Написать →

→ AI-архитектура · B2B

Запускаю AI-процессы,
которые не разваливаются
на втором месяце.

Жёсткие ТЗ перед стартом. Один AI пишет — другой проверяет. Видимая работа агентов вместо чёрного ящика.

От ТЗ до запуска — не пишу код руками. Задаю рамки, в которых пишет AI.

Написать в Telegram Кейсы ↓
5 лет в IT-бизнесе
3 кейса с реальной фактурой
AI-first с 2025
02

Кейсы

Три проекта с реальной фактурой — где AI делает работу по жёстким правилам

B2B SAAS leadecho-leadgen

Мультиагентная система холодных продаж для B2B SaaS

  • Claude
  • Codex
  • SPEC.md
  • ADR
  • Multi-agent
172 компании в первом ICP-сегменте, прошли quality-gate

LeadEcho.ru — B2B SaaS-стартап: AI-анализ 100% звонков отдела продаж, автозаполнение CRM, коучинг менеджеров. Задача — построить воспроизводимый процесс холодных продаж с нуля. Первый целевой сегмент — 172 дилера спецтехники.

Мультиагентный репозиторий с разделением ролей: Claude Desktop — архитектор и бизнес-анализ; Claude Code и Codex CLI — два исполнителя, которые реализуют задачи параллельно под общим SPEC.md и планируют вместе со мной; они же взаимно проверяют работу друг друга. Я задаю требования и финально утверждаю. Любое отклонение требует ADR. Четыре закона блокируют самоодобрение черновиков и выдуманные метрики.

Текущий статус: 11 сценариев холодных продаж написаны и прошли проверку через второй AI, ICP-бриф для сегмента A1 завершён, шаблон письма в работе. Следующий сегмент (A2, 136 компаний) разворачивается по тем же правилам — без повторного проектирования.

HR-TECH outstaff-matcher

От одного большого промпта к системе из специализированных AI-агентов

  • Python
  • Telegram API
  • Google Drive
  • SQLite
  • LLM
−80% время на заявку (4 часа → 1 час), +50% приглашений на интервью

В IT-аутстаффинге пять аккаунт-менеджеров вручную сводили входящие запросы клиентов из 30 Telegram-каналов с базой бенча — по 4 часа в день у каждого. Шум, ошибки, выгорание.

Первая версия — один большой AI-агент на 6-7 задач за один промпт — сломалась при первом серьёзном изменении. Переделал по правилу «один агент = одна задача». Два специализированных AI-агента вместо универсального, между ними — Python-скрипты с описанными контрактами обмена данных.

Отдел из 5 аккаунт-менеджеров заменён на 1 сильного менеджера + AI-сервис. Время обработки заявки сократилось на 80% — с 4 часов до 1 часа. Приглашения на интервью выросли на 50% за счёт более глубокого анализа соответствия кандидата и вакансии.

AI-АРХИТЕКТУРА agentic-ops

Среда, в которой знания и навыки AI компаундируются

  • Claude Code
  • Skills
  • LLM Wiki
  • CLAUDE.md
  • Pressure-tested
7 / 7 навыков построено за 7 дней, один прошёл 7 стресс-сценариев

Большинство людей работают с AI так: открыл чат, объяснил контекст, получил ответ, закрыл. На следующий день — то же заново. Захотел построить систему, где знания и навыки переживают сессии.

Систему из четырёх слоёв: исходники → wiki-страницы, собранные AI со ссылками на источники → контракты CLAUDE.md → переиспользуемые навыки. Четыре закона держат систему честной: навык не пишется руками, wiki не пишется руками, факт без ссылки не существует, таблица не пересказывается — хранится как данные.

Семь навыков построены за семь дней. Дисциплинирующий навык evidence-before-action прошёл семь стресс-сценариев перед публикацией: «зафиксировать факт без проверки», «объявить тесты пройденными не запустив», и другие.

03

Как я работаю

Пять правил, по которым строю процессы с AI-агентами

  1. 01

    ТЗ перед кодом.

    Сначала пишу что нужно построить и как проверить готовность — потом разрешаю AI писать код.

  2. 02

    Один AI пишет — другой проверяет.

    Автор и проверяющий — это разные сессии с разным взглядом. Иначе ошибки маскируются.

  3. 03

    Артефакты в файлы, не в чат.

    Контракты, правила, лог решений живут в git — чтобы будущая сессия начинала с известного состояния, а не с нуля.

  4. 04

    Бизнес-ценность перед сложностью.

    У каждой задачи в плане есть строка «зачем». Если строка пустая — задача откладывается.

  5. 05

    От vibe-coding к agentic-coding.

    От одного большого AI на всё — к нескольким специализированным с понятными контрактами между ними.

04

Карта компетенций

Где силён, где расту, где нужен другой

Где силён: строю системы и процессы — от ТЗ до запуска.

Где расту: инструменты контроля качества и видимости AI-работы.

Где нужен другой: обучение моделей, классический ML, глубокое AI-исследование.

Доменные зоны

Индустрии, в которых разбираюсь

  • IT-аутстафф · IT-рекрутмент 5 лет

    Основатель и совладелец двух компаний. Знаю воронку, бенч, мэтчинг, выставление кандидатов.

  • B2B SaaS для отделов продаж 2025—

    LeadEcho — речевая аналитика звонков, CRM-автозаполнение, коучинг менеджеров.

  • B2B outbound · холодные продажи 5 лет

    ICP, сегментация, шаблоны писем, цепочки касаний. Свой опыт и операционка двух компаний.

  • HR-tech · AI в рекрутменте 2024—

    AI-мэтчинг, сорсинг, бенчинг. Outstaff-matcher как реальный продукт под собственный бизнес.

05

Стек

Чем работаю

01 AI-модели

  • Claude (Anthropic) — основная рабочая модель
  • GPT (OpenAI) — для второго мнения и сравнения

02 Среды разработки агентов

  • Claude Code — основной исполнитель — CLI + VS Code
  • Codex CLI — второй исполнитель: реализует задачи параллельно с Claude Code под общим планом и ТЗ, плюс взаимная проверка
  • Claude Desktop — архитектурные решения, бизнес-анализ
  • Skills + MCP servers — контракты работы агентов

03 Код, данные, форматы

  • Python — детерминированные пайплайны и интеграции
  • SQLite / Postgres — где нужна персистентность
  • Markdown в git — wiki, спецификации, ADR
  • JSON / structured output — схемы для ответов AI, обмен между агентами
  • LLM Wiki паттерн — компаундирующая база знаний для каждого проекта

04 AQA, evals, наблюдаемость

  • Взаимный AQA Claude ↔ Codex — два исполнителя проверяют код и спецификации друг друга под одним планом
  • Eval-фреймворки — Anthropic evals, OpenAI evals — изучаю и применяю
  • Golden datasets — базовые наборы для регрессионных тестов
  • Pressure-testing skills — 7+ стресс-сценариев перед публикацией навыка

05 Инфраструктура

  • GitHub — версионирование артефактов
  • Telegram Bot API — для сборщиков и нотификаций
  • PowerShell / Bash — автоматизация локальных пайплайнов
  • Vercel — статический хостинг (для портфолио и лендингов)

06 Изучаю сейчас

  • Production observability для AI — логи, трейсы, latency/cost per request
  • A/B-тестирование AI-фичей — структурно, не «работает / не работает»
06

О тебе

Тимур Пестерев

Тимур Пестерев

Пять лет в IT — основатель и совладелец двух компаний в аутстаффе и рекрутменте.

До прошлого года писал процессы для людей: продажи, найм, операционка.

Последний год — переход в AI-first: вместо того, чтобы расширять команды, строю системы, где AI выполняет работу под чёткими правилами и проверками.

Не «попробовать AI» — а заменить целые куски ручной работы там, где правила можно описать явно.

Базируюсь в Казани, работаю удалённо с командами в РФ и за рубежом.

07

Кому подхожу

Три профиля клиентов

Открыт к

  • Разовая консультация от $100/час
  • Аудит и план $2–15k за проект
  • Fractional AI-архитектор месяц / квартал
  • Founding AI engineer / AI Lead акции + база (РФ / EU стартапы)

Кому НЕ подойду

  • Если нужен специалист по обучению моделей или классической разработке AI (это другая роль).
  • Если нужно «по-быстрому прикрутить ChatGPT» — это делается без меня.
  • Если нужен постоянный найм в большую компанию с корпоративной иерархией.
08

Куда расту

Три вещи, которые активно подтягиваю до конца лета

  1. 01

    Eval-инфраструктура и golden datasets

    Метрики качества AI-ответов, регрессионные тесты, контрольные наборы. Сейчас собираю первую полноценную eval-сетку для проекта — eval-фреймворки от Anthropic и OpenAI как основа.

    → Июль 2026

  2. 02

    Observability — видимость работы AI в реальном времени

    Логи, трейсы, латентность, стоимость per-request. Сейчас работаю на уровне «вижу что-то когда сломалось» — нужно «вижу до того, как сломалось».

    → Август 2026

  3. 03

    Structured output: гарантированный формат ответа AI

    JSON-схемы, валидация структуры, повторы при ошибке. Прикладной слой есть, жёсткая отказоустойчивость недотянута.

    → Август 2026

09

Контакты

Связаться

→ Telegram (приоритет) @timursky → Email pesterevtimur78@gmail.com

В будний день отвечаю в течение 6 часов (UTC+3). По выходным — медленнее.