в котором находятся клиент, Фил и агент. У клиента при этом может быть личный канал общения с агентом, однако групповой чат используется как пространство для наблюдения и поддержки. Клиент видит, как Фил формулирует запросы и взаимодействует с агентом, а Фил видит запросы клиента и может подсказывать, как их уточнить или улучшить.
Этот формат делает освоение агента более наглядным. Вместо того чтобы получить инструкцию и остаться с системой один на один, клиент наблюдает реальные примеры работы. Он может увидеть, какие типы запросов агент способен обрабатывать, как он возвращает результаты и в каких случаях нужен дополнительный контекст либо подтверждение
Кори связывает обучение с удержанием клиента. Когда владелец бизнеса впервые видит, что агент самостоятельно выполнил сложную задачу, которая раньше отнимала у него много времени, его отношение к технологии меняется. После такого опыта клиент обычно начинает спрашивать, что ещё можно поручить агенту. Задача поставщика — поддержать этот момент, помочь превратить возникающие идеи в новые процессы и не дать клиенту вернуться к прежним ручным способам работы.
Фил строит предложение вокруг практических офисных задач, которые владельцы малого бизнеса часто выполняют сами или не успевают выполнять регулярно. Он обычно начинает с одного агента в административной роли, поскольку именно эти обязанности чаще всего оказываются неудобными, повторяющимися и недостаточно ценными, чтобы владелец продолжал держать их на себе. На слайдах Фил группирует такие сценарии в операционные и административные задачи, работу с контентом и знаниями, задачи исполнительного ассистента, а также технические и регулярные процессы
К числу офисных сценариев относятся мониторинг почты, обработка PDF-счетов, бухгалтерские процессы, подготовка отчётов, ведение документации, организация файлов и запуск повторяющихся рабочих процессов. Агент может использовать корпоративные данные, подключённые приложения и облачные хранилища, а при необходимости запрашивать согласование перед чувствительным действием. Важно, что задача не всегда должна заканчиваться обычным текстовым ответом: агент может создавать документы, заполнять таблицы, раскладывать файлы по папкам, сохранять результаты в Dropbox и возвращать клиенту ссылки.
Наиболее подробный пример связан с клиентом Фила — владельцем компании по горизонтально-направленному бурению. Этот человек почти в одиночку ведёт большую часть семейного бизнеса и постоянно работает с QuickBooks, полевыми журналами, данными по проектам, PDF-файлами, контрактами и папками. Для него агент становится помощником центрального офиса, который может сопровождать запуск новых проектов и обработку документации.
Фил приводит пример сложного поручения: клиент просит найти в почте письмо от конкретного человека, обнаружить счёт по проекту, скачать его, создать папку этого проекта, сохранить туда PDF, извлечь информацию из документа, внести её в Excel, разместить материалы в Dropbox и отправить ссылку. Хотя Фил не был уверен, что агент справится со всей цепочкой за один запрос, агент выполнил задачу и вернулся с готовым результатом примерно через шесть—десять минут. Этот пример показывает, что агент может выполнять не отдельный микрошаг, а связанную последовательность операций между несколькими системами.
Ещё один административный сценарий — масштабная организация накопившихся файлов. Клиент буровой компании поручил агенту привести в порядок Dropbox, где годами накапливались проектные, бухгалтерские, поставщицкие и HR-документы. Для владельца это была работа, которую он постоянно откладывал. Агент позволил передать её в исполнение, а результат дал заметную экономию времени уже в первую неделю.
Фил отдельно говорит о задачах исполнительного ассистента. Они включают работу с почтой, календарём, исследованиями, проектами, документацией, звонками и регулярными операциями. Во всех этих случаях агент призван не заменить стратегические решения владельца, а снять с него подготовительные, организационные и повторяющиеся действия. Агент может собирать информацию, готовить материалы, поддерживать структуру данных и возвращать человеку результат, с которым уже удобно работать.
Для исследовательских задач и поиска потенциальных клиентов Фил считает принципиальным сохранять результат в понятном человеку месте, например в Excel. Не стоит оставлять результаты только во внутреннем Markdown-файле агента. Таблица становится единым источником истины: клиент может открывать её, проверять данные, редактировать их, отмечать статусы и использовать информацию дальше, а агент — обращаться к ней при следующих действиях. Сам Фил использует аналогичный подход для учёта платежей: агент может проверять поступления и добавлять их в журнал.
В разговоре также обсуждается пример из контентной работы. Один из клиентов загружает видео с iPhone на Google Drive, просит агента передать его в специализированный сервис, нарезать короткие ролики и добавить субтитры. По оценке клиента, агент доводит монтаж примерно до 80% готовности. Обработка занимает около 30–45 минут, а финальная ручная доработка всё ещё требуется, но клиент экономит несколько часов при выпуске восьми—десяти коротких видео в неделю. Этот случай показывает, что ценность агента не требует стопроцентной автоматизации: заметное сокращение ручной работы уже может быть коммерчески значимым.
До продажи услуги Фил сначала создавал агентов для себя. Он экспериментировал с их работой в личных задачах, постепенно добавляя новых агентов и наблюдая, какие функции им действительно можно поручать. Этот этап позволил ему получить практический опыт до того, как он начал предлагать решения другим людям.
По словам Фила, в какой-то момент он понял, что ему лично не требуется так много агентов, как он уже создал. Тогда он предположил, что подобная система может быть полезна другим владельцам бизнеса. Это стало переходом от внутреннего тестирования к внешним внедрениям: вместо того чтобы сразу формировать дорогой коммерческий оффер, он предложил агента нескольким знакомым.
Тестирование на собственных задачах дало Филу минимальную уверенность, необходимую для первых предложений. Кори формулирует общий принцип так: начинающему не обязательно быть признанным экспертом, но нужно знать достаточно, чтобы не навредить. Если человек уже развернул агента для себя и понимает, как он работает, он может быть на шаг впереди клиента, который никогда не сталкивался с такими системами.
Дальше личные эксперименты были дополнены пилотами для друзей. Фил настраивал им агентов бесплатно или на льготных условиях, чтобы проверить реальную полезность системы, собрать отзывы и получить практические кейсы. В результате тестирование не осталось изолированным техническим упражнением: оно стало основой для подтверждения спроса, совершенствования оффера и появления первых рекомендаций, которые затем привели к платным клиентам.
Фил Гудвин начал тестировать услугу управляемых ИИ-агентов на друзьях и знакомых. На раннем этапе его задача состояла не в максимизации выручки, а в практической проверке: способны ли агенты приносить реальную пользу конкретным владельцам бизнеса, как люди взаимодействуют с ними в реальной работе и какие элементы сервиса нужно улучшить. В предыдущем фрагменте беседы Фил поясняет, что сначала настраивал агентов для нескольких людей фактически бесплатно, поскольку хотел набрать практику, получить первые результаты и понять, как такая инфраструктура работает вне собственных задач.
При этом «бесплатно» в его модели не всегда означало, что он полностью субсидировал внедрение. Позже Фил уточняет важный принцип: на ранних клиентах он мог не брать деньги за собственное время, но сами клиенты всё равно должны были оплачивать используемые инструменты, инфраструктуру и ИИ-модель. По его мнению, поставщику не стоит самостоятельно нести такие операционные расходы. Минимальная финансовая цель даже у льготного пилота — покрыть себестоимость развёртывания и хотя бы часть затраченного времени.
В качестве способа начать Фил предлагает обращаться к людям, с которыми уже был разговор об ИИ, например к знакомым владельцам бизнеса. Его пример сообщения построен на прозрачности: он сообщает, что начал экспериментировать с управляемыми агентами, предлагает установить человеку агента, сопровождать его при создании рабочих процессов и раз в месяц созваниваться для разбора того, что работает, а что нет. Затем он прямо спрашивает, готов ли собеседник стать тестовым клиентом в обмен на более низкую стоимость услуги.
Фил подчёркивает, что такой подход обычно воспринимается нормально именно потому, что он не пытается изображать полностью сформировавшегося эксперта с безупречно отлаженным продуктом. Потенциальному клиенту может быть интересно стать ранним участником нового сервиса и получить доступ к технологии по выгодной цене. Он видит в этом взаимовыгодный обмен: исполнитель получает опыт, практику и обратную связь, а клиент — персональное внедрение и сопровождение на льготных условиях.
Кори Ганим поддерживает этот подход и выделяет его как важный урок для начинающих. По его мнению, не нужно ждать, пока услуга будет полностью идеальна, чтобы начать продавать её. Можно честно объяснить клиенту, что он участвует в тестовом внедрении, поэтому платит меньше обычной цены, а исполнитель всё ещё устраняет шероховатости и продолжает учиться. Взамен поставщик должен обещать высокий уровень сервиса и внимательное сопровождение.
В разговоре также уточняется, что бесплатный этап не является обязательным. Кори спрашивает, должен ли человек, уже создавший агента для себя и освоивший базовое развёртывание, обязательно сделать один-два проекта бесплатно. Фил отвечает однозначно: нет, можно сразу работать с платными пилотами по сниженной цене. Он считает предпочтительным, чтобы клиент хотя бы покрывал инфраструктурные расходы. Таким образом, пилот следует рассматривать не как безвозмездную услугу, а как ограниченное по цене и условиям раннее внедрение, на котором исполнитель одновременно создаёт клиенту ценность и обучается работе с конкретной отраслью.
Фил приводит собственный пример перехода к такой модели. Его первые настоящие клиенты по управляемым агентам платили примерно по $250 в месяц. Эта сумма покрывала расходы на инфраструктуру и, возможно, около часа его времени ежемесячно. Он намеренно выбрал низкую цену, потому что хотел вместе с клиентами проработать модель в двух разных отраслях. То есть ранний пилот для него был не просто скидкой, а способом накопить отраслевой опыт, проверить жизнеспособность формата сопровождения и понять, какую ценность можно впоследствии уверенно обосновывать более высокой ценой.
Фил Гудвин использовал первых друзей-клиентов как источник подтверждённых результатов, отзывов и последующих рекомендаций. Он привлекал знакомых для тестирования агентов, чтобы ответить на практические вопросы: работает ли решение в чужом бизнесе, создаёт ли оно измеримую пользу и могут ли первые пользователи сформулировать отзывы о полученной ценности. Для него такие внедрения были способом заменить теоретические предположения реальным опытом эксплуатации.
По словам Фила, бесплатные или льготные первые клиенты нередко становились непосредственным каналом к платным заказчикам. После того как знакомый видел пользу агента, он рассказывал об этом другим людям и рекомендовал Фила тем, кому уже можно было выставить счёт за внедрение. Тем самым первоначальная работа с друзьями давала не только опыт и социальное доказательство, но и расширяла коммерческую воронку через личное доверие.
Фил отмечает, что к моменту записи он провёл около 21 настройки. Значительная часть первых внедрений пришлась на близких знакомых из его окружения. Затем рекомендации начали выходить за пределы его непосредственной сети: знакомые из небольшого города в Джорджии связывали его со своими контактами в Атланте, Далласе, Северной Каролине и других более крупных городах. Это позволило ему начать работать с клиентами по всей стране, хотя сам он живёт не в богатом и не в крупном деловом центре.
Этот пример служит для Фила доказательством того, что отсутствие большой аудитории не блокирует старт такого сервиса. У него нет крупного email-листа и он не позиционирует себя как заметного инфлюенсера; в X у него около 1 500 подписчиков. Хотя он начал публиковать полезный контент в этой сети, основной ранний канал привлечения строился не на охватах, а на личной сети и рекомендациях людей, уже получивших пользу от агента.
Кори Ганим подчёркивает, что такая логика особенно важна для начинающих: бесплатная или льготная работа может быть не тупиковой уступкой, а каналом к платным проектам. Если человек знает нескольких владельцев бизнеса — например, среди знакомых по спортзалу, церкви или через семьи друзей детей, — он может предложить им тестовое внедрение. После получения конкретных результатов эти люди становятся источником практических кейсов, отзывов и доверительных представлений следующему кругу потенциальных заказчиков.
Содержание отзывов в этой модели связано не с абстрактным впечатлением от ИИ, а с наблюдаемой деловой ценностью: выполненными задачами, сэкономленным временем, организованными процессами и уменьшением ручной нагрузки. Поэтому ранние клиенты важны не только как рефералы, но и как основа для более точного понимания того, какой результат стоит продавать следующей аудитории и как формулировать оффер для конкретного типа бизнеса.
Фил Гудвин пришёл к модели управляемых агентов постепенно. Вначале он создавал агентов для себя и тестировал возможности технологии на собственных задачах. Когда у него накопилось несколько агентов, он понял, что лично ему столько решений не требуется, и начал предлагать подобные настройки другим людям. Первые внедрения для знакомых выполнялись как эксперимент: Фил строил практику, проверял ценность и собирал первичные результаты.
Изначальная коммерческая модель была ближе к разовой технической настройке инфраструктуры. В феврале Фил размещал клиентов на VPS, поднимал для них инфраструктуру, настраивал безопасность, добавлял локального coding-агента для технического обслуживания виртуального сервера и подключал основного агента, с которым клиент мог взаимодействовать через Telegram либо другой привычный канал. После передачи этой системы клиент получал ограниченный период доступа к Филу для вопросов — около 14 дней, — а затем оставался с решением один на один.
За разовые настройки Фил постепенно повышал цену: сначала $500, затем $1 000, $1 500 и $2 000. Однако опыт эксплуатации показал ему ограничение этой модели. Часть клиентов активно экспериментировала с технологией и могла самостоятельно развивать сценарии использования. Но другим владельцам бизнеса не хватало поддержки: без сопровождения они не понимали, как подключать агента к своим инструментам, как формировать рабочие процессы и как в целом взаимодействовать с новым цифровым сотрудником. В результате некоторые клиенты переставали пользоваться полученной инфраструктурой.
Именно это наблюдение стало причиной перехода к управляемой подписочной модели. Фил понял, что клиентам нужен не только развёрнутый агент, но и человек, который помогает внедрять его в повседневную работу, следит за системой, подсказывает новые сценарии и обучает владельца бизнеса эффективному взаимодействию с агентом. Он описывает себя не просто как установщика технологии, а как менеджера и коуча цифрового сотрудника.
В управляемой модели постоянная ценность создаётся несколькими слоями. Фил продолжает поддерживать инфраструктуру и устранять сбои, но также участвует в поиске полезных задач, помогает клиенту формулировать запросы и развивать процессы вокруг агента. Это особенно важно для нетехнических владельцев малого бизнеса, которые могут использовать ChatGPT как поисковик, но ещё не привыкли работать с агентом так, как работали бы с сотрудником. По мнению Фила, умение разговаривать с машиной и выстраивать с ней рабочий процесс требует отдельного обучения.
Кори Ганим интерпретирует эту модель как более глубокую версию консалтинга в формате «сделаем вместе». В ней результатом является не только коучинг, но и сам работающий ИИ-сотрудник. По оценке Кори, именно сочетание постоянной технической ответственности, сопровождения и внедрения в процессы объясняет, почему клиенты могут быть готовы платить ежемесячно, а не только один раз за первоначальную установку.
Фил Гудвин описывает свою текущую модель оплаты как двухкомпонентную. Сначала клиент платит за первоначальную настройку всей системы, затем вносит ежемесячную плату за каждого подключённого ИИ-агента. Такой подход соответствует тому, как он продаёт услугу: он начинает не с обещания неограниченного количества автоматизаций, а с решения конкретной бизнес-задачи через одного цифрового сотрудника.
Первым агентом обычно становится сотрудник для административной роли. Фил считает это естественной точкой входа, поскольку владельцы малого бизнеса часто не хотят лично выполнять офисные и повторяющиеся задачи. Агент может взять на себя часть административной нагрузки, работу исполнительного ассистента или узкую функцию, которую раньше было сложно передать обычному сотруднику. Поэтому ежемесячная плата привязана к отдельному агенту как к самостоятельной функциональной единице в бизнесе клиента.
Фил противопоставляет свой подход модели, в которой клиент платит фиксированную сумму, например $5 000 в месяц, за неограниченное количество агентов, токенов и связанных возможностей. Он сознательно не использует такую структуру, поскольку, по его наблюдениям, большинству клиентов не требуется большое число агентов сразу. Вместо этого он продаёт один понятный и внедряемый сценарий, а затем может расширять сотрудничество по мере появления новых задач и доказанной ценности.
Система, за которую клиент платит на этапе настройки, включает не только саму логику агента. На схеме Фила процесс строится вокруг запроса клиента или запланированной задачи, самого агента, корпоративных знаний и подключённых инструментов, а при необходимости — этапа согласования действий, после которого работа считается выполненной. В рамках первоначального запуска необходимо подготовить эту рабочую среду, определить роль агента и подключить необходимые источники данных и приложения.
Ежемесячная плата отражает не пассивный доступ к программе, а постоянное управление цифровым сотрудником. Фил следит за инфраструктурой, поддерживает работоспособность, помогает клиенту использовать агента, участвует в обсуждении новых процессов и остаётся доступным через общий канал коммуникации. Поэтому подписка оплачивает одновременно функционирование агента и сервис сопровождения со стороны поставщика.
Позже в разговоре Фил приводит текущие ориентиры своей практики. После первых тестовых клиентов он начал брать $1 500 за настройку и около $500 в месяц за одного агента, включая один созвон с клиентом в месяц и поддержку в общей Telegram-группе. В перспективе он хотел бы прийти к нескольким тысячам долларов за первоначальный запуск и примерно к $1 000 ежемесячно за каждого агента, но подчёркивает, что цена должна соответствовать подтверждённой для клиента ценности и возможностям его рынка.
Фил Гудвин повышал цену постепенно, ориентируясь на готовность рынка платить и на собственное понимание того, что именно получает клиент. На раннем этапе он начал с $500 за настройку, затем поднимал цену до $1 000, $1 500 и $2 000. Эта последовательность была не результатом заранее зафиксированного прайс-листа, а способом проверить спрос: после согласия клиентов на текущую цену он повышал следующую ступень.
Кори Ганим отдельно одобряет такую стратегию. Он формулирует её как простой практический принцип: если потенциальные клиенты соглашаются, цену следует продолжать повышать. По его мнению, особенно на старте нет необходимости сразу угадывать идеальную рыночную стоимость. Можно начать с более низкой цены, получить опыт выполнения услуги, увидеть результаты для клиента и затем корректировать стоимость по мере роста уверенности и подтверждённой ценности.
Переход к управляемой модели также меняет экономику предложения. Разовая настройка была проще для оценки: клиент платил за созданную инфраструктуру и ограниченный период вопросов. Но после того как Фил добавил постоянное сопровождение, управление агентом и регулярную коммуникацию, он начал отдельно оценивать как стартовые работы, так и ежемесячный сервис. Его первые управляемые клиенты платили около $250 в месяц. Эта цена, по словам Фила, в основном покрывала инфраструктурные затраты и примерно час его времени; она была намеренно низкой, поскольку он продолжал тестировать модель в разных отраслях.
Следующим этапом стал клиент, которому Фил уже продал настройку за $1 500 и ежемесячное сопровождение примерно за $500 за одного агента. Он рассматривает это как движение к более устойчивой цене, а не как окончательный прайс. Его целевой ориентир — несколько тысяч долларов за настройку и около $1 000 в месяц за агента, однако он не заявляет, что уже достиг этой планки для всех клиентов.
Фил подчёркивает необходимость найти баланс между прибыльностью и платёжеспособностью рынка. Он живёт в небольшом городе, где владельцы семейных компаний могут серьёзно обдумывать даже расходы в $500 в месяц. Поэтому он не пытается искусственно продавать всем клиентам пакет за $5 000 ежемесячно с неограниченным числом агентов. Вместо этого он ищет ценовой уровень, который позволит ему набрать достаточное число клиентов, поддерживать желаемый доход и при этом давать услугу, чья ценность для заказчика очевидна.
Обоснованием для повышения цены становятся конкретные результаты. Фил приводит пример владельца буровой компании, который при плате $500 в месяц может увидеть агента как альтернативу части работы офисного сотрудника стоимостью около $6 000 в год. Если агент снимает заметный объём административной нагрузки, организует документы и экономит десятки часов, цена превращается из незапланированного расхода в понятную инвестицию. Такой опыт, по мнению Фила, не только помогает удерживать клиента, но и создаёт основу для подключения дополнительных агентов и рекомендаций знакомым.
На раннем этапе Фил Гудвин строил для клиентов полноценную инфраструктуру вокруг ИИ-агента, а не просто передавал им доступ к чату. Он размещал клиентов на VPS — виртуальном частном сервере, поднимал для них необходимую среду и настраивал меры безопасности. Эта инфраструктурная работа входила в первоначальную настройку, за которую он сначала брал разовую оплату.
На каждом таком сервере Фил также добавлял локального coding-агента. Его роль состояла в том, чтобы быть техническим специалистом для VPS: помогать работать с окружением, поддерживать его и решать технические задачи на стороне виртуального сервера. Основной агент при этом был отдельным рабочим исполнителем, который взаимодействовал с клиентом через Telegram или другой удобный клиенту канал.
В более позднем описании оффера Фил дополняет эту картину выделенным виртуальным компьютером или VPS для каждого агента. Он включает инфраструктуру в состав управляемой услуги и берёт на себя её постоянный мониторинг. Если что-то перестаёт работать, его цель — получить уведомление и исправить проблему до того, как её заметит клиент. Тем самым техническая среда становится не одноразово переданным активом, а управляемой частью сервиса.
Кори Ганим подчёркивает коммерческую ценность такого подхода. Он отмечает распространённую проблему агентных решений: они могут ломаться, а самостоятельное устранение неполадок отнимает у владельца бизнеса часы и снижает пользу от автоматизации. Поэтому клиент платит не только за возможности ИИ-агента, но и за то, что поставщик отвечает за сервер, работоспособность и восстановление системы. Для клиента, который не хочет проводить время в технических инструментах и разбираться с ошибками, эта ответственность является существенной частью предложения.
Фил Гудвин использует Telegram как один из основных каналов взаимодействия с ИИ-агентом, хотя не ограничивает клиентов только этой платформой. На раннем этапе он описывает, что агент может быть доступен через Telegram или другой удобный для заказчика канал коммуникации. Логика заключается в том, чтобы встроить агента в привычный способ общения владельца бизнеса, а не заставлять человека постоянно переходить в отдельный сложный интерфейс.
Особенностью подхода Фила является создание не только личного канала между клиентом и агентом, но и общего Telegram-чата, в котором присутствуют сам Фил, клиент и агент. Такой чат не оставляет владельца бизнеса один на один с новой системой. Клиент видит, как Фил формулирует задачи агенту, и на этом примере учится взаимодействовать с цифровым сотрудником. Одновременно Фил наблюдает за запросами клиента и может своевременно подсказать, как лучше поставить задачу или как выстроить более полезный рабочий процесс.
Эта групповая коммуникация напрямую связана с коучинговой частью оффера. По словам Фила, многие владельцы бизнеса ещё не привыкли разговаривать с ИИ как с сотрудником. Они могут обращаться к ChatGPT как к поисковой системе, но не всегда естественно дают агенту контекст, последовательность действий и ожидаемый результат. Наблюдая за реальными диалогами в группе, Фил помогает клиенту перейти от отдельных вопросов к делегированию рабочих задач.
На примере клиента из сферы горизонтально-направленного бурения Фил показывает, как такой формат применяется на практике. Клиент мог в одном сообщении попросить агента найти письмо от конкретного человека, скачать счёт по определённому проекту, создать папку проекта, сохранить туда PDF, извлечь из документа данные в Excel, продублировать материалы в Dropbox и отправить ссылку. Агент выполнял цепочку операций и возвращался с результатом. Общий чат позволяет клиенту видеть ход такого взаимодействия и постепенно расширять собственное представление о том, какие задачи можно передавать агенту.
В более позднем описании текущей коммерческой модели Фил также упоминает Telegram-группу как часть ежемесячного сопровождения. Она дополняет ежемесячный созвон и обеспечивает постоянный рабочий контакт между поставщиком, клиентом и агентом. Таким образом, Telegram в его модели выступает не просто мессенджером для команд, а средой совместного управления, обучения и поддержки.
Фил Гудвин описывает каждого управляемого агента как отдельного цифрового сотрудника с определённой ролью и рабочей средой. У агента есть собственная должностная инструкция, которая задаёт круг обязанностей и определяет, какие задачи он должен выполнять для клиента. Это соответствует общей логике оффера: Фил продаёт не универсальный чат-бот, а агента, который закрывает конкретный функциональный пробел в бизнесе — чаще всего административный, ассистентский или связанный с повторяющимися операциями.
Помимо должностной инструкции, у агента есть память. Она необходима, чтобы агент мог работать не как изолированный исполнитель каждого единичного запроса, а с учётом сохранённого контекста, знаний компании и предшествующих взаимодействий. На общей схеме Фила агент подключён к знаниям и инструментам компании, что позволяет ему обрабатывать запросы, используя материалы и рабочую среду заказчика. Для некоторых клиентов агент также получает отдельный email-адрес. Фил специально уточняет, что это не обязательный элемент: не все заказчики хотят, чтобы у цифрового сотрудника была собственная почта. Решение зависит от того, какие задачи агенту делегируются и насколько автономно он должен участвовать в переписке или обработке входящих сообщений.
Важной частью конфигурации становятся подключённые приложения. Агент может работать с инструментами бизнеса и выполнять операции на стыке нескольких систем. В примере с буровой компанией он взаимодействует с электронной почтой, PDF-документами, файловой структурой, Excel и Dropbox. В других обсуждаемых сценариях агенты могут быть связаны с календарём, бухгалтерскими данными, системами хранения документов, контентными сервисами и иными прикладными инструментами клиента.
Наконец, агент работает на выделенной вычислительной среде — виртуальной машине, компьютере или VPS. Для Фила это часть стандарта сервиса: агенту требуется не только логика и доступы, но и поддерживаемое рабочее окружение. Он берёт на себя мониторинг этого окружения, чтобы клиент получал работающего цифрового сотрудника, а не набор разрозненных технических компонентов.
В модели Фила Гудвина процесс работы агента может включать обязательный этап согласования. После получения запроса от клиента агент использует знания компании и подключённые инструменты, но перед определёнными действиями должен получить одобрение человека. В качестве прямого примера Фил называет отправку email: агент может подготовить действие, однако отправка письма выполняется только после подтверждения.
Этот механизм встроен в общую схему выполнения задач. Запрос клиента или запланированная задача поступает к выделенному агенту; далее он использует корпоративные данные и приложения; если операция требует контроля, включается этап одобрения; только после этого задача считается завершённой. Наличие согласования позволяет сочетать автоматизацию с контролем владельца бизнеса. Агент может выполнять значительную подготовительную и операционную работу, но не получает безусловного права совершать чувствительные внешние действия. Такой подход особенно уместен в задачах, связанных с коммуникациями, документами и бизнес-инструментами, где ошибка или несвоевременное действие могут иметь последствия для клиента.
Фил не представляет согласование как обязательное ограничение для каждого шага. Он говорит, что этот этап добавляется «иногда», то есть в зависимости от конкретного сценария и требуемого уровня автономности. Следовательно, конфигурация агента предполагает настройку баланса: рутинные и безопасные действия могут выполняться автоматически, а действия с повышенной значимостью остаются под контролем человека.
Фил Гудвин включает постоянный мониторинг в базовую конструкцию управляемого ИИ-агента. Помимо должностной инструкции агента, его памяти, возможного отдельного email-адреса, подключённых приложений и выделенной виртуальной машины или VPS, клиент получает сопровождение инфраструктуры. Это не дополнительная техническая опция, а существенная часть оффера: Фил берёт на себя наблюдение за работоспособностью системы после запуска.
Его целевой стандарт сервиса состоит в том, чтобы клиент вообще не замечал технические проблемы. По словам Фила, для инфраструктуры настраиваются механизмы контроля и уведомления: если что-то перестаёт работать, он должен узнать об этом первым. Если сбой всё же становится заметен клиенту, Фил обещает исправить его немедленно. Таким образом, управляемость агента означает не только создание и настройку, но и ответственность поставщика за непрерывность работы системы.
Кори Ганим подчёркивает, что эта часть особенно важна на фоне проблем, которые пользователи связывают с самостоятельным развёртыванием агентных решений. Он приводит пример OpenClaw: одним из распространённых возражений к подобным инструментам становится их нестабильность, когда пользователь вынужден значительную часть времени не получать результат от агента, а заниматься устранением неполадок. В такой ситуации ценность поставщика заключается в том, что техническая поддержка и восстановление работы не перекладываются на владельца бизнеса.
Мониторинг в этой модели превращает агентную систему из набора самостоятельных инструментов в обслуживаемую услугу. Клиенту не нужно самостоятельно отслеживать состояние виртуальной машины, подключений и связанных компонентов; поставщик должен обнаружить проблему, устранить её и по возможности сохранить для клиента ощущение бесперебойной работы цифрового сотрудника.
Кори Ганим объясняет ценность управляемой модели через типичного клиента, который не хочет становиться техническим оператором собственного ИИ-агента. По его мнению, вопрос не в том, готов ли кто-то платить несколько тысяч долларов в месяц за самого агента, а в том, готов ли владелец бизнеса тратить часы каждую неделю на работу в таких средах, как Claude Code или Codex, чтобы выяснять, почему агент перестал работать, и самостоятельно исправлять ошибки. Именно от этой нагрузки управляемый сервис и освобождает клиента.
Фил Гудвин соглашается: уже одна готовность поставщика поддерживать стабильную работу системы может оправдывать ежемесячную оплату в несколько тысяч долларов. Особенно сильным этот аргумент становится для людей, которые уже пытались внедрить агентов самостоятельно. Такие клиенты знают на практике, что первоначальный интерес к технологии может смениться разочарованием, когда настройка оказывается хрупкой, а сбои требуют регулярного внимания.
По наблюдению Фила, новички могут ещё не осознавать проблему: они не знают, что агентная система способна ломаться или требовать технического обслуживания. Но предприниматели, которые уже пытались самостоятельно развернуть агента, столкнулись с ошибками, потеряли время на их исправление и в итоге отказались от использования, гораздо лучше понимают ценность управляемого подхода. Для них услуга означает не просто доступ к ИИ, а передачу ответственности за эксплуатацию человеку, который будет сопровождать систему.
Эта логика напрямую связана с позиционированием Фила как менеджера и коуча цифрового сотрудника. Он продаёт не разовую установку, после которой клиент остаётся один на один с инфраструктурой, а постоянное присутствие: контроль, устранение сбоев, помощь в использовании агента и развитие сценариев его применения. Поэтому стоимость предложения обосновывается не только автоматизацией отдельных задач, но и снижением риска, что после запуска решение перестанет использоваться из-за технических сложностей.
Фил Гудвин подчёркивает, что управляемые агенты применимы не к одной узкой отрасли, а к широкому спектру бизнесов, где есть повторяющаяся административная, операционная, контентная, ассистентская или техническая работа. Среди его текущих клиентов есть компании из строительства и бизнес-коучинга, а среди предыдущих — бизнесы по управлению недвижимостью и различные инженерные проекты. Это позволяет ему рассматривать модель как универсальную для компаний, в которых собственник или небольшая команда перегружены задачами центрального офиса.
Визуальные материалы Фила структурируют сценарии использования по нескольким направлениям. Для операций и администрирования агент может работать с почтой, счетами в PDF, бухгалтерскими задачами, отчётами, документами и повторяющимися процессами. В блоке контента и работы со знаниями упоминаются создание и обработка контента, подготовка презентаций, сайтов и сводок. Отдельно выделяются функции исполнительного ассистента — работа с почтой, календарём, исследованиями, проектами и коммуникациями — а также техническая и регулярная работа, включая интеграции с бизнес-инструментами и автоматизацию повторяемых процессов
Кори Ганим отмечает, что такие примеры важны в продажах, потому что многие потенциальные клиенты, особенно с небольшим опытом использования ИИ, не могут самостоятельно сформулировать возможные сценарии. Они могут предполагать, что агент им нужен, но не понимать, какие именно задачи ему стоит передать. Поэтому набор конкретных категорий помогает поставщику показать диапазон возможностей и дать клиенту отправную точку для выбора первой задачи.
При этом Фил не утверждает, что один и тот же агент будет одинаково использоваться во всех отраслях. Его примеры показывают общий принцип: агент наиболее ценен там, где в бизнесе накопились процессы, которые владелец выполняет сам, не хочет выполнять или не может легко передать обычному сотруднику. В строительстве это может быть запуск проекта и документооборот, в контентной работе — подготовка материалов, в коучинге — административное и информационное сопровождение, а в недвижимости и инженерных проектах — работа с документами, файлами и регулярными операциями.
Главный отраслевой пример Фила — его недавний клиент, который практически в одиночку ведёт значительную часть семейного бизнеса по горизонтально-направленному бурению. Для такого бизнеса характерен большой объём работы центрального офиса: необходимо запускать новые проекты, координировать информацию от подрядчиков в поле, контролировать журналы работ и сводить данные из нескольких источников.
Фил описывает среду клиента как набор постоянно пересекающихся систем и документов. Владельцу приходится переключаться между QuickBooks, полевыми журналами, данными по проектам, PDF-документами, контрактами и папками с файлами. Такая работа не сводится к одному простому действию: она включает поиск нужной информации, проверку контекста проекта, создание структуры хранения, перенос данных и дальнейшую организацию документов.
Этот сценарий показывает, почему Фил начинает продажи управляемых агентов с административных ролей. Именно такие задачи владельцы бизнеса часто считают неприятными, но не могут полностью игнорировать: от них зависит порядок в финансах, проектной документации, учёте работ и коммуникации с подрядчиками. Агент становится цифровым сотрудником, который помогает закрывать этот операционный пробел и снижает количество ручных переключений между программами и файлами.
Фил отдельно отмечает, что с развитием моделей его всё сильнее впечатляет объём работы, который агент способен обработать. В случае буровой компании речь идёт не об одной изолированной команде, а о последовательности связанных действий в нескольких системах. Этот опыт служит для него подтверждением, что агент может участвовать в реальных процессах малого бизнеса, где задачи обычно распределены между почтой, финансовыми сервисами, проектной документацией и облачным хранилищем.
Фил Гудвин приводит конкретный пример сложного запроса от клиента из буровой компании. Клиент мог попросить агента найти в почте письмо от определённого человека, проверить наличие в нём счёта по конкретному проекту, скачать этот счёт, создать новую папку проекта, разместить в ней PDF-файл, извлечь данные из документа, внести их в Excel-таблицу, сохранить всё в Dropbox и затем вернуть ссылку на результат.
Существенная особенность этого примера в том, что задача объединяет поиск, интерпретацию информации, работу с файловой системой, обработку PDF, внесение структурированных данных в таблицу, использование облачного хранилища и финальную коммуникацию с клиентом. Вместо того чтобы разбивать процесс на множество ручных операций, владелец бизнеса формулирует одну цель, а агент выполняет последовательность подзадач.
Фил признаётся, что первоначально сомневался, сможет ли агент выполнить столь большой набор действий за один заход. Однако в описанном случае агент вернулся примерно через шесть—десять минут с выполненной работой и закрытыми пунктами задачи. Для Фила это иллюстрирует качественное изменение возможностей агентных систем: они способны не только отвечать на отдельный вопрос, но и доводить до результата связанный операционный процесс.
Этот пример также показывает, как может выглядеть полезный результат для владельца бизнеса. Агент не ограничивается сообщением о найденном счёте или текстовым пересказом PDF, а создаёт рабочие артефакты: проектную папку, сохранённый документ, заполненную таблицу и ссылку на материалы. Тем самым итог работы становится пригодным для дальнейшего использования в бизнес-процессе, а не остаётся внутри диалога с агентом.
После первого успешного опыта клиенты, по наблюдению Фила, начинают искать новые области, которые можно передать агенту. В случае владельца буровой компании следующим направлением стала организация большого массива файлов: бухгалтерских материалов, документов поставщиков, HR-документов и проектных данных. Это работа, которую легко откладывать годами, поскольку она требует времени, внимательности и не даёт владельцу немедленного ощущения прогресса.
Клиент поручил агенту вернуться к накопленному массиву документов и организовать весь Dropbox. В частности, речь шла о файлах, связанных с проектами, которые ранее оставались неупорядоченными. Фил подчёркивает, что клиент сам говорил о многолетнем откладывании этой задачи: необходимость систематизировать файлы существовала давно, но не становилась приоритетом на фоне более срочной операционной работы.
Для управляемого агента такой сценарий ценен тем, что он позволяет взяться за объёмную, рутинную и давно запущенную работу без постоянного ручного участия владельца. Это расширяет роль агента за пределы обработки новых входящих задач. Он может также работать с накопленным операционным долгом — приводить в порядок уже существующие документы и создавать структуру, которой бизнес сможет пользоваться дальше.
Именно организация файлов стала одной из причин особенно заметной ценности для этого клиента в первую неделю. Фил связывает крупный показатель сэкономленного времени с тем, что агент выполнил не только текущие поручения, но и помог закрыть большой пласт давно отложенной работы с проектной документацией и облачным хранилищем.
При запуске агента Фил Гудвин создаёт групповой чат в Telegram, в котором участвуют он сам, клиент и агент. Этот формат дополняет личное взаимодействие клиента с агентом: клиент не остаётся с цифровым сотрудником один на один, а получает среду, где поставщик видит ход работы и может вмешаться при необходимости.
По словам Фила, групповая коммуникация работает в обе стороны. Клиент наблюдает, как сам Фил формулирует запросы агенту, и благодаря этому учится взаимодействовать с ИИ не как с поисковой системой, а как с исполнителем задач. Одновременно Фил видит, какие запросы отправляет клиент, и может помогать ему улучшать формулировки, объяснять возможности системы и направлять к более эффективным сценариям работы.
Такой формат соответствует более широкому подходу Фила к управляемым агентам. Он не просто передаёт готовую инфраструктуру и не ограничивается техническим обслуживанием. Поставщик становится менеджером и коучем цифрового сотрудника: он помогает клиенту освоить рабочие процессы, увидеть новые варианты использования и избежать ситуаций, в которых агент остаётся невостребованным из-за неуверенности клиента.
Групповой чат также создаёт прозрачность вокруг работы агента. Клиент может видеть, как задачи ставятся и выполняются, а Фил может своевременно заметить затруднение, недопонимание или неудачный сценарий. Это делает поддержку частью ежедневного взаимодействия, а не только реакцией на отдельный запрос или запланированный ежемесячный созвон.
Кори Ганим считает, что первый наглядный успешный результат агента способен радикально изменить отношение клиента к услуге. На примере буровой компании он описывает ситуацию, в которой владелец даёт агенту многошаговое поручение и через несколько минут получает готовый результат. Для человека, который мог вручную выполнять подобные действия по каждому проекту много лет, это становится моментом сильного осознания практической ценности технологии.
По мнению Кори, такой опыт особенно важен для удержания. Клиент видит не абстрактный потенциал ИИ, а конкретно снятую с него работу — то, на что раньше уходили десятки минут по каждому проекту, что могло раздражать, откладываться или забываться. Когда агент начинает надёжно выполнять подобные процессы, клиенту становится трудно вернуться к прежнему способу работы, потому что контраст между ручной нагрузкой и автоматизированным результатом уже очевиден.
Фил подтверждает, что после такого опыта клиенты начинают задавать один и тот же вопрос: «Что ещё я могу сделать?» Это важный переход от первоначального внедрения одного агента к расширению сферы его применения. Вместо того чтобы воспринимать агента как решение одной конкретной задачи, клиент начинает искать дополнительные процессы, которые можно передать цифровому сотруднику.
В случае буровой компании это расширение произошло через передачу агенту организационной работы с Dropbox и массивом накопленных файлов. Таким образом, первый удачный сценарий не только доказывает ценность начальной настройки, но и запускает дальнейший поиск задач. Для поставщика это создаёт основу для более глубокого сотрудничества: клиент начинает видеть агента как постоянный операционный ресурс, а не как разовый эксперимент.
Фил Гудвин считает журнал ценности одним из ключевых элементов каждого запускаемого агента. Он рекомендует сделать так, чтобы агент фиксировал каждую выполненную задачу и оценивал, сколько человеческого времени и денег она сэкономила. Этот учёт нужен не только для внутренней аналитики поставщика: его основная задача — регулярно и понятно показывать владельцу бизнеса, какую измеримую ценность создаёт агент.
В конце каждой недели Фил просит агента отправлять владельцу отчёт. В нём должны быть отражены количество выполненных задач, оценка времени, которое потребовалось бы человеку на их выполнение, и денежный эквивалент этой экономии. В отчёте также отмечаются задачи, для которых агент не может самостоятельно определить корректную временную или денежную оценку. В таких случаях он просит клиента сообщить, сколько времени обычно занимала бы эта работа у него самого.
Такой подход превращает оценку эффекта в совместный процесс. Агент не просто заявляет о своей полезности, а собирает перечень выполненной работы, предлагает предварительную оценку и запрашивает у клиента недостающий контекст. Благодаря этому владелец получает регулярное подтверждение результата в понятной для бизнеса форме: не только «агент выполнил задачи», но и «за неделю он сэкономил определённое количество часов и денег».
Фил приводит примеры еженедельной ценности в долларах: в одном случае клиент видел около $1 700 экономии за неделю, в другом — $6 300. Для владельца буровой компании первая неделя оказалась особенно показательной: по оценке Фила, агент сэкономил примерно 63 часа и создал около $6 300 ценности. Значительная часть эффекта была связана с обработкой и организацией большого массива накопленных файлов, которые клиент давно не успевал привести в порядок.
Кори Ганим называет этот механизм особенно сильной идеей, поскольку он напрямую связывает ежемесячную оплату управляемого агента с наблюдаемой отдачей. В его интерпретации, еженедельный ROI-отчёт помогает клиенту видеть, сколько времени, денег или эквивалентной ценности принесло использование агента, и тем самым количественно объясняет, почему имеет смысл продолжать оплачивать услугу каждый месяц.
Фил Гудвин называет журнал ценности одним из практических элементов, который следует добавлять в каждого запускаемого для клиента агента. Суть подхода в том, чтобы агент фиксировал все выполненные задания и для каждой задачи оценивал, сколько человеческого времени и денег удалось сэкономить. Такой учёт превращает работу агента из набора разрозненных действий в измеримый результат для владельца бизнеса.
По словам Фила, в конце каждой недели агент должен самостоятельно направлять владельцу отчёт. В нём указывается, сколько задач было завершено за неделю, сколько времени потребовало бы их выполнение человеком и какому денежному эквиваленту соответствует эта экономия. Таким образом, клиент регулярно видит не только перечень сделанной работы, но и её предполагаемый финансовый эффект.
Фил также предлагает включать в отчёт задачи, для которых агент пока не может корректно определить стоимость или временной эквивалент. В таком случае агент должен прямо попросить владельца оценить: сколько времени обычно заняло бы это действие без автоматизации. Ответ клиента позволяет постепенно уточнять модель расчёта ценности и делать следующие отчёты более релевантными именно для конкретного бизнеса.
Регулярность здесь критична: вместо того чтобы вспоминать ценность агента только при продлении подписки или во время ежемесячного созвона, клиент получает еженедельное подтверждение результата. Фил приводит примеры формата таких выводов: за одну неделю клиент мог сэкономить около $1 700, за другую — около $6 300. Кори Ганим особенно выделяет этот подход как сильный механизм удержания: количественная демонстрация сэкономленного времени, денег или созданной ценности объясняет владельцу бизнеса, почему за управляемого агента имеет смысл продолжать платить каждый месяц.
Пример с особенно высокой ценностью относится к недавнему клиенту Фила Гудвина — владельцу компании по горизонтально-направленному бурению. Этот человек практически в одиночку ведёт значительную часть семейного бизнеса и постоянно работает с проектной документацией, полевыми журналами, данными в QuickBooks, контрактами, PDF-файлами, Excel и папками в Dropbox. Одной из самых болезненных для него задач была организация накопившихся файлов.
После запуска агента клиент поручил ему разобрать и организовать Dropbox, включая многолетние проектные документы, бухгалтерские файлы, данные поставщиков и HR-документы. По словам Фила, владелец бизнеса годами откладывал эту работу: она была необходимой, но объёмной и неприятной. Возможность передать её агенту стала для него одним из наиболее очевидных источников эффекта уже на старте сотрудничества.
Фил оценивает результат первой недели примерно в 63 сэкономленных часа. Это был самый большой объём экономии времени, который он видел у нового клиента после внедрения агента. Оценка была отражена в журнале ценности, который фиксирует выполненные агентом действия и сопоставляет их с человеческими затратами времени и денег.
В денежном выражении Фил называет результат первой недели равным примерно $6 300 созданной ценности. Эта цифра не описывается как прямой доход клиента: она представляет собой оценку стоимости высвобожденного времени и выполненной работы. Для модели управляемых агентов такой кейс важен тем, что помогает клиенту быстро увидеть разницу между ежемесячной ценой услуги и результатом, который агент уже успел создать. Именно после такого первого заметного результата, по наблюдению Фила, клиенты обычно начинают думать не о том, нужен ли им агент, а о том, какие ещё задачи ему можно передать.
Фил Гудвин приводит отдельный пример клиента, использующего агента не для административной работы, а для задач, связанных с контентом и знаниями. Сам Фил отмечает, что это направление пока не относится к его собственным основным сценариям применения, однако клиент смог встроить агента в процесс создания коротких видео.
Рабочий процесс начинается с того, что клиент загружает видео, снятое на iPhone, в Google Drive и указывает агенту на нужный файл. Затем агент взаимодействует со специализированным сервисом для обработки коротких роликов. Клиент может дать ему команду взять конкретное видео, обработать его в выбранном сервисе, нарезать на короткие фрагменты и добавить субтитры.
Фил подчёркивает, что агент в данном случае не просто формирует рекомендации по монтажу, а взаимодействует с используемым клиентом программным обеспечением и возвращает обработанный материал. Для клиента это особенно актуально, поскольку он стремится выпускать примерно от восьми до десяти коротких роликов в неделю. При таком объёме даже частичное снятие рутинной монтажной работы создаёт заметную экономию времени.
Этот кейс демонстрирует более широкий принцип: агент может быть полезен не только там, где нужно разбирать письма, документы или таблицы, но и в творческих процессах, если часть работы формализована и может быть передана подключённым инструментам. При этом Фил не позиционирует монтаж как полностью автономную задачу: итоговое качество пока требует участия человека, но значительная часть работы уже может быть переложена на агента.
В описанном сценарии агент доводит короткие видео примерно до 80% готовности. После загрузки исходного файла в Google Drive и передачи задания агенту тот использует специализированный сервис, чтобы нарезать материал и добавить субтитры. Результат не является полностью финальным, но клиенту остаётся только проверить и доработать отдельные детали.
По словам Фила Гудвина, обработка одного задания может занимать у агентной модели примерно от 30 до 45 минут. Он отмечает, что такие задачи пока требуют от моделей сравнительно много времени, особенно по сравнению с более простыми операционными действиями. Тем не менее клиент считает такой процесс полезным, потому что его собственное участие сокращается до финальной правки, а не включает весь монтажный цикл с нуля.
Кори Ганим соглашается, что видеомонтаж — одна из областей, в которых ИИ особенно сложно стабильно доводить работу до 100% качества. Однако он считает уровень около 80% значимым результатом: если агент снимает большую часть ручной и утомительной работы, это способно высвободить несколько часов в неделю. Для короткого контента, который нужно выпускать регулярно, даже неполная автоматизация имеет практическую ценность.
Таким образом, ценность агента в этом кейсе заключается не в полной замене редактора, а в сокращении объёма первоначальной ручной работы. Клиент сохраняет контроль над итоговым качеством, но получает черновой или почти готовый результат, на котором можно быстро завершить монтаж.
Фил Гудвин относит исследования и поиск потенциальных клиентов к хорошо подходящим для ИИ-агентов задачам. Он упоминает сценарии, в которых агенту можно поручить исследовательский проект, поиск компаний в конкретной нише или подбор потенциальных клиентов для определённой услуги. Такие задания входят в число типовых задач, где агент способен ускорять сбор и первичную обработку информации.
При этом Фил делает важное уточнение: недостаточно, чтобы агент просто нашёл информацию и сохранил её внутри собственной рабочей среды, например в Markdown-файле. Если результат поиска лидов или исследования остаётся в неудобном для клиента формате, пользоваться им дальше будет сложно. Ценность создаётся не только в момент поиска, но и в том, насколько легко человек может проверить, отредактировать и применить результаты.
Поэтому Фил рекомендует строить такие процессы так, чтобы агент сохранял результаты исследования в доступном и понятном человеку рабочем артефакте — в частности, в Excel-таблице. Это даёт владельцу бизнеса возможность просматривать собранные данные, вносить правки, отмечать обработанные контакты и продолжать работу с результатами исследования без необходимости взаимодействовать с внутренними файлами агента.
Фил Гудвин объясняет, что в процессе работы с агентами пришёл к необходимости создавать единый источник истины для результатов. Он считает недостаточным поручать агенту исследования или поиск лидов, если собранная информация остаётся только в его Markdown-файлах или других внутренних записях. Для человека такие материалы могут быть неудобны для дальнейшей проверки и практического использования.
В качестве решения Фил предлагает сохранять результаты в Excel-файл или аналогичную таблицу. В таком формате клиент получает понятную рабочую среду, где можно просматривать данные, редактировать их, отмечать выполненные действия и контролировать дальнейшую работу. Агент, в свою очередь, тоже может обращаться к этой таблице и использовать её как актуальную базу данных для следующих задач.
Фил описывает это как сравнительно простое, но важное открытие. Вместо того чтобы относиться к агенту как к отдельной системе, которая хранит результаты у себя, он предлагает выстроить общую рабочую поверхность, доступную и человеку, и агенту. Это делает процесс прозрачнее: клиент видит, что было найдено или обработано, а агент получает место, откуда может брать актуальные данные и куда должен записывать новые результаты.
Такой подход особенно важен при поиске потенциальных клиентов, исследованиях и других задачах, где итогом является массив структурированной информации. Excel в данном случае становится не просто форматом выгрузки, а общей операционной базой, в которой сохраняется актуальное состояние работы.
Фил Гудвин рассматривает таблицу как общее рабочее пространство для человека и агента. Клиент может зайти в Excel-файл, просмотреть собранные данные, проверить их, отредактировать, добавить собственные комментарии или отметить выполненные пункты. Агент при этом может обращаться к той же таблице, видеть актуальные изменения и продолжать работу на основании данных, которые уже проверил или дополнил человек.
На собственном примере Фил рассказывает, что начал вести в Excel учёт платежей и других процессов. Он поручил своему агенту перепроверять таблицу при поступлении очередного платежа и добавлять запись в журнал. Благодаря этому таблица становится общей точкой контроля: Фил может видеть финансовую информацию в знакомом формате, а агент — поддерживать её в актуальном состоянии.
Этот подход устраняет разрыв между действиями агента и рабочими инструментами владельца бизнеса. Вместо того чтобы агент выполнял работу в изолированной среде, а человек затем вручную переносил результаты, оба используют один и тот же источник данных. По словам Фила, это небольшая деталь, но она особенно важна там, где результаты должны быть понятны человеку и пригодны для последующего контроля, например при работе с лидами, платежами или другими регулярными операционными данными.
Фил Гудвин объясняет, что первые клиенты для его услуги управляемых агентов пришли не из большой аудитории, email-базы или масштабной маркетинговой воронки. Он начал с друзей: предлагал им попробовать агентов, чтобы проверить, создаёт ли сервис реальную ценность, получить практический опыт, собрать отзывы и сформировать первые кейсы. Эти ранние внедрения стали основой для дальнейшего привлечения клиентов.
По словам Фила, бесплатные или льготные тестовые клиенты нередко становились источником рекомендаций. Друзья, для которых он настраивал агентов, рассказывали о результате знакомым, и уже эти рекомендации приводили к платным проектам. Таким образом, ранняя работа выполняла не только учебную функцию, но и становилась каналом продаж.
К моменту разговора Фил провёл около 21 настройки. Значительная часть первых внедрений была сделана для людей из близкого окружения. Затем сеть начала расширяться: один человек рассказывал другому, а тот мог оказаться владельцем другого бизнеса или иметь контакты за пределами непосредственного круга Фила. Он подчёркивает, что развитие происходило главным образом через личные связи, а не через заранее построенную систему массового привлечения.
Кори Ганим выделяет из этого важный вывод: даже бесплатная работа может быть осмысленным способом создать канал к платным клиентам. В данном случае она не сводилась к безвозмездному оказанию услуги ради самой услуги. Она помогала подтвердить работоспособность оффера, сформировать доверие, собрать отзывы и получить рекомендации от людей, которые уже увидели пользу агента в своей работе.
Фил Гудвин живёт в небольшом городе в Джорджии, который он не характеризует как особенно обеспеченный рынок. Однако он подчёркивает, что ограниченность локального рынка не означает ограниченность сети контактов. Люди из его города поддерживают связи с друзьями и знакомыми в Атланте, Далласе, Северной Каролине и других более крупных городах.
Именно через такие связи его клиентская база начала выходить за пределы непосредственного места проживания. Первые внедрения для друзей породили рекомендации, а рекомендации стали приводить к людям из других регионов. В результате Фил начал настраивать ИИ-агентов клиентам по всей стране, хотя первоначально его деятельность строилась вокруг локального круга общения.
Этот пример показывает, что личная сеть не обязательно ограничивается географией малого города. Для Фила локальные знакомства стали точкой входа в более широкую сеть, а не конечным рынком. Он не утверждает, что получил клиентов благодаря большой онлайн-аудитории: напротив, он говорит, что у него около 1 500 подписчиков в X и он не занимается целенаправленным ростом числа подписчиков. Основным механизмом расширения стали реальные связи и рекомендации, которые передавались от первых знакомых к людям в других городах.
Фил Гудвин подчёркивает, что его клиентский поток изначально не строился на большой аудитории или масштабной контент-машине. Основным источником первых внедрений стали личные связи и рекомендации: знакомые, для которых он запускал агентов, рассказывали о результате другим людям. При этом публикации в X он начал использовать как дополнительный, а не базовый канал привлечения.
По словам Фила, у него около 1 500 подписчиков в X, и он не позиционирует себя как крупного инфлюенсера и не фокусируется специально на наращивании числа подписчиков. Его подход заключается в том, чтобы делиться полезными материалами, которые могли бы помочь людям, находящимся в похожей стартовой позиции: тем, кто хочет начать создавать и внедрять ИИ-агентов, но сомневается в своей готовности или технической квалификации.
Содержание таких публикаций связано прежде всего с практическим призывом начать действовать. Фил не описывает X как канал, который моментально заменяет личную сеть или автоматически создаёт поток клиентов. Скорее, это способ публично показывать собственный опыт, ход экспериментов и рабочие выводы. Такая коммуникация поддерживает его позиционирование как человека, который сам проходит путь от нетехнического специалиста к поставщику управляемых ИИ-агентов и делится прикладными наблюдениями по ходу работы.
Фил Гудвин объясняет, что при запуске ИИ-услуг важно не ограничиваться поиском оффера, который выглядит популярным или потенциально дорогим. По его мнению, необходимо найти формат работы, который одновременно можно продать и который исполнитель действительно хочет выполнять. Он связывает это с личным опытом: в сфере ИИ есть множество возможных услуг, но не каждая из них подходит конкретному человеку по интересам, навыкам и предпочитаемому способу работы с клиентами.
Фил пробовал разные направления, включая работу с Claude Cowork и другими решениями Claude. Однако в ходе практики он понял, что не хочет строить свою услугу вокруг большого количества разрозненных инструментов, настройки плагинов или создания навыков в Claude Cowork. Такой формат не соответствует тому, чем ему интересно заниматься, даже если на него может существовать спрос.
Вместо этого Фил выбрал более узкую модель: настроить для клиента выделенного ИИ-агента, дать ему роль цифрового сотрудника и сопровождать его использование. Ему нравится именно эта часть работы — развернуть агента, помочь встроить его в процессы бизнеса, наблюдать за его работой и вместе с клиентом находить новые сценарии применения. Таким образом, его оффер сформировался не как абстрактная реакция на тренд, а через экспериментирование и отбор той модели, которая оказалась для него наиболее подходящей.
Кори Ганим поддерживает этот вывод и формулирует его как общий принцип для аудитории: среди сотен возможных ИИ-офферов нужно искать тот, за который клиенты готовы платить и который самому поставщику нравится исполнять. Высокая потенциальная цена услуги или её популярность сами по себе не гарантируют, что человеку будет комфортно и устойчиво заниматься ею в долгую.
Фил Гудвин описывает перфекционизм как одно из главных препятствий для тех, кто хочет начать оказывать услуги вокруг ИИ-агентов. Он приводит пример местного знакомого, который пытается заняться похожей деятельностью, но рискует надолго застрять на этапе размышлений. По наблюдению Фила, очень легко убедить себя, что до выхода к рынку необходимо полностью подготовить подробный план: определить точный оффер, целевую аудиторию, способ исполнения услуги, ценовую модель и все остальные детали.
Фил считает такой подход ошибочным. По его мнению, не нужно сначала доводить до совершенства каждый элемент будущего бизнеса, чтобы начать предлагать услугу. Гораздо важнее приступить к практическим действиям: настроить агентскую систему, попробовать её на конкретном человеке или компании, посмотреть на фактические запросы и получить опыт реального сопровождения.
Он подчёркивает, что многие важные решения становятся понятны только после начала работы. В процессе можно обнаружить, какие задачи действительно интересны исполнителю, какие форматы не подходят, что нужно изменить в инфраструктуре, как клиенты используют агентов и за какие результаты они готовы платить. Именно так Фил пришёл к своей модели управляемых ИИ-агентов: он не сформировал её в готовом виде заранее, а постепенно выделил из различных экспериментов тот формат, который ему нравится и который приносит клиентам ценность.
Его практический вывод сводится к тому, что действие должно предшествовать полной уверенности. В определённый момент кто-то из окружения может просто спросить, сколько стоит конкретная услуга. Это создаёт возможность перейти от эксперимента к коммерческому предложению, даже если поставщик ещё продолжает учиться и уточнять свою модель.
Фил Гудвин рекомендует не скрывать от первых клиентов, что услуга находится на стадии тестирования и доработки. Он считает, что предложение пилотного формата может быть честным и взаимовыгодным: поставщик получает практику, кейс и понимание реальных потребностей бизнеса, а клиент — доступ к новой технологии и персональному сопровождению по сниженной цене.
В его подходе тестовый клиент — не человек, которому продают полностью отлаженный и якобы зрелый сервис. Напротив, Фил прямо говорит, что начинает тестировать сервис управляемых агентов, хочет получить опыт и готов сопровождать клиента в создании рабочих процессов. Такая прозрачность помогает не создавать ложных ожиданий и одновременно снижает барьер для первого сотрудничества.
Кори Ганим отдельно отмечает ценность этой честности. По его мнению, начинающему поставщику не нужно изображать эксперта, который уже идеально выстроил все процессы. Можно открыто объяснить: услуга развивается, поставщик продолжает учиться и устранять шероховатости, поэтому клиент получает более выгодные условия, чем те, которые будут действовать позже. При этом необходимо обещать высокий уровень сервиса и реальную вовлечённость в результат клиента.
Оба спикера связывают такой формат с тем, что для старта необязательно быть признанным специалистом или брать высокую цену. Достаточно обладать знаниями, которых хватает, чтобы безопасно создать для клиента работающего агента и дать ему ценность. Тестовое позиционирование позволяет начать с более доступной цены, одновременно получая оплату за обучение на реальных внедрениях и формируя основу для последующего роста стоимости услуги.
В ответ на вопрос Кори Ганима о том, что именно написать знакомому-владельцу бизнеса, Фил Гудвин предлагает простой и прямой формат сообщения. Он отмечает, что часто такие обращения делаются не «из холодного контакта»: с человеком уже могли обсуждать ИИ на встрече или в неформальной обстановке. Поэтому сообщение продолжает существующий разговор и не требует сложной продающей конструкции.
Фил формулирует основу так: сообщить, что он начал экспериментировать с ИИ-агентами и тестирует сервис управляемых агентов; предложить установить агентскую систему для бизнеса; объяснить, что он будет сопровождать клиента в построении рабочих процессов; договориться о ежемесячном созвоне, на котором будут разбираться результаты, проблемы и дальнейшие возможности. Затем следует прямой вопрос о готовности стать тестовым клиентом на более льготных условиях.
Важная часть формулировки — открытое объяснение мотивации поставщика. Фил не предлагает притворяться, что он уже располагает многолетней практикой во всех возможных сценариях. Он прямо говорит, что хочет получить опыт и практику, а потому предлагает клиенту снизить цену. По его словам, многие знакомые реагируют на это положительно: им может быть интересно участвовать в тестировании новой технологии и получить поддержку по сниженной ставке, вместо того чтобы сразу платить полную цену за зрелую услугу.
Фил также отмечает, что подобные разговоры могут возникать в самых обычных социальных ситуациях, включая неформальное общение с другими родителями на детском празднике. Это подчёркивает, что для первого предложения не обязательно иметь большую аудиторию, сложную воронку или формализованный отдел продаж: достаточно использовать уже существующие отношения и ясно объяснить ценность пилота.
Кори Ганим спрашивает, обязательно ли начинающему поставщику сначала делать один-два проекта полностью бесплатно, если он уже создал агента для себя и уверен, что способен воспроизвести это решение для владельца бизнеса. Фил Гудвин отвечает однозначно: можно сразу начинать с платной работы в формате тестового клиента.
По его позиции, полностью бесплатный этап не является обязательным условием выхода на рынок. Поставщик может прямо сказать клиенту, что это пилот, что цена ниже будущей стандартной стоимости, а сама услуга ещё развивается и уточняется на практике. Такой формат сохраняет честность, но не обесценивает работу исполнителя и не требует финансировать чужую инфраструктуру из собственного кармана.
Кори поддерживает этот подход и уточняет, что после работы над собственными агентами человеку не обязательно повторно проходить этап бесплатных внедрений. Если есть минимально достаточная уверенность в способности принести клиенту пользу, можно предлагать услугу за $250 или $500 в месяц. В этой логике ранний клиент фактически оплачивает не только доступ к агенту, но и процесс обучения, адаптации и доработки сервиса под реальные бизнес-процессы.
Такая модель позволяет перейти к коммерческой практике без ожидания полной зрелости предложения. Вместо выбора между двумя крайностями — «я должен быть экспертом» и «я обязан работать бесплатно» — спикеры предлагают промежуточный путь: платный, но льготный пилот с прозрачным объяснением его статуса.
Фил Гудвин подчёркивает, что даже при работе с первыми клиентами на сниженных условиях желательно не уходить в полностью убыточную модель. Его минимальная рекомендация — покрывать расходы на инфраструктуру, а в идеале также получать хотя бы частичную компенсацию собственного времени.
Он уточняет, что когда говорит о бесплатных внедрениях для знакомых, речь не всегда идёт о полной бесплатности. В таких случаях он мог не брать деньги за собственную работу, настройку и сопровождение, но сами клиенты всё равно оплачивали необходимые инструменты: инфраструктуру, ИИ-модель и прочие связанные расходы. Иными словами, Фил мог бесплатно отдавать своё время, но не брал на себя постоянные издержки, возникающие из-за работы клиентского агента.
Этот принцип особенно важен для ранних тестовых проектов, поскольку агентная услуга требует технической базы: виртуального компьютера или VPS, доступа к модели, подключённых сервисов и других компонентов. Если поставщик оплачивает всё это самостоятельно, каждый новый тестовый клиент увеличивает финансовую нагрузку, а не даёт возможность устойчиво учиться и развивать сервис.
Поэтому Фил советует предлагать пилоты по низкой ставке, но не обязательно делать их бесплатными. Даже небольшая плата помогает закрыть инфраструктурные расходы и создаёт более жизнеспособную модель, в которой практика с первыми клиентами не превращается в прямой убыток.
Фил Гудвин показывает, как формировалась его ранняя ценовая модель. Самые первые варианты его услуги представляли собой разовую настройку инфраструктуры без долгосрочного управляемого сопровождения. В таком формате он брал около $500: настраивал систему, передавал её клиенту и оставлял короткий период, в течение которого можно было задавать вопросы. Это ещё не была полноценная подписочная модель управляемых агентов.
Первый клиент именно в новом управляемом формате появился у него примерно за месяц до записи выпуска. Для этого клиента Фил не взял отдельную плату за настройку, поскольку хотел вместе с ним проработать модель и получить практический опыт. Ежемесячная стоимость составила $250. По его оценке, эта сумма в основном покрывала инфраструктурные расходы и примерно один час его времени в месяц, поскольку после первоначальной настройки многие системы способны работать достаточно автономно.
Со вторым клиентом Фил действовал схожим образом. Это были компании из разных отраслей, и для него было важно проверить применимость модели в нескольких контекстах. Низкая цена на раннем этапе выступала не только коммерческим предложением, но и способом получить отраслевой опыт, увидеть реальные процессы и сформировать основу для дальнейшего позиционирования.
С последним из упомянутых клиентов Фил впервые начал явно использовать стартовую плату за запуск системы. Он взял $1 500 за настройку, а затем установил ежемесячную стоимость около $500 за одного агента. В пакет входили регулярный ежемесячный созвон, групповой чат в Telegram с клиентом и агентом, а также продолжающееся сопровождение. Эта цена отражает переход от недорогого тестового формата к более структурированной управляемой услуге, где отдельно оплачиваются внедрение и дальнейшая поддержка.
Фил Гудвин описывает желаемое направление развития цены, но не представляет его как уже окончательно установленный прайс. Его цель — со временем брать несколько тысяч долларов за первоначальную настройку системы и примерно $1 000 в месяц за каждого управляемого ИИ-агента. При этом он подчёркивает, что цена должна быть обоснована реальной и понятной клиенту ценностью, а не просто соответствовать популярным рыночным заявлениям.
Он противопоставляет свой подход модели с фиксированной высокой ежемесячной оплатой за неограниченное число агентов. В качестве примера он упоминает модель, которую, насколько ему известно, использует Ник: около $5 000 в месяц за неограниченных агентов и токены. Фил выбрал другую структуру: отдельная плата за настройку и ежемесячная оплата за каждого агента. По его мнению, большинству клиентов малого бизнеса не требуется большое число агентов, поэтому привязка цены к конкретному агенту выглядит для них более естественной и проще связывается с получаемым результатом.
На момент разговора Фил ещё ищет баланс между доходностью собственной услуги и платёжеспособностью ближайшего рынка. Он живёт в небольшом городе в Джорджии, где не все владельцы малого бизнеса готовы без раздумий платить по несколько тысяч долларов в месяц за ИИ-сопровождение. Он не утверждает, что для такого рынка правильной стартовой точкой будет $5 000 в месяц за неограниченную конфигурацию.
Вместо этого он стремится определить цену, которая позволит обслуживать достаточное число клиентов, поддерживать желаемый доход и при этом давать им соразмерную ценность. Он приводит пример владельца семейной буровой компании: $500 в месяц могут сначала восприниматься как незапланированные расходы, однако ситуация меняется, когда клиент видит, что агент способен заменить значительную часть работы офисного сотрудника. В такой логике расходы на агента могут выглядеть как примерно $6 000 в год за цифрового помощника, а не как абстрактная технологическая подписка. Фил считает, что при доказанной пользе клиент может захотеть подключить несколько агентов и рекомендовать услугу другим владельцам бизнеса.
Фил Гудвин описывает ценообразование как процесс поиска практической «золотой середины» между ценностью для клиента, возможностями локального рынка и доходностью собственной модели. После ранних экспериментов с управляемыми агентами он начал брать около $1 500 за настройку и примерно $500 в месяц за одного агента, включая ежемесячный созвон и поддержку в общем Telegram-чате. При этом он рассматривает эти цифры не как окончательно сформированный прайс, а как промежуточную точку, с которой можно проверять готовность рынка платить за услугу.
Его целевая модель предполагает более высокую стоимость: несколько тысяч долларов за первоначальную настройку и около $1 000 ежемесячно за каждого агента. Однако Фил не стремится сразу навязать рынку максимальную цену. Он подчёркивает, что пока не нашёл в своём локальном окружении клиентов, готовых платить $5 000 в месяц за неограниченное число агентов. Вместо универсального высокочекового пакета он выбирает модель оплаты за внедрение и за каждого конкретного агента, поскольку большинству небольших компаний, по его наблюдениям, не требуется большое количество агентов одновременно.
На ценообразование влияет и география. Фил живёт в небольшом городе в Джорджии, где его ближайшая сеть контактов не состоит из особенно состоятельных предпринимателей. Поэтому для владельца местного семейного бизнеса даже $500 ежемесячных расходов могут быть заметным решением, которое требует обоснования. В этой среде важно не просто обозначить технические возможности ИИ-агента, а показать понятную деловую отдачу: какие задачи перестают лежать на владельце, что автоматизируется и какую экономию создаёт система.
Одновременно Фил не ограничивает свой рынок только небольшим городом. Благодаря рекомендациям его локальных знакомых он уже получает клиентов из Атланты, Далласа, Северной Каролины и других регионов. Тем не менее стартовая стратегия основана на реалистичном понимании своей ближайшей аудитории: нужно найти цену, которая будет достаточно доступной, чтобы первые клиенты соглашались на внедрение, и одновременно позволит наращивать количество контрактов до уровня дохода, необходимого самому поставщику услуги.
Кори Ганим поддерживает этот подход и связывает его с честным тестированием модели. По его мнению, на ранней стадии нормально работать с клиентами по сниженной ставке, открыто объясняя, что формат ещё дорабатывается. Такая цена компенсирует клиенту участие в пилоте, а исполнителю позволяет учиться на реальных внедрениях, повышать качество сервиса и постепенно переходить к более высокому чеку по мере появления подтверждённых результатов.
Фил Гудвин предлагает объяснять стоимость управляемого ИИ-агента через сравнение не с абстрактным программным продуктом, а с функцией офисного сотрудника. Его пример относится к владельцу семейной компании по горизонтально-направленному бурению. Для такого предпринимателя ежемесячная плата в $500 сначала выглядит как незапланированная статья расходов, особенно в контексте небольшого локального рынка. Однако восприятие меняется, когда агент начинает выполнять значимую часть административной работы, которую раньше приходилось делать владельцу или которую мог бы выполнять сотрудник центрального офиса.
Фил формулирует ценностное предложение через возможную замену или разгрузку офисной функции: если агент способен заменить сотрудника центрального офиса за $6 000 в год, предпринимателю становится проще принять решение о покупке. Речь не идёт о заявлении, что агент полностью и универсально заменяет человека во всех задачах. В контексте разговора агент закрывает конкретные повторяющиеся и административные процессы: работу с письмами, счетами, PDF-документами, папками проектов, таблицами, бухгалтерскими файлами и другими офисными операциями.
Это сравнение особенно убедительно после первого измеримого результата. В случае буровой компании агент за первую неделю помог сэкономить примерно 63 часа работы и создал, по оценке Фила, около $6 300 ценности. Такие показатели переводят разговор из плоскости «платить ли за новую технологию» в плоскость сопоставления расходов и результата. Клиент видит не только ежемесячную цену сопровождения, но и объём времени, которое перестаёт тратить лично, а также стоимость административной работы, которую получает в цифровом формате.
Модель Фила усиливает это сравнение постоянным сопровождением. Клиент платит не только за доступ к агенту, но и за настройку инфраструктуры, мониторинг, устранение сбоев, помощь с рабочими процессами и обучение взаимодействию с ИИ. Поэтому агент позиционируется не как самостоятельный инструмент, который владелец должен обслуживать сам, а как управляемый цифровой сотрудник, за работоспособность и развитие которого отвечает поставщик услуги.
Кори Ганим и Фил Гудвин последовательно снимают барьер «недостаточной экспертности» для тех, кто хочет продавать управляемых ИИ-агентов. Кори подчёркивает, что для начала не требуется быть техническим специалистом, разработчиком или признанным экспертом по ИИ. По его формулировке, важно знать достаточно, чтобы не навредить клиенту и дать ему реальную ценность. Фил служит примером такого пути: он пришёл из продуктового и Figma-дизайна, а не из программирования, но смог начать внедрять и сопровождать агентов для малого бизнеса.
Принцип «быть на один шаг впереди клиента» Кори формулирует в заключительной части разговора. Его смысл состоит в том, что потенциальный поставщик услуги уже обладает полезным преимуществом, если сам хотя бы немного поработал с агентами, развернул их для собственных задач и понимает базовый процесс настройки. Для владельца бизнеса, который ещё не внедрял агентов, не знает, какую инфраструктуру выбрать, как подключить инструменты и как выстроить работу с цифровым исполнителем, этот практический опыт уже представляет ценность.
Фил развивает эту мысль через призыв не ждать полной готовности. Он считает, что человеку не нужно сначала создать идеальный оффер, исчерпывающе описать все процессы и разобраться во всех возможных ИИ-инструментах. Гораздо важнее начать делать реальные внедрения, чтобы через практику понять, какие задачи и форматы работы действительно подходят самому исполнителю и приносят результат клиенту. Сам Фил в процессе экспериментов понял, что ему интереснее не широкий консалтинг по множеству инструментов, а конкретная модель управляемого агента с инфраструктурой, поддержкой и сопровождением.
Важная часть этого подхода — честное позиционирование ранних клиентов как тестовых. Фил и Кори считают допустимым брать плату уже на пилотном этапе, но по сниженной ставке и без ложного образа полностью отлаженной экспертной услуги. Клиенту можно прямо объяснить, что внедрение находится в стадии доработки, а более низкая цена отражает эту ситуацию. При этом Фил советует не работать совершенно бесплатно в смысле покрытия расходов: как минимум инфраструктуру, ИИ-модель и другие прямые затраты должен оплачивать клиент.
Таким образом, «один шаг впереди» не означает право обещать результат, который исполнитель не способен обеспечить. Речь идёт о практическом преимуществе перед человеком, который ещё вообще не проходил путь развертывания агента. Это преимущество позволяет помочь клиенту начать, настроить рабочую среду, увидеть первые сценарии применения и получить поддержку там, где самостоятельное внедрение могло бы остановиться из-за технических сложностей или непонимания, как взаимодействовать с агентом.
Отвечая на вопрос Кори Ганима о первом шаге для человека, который хочет начать продавать управляемых агентов, Фил Гудвин советует прежде всего выбрать инфраструктуру. В качестве наиболее простого варианта он называет Orgo. По его оценке, платформа позволяет быстро развернуть среду для агента благодаря готовым шаблонам и встроенным возможностям, не требуя на старте самостоятельно собирать всю техническую инфраструктуру с нуля.
Рекомендация Orgo соответствует общей логике разговора: вход в модель управляемых агентов должен быть доступен не только разработчикам. Фил считает, что новичку важно получить первый работающий опыт и убедиться, что создание и подключение агента не настолько сложно, как может казаться до начала работы. После первого внедрения снижается психологический барьер: появляется понимание, что услугу можно оказывать и что накопленных знаний уже достаточно, чтобы принести пользу владельцу бизнеса, который не проходил этот путь самостоятельно.
Фил также упоминает ориентир по стоимости входа: виртуальный компьютер в Orgo, по его словам, можно получить примерно за $29 в месяц, возможно, с дополнительными промокодами. Это поддерживает его совет начинать с одного клиента и одной относительно простой инфраструктуры, а не пытаться сразу строить масштабную систему. Низкий порог по инфраструктурным расходам делает первые платные пилоты более реалистичными: исполнитель может покрывать базовые затраты и постепенно проверять спрос.
Кори подтверждает, что его команда тоже использует Orgo для внутренних агентов. Он описывает платформу как средство, которое фактически предоставляет агенту отдельный компьютер, и отмечает, что Orgo создаётся именно для развертывания управляемых агентов для клиентов. Поэтому Кори считает платформу подходящим вариантом для людей, которые серьёзно намерены строить сервисную модель с внедрением и сопровождением агентов, а не просто экспериментировать с разовыми чат-ботами.
Фил Гудвин выделяет Orgo как практичный инструмент, потому что платформа предлагает готовые шаблоны и механизмы для быстрого запуска рабочей среды. В его модели это важно: управляемый агент должен быть не только настроен для конкретного клиента, но и размещён в понятной, повторяемой инфраструктуре. Шаблоны помогают быстрее переходить от первого опыта к следующему внедрению, вместо того чтобы заново вручную собирать аналогичную среду для каждого клиента.
Он упоминает, что через Orgo можно создавать рабочие пространства и использовать виртуальные компьютеры для агентов. Такой виртуальный компьютер выступает основой, на которой агент получает собственную рабочую среду. Фил называет ориентировочную цену первого компьютера — около $29 в месяц, подчёркивая, что это позволяет недорого подключить первого клиента и начать проверять модель на практике.
В контексте управляемой услуги виртуальный компьютер становится частью предлагаемой клиенту системы, а не отдельным техническим продуктом. Ранее Фил описывал, что у агента может быть выделенная виртуальная машина, подключённые приложения, память, доступ к знаниям компании, иногда email-адрес и механизмы согласования действий. Orgo, согласно его рекомендации, упрощает развёртывание такой базовой среды, на которой затем можно строить конкретного цифрового сотрудника под задачи малого бизнеса.
Кори Ганим дополняет эту картину, говоря, что Orgo даёт агенту компьютер и проектируется как платформа для развёртывания управляемых агентов для клиентов. В разговоре не разбираются технические детали устройства шаблонов или рабочих пространств, но подчёркивается их практическая роль: они сокращают путь от намерения запустить услугу до первого работающего внедрения.
Фил Гудвин отмечает, что сам старается выполнять в Orgo как можно меньше ручной работы. Его подход состоит в том, чтобы подключить собственного ИИ-агента к платформе и поручать ему операционные действия внутри этой среды. По словам Фила, агент занимается дублированием шаблонов, созданием рабочих пространств и настройкой необходимых элементов.
Этот пример иллюстрирует, что ИИ-агенты в его модели используются не только как услуга для внешних клиентов, но и для автоматизации внутренней работы самого поставщика. Вместо того чтобы вручную повторять стандартные действия при подготовке новых клиентских сред, Фил делегирует эти рутинные инфраструктурные операции своему агенту. Тем самым он применяет ту же идею цифрового сотрудника к собственному процессу оказания услуги.
Практический смысл такого подхода — сокращение ручной повторяющейся работы при развертывании новых агентов. Если шаблоны и рабочие пространства можно дублировать и настраивать через агента, исполнитель получает более воспроизводимый процесс запуска. В рамках разговора Фил не раскрывает технические детали инструкций или конфигурации этого внутреннего агента, но ясно связывает автоматизацию настройки с возможностью быстрее и проще подключать клиентов к выбранной инфраструктуре.
В финале беседы Фил Гудвин называет свой сервис Sidecar SMB. Это направление связано с его моделью управляемых ИИ-агентов для малого бизнеса: клиент получает не просто агента, а сопровождаемую систему, в которой Фил участвует как менеджер, коуч и консультант. Он помогает подобрать и настроить агента под конкретную роль, организовать рабочие процессы, поддерживать инфраструктуру и устранять проблемы, если они возникают.
В течение разговора эта модель раскрывается через практические компоненты Sidecar SMB. Агент может иметь должностную инструкцию, память, подключённые приложения, доступ к знаниям компании, виртуальный компьютер и при необходимости email-адрес. Для чувствительных действий может быть предусмотрено согласование, например перед отправкой электронного письма. Фил также делает акцент на постоянном мониторинге, чтобы сбои устранялись до того, как они станут проблемой для клиента.
Отдельная часть ценности Sidecar SMB — обучение клиента использованию цифрового сотрудника. Фил организует общий Telegram-чат, где присутствуют он сам, клиент и агент. Это позволяет владельцу бизнеса видеть примеры правильного взаимодействия с агентом, а Филу — наблюдать за запросами, подсказывать более эффективные способы постановки задач и находить новые сценарии автоматизации.
Сервис строится вокруг бизнес-результата, а не вокруг разовой технической установки. Фил добавляет в агентов журнал ценности, который фиксирует выполненные задачи и оценивает сэкономленные время и деньги. Затем клиент может получать еженедельный отчёт о созданной ценности. Такая механика помогает связывать регулярную оплату с наблюдаемым эффектом от работы агента и его сопровождения.
Фил также указывает сайт сервиса — runsidecar.com — и свой аккаунт в X под названием FHL Creative.
Фил Гудвин сообщает, что помимо Sidecar SMB его команда работает над отдельным enterprise-предложением. Это направление будет ориентировано не на малый бизнес, а на компании с выручкой от $50 млн. В разговоре не приводятся детали будущего оффера, его цены, технической архитектуры или отраслевой специализации.
Само появление enterprise-направления показывает, что Фил различает два сегмента рынка. Sidecar SMB предназначен для малого бизнеса, где важны доступная стартовая стоимость, понятные административные сценарии, непосредственное сопровождение и быстрый показ ценности. Enterprise-направление, по его словам, рассчитано на существенно более крупные организации, для которых нужен отдельный формат предложения.
Фил не заявляет, что enterprise-сервис уже запущен: он формулирует это именно как работу над будущим предложением. Поэтому в рамках беседы можно говорить только о заявленном целевом сегменте — компаниях с оборотом от $50 млн — и о намерении развивать для них отдельное направление управляемых агентных решений.