ИИ-агент в онлайн-школе окупается на двух участках: первичная обработка заявок и возврат учеников, которые перестали заходить на занятия. Ниже — какие сценарии работают, какие метрики смотреть и сколько это стоит в деньгах и времени.
Сергей Езепенко · 16.11.2026 · время чтения 16 мин
Воронка онлайн-школы устроена просто: заявка → квалификация → пробный урок → продажа → удержание. На каждом переходе теряется часть людей, и потери эти обычно не связаны с качеством продукта. Человек оставил заявку вечером в пятницу, менеджер ответил в понедельник — лид уже записался в другую школу или просто остыл. ИИ-агент закрывает именно эти разрывы, а не заменяет отдел продаж целиком.
Первый контакт. Скорость ответа — самый дешёвый рычаг. По заявкам онлайн-школ нормальным считается ответ в течение 5–15 минут в рабочее время; всё, что дольше часа, заметно снижает конверсию в пробный урок. Агент отвечает за 1–3 минуты в любое время суток: подтверждает получение заявки, уточняет, на какой курс или направление человек смотрит, и предлагает два-три слота на пробное занятие. Работает в мессенджерах, на сайте, в Telegram-боте — там, откуда пришла заявка. Если в школе настроена интеграция с CRM (amoCRM, Битрикс24), агент создаёт сделку и фиксирует источник, а не просто ведёт переписку в вакууме.
Квалификация. Здесь агент задаёт 3–5 вопросов, которые менеджер всё равно задал бы: цель обучения (смена профессии, повышение в должности, «для себя»), текущий уровень, бюджет и срок старта. Ответы пишутся в поля сделки. Смысл не в анкете ради анкеты, а в маршрутизации: новичка с бюджетом до 30 тысяч и запросом «попробовать» ведут на один курс и один скрипт, а человека с опытом и готовностью платить за длинную программу — на другой. Агент не «продаёт» на этом шаге, он собирает контекст, чтобы менеджер не начинал разговор с нуля. Если ответы не складываются в целевой профиль (например, человек ищет бесплатное), это тоже фиксируется — и не тратит время продавца.
Запись на пробный урок и напоминания. Агент предлагает слоты из расписания преподавателей, записывает и отправляет подтверждение. Дальше — серия напоминаний: за 24 часа и за 1–2 часа до занятия, со ссылкой на подключение. Это скучная механика, но именно на неё приходится заметная часть недоездов на пробные уроки. Если человек не пришёл, агент не молчит, а в тот же день предлагает перенести занятие — без упрёков и без «вы пропустили урок». Простой сценарий: «Вижу, не получилось подключиться. Давайте перенесём — вот свободные слоты на этой неделе». Такая реакция возвращает часть людей, которые просто забыли.
Отдельно стоит продумать, где агент останавливается. Вопросы про оплату, рассрочку, договор и возвраты лучше передавать человеку, если школа не готова прописать эти ответы дословно и нести за них ответственность. Логика передачи описана в материале о том, чем ИИ-агент отличается от чат-бота — разница как раз в способности вести сценарий с ветвлениями и вовремя уступать менеджеру.
Пример из практики: школа подготовки к ЕГЭ подключила агента только на первый контакт и напоминания. Изменение одно — ответ за 2 минуты вместо «в течение дня». Доля записавшихся на пробный урок выросла примерно на четверть за первый месяц, при этом нагрузка на менеджеров не изменилась: они подключались уже к квалифицированным лидам.
Основные деньги в онлайн-школе делает не первый контакт, а работа после пробного урока. Между «посмотрел занятие» и «оплатил» проходит от нескольких часов до нескольких дней, и в этом окне человек сравнивает школы, советуется с семьёй или просто откладывает решение. Агент держит это окно под контролем.
Дожим после пробного урока. Скрипт строится как дерево, а не как цепочка сообщений. Первое касание — через 2–4 часа после занятия: короткий вопрос, как прошло, и одна конкретная польза следующего шага. Если человек отвечает — ветка с уточнением, что именно понравилось или не понравилось. Если молчит — второе касание через сутки, третье через 2–3 дня, и на этом активный дожим заканчивается: бесконечные напоминания портят репутацию школы и приводят к блокировкам в мессенджерах. Число касаний и интервалы зависят от среднего цикла сделки: для курсов на 20–50 тысяч это обычно 3–4 касания за неделю, для программ на 100 тысяч и выше — дольше и с другими аргументами.
Возражения по цене и формату. Агент отвечает не общими фразами, а фактами из базы знаний школы: сколько стоит занятие в пересчёте на час, есть ли рассрочка и на сколько месяцев, что входит в тариф, можно ли смотреть записи, как устроен график при работе полный день. Ключевое — база знаний должна быть собрана и выверена заранее, иначе агент начнёт придумывать условия, которых нет. Возражение «дорого» разбирается не уговорами, а раскладкой: сравнение с ценой индивидуальных занятий, стоимость месяца в пересчёте на день, варианты рассрочки. Возражение «неудобный формат» — подбором альтернативы: вечерняя группа, записи, более короткий курс. Если возражение упирается в индивидуальные условия, агент фиксирует его и передаёт менеджеру, а не импровизирует.
Передача горячего лида. Признаки готовности задаются заранее: человек спросил про оплату или рассрочку, уточнил даты старта потока, вернулся к диалогу после паузы, посмотрел страницу тарифов. По этим триггерам агент передаёт лид менеджеру — с историей переписки, ответами на квалификации, результатом пробного урока и пометкой, какое возражение осталось открытым. Менеджер звонит не «узнать, актуально ли», а с конкретным предложением. Это экономит ему 10–15 минут на сбор контекста по каждой сделке и снижает риск повторных вопросов, которые раздражают клиента.
Что стоит измерять до запуска и после: конверсию из пробного урока в оплату, среднее число касаний до оплаты, долю лидов, переданных менеджеру с полным контекстом, и время от заявки до первого ответа. Без этих цифр разговор о пользе агента превращается в разговор о впечатлениях. Сценарии дожима и передачи лидов стоит обкатывать постепенно — общий план первого запуска разобран в статье ИИ-агент для малого бизнеса, и для школы логика та же: сначала один сценарий, замер, потом расширение.
Отток в онлайн-школе редко происходит внезапно. Обычно ему предшествует цепочка событий: студент перестаёт заходить на платформу, пропускает занятия, отвечает в чате всё реже, а к концу модуля не оплачивает следующий пакет. Задача ИИ-агента — заметить эти сигналы раньше, чем студент сам сформулирует решение уйти, и передать их куратору или методисту в удобном виде.
Пропуск двух занятий подряд. Один пропуск — ещё не тревога: человек мог заболеть или уехать. Два подряд — уже паттерн, особенно если раньше посещаемость была стабильной. Агент отслеживает это по данным платформы и инициирует контакт: уточняет причину, предлагает запись вебинара, перенос на другую группу или созвон с куратором. Важно, чтобы сообщение не звучало как претензия. Рабочая формулировка: «Вижу, вы пропустили два занятия по модулю X. Запись и конспект уже в личном кабинете, могу подключить куратора, если нужна помощь с материалом». Агент не давит, а снимает барьер возврата.
Снижение активности на платформе и в чате. Здесь сигналы тоньше: время между входами выросло с двух дней до недели, студент перестал открывать новые уроки, не отвечает в общем чате, не сдал домашнее задание. Агент считает отклонение от личной нормы студента, а не от среднего по школе — это принципиально, потому что «молчащий» студент на интенсивном курсе и на медленном могут вести себя по-разному. При устойчивом снижении активности агент отправляет короткое сообщение с конкретным предложением: разбор домашнего задания, дополнительная консультация, смена темпа. Если реакции нет двое суток — эскалация куратору с историей: когда последний раз заходил, что смотрел, на что не ответил.
Просрочка оплаты следующего модуля или пакета. Технически это самый ранний и самый надёжный сигнал. Агент получает из CRM статус сделки и дату платежа, из LMS — прогресс по текущему модулю. Если платёж не прошёл в срок, но студент продолжает учиться, контакт уместен в первые 24–48 часов: напоминание, уточнение способа оплаты, при необходимости — предложение рассрочки или другого пакета. Если же просрочка совпала с падением активности, это уже комбинированный сигнал высокого риска, и агент не пытается «дожать» сам, а передаёт карточку менеджеру по удержанию.
Пример из практики. Школа иностранных языков с группами по 8–12 человек отслеживала пропуски вручную — куратор просматривал отчёты раз в неделю. Средний срок реакции на второй пропуск составлял 5–7 дней. После подключения агента, который отслеживал пропуски и снижение активности в течение суток, доля студентов, вернувшихся к занятиям после контакта, выросла примерно на треть. Цифра зависит от ниши и качества сообщений, но логика простая: чем раньше контакт, тем выше шанс.
Ключевое ограничение: агент не должен превращаться в источник спама. Разумный лимит — не больше одного проактивного сообщения в 2–3 дня на студента, и обязательная пауза, если человек уже ответил куратору. Иначе удержание превращается в раздражитель.
ИИ-агент для онлайн-школы работает не на общих знаниях, а на данных конкретного студента. Если у него нет доступа к статусам оплат, посещаемости и истории переписки, он превращается в вежливого собеседника, который не знает контекста. Разберём три группы источников, без которых сценарии продаж и удержания не запускаются.
CRM как источник статусов сделки и оплат. Здесь живут данные о том, на каком этапе находится клиент: заявка, пробный урок, оплаченный модуль, продление, отказ. Агент читает эти статусы и на их основе выбирает действие. Например, если сделка в статусе «оплачен первый модуль», но до конца модуля две недели — уместно мягкое напоминание о продлении с условиями. Если статус «отказ» — другая логика: уточнить причину, предложить альтернативу, зафиксировать ответ в карточке. Без CRM агент не знает, кому и что говорить, и не может записать результат обратно. Важно, чтобы интеграция была двусторонней: агент не только читает, но и пишет — иначе менеджер не увидит, что уже было сделано, и продублирует контакт.
LMS или платформа курсов для фактов посещаемости. Это второй обязательный источник. Из LMS агент берёт: даты посещений, сдачу домашних заданий, прогресс по урокам, результаты тестов. Именно эти факты позволяют отличить реальный риск оттока от случайного пропуска. Технически интеграция чаще всего идёт через API LMS или через промежуточную базу. Если у школы самописная платформа без API, данные выгружаются по расписанию — раз в сутки или раз в несколько часов. Задержка в сутки для удержания приемлема, для продаж на пробном уроке — уже нет.
Канал связи. Агент бесполезен, если не может доставить сообщение туда, где студент его прочитает. На практике каналы распределяются так: Telegram или WhatsApp — для быстрых напоминаний и оперативных вопросов, почта — для документов, счетов, договоров, виджет на сайте — для первичных обращений. Выбор канала лучше не угадывать, а брать из профиля студента: если человек писал в WhatsApp, туда и отвечать. Смешивание каналов в одном сценарии раздражает — например, напоминание об оплате в мессенджере и дублирующее письмо в тот же день.
Если школа только начинает, разумный минимум — CRM, LMS и один канал связи. Расширять набор интеграций стоит после того, как первый сценарий стабильно работает. Общая логика похожа на запуск в других отраслях: сначала данные и процессы, потом автоматизация — об этом подробнее в материале про ИИ-агента для малого бизнеса.
Качество ответов агента определяется не моделью, а содержимым, которое вы в него загрузили. Модель — это интерпретатор; если в базе знаний противоречивые цены и устаревшее расписание, агент будет уверенно транслировать ошибки. Поэтому подготовка контента — отдельная работа на 2–3 недели, которую нельзя пропускать.
Начните с регламента ответов на 30–50 частых вопросов. Это не скрипт продаж в классическом смысле, а карточки: вопрос клиента в 2–3 формулировках, эталонный ответ на 3–6 предложений, ссылка на источник (страница сайта, документ, регламент) и правило — отвечает агент или передаёт человеку. Возьмите выгрузку из чатов поддержки и звонков за последние 3 месяца, сгруппируйте обращения по темам. Обычно 60–70% объёма — это 20–25 тем: стоимость и рассрочка, длительность курса, формат занятий, документ об окончании, доступ к записям, возврат, старт потока, требования к уровню подготовки. Остальное — хвост из редких вопросов, который закрывается эскалацией.
Структурируйте справочные данные отдельно от текста. Прайс — таблицей: название программы, стоимость полная, стоимость со скидкой, условия рассрочки, что входит. Расписание — таблицей: поток, дата старта, дата окончания, дни и время занятий, формат (живые вебинары, записи, куратор). Условия возврата — цитатой из оферты и договора с номерами пунктов, а не пересказом: если клиент спорит, агент должен ссылаться на документ. Если цена зависит от тарифа или акции, задайте правило приоритета — какая версия актуальна и с какой даты. Агент не должен «додумывать» скидку.
Запрещённые темы пропишите явным списком. Типовой набор для онлайн-школы: медицинские и юридические советы, гарантии трудоустройства и заработка, сравнение с конкурентами по названиям, обещания результатов экзаменов, обсуждение внутренних процессов и зарплат сотрудников, персональные данные в открытом виде. Отдельно — правила эскалации: перевод на человека, если клиент упоминает возврат денег и угрозу жалобы, если вопрос касается индивидуальных условий оплаты, если в диалоге третий раз подряд непонимание, если клиент просит руководителя. Задайте и технический триггер: пауза в диалоге больше суток, эмоционально окрашенная лексика.
Пример из практики: школа иностранных языков запустила агента с базой из 34 карточек и таблицей тарифов на 6 программ. Первую неделю агент путал стоимость интенсивов и стандартных курсов, потому что в базе лежали два прайса — прошлого и текущего сезона. Добавили поле «действует с» и правило выбирать запись с максимальной датой; доля ошибок по цене упала до нуля, а нагрузка на операторов снизилась примерно на треть. Подробнее о том, чем агент отличается от чат-бота и какие данные ему нужны, — в материале Чем ИИ-агент отличается от чат-бота и что выбрать бизнесу.
Ведите базу как продукт: назначьте владельца (обычно методист или руководитель поддержки), версионируйте изменения, раз в две недели просматривайте диалоги с эскалациями и дописывайте карточки. Без этой процедуры база устаревает за квартал.
Сравнение «до и после» имеет смысл только при зафиксированной базовой линии. Снимите показатели за 4–6 недель до запуска, в разбивке по каналам: сайт, мессенджеры, соцсети, телефон, почта. Если аналитика не позволяет разделить каналы, сначала настройте сквозную разметку — иначе эффект агента растворится в общем трафике.
Первый блок — продажи. Считайте конверсию заявки в оплату по каждому каналу отдельно: число оплат / число первичных обращений за период. Уточните определение заявки: уникальный диалог или заполненная форма — это разные знаменатели. Добавьте промежуточные шаги: доля обращений, дошедших до консультации с менеджером, доля дошедших до пробного занятия, средний чек и доля рассрочек. Рост конверсии на этапе «обращение → консультация» при том же числе оплат — уже результат, но проверяйте, не перекладывает ли агент работу на менеджеров.
Второй блок — скорость и полнота ответов. Скорость первого ответа в минутах: медиана и 90-й перцентиль, отдельно рабочее и нерабочее время. Доля пропущенных обращений — те, где первого ответа не было вовсе или он пришёл позже согласованного SLA (например, 15 минут в рабочее время). Сюда же — доля диалогов, закрытых агентом без участия человека, и доля эскалаций с разбивкой по причинам. Если эскалаций больше 40%, база знаний недособрана; если меньше 5% при сложном продукте — вероятно, агент отвечает там, где не должен.
Третий блок — удержание и возвраты. Retention на 30 и 90 дней считайте по когортам: доля студентов, активных (заходили в личный кабинет, смотрели занятия, сдавали домашние) через 30 и 90 дней после старта. Сравнивайте когорты до и после внедрения при одинаковом продукте и потоке, иначе разница объясняется сезонностью. Доля возвратов после касания — процент возвратов, по которым был диалог с агентом (напоминание, разбор сложностей, предложение переноса), от общего числа возвратов за период. Полезно дополнить: доля студентов, продливших обучение на следующий курс, и число обращений в поддержку на 100 активных студентов — агент должен снижать нагрузку, а не перегонять её в тикеты.
Пример из практики: школа подготовки к экзаменам замерила базу за 6 недель — медиана первого ответа 47 минут, пропущенных обращений 18%, конверсия из заявки в оплату 11% по мессенджерам и 7% по сайту. После запуска агента медиана упала до 3 минут, пропущенные — до 4%, конверсия в мессенджерах выросла до 14%. Retention на 30 дней не изменился — и это нормальный результат первого месяца: агент влияет на скорость и доступность, а на удержание — только через сценарии касаний, которые запускаются позже.
Заведите дашборд с недельной нарезкой и правилом: метрику считаем только после 200+ диалогов в канале, иначе колебания случайны. Пересматривайте набор метрик раз в квартал — по мере усложнения сценариев часть показателей станет шумом.
Пилот на одном сценарии почти всегда укладывается в 2–4 недели. Это не срок «сделать всё», а срок «проверить, что агент не портит воронку». Разумный первый сценарий для онлайн-школы — не продажа курса целиком, а один узкий участок: обработка заявок с лендинга, ответы на вопросы о программе и расписании перед звонком менеджера, или реактивация тех, кто записался на вебинар и не пришёл. Один сценарий, одна группа диалогов, понятная метрика — доля диалогов, доведённых до целевого действия, и доля, где агент передал разговор человеку.
Из чего складывается бюджет. Первая и обычно самая дорогая часть — интеграции. Агенту нужен доступ к CRM (amoCRM, Bitrix24), к базе знаний (лендинги, презентации, записи вебинаров, регламенты возврата), к календарю преподавателя и к каналу — Telegram, WhatsApp, виджет на сайте. Каждая интеграция — это либо готовый коннектор, либо работа разработчика: в среднем от 3 до 10 рабочих дней на систему, если API документирован и есть тестовый контур. Если CRM самописная или доступ только через админку без API, срок умножается, а бюджет растёт в полтора-два раза.
Вторая часть — объём и качество базы знаний. Агент отвечает настолько хорошо, насколько полон и структурирован корпус текстов. Если у школы 40 курсов, у каждого свой тариф, срок доступа, условия рассрочки и правила возврата, кто-то должен свести это в один документ с однозначными формулировками. На практике это 15–40 часов работы методиста или руководителя поддержки — и эти часы почти всегда недооценивают. Скупой на подготовку базы знаний проект возвращается к переделке через месяц.
Третья строка — расходы на токены и поддержку. Токены считаются по объёму переписки: чем длиннее контекст (история диалога плюс найденные фрагменты базы знаний), тем дороже каждый ответ. Для школы с 2–5 тысячами диалогов в месяц это обычно сотни долларов, но цифра зависит от модели, длины промпта и того, как часто агент переспрашивает. Поддержка — это не «поставили и забыли»: кто-то должен обновлять базу при смене тарифов и дат старта потоков, разбирать логи, чинить сломанные интеграции. Реалистично — 10–20 часов в месяц на человека, который отвечает за качество.
Ориентир по бюджету пилота на одном сценарии: от 150 до 400 тысяч рублей, если интеграции стандартные и база знаний готовится силами школы. Верхняя граница — когда нужно подключать нестандартную CRM и писать собственный слой доступа к данным. Полноценный запуск на 3–5 сценариях с продажами и удержанием — это уже 2–3 месяца и бюджет в 2–3 раза выше. Если хотите увидеть, как такой план выглядит по шагам для небольшой команды, полезен разбор ИИ-агент для малого бизнеса: практический план первого запуска.
Первая и самая частая ошибка — агент обещает то, чего нет. Модель обучена на текстах, где написано «скидка 20% при оплате до конца недели», «рассрочка без процентов», «старт потока 1 марта». Проходит неделя, акция кончилась, поток сдвинулся — а агент продолжает выдавать старые условия, потому что базу знаний никто не обновил. Клиент приходит на звонок с ожиданием скидки, менеджер её не подтверждает, сделка ломается на ровном месте, а виноват в глазах клиента не агент, а школа. Лечится это не «улучшением промпта», а регламентом: у каждого факта в базе знаний есть владелец и дата проверки, а фразы про цены, скидки и сроки либо запрещены агенту, либо берутся из одного источника, который обновляется до, а не после смены условий.
Вторая ошибка — нет эскалации. Клиент застревает в диалоге с ботом: агент не понимает вопрос про академическую задолженность или про возврат денег, начинает переспрашивать, ходит по кругу, а кнопки «позовите человека» нет. Человек уходит и пишет в отзывах. Эскалация должна быть не одним пунктом меню, а набором триггеров: прямое требование клиента, второе непонимание подряд, упоминание возврата, претензии, юридических вопросов, темы здоровья и персональных данных, резко негативная тональность. Каждый триггер ведёт к конкретному действию — передать менеджеру с пометкой, создать задачу в CRM, поставить в очередь на звонок с указанием времени. Важно, чтобы у агента был лимит: после N попыток решить вопрос он обязан передать диалог, а не продолжать угадывать.
Третья ошибка — запуск без разметки диалогов и контроля качества. Агент работает, метрики вроде бы нормальные, но никто не читает, что он реально пишет. Через месяц выясняется, что на половину вопросов о трудоустройстве выпускников он отвечает общими словами, а на вопросы о переносе занятий — неверно. Разметка решает это: первые 2–4 недели после запуска человек ежедневно просматривает выборку диалогов — порядка 30–50 штук в день — и помечает каждый по схеме: корректно / неточно / выдумка / не передал человеку. По этим меткам считаются доли, и они же становятся тестовым набором для следующей версии промпта и базы знаний. Без такой выборки вы управляете агентом на ощущениях.
Пример из практики: школа с потоками по 300 человек запустила агента на входящие заявки без разметки. Через три недели руководитель заметил, что конверсия в звонок упала. Разбор логов показал — агент на вопрос «а сколько стоит» отвечал диапазоном «от 30 тысяч», хотя минимальный тариф был 45. Половина заявок отваливалась ещё до звонка, потому что люди приходили с неверным ожиданием по цене. Починили за день — но потеряли три недели и часть потока.
Отдельно стоит проговорить риск с персональными данными: агент не должен собирать лишнее, а логи переписки нужно хранить по политике школы и с согласия клиента. Это не техническая деталь, а вопрос, который всплывает при первой же жалобе.
Стоимость зависит от канала (чат на сайте, Telegram, WhatsApp), числа сценариев и глубины интеграции с CRM. Простой агент на одном канале с ответами по базе знаний и передачей лида менеджеру — порядка 150–300 тыс. рублей за внедрение плюс 15–40 тыс. рублей в месяц за поддержку и токены. Агент с записью на пробный урок, дожимами и аналитикой по воронке — от 500 тыс. рублей, срок внедрения 6–10 недель. Отдельно считайте работу методолога и стоимость интеграций с CRM и платформой вебинаров.
На типовых сценариях — первый ответ, квалификация, запись на пробный урок, напоминания — агент закрывает до 60–70% обращений без человека. Сложные возражения по цене, корпоративные заявки и конфликтные диалоги он передаёт менеджеру с историей переписки. На практике отдел продаж не сокращают, а перестраивают: меньше людей на первичке, больше на закрытии и работе с тёплой базой. Полностью без менеджеров работают только школы с дешёвым продуктом и коротким циклом сделки.
Базовый минимум — CRM (amoCRM, Bitrix24) для создания сделок и фиксации переписки, мессенджеры и чат на сайте как каналы входа, база знаний с программами, ценами и расписанием. Второй слой — платформа вебинаров и ЛК ученика: агент должен видеть, был ли человек на пробном уроке и оплатил ли курс. Дальше подключают телефонию, сервис рассылок и аналитику. Начинать стоит с CRM и одного канала: так проще отладить сценарии до масштабирования.
Основной эффект — скорость реакции: агент отвечает на вопрос ученика ночью и в выходные, когда поддержка не работает, и это снижает число брошенных курсов на старте. Второй механизм — проактивные касания: напоминания о дедлайнах, разбор «застрял на модуле», возврат к незаконченному уроку по данным ЛК. По опыту школ такие сценарии дают снижение оттока на 5–12 процентных пунктов, но цифра сильно зависит от продукта и качества контента. Без доступа к прогрессу ученика агент работает вслепую и на удержание почти не влияет.
Да, если соблюдены требования 152-ФЗ: согласие на обработку персональных данных, хранение данных на серверах в России, политика конфиденциальности и уведомление о том, что отвечает бот. С 2024 года действуют нормы о рекомендательных технологиях, а для рекламных рассылок нужно согласие по 38-ФЗ — это касается и сообщений от агента. Отдельно проверьте договор с поставщиком модели: где хранятся логи переписки и не уходят ли они на обучение. Практика рынка — раскрывать бота в первом сообщении и давать кнопку «соединить с человеком».
Хотите, чтобы такой агент работал у вас?
Покажу на вашей задаче, что можно автоматизировать за две недели и сколько это освободит времени.
Написать СергеюАвтор: Сергей Езепенко, основатель «Системы Поток». Работаю с клиентами с 2018 года, 20 запущенных проектов: стройка, медицина, юруслуги, недвижимость, онлайн-школы.