Фото Валерія Valerii AI Automation Specialist
AI Automation Specialist · n8n · Make.com · AI Agents · Python

Менше рутини.
Більше можливостей.

Створюю автоматизації на базі n8n, Make.com, AI-агентів та API-інтеграцій: від обробки лідів і продажів до Telegram-ботів, аналітичних дашбордів та дайджестів новин для малого бізнесу.

Дивитися проєкти Обговорити задачу
  • 5ключових кейсів
  • n8nосновна платформа
  • AI + APIреальні інтеграції
Від ідеї до автоматизації

Від задачі до рішення

  1. Знаходжу повторювану задачу
  2. Поєдную дані, інструменти й AI
  3. Будую зрозумілий workflow
Більше про підхід ↗
Focus

Там, де є повторюваний процес — є простір для автоматизації.

Core Stack
n8nMake.comTelegramOpenAIGeminiPythonWebhooks
trigger → qualify lead
        → write to CRM
        → send Telegram alert
        → add to Google Sheets

Працюю з автоматизаціями, де важливі логіка процесу, зручність підтримки й реальна користь для людини, а не просто «ШІ заради ШІ».

Проєкти

Реальні кейси, які показують, як я думаю і будую автоматизації.

Не абстрактні концепти, а практичні системи: обробка лідів, AI-продажі, Telegram-асистент, аналітика LinkedIn і робочий простір для контенту.

Lead qualification · CRM · AI routing

AI Lead Qualification & CRM Automation System

Від заявки на Wix до запису в Zoho CRM і персоналізованої комунікації: n8n нормалізує дані, AI через OpenRouter визначає пріоритет ліда, а workflow розподіляє контакти між Google Sheets, Telegram і Klaviyo.

  • 10 → 1 хвобробка однієї заявки
  • 9 хвекономії на кожному ліді
  • 3 сегментиHot · Warm · Cold
Workflow n8n: webhook із Wix, нормалізація даних, Zoho CRM, Google Sheets, Telegram та AI-кваліфікація через OpenRouter із маршрутизацією у списки Klaviyo
Схема workflow в n8n · Натисни, щоб відкрити у повному розмірі ↗
n8n Wix Forms OpenRouter API Zoho CRM Google Sheets Telegram Bot API Klaviyo API
Wix → Webhook
Нормалізація
CRM + Sheets
AI → Klaviyo
Детальніше про проєкт

Контекст

Система автоматизованого управління лідами для бізнесу, який отримує заявки через форму на Wix і хоче швидко їх обробляти. Рішення побудоване на базі n8n: дані надходять через webhook, очищаються, структуруються та розподіляються між CRM, Google Sheets, Telegram і Klaviyo.

Проблема

Менеджеру доводилося вручну переносити один і той самий лід у кілька сервісів. Це забирало час і підвищувало ризик втрати заявок та помилок у даних. Також було складно швидко визначити пріоритет ліда та передати його в потрібний сегмент для подальшої комунікації.

Моє рішення

Я побудував workflow, який приймає заявку через webhook, нормалізує поля форми, створює запис у Zoho CRM, додає рядок у Google Sheets, надсилає Telegram-сповіщення та готує контакт для Klaviyo. AI-модуль на базі OpenRouter аналізує текст заявки й визначає статус Hot, Warm або Cold. За цим статусом контакт потрапляє у відповідний список Klaviyo.

Як побудовано workflow

  1. Архітектура та обробка даних. Подієвий workflow запускається webhook-запитом із Wix. Поля проходять нормалізацію, після чого дані паралельно передаються в Zoho CRM та Google Sheets.
  2. AI-кваліфікація та prompt design. Системний промпт аналізує потреби й терміновість запиту клієнта. Структурована відповідь обмежена трьома значеннями: Hot, Warm або Cold — для подальшої автоматичної маршрутизації.
  3. Маршрутизація та API-інтеграції. Вузол Switch направляє контакт у відповідний список Klaviyo для email-комунікації. Для Hot-лідів налаштовано миттєве сповіщення в Telegram, щоб менеджер міг швидко взяти заявку в роботу.

Результати

  • Час обробки одного ліда скоротився з 10 хвилин ручної роботи до 1 хвилини завдяки автоматичній передачі даних між чотирма сервісами.
  • Економія становить 9 хвилин на заявку. За потоку 30 лідів на день це 4,5 години щодня або 135 годин за 30 днів роботи з таким навантаженням.
  • Миттєве Telegram-сповіщення про Hot-ліди дає менеджеру можливість одразу реагувати на пріоритетні заявки.
  • Автоматичний розподіл у три сегменти — Hot, Warm і Cold — допомагає команді продажів визначати черговість роботи й налаштовувати подальшу комунікацію.
EdTech · AI Agents · Chat Memory

Teacher_AI — Telegram copilot for automation learning

Telegram-помічник для навчання n8n та AI-автоматизації. Допомагає писати й налагоджувати код, знаходити документацію, ставити технічні запитання та отримувати відібрані новини українською.

  • 2 процесидіалог із користувачем і новинний дайджест
  • 4 сценаріїновини · /code · /debug · чат
  • Postgres Memoryзбереження контексту діалогу
Два workflow Teacher_AI в n8n: фоновий збір RSS-новин та Telegram-роутер зі спеціалізованими AI-агентами й пам’яттю діалогу
Два процеси в n8n · Відкрити схему у повному розмірі ↗
n8nTelegram Bot APIOpenRouterAI AgentsTavily SearchRSS Feed ReadPostgres Chat Memory
Детальніше про проєкт

Контекст

Teacher_AI — Telegram-бот у ніші EdTech та автоматизації, побудований як єдина система з двох процесів: основного для спілкування й окремого для автоматичного підбору та відправки новин. Він допомагає навчатися в одному місці: читати корисні статті, працювати з кодом, знаходити документацію та ставити технічні запитання.

Проблема

Навчання було розрізненим: статті доводилося шукати окремо, документацію відкривати вручну, перемикатися між сервісами та самостійно розбирати помилки. Контекст губився, а технічні задачі з n8n, JavaScript, JSON і API вимагали постійного пошуку та перевірки рішень.

Моє рішення

Я побудував систему в n8n, яка отримує повідомлення в Telegram, визначає тип запиту, направляє його до відповідного модуля й повертає готову відповідь. Для роботи з кодом бот знаходить документацію, пояснює рішення та враховує попередній діалог. Окремий процес збирає RSS-матеріали, відбирає найважливіше й надсилає одну найкращу статтю коротким повідомленням українською.

Чотири сценарії

  • Новинний дайджест. Автоматичний підбір матеріалів про автоматизацію та надсилання стислої добірки в Telegram.
  • /code. Генерація та пояснення коду з опорою на документацію.
  • /debug. Аналіз помилок, пояснення причин і допомога з виправленням коду.
  • Чат. Відповіді на поточні технічні запитання зі збереженням контексту розмови.

Як побудовано систему

  1. Архітектура та intent routing. Основний workflow працює як оркестратор: аналізує команди /code, /debug або звичайний текст і передає запит відповідному модулю. Маршрутизація допомагає оптимізувати час відповіді та витрати токенів.
  2. Спеціалізовані агенти та пам’ять. Замість одного загального промпту використано набір AI-агентів, зокрема code, chat, quiz і digest. Postgres Chat Memory зберігає історію діалогу, попередні помилки та контекст коду користувача.
  3. Фоновий дайджест і пошук документації. Незалежний процес за розкладом читає RSS-стрічки та за допомогою AI відсіює інформаційний шум. Tavily Search дозволяє chat-агенту знаходити актуальну документацію перед формуванням відповіді.

Результати

  • Два взаємодоповнювальні процеси — спілкування та підбір новин — об’єднані в одному Telegram-інтерфейсі.
  • Чотири сценарії допомагають навчатися без постійного перемикання між сервісами.
  • Відбір найкорисніших матеріалів зменшує інформаційний шум.
  • Модульна структура дозволяє розширювати функції, а пам’ять діалогу допомагає зберігати контекст для наступних відповідей.
  • Короткі та структуровані повідомлення адаптовані до формату й обмежень Telegram.
E-commerce · Instagram LeadFlow · AI Sales

AI Sales Assistant & Multi-Channel Order Pipeline for E-commerce

Екосистема на Make.com для збору лідів з Instagram і продажів у Telegram. AI-консультант перевіряє товари в Google Sheets, зберігає контекст розмови, оформлює замовлення або передає діалог менеджеру.

  • 3–5 свідповідь і підхоплення ліда · 24/7
  • ≈60%звернень і замовлень без оператора
  • 100%коментарів фіксуються в CRM
Сценарій Make.com: Telegram Bot, JSON, Google Sheets, Data Store, OpenAI через HTTP та маршрутизатори для консультації, замовлення і виклику менеджера
Сценарій AI Sales Bot у Make.com · Натисни, щоб відкрити у повному розмірі ↗
Make.comOpenAI API · Chat CompletionsInstagram for Business APITelegram Bot APIGoogle Sheets APIMake Data Store
Instagram → CRM
Telegram + AI
Консультація / Замовлення / Менеджер
Детальніше про проєкт

Контекст

Instagram- та e-commerce-бренди отримують багато типових запитів у коментарях і месенджерах: про наявність, характеристики, ціни та оформлення замовлень. У пікові години й уночі менеджери не встигають обробити потік, і бізнес втрачає гарячі продажі.

Проблема

  • Втрата лідів у коментарях. Клієнти запитують ціну під публікаціями Instagram, але через затримку відповіді йдуть до конкурентів.
  • Перевантаження рутиною. Менеджери витрачають до 70% робочого часу на однотипні консультації замість роботи зі складними угодами.
  • Помилки у замовленнях. Ручне перенесення даних у CRM і таблиці призводить до неточностей в адресах та найменуваннях товарів.

Моє рішення

Я побудував на Make.com два модулі. Instagram LeadFlow відстежує активність під публікаціями та фіксує лідів із коментарів у Google Sheets CRM. AI Sales Bot у Telegram працює з базою товарів і пам’яттю клієнта в Data Store: визначає намір користувача, консультує, оформлює замовлення в діалозі або передає його людині.

Як побудовано сценарій

  1. Фільтрація та пам’ять діалогу. Вхідний потік очищується від стікерів, нетекстових повідомлень і спаму. Make Data Store зберігає попередні репліки, щоб бот підтримував контекст розмови.
  2. Актуальні дані про товари. Перед відповіддю бот звертається до Google Sheets і перевіряє асортимент, ціни та наявність.
  3. AI-маршрутизація. OpenAI API повертає структурований JSON із наміром клієнта. Router розділяє запити на консультацію, оформлення замовлення або виклик менеджера.

Три сценарії обробки

  • Консультація. Відповіді про характеристики товарів, умови оплати та доставки.
  • Замовлення. Виділення контактів, товару та адреси з повідомлень, автоматичний запис нового рядка в Google Sheets і підтвердження клієнту.
  • Human Handoff. Передача діалогу живому менеджеру у разі нестандартного запиту або заперечення.

Результати

  • Відповідь на запит і підхоплення ліда з коментарів скорочені до 3–5 секунд; система доступна цілодобово.
  • Близько 60% первинних звернень та замовлень обробляються автономно, без участі оператора.
  • 100% коментарів під публікаціями фіксуються в Google Sheets CRM для подальшої роботи з лідами.
LinkedIn Analytics · Data Pipeline · Dashboard

Job Shine: LinkedIn Analytics Dashboard

Автономний трекер контактів та активності LinkedIn. Apify збирає дані, Make обробляє їх і записує в Supabase, а вебдашборд показує щоденний та місячний приріст мережі й історію взаємодій із посиланнями на пости.

  • 0 хвна ручне заповнення звітів
  • День + місяцьавтоматичний розрахунок приросту
  • 1 клікдо збереженого посту з дашборду
Дашборд Job Shine: поточні контакти LinkedIn, результат за день, початок місяця, місячний приріст і стрічка активності з кнопками переходу до постів
Вебдашборд LinkedIn · Відкрити у повному розмірі ↗
Сценарій Make для Job Shine: Apify, Iterator, Text Aggregator, пошук запису в Supabase та розгалуження для створення або оновлення даних
Обробка даних у Make · Відкрити у повному розмірі ↗
Apify · LinkedIn ActorMake.comSupabase · PostgreSQLReactNext.jsTailwind CSSVercel
Детальніше про проєкт

Контекст

Під час пошуку роботи та розвитку особистого бренду важливо системно розширювати мережу контактів і підтримувати активність у LinkedIn. Зазвичай кількість конектів та взаємодії відстежують на око або вручну переносять у таблиці, що забирає час і демотивує.

Проблема

  • Немає зручної аналітики. Щоденну та місячну динаміку приросту контактів доводиться рахувати вручну.
  • Губиться історія активності. Прокоментовані статті та вподобані пости цільових компаній швидко зникають у стрічці.
  • Складно звести дані. Інформацію з LinkedIn потрібно отримати, очистити та привести до єдиного зручного формату.

Моє рішення

Я побудував автономний трекер, який щовечора збирає кількість контактів і останні дії користувача в LinkedIn. Make обробляє масиви, форматує журнал активності та записує дані в Supabase. Кастомний вебдашборд отримує збережені дані, розраховує приріст і показує стрічку взаємодій із клікабельними посиланнями на пости.

Як побудовано систему

  1. Збір даних — Apify. Щоденний запуск LinkedIn Actor отримує кількість контактів (connections) та масив останніх дій (activity).
  2. Обробка — Make. Iterator розбирає масив активностей, а Text Aggregator формує єдиний журнал: дія, тема та посилання.
  3. Зберігання — Supabase. Дані записуються в таблицю PostgreSQL із полями connections_start, connections_end та activity_log.
  4. Аналітика — Next.js. Логіка дашборду обробляє дати та рахує Daily Result і Monthly Growth, враховуючи пропуски днів.
  5. Інтерфейс і розгортання — Vercel. React / Next.js та Tailwind CSS формують панель показників і стрічку активності. Текстові URL перетворюються на кнопки «Перейти до посту ↗», записи розділені візуально.

Результати

  • Трекінг повністю автоматизовано: ручне заповнення звітів не потрібне.
  • Щоденний результат та місячний приріст розраховуються автоматично, з урахуванням пропущених днів.
  • Історія зібраних взаємодій зберігається в базі даних, а потрібні пости й статті доступні з дашборду в один клік.
Content Automation · AI Editorial · Workspace

Content Hub — AI Content Workspace

Робочий простір для AI-новин, матеріалів про власні проєкти та генерації зображень. n8n збирає новини, відсіює вже опубліковане, запускає AI-обробку та передає матеріали у вебінтерфейс і Telegram.

  • 6 RSS-джерелєдиний потік новин про AI й автоматизацію
  • 3 модуліAI News · Мої проєкти · AI Image Studio
  • 2 каналиContent Hub і Telegram
n8nRSSOpenRouter APIJavaScriptHTTP APITelegram Bot APICloudflare Workers AI
Дашборд Content Hub із модулями AI News, Мої проєкти, AI Image Studio та запланованою Content Library
AI Content Workspace · Відкрити дашборд у повному розмірі ↗
Workflow n8n: збір RSS-новин, об’єднання з історією, фільтрація опублікованих матеріалів, OpenRouter, етап Fact Check, редакторська AI-перевірка та відправка в Content Hub і Telegram
Від RSS до редакторської обробки й доставки · Відкрити workflow ↗
Детальніше про проєкт

Контекст

Content Hub — єдиний робочий простір для контенту. Він поєднує збір новин про AI та автоматизацію, роботу з матеріалами для Threads, Instagram і LinkedIn, власними кейсами та зображеннями.

Проблема

Підготовка контенту потребує кількох етапів: переглянути джерела, відібрати новини, перевірити, що вже публікувалося, підготувати текст і візуальні матеріали. Коли ці дії розкидані між сервісами, складніше підтримувати послідовний процес і уникати повторів.

Моє рішення

Я поєднав автоматизацію в n8n із вебдашбордом Content Hub. Workflow збирає новини за розкладом, зіставляє їх з історією, фільтрує вже опубліковане та передає добірку на AI-обробку через OpenRouter. Далі матеріали надходять у Content Hub, а окрема гілка виконує редакторську перевірку, форматування й надсилання в Telegram.

Модулі робочого простору

  • AI News. Новини з n8n та робота з контентом для Threads, Instagram і LinkedIn.
  • Мої проєкти. Простір для AI-автоматизацій, кейсів та матеріалів для портфоліо.
  • AI Image Studio. Генерація зображень через Cloudflare Workers AI.
  • Content Library — заплановано. Модуль історії та бібліотеки готових матеріалів позначений у дашборді як «Незабаром».

Як побудовано workflow

  1. Збір за розкладом. Schedule Trigger запускає читання RSS OpenAI, Google AI, TechCrunch AI, The Verge AI, n8n Blog та Anthropic News.
  2. Об’єднання та фільтрація. Merge і JavaScript-вузли готують новини, зіставляють їх з історією та відсіюють уже опубліковані матеріали. Aggregate формує пакет для подальшої обробки.
  3. AI-обробка. HTTP-запит до OpenRouter і розбір JSON-відповіді готують структуровані дані. У workflow передбачено окремий етап Fact Check.
  4. Доставка матеріалів. Одна гілка передає дані до Content Hub. Інша виконує AI Editorial Check, розбирає редакторську JSON-відповідь, форматує повідомлення й надсилає його через Telegram.

Що дає рішення

  • Шість RSS-джерел об’єднані в один автоматизований процес збору та підготовки новин.
  • Зіставлення з історією допомагає уникати повторної обробки вже опублікованих матеріалів.
  • AI-обробка й редакторська гілка підтримують послідовний процес підготовки текстів.
  • Вебпростір об’єднує модулі для новин, проєктів і зображень, а Telegram надає додатковий канал отримання матеріалів.
Підхід

Мій підхід до автоматизації

01

Розумію логіку процесу

Спочатку дивлюся не на інструмент, а на сам процес: де втрачається час, де ручна робота, де помилки або дублювання дій.

02

Проєктую просту архітектуру

Будую зрозумілу схему автоматизації: тригери, обробка даних, AI-логіка, маршрутизація, сповіщення, зберігання.

03

Роблю рішення, яке можна підтримувати

Для мене важливо, щоб workflow був не лише робочим, а й читабельним, стабільним і придатним до подальших змін.

Технології

Інструменти, з якими я працюю

Поєдную no-code / low-code підхід із базовим Python і API-інтеграціями, щоб швидко будувати практичні рішення.

n8n Make.com AI Agents Python Telegram Bots OpenAI API Gemini API Google Sheets Webhooks REST API CRM Docker WordPress SEO
Про мене

Переходжу в IT через практику, навчання та власні проєкти.

Маю багаторічний досвід технічної роботи на телебаченні. Після завершення цього етапу життя перейшов у digital-напрям, вивчав SEO, а згодом зосередився на AI Automation.

Закінчив курс AI Automation у GoIT, працюю з n8n, AI-агентами, Telegram-ботами, вебхуками та API-інтеграціями. Додатково вивчаю Python і розвиваю власні практичні кейси.

1994–2024

Технічна кар'єра на телебаченні, робота зі складними процесами та відповідальністю за результат.

2025

Навчання SEO, побудова перших digital-проєктів, робота з WordPress та аналітичними інструментами.

2026

AI Automation у GoIT, власні workflow на n8n, Telegram-проєкти, AI-інтеграції та розвиток портфоліо.

Контакти

Готовий до нових проєктів, стажування або junior / trainee ролей в AI Automation.

Напиши мені в Telegram або на email, переглянь професійний профіль у LinkedIn чи код моїх проєктів на GitHub.

Telegram@Korso19 Emailvaleriikapitonenko@gmail.com LinkedInwww.linkedin.com/in/valery-kapitonenko GitHubgithub.com/valeriiseo-prog Instagram@valerii_automation
Ваша наступна автоматизація

Обговорімо вашу задачу

Розкажіть, який процес забирає час і що хотіли б покращити. Я зв’яжуся з вами, щоб уточнити деталі та запропонувати наступні кроки.

Зручніше написати напряму? Я в Telegram ↗

Контакт для відповіді на ваш запит.

Для звернення також доступні Telegram та email вище.