Як використовувати Claude для автоматизації бізнес-процесів: гайд з AI агентами

Більшість команд витрачають до 40% робочого часу на рутину: відповіді на однотипні листи, складання звітів, обробка заявок. Claude у режимі агента може взяти це на себе — не просто відповідати на питання, а самостійно виконувати ланцюжки дій. Цей туторіал покаже, як за 2-3 години налаштувати першого AI-агента для реального бізнес-процесу. Вам не потрібні навички програмування — лише акаунти в кількох сервісах і чітке розуміння того, що саме ви хочете автоматизувати.

🛠️ Що знадобиться

• Claude API (Anthropic Console) — серце всього процесу; тариф від $3/місяць залежно від обсягу, є тріал з кредитами на $5
• Make (раніше Integromat) — платформа для побудови автоматизацій без коду; безкоштовний план включає 1000 операцій/місяць, цього вистачить для старту
• Google Workspace (Gmail + Sheets) — тригер і сховище даних; безкоштовний акаунт підійде повністю
• Notion або Airtable — база знань для агента, звідки він братиме контекст; обидва мають безкоштовні плани
• Postman або Bruno — для тестування API-запитів перед запуском; безкоштовні інструменти

📋 Покрокова інструкція

Крок 1: Отримати API-ключ Claude і зрозуміти структуру агента

Зайдіть на console.anthropic.com, зареєструйтесь і перейдіть у розділ API Keys → Create Key. Скопіюйте ключ і збережіть у безпечному місці — він показується лише один раз. Тепер важливо зрозуміти логіку: агент — це не просто один запит до Claude, а цикл дій. Ви даєте йому системний промпт (ким він є і що може робити), інструменти (функції, які він може викликати — наприклад, читати пошту чи записувати в таблицю) і задачу. Claude вирішує, які інструменти використати і в якому порядку. Для нашого прикладу будемо будувати агента, який обробляє вхідні заявки від клієнтів: читає листа, класифікує запит, записує в CRM і надсилає відповідь.

Крок 2: Підготувати базу знань у Notion

Відкрийте Notion, створіть нову сторінку з назвою «Agent Knowledge Base» і додайте три розділи: FAQ (типові питання та відповіді), Цінова таблиця і Контакти відповідальних менеджерів. Це критично важливо — агент без контексту буде галюцинувати ціни та деталі. Далі перейдіть у Notion Settings → Integrations → Create Integration, дайте їй назву «Claude Agent» і скопіюйте Internal Integration Secret. Поверніться до вашої сторінки, натисніть три крапки у правому верхньому куті → Connect to → Claude Agent. Тепер ваш агент матиме доступ до актуальних даних компанії замість вигаданих.

Крок 3: Побудувати сценарій у Make

Зайдіть на make.com, створіть новий сценарій і додайте перший модуль: натисніть + → знайдіть Gmail → Watch Emails. Авторизуйте свій Google-акаунт і налаштуйте фільтр: у полі Criteria вкажіть subject:заявка OR subject:замовлення — так агент реагуватиме лише на релевантні листи. У полі Maximum number of results поставте 5, щоб не перевантажити систему на старті. Після цього додайте другий модуль: HTTP → Make a request. Це буде наш виклик до Claude API. У поле URL введіть https://api.anthropic.com/v1/messages, метод — POST, у Headers додайте два рядки: x-api-key: [ваш ключ] і anthropic-version: 2023-06-01.

Крок 4: Написати системний промпт і налаштувати тіло запиту

У полі Body модуля HTTP вставте JSON-структуру. Модель вкажіть claude-opus-4-5 — станом на 2026 рік це оптимальний вибір для агентських задач. У system напишіть чіткий промпт: «Ти — агент підтримки компанії [назва]. Твої задачі: 1) Визначити тип запиту (нове замовлення / технічне питання / скарга / інше). 2) Сформулювати відповідь клієнту на основі FAQ. 3) Вказати, якому менеджеру передати заявку. Відповідай ТІЛЬКИ у форматі JSON з полями: type, response_text, manager, priority (low/medium/high).» У поле content динамічно підставте тіло листа з попереднього модуля Gmail через змінну {{1.snippet}}. Підводний камінь: якщо не вказати формат відповіді, Claude відповість вільним текстом і наступні модулі зламаються — завжди вимагайте JSON у системному промпті.

Крок 5: Замкнути ланцюжок — записати в таблицю і надіслати відповідь

Додайте третій модуль: JSON → Parse JSON, передайте туди відповідь Claude з поля {{2.data.content[0].text}}. Тепер Make «розуміє» структуру відповіді і ви можете використовувати окремі поля. Четвертий модуль — Google Sheets → Add a Row: підключіть вашу CRM-таблицю і замапте поля — Дата ({{now}}), Email клієнта ({{1.from}}), Тип ({{3.type}}), Менеджер ({{3.manager}}), Пріоритет ({{3.priority}}). П’ятий модуль — Gmail → Send an Email: у поле To підставте {{1.from}}, у Subject — «Re: {{1.subject}}», у тілі листа — {{3.response_text}}. Натисніть Run once для тесту — у результаті ви маєте побачити заповнений рядок у таблиці і надісланий лист клієнту без жодної ручної дії з вашого боку.

⚠️ Типові помилки та як їх уникнути

• Агент відповідає не у форматі JSON — додайте у системний промпт фразу «Відповідай ВИКЛЮЧНО валідним JSON без жодного тексту до чи після», і окремо обробляйте помилки парсингу в Make через модуль Router
• Claude «вигадує» деталі, яких немає в базі знань — передавайте вміст Notion-сторінки прямо в user-повідомлення як контекст, а не покладайтесь на те, що модель «знає» про вашу компанію
• Сценарій ламається на листах з вкладеннями або HTML — у Gmail-модулі використовуйте поле snippet (чистий текст) замість body, або додайте модуль Text Parser → HTML to Text перед відправкою до Claude
• Агент відповідає повільно і Make видає timeout — у налаштуваннях HTTP-модуля збільште Timeout до 60 секунд, або перейдіть на асинхронну модель через Anthropic Batches API для великих обсягів

💡 Поради для кращого результату

По-перше, додайте у системний промпт приклади (few-shot) — 2-3 пари «лист → правильна класифікація». Це різко підвищує точність і зменшує витрати токенів на «здогадки». По-друге, налаштуйте в Google Sheets умовне форматування: рядки з priority=high автоматично стають червоними — менеджер одразу бачить пожежі без читання всієї таблиці. По-третє, раз на тиждень робіть аудит помилок: додайте в Sheets окрему колонку «Feedback» і просіть менеджерів ставити 0/1 чи правильно агент класифікував запит — це дасть вам дані для покращення промпту. По-четверте, використовуйте параметр temperature: 0.2 у API-запиті для класифікаційних задач — менше творчості, більше передбачуваності у відповідях.

❓ Часті запитання (FAQ)

1. Скільки коштує запуск такого агента в реальному проекті?
При обробці 500 листів на місяць витрати на Claude API складуть приблизно $8-15 залежно від довжини листів. Make на безкоштовному плані покриє до 1000 операцій — для старту вистачить. Повна місячна вартість зазвичай менша за 2 години роботи асистента.

2. Чи можна підключити агента до Telegram або Slack замість пошти?
Так, Make має готові модулі для обох платформ. Замість Gmail Watch Emails використайте Telegram Bot → Watch Updates або Slack → Watch Messages, решта ланцюжка залишається ідентичною.

3. Як зробити так, щоб агент міг також шукати інформацію в інтернеті?
У Claude API є вбудований інструмент web_search — додайте його у масив tools у вашому запиті. Але для більшості бізнес-задач достатньо власної бази знань у Notion, а зовнішній пошук збільшує час відповіді і вартість запиту.

4. Що робити, якщо агент помилково класифікує запити?
Зберігайте у Sheets всі «сирі» відповіді Claude і раз на тиждень переглядайте помилки. Зазвичай 5-10 реальних прикладів, доданих у промпт як few-shot, вирішують 80% проблем з точністю класифікації.

5. Чи безпечно передавати дані клієнтів у Claude API?
Anthropic не використовує дані з API для навчання моделей — це прописано в умовах використання. Проте якщо ви працюєте з чутливими персональними даними в ЄС, перевірте наявність Data Processing Agreement з Anthropic і при необхідності анонімізуйте імена та контакти перед відправкою.

🏁 Підсумок

Ви навчились будувати повноцінного AI-агента на базі Claude: від отримання API-ключа до автоматичної обробки заявок з класифікацією, записом у CRM і відповіддю клієнту. Ця архітектура масштабується — той самий підхід працює для обробки рахунків, моніторингу згадок бренду, генерації щотижневих звітів і десятків інших процесів.

Почніть прямо зараз: зайдіть на console.anthropic.com, отримайте API-ключ і зберіть перший сценарій у Make на тестових даних — це займе не більше 45 хвилин. Перший запущений агент змінює мислення швидше за будь-який туторіал.