LUMA
Founder · done · B2B · Russia
- Python
- n8n
- Claude AI / LLM APIs
- Telegram Bot API
- 1C
- Google Sheets API
- Notion
Контекст
LUMA — моё B2B-агентство AI-решений в России. Мы были среди первых в регионе, кто относился к AI не как к игрушке, а как к операционной инфраструктуре — строили системы, автоматизирующие реально сложные кросс-функциональные процессы в финансах, маркетинге и бизнес-деве. Тезис простой: большинство компаний гоняют критичные процессы вручную по десятку разрозненных инструментов; LUMA превращает это в автономные AI-пайплайны, которые работают сами.
Как работаем
Каждый проект по одной схеме — разобрать ручной процесс end-to-end, найти, где человеческое время горит на низкоценной рутине, и собрать пайплайн, который забирает данные, применяет LLM там, где реально нужна оценка, оркестрирует шаги и выдаёт готовый результат — оставляя человека только в точках принятия решений, которые имеют значение.
Избранные продукты
- Elizium — автономный контент-завод для крупной региональной ТВ-сети. Полный AI-пайплайн, производящий эфирный контент в масштабе: на входе темы и брифы, дальше LLM генерит и форматирует контент, адаптирует под форматы сети и автоматически ставит в публикационный календарь. То, что раньше требовало постоянной контент-команды, стало почти самоработающей линией.
- Telegram → 1С управленческая отчётность — сотрудники сдают метрики через Telegram-бота за секунды; бот структурирует и валидирует ввод и отправляет в 1С, которая авто-собирает отчёты для руководства. Заменили ручной сбор данных и склейку таблиц на near-real-time контур отчётности.
- AI-ассистент квалификации лидов — LLM-слой первого касания: читает входящие лиды, квалифицирует и тегирует, маршрутизирует каждого нужному владельцу.
- Авто-дашборд KPI — тянет данные из CRM и рекламных сетей в единое живое представление, заменяя разрозненные ручные отчёты одним всегда-актуальным источником правды.
Эффект
От продукта к продукту повторялся один паттерн: многодневные циклы отчётности и контента сжимались до минут, ручные операции в основном убирались, а клиенты получали first-mover автоматизацию на рынке, где этим почти никто ещё не занимался.
медиа
