Анастасія А.
Запропонуйте Анастасії роботу над вашим наступним проєктом або зареєструйте профіль фрилансера і починайте заробляти просто зараз.
Особисте повідомлення
Запропонувати роботу
Львів,
Україна
1 місяць 13 днів тому
вільний для роботи
на сервісі 1 місяць 18 днів
Рейтинг
Успішних проєктів
Середня оцінка
Рівень володіння мовами
Українська: носій
English: вище середнього
Резюме
Мій шлях у сфері автоматизації базується на поєднанні системного менеджменту та сучасних AI-технологій. Протягом останнього року я трансформувала свій досвід у комунікаціях у технічну експертизу, фокусуючись на створенні систем, що працюють без втручання людини.
Професійний досвід:
Асистент директора з комунікацій (Карітас України): робота з великими масивами документів, структурування баз даних та оптинізація внутрішніх процесів. Саме тут я реалізувала проєкти з автоматизації, які дозволили команді звільнити десятки годин робочого часу.
AI Automation Specialist (Freelance/Projects): розробка та впровадження рішень на базі n8n.
Ключові реалізовані проєкти:
AI Media Monitoring System: Створила багатопотоковий воркфлоу в n8n, який автоматично збирає згадки про організацію з новинних сайтів та соцмереж, аналізує їхню тональність за допомогою AI та надсилає структуровані звіти.
HR-автоматизація: Розробила систему автоматичного перенесення даних з Google Forms у шаблони Google Docs для миттєвого створення документів про онбординг співробітників.
Smart Email Flows: Налаштування автоматичних ланцюжків листів, інтегрованих із CRM, де контент адаптується під потреби отримувача.
Освіта та навчання:
Магістр лінгвістики (МДПУ ім. Б. Хмельницького) — глибоке розуміння структури тексту, що допомагає мені у професійному промпт-інжинірингу.
GoIT School: Курси «AI Marketing Automator» та «Prompt Engineering» (2025-2026).
MASC: Спеціалізовані курси із n8n таAI Expert.
Моя мета — не процес автоматизації, а реальна економія вашого часу та грошей.
Навички та вміння
Програмування
Послуги
Портфоліо
-
10 000 UAH AI-асистент для волонтерів кафе
Розробка ботів
Створення інтелектуального Telegram-агента, який автоматизує підтримку волонтерів некомерційного кафе, дозволяючи команді фокусуватися на гостинності, а не на пошуку операційних відповідей.
Контекст
D.Café — це некомерційний проєкт, де всі прибутки йдуть на благодійність. Команда складається з волонтерів, які працюють позмінно і мають різний рівень підготовки. Основа філософії кафе — «радикальна гостинність». До впровадження рішення волонтери витрачали час на пошук відповідей щодо операційних процесів, що відволікало їх від спілкування з гостями.
…
Проблема
Відсутність швидкого доступу до бази знань: правила роботи з касою, обладнанням, стандарти меню та скрипти спілкування.
Необхідність постійно відволікати досвідчених членів команди для отримання базових інструкцій.
Втрата фокусу на гостях через технічні та організаційні запитання, особливо під час онбордингу нових волонтерів.
Мета: надати волонтерам миттєвий доступ до всієї операційної інформації через звичний інструмент (Telegram) без необхідності додаткового навчання.
Рішення
Розроблено розмовного AI-агента, який виконує роль цифрового адміністратора. Система базується на структурованій базі знань, що містить повний опис процесів кафе. Агент використовує семантичний пошук, що дозволяє йому розуміти контекст запитання, а не лише ключові слова.
Ключові особливості:
Архітектура RAG: відповіді базуються виключно на завантажених інструкціях кафе, що гарантує їхню точність.
Tone of Voice: налаштування теплого та привітного стилю спілкування, що відповідає цінностям D.Café.
Нульовий поріг входу: використання Telegram як основного інтерфейсу, що не потребує встановлення нових додатків.
Контроль точності: агент налаштований повідомляти про відсутність інформації замість того, щоб надавати неперевірені дані.
Процес реалізації
Аудит та структурування знань: збір інструкцій з відкриття/закриття зміни, правил кухні, касових процедур та скриптів взаємодії з гостями.
Побудова бази знань: організація інформації у векторну базу даних, оптимізовану для точного контекстного пошуку.
Архітектура агента в n8n: використання OpenAI Chat Model з інтеграцією Simple Memory для підтримки контексту розмови та OpenAI Embeddings для семантичного пошуку.
Конфігурація тональності: програмування специфічного стилю відповідей (використання фраз «радий допомогти», «благословенного дня» тощо).
Тестування та запуск: розгортання бота, проведення інструктажу для волонтерів та збір зворотного зв’язку безпосередньо під час робочих змін.
Результати
Автоматична обробка 10–20 запитів за зміну, що раніше потребували залучення адміністратора.
Середній час відповіді — до 60 секунд, що дозволяє волонтеру швидко повернутися до роботи з гостями.
Мінімальні витрати на експлуатацію системи завдяки оптимізації запитів до API.
Прискорення онбордингу: нові волонтери отримують підтримку в режимі реального часу.
Високий рівень довіри до системи завдяки точності відповідей та дотриманню корпоративної етики спілкування.
#n8n #AI_Assistant #RAG #KnowledgeBase #OpenAI #Telegram_Automation #NonProfit_Tech #CustomerService_AI #SemanticSearch #VectorDatabase #VolunteerManagement
-
12 000 UAH AI-агент для автоматизації створення контенту
Розробка ботів
Зрозумів, зробимо опис більш стриманим та професійним. Ось варіант оформлення кейсу без емодзі:
Назва проєкту:
Мультимодальний AI-агент у Telegram для автоматизації контент-мейкінгу (n8n + OpenAI + Google Sheets)
…
Опис роботи:
Розробка інтелектуальної системи в Telegram, яка автоматизує процес перетворення ідей (текстових або голосових) у структуровані пости з генерацією візуального контенту.
Контекст
Процес створення контенту для соціальних мереж зазвичай складається з декількох ручних етапів: запис думок, транскрибація, структурування тексту, підбір візуального ряду та фіксація результатів у базі даних. Проєкт мав на меті створити єдину точку входу для миттєвої обробки ідей.
Проблема
Складність фіксації думок у реальному часі.
Необхідність використання декількох окремих сервісів для транскрибації, генерації тексту та зображень.
Відсутність автоматизованого архіву чернеток, що призводило до хаотичного збереження даних.
Мета: максимальне спрощення шляху від ідеї до готової чернетки у Google Sheets.
Рішення
Було розроблено складну архітектуру на базі n8n, що об’єднує декілька AI-агентів. Система автоматично визначає тип вхідних даних, обробляє їх за допомогою спеціалізованих інструкцій та видає фінальний результат у месенджер і базу даних.
Ключові технічні особливості:
Обробка голосових повідомлень: інтеграція з Whisper для перетворення аудіо у текст.
AI-агенти з пам’яттю: використання вузлів Memory для підтримки контексту діалогу та розробки структури поста.
Генерація зображень: інтеграція з моделями генерації візуального контенту безпосередньо в інтерфейсі бота.
База даних: автоматичне логування результатів у Google Sheets для подальшого використання.
Процес реалізації
Побудова логіки маршрутизації для коректної обробки різних типів повідомлень та команд.
Впровадження системи збереження контексту чату для покращення якості генерації.
Налаштування вузлів Speech-to-Text для миттєвої транскрибації аудіо.
Розробка та тестування системних промптів для агентів, що відповідають за текст та зображення.
Налаштування фінальної інтеграції з Google Sheets API для структурування вихідних даних.
Результати
Повна автоматизація процесу обробки ідеї: від вхідного повідомлення до готового результату менш ніж за 30 секунд.
Об’єднання декількох етапів виробництва контенту в одному інтерфейсі.
Створення впорядкованої бази даних ідей та чернеток.
Можливість легкої адаптації системи під різні стилі комунікації або платформи.
#n8n #Telegram_Bot #AI_Agents #OpenAI #Whisper #DALL-E #Automation #Content_Marketing #Google_Sheets_API #SpeechToText
-
20 000 UAH AI-агент для автоматизації медіа-моніторингу
Розробка ботів
Створення інтелектуальної системи, що замінює 30+ годин ручного моніторингу на місяць повністю автономним агентом на базі архітектури RAG.
Контекст
Карітас України — одна з найбільших благодійних організацій країни (понад 40 регіональних осередків) у секторі НУО та гуманітарної допомоги. Команда комунікацій щодня вручну моніторила медіа: пошук у Google, копіювання заголовків у Google Sheets, перевірка Facebook, Instagram та LinkedIn. Існуючі сторонні рішення мали ліміт у 10 запитів на сесію, що було абсолютно недостатнім для таких масштабів.
…
Проблема
Релевантність: Пошук видавав сотні результатів про міжнародні офіси Caritas, більшість із яких не стосувалися діяльності в Україні.
Критичність: Пропущена згадка могла означати безвідповідний запит преси або невчасно виявлений репутаційний ризик для будь-якого з 40+ локальних офісів.
Втрати: Понад 30 годин на місяць витрачалося на механічну роботу «копіювати-вставити» — це цілий робочий тиждень спеціаліста.
Мета: Повна автоматизація збору, географічної фільтрації та генерації звітів.
Рішення
Я спроєктувала автономного AI-агента на базі n8n, використовуючи архітектуру RAG (Retrieval-Augmented Generation). Замість простого пошуку за ключовими словами, система працює з глибоким контекстом організації: вона «розуміє», які філії існують, де вони працюють і які теми є релевантними для кожної з них.
Агент самостійно шукає інформацію в медіа та соцмережах, відфільтровує нерелевантні міжнародні згадки, класифікує результати за темами та тональністю, видаляє дублікати та готує чернетки звітів для керівництва — без участі людини.
Процес реалізації
Аудит та дослідження: Сформовано повну структуру організації (40+ філій) для створення точних географічних та контекстних фільтрів.
Проєктування архітектури: Розроблено логіку «Агента-аналітика» — багатоступеневий воркфлоу, що працює з векторизованими даними організації.
Побудова RAG-системи: Інтегровано векторну базу даних (Pinecone), що містить дані про структуру та регіональний контекст Карітасу України.
Prompt Engineering: Налаштовано промпти для дедуплікації, класифікації тем та аналізу тональності для різних типів публікацій.
A/B тестування: Проведено порівняння результатів ручного пошуку та видачі AI-агента для підтвердження точності фільтрації.
Оптимізація: Впроваджено пакетну обробку даних, що дозволило знизити витрати на API у 10 разів без втрати якості.
Результати
- Економія часу 85% — 8 годин ручної роботи на тиждень повністю автоматизовано.
- Збереження бюджету (~$180/міс) — порівняння вартості робочих годин спеціаліста до витрат на API.
- Точність фільтрації 95% — підтверджено A/B тестами; повна відсутність дублікатів.
- Зниження витрат на API в 10 разів завдяки оптимізації процесів обробки.
- Стратегічне зміщення: команда комунікацій перейшла від збору даних до їхнього стратегічного аналізу.
- Надійність та прозорість: кожна згадка логується, класифікується та легко відстежується.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis