Entrepreneur built auto service CRM with ChatGPT and Cursor

Предприниматель из офлайн-бизнеса рассказал, как за два года превратил AI из любопытной игрушки в рабочий инструмент для автосервиса и смежных проектов. Без технического бэкграунда он сначала собрал простую CRM через промпты, а затем довёл её до веб-сервиса, Telegram-бота и Android-приложения.

Первая CRM за ночь

История началась в 2022 году, когда владелец автосервиса попытался понять, может ли AI решить его вполне земные проблемы: хаос в записях, слабый учёт, отсутствие аналитики и неудобные коробочные CRM для мастеров, которые одновременно работают и менеджерами. После одного из диалогов модель предложила простой ход — не подстраиваться под готовый продукт, а собрать свой. Эта идея стала триггером: за одну ночь автор поставил PyCharm, выбрал Python и SQLite по наитию и получил первый рабочий прототип в одном файле примерно на две тысячи строк.

«Сделай CRM сам с понятным интерфейсом».

Самое важное для него было не качество кода, а то, что система сразу заработала в реальном бизнесе. Утром он поставил программу на ресепшен, и сотрудники разобрались без отдельного обучения. Дальше начался типичный для раннего AI-разработки путь: монолит разросся до шести тысяч строк, контекст перестал помещаться в модель, а каждое новое изменение становилось тяжелее. Вместо запроса «напиши мне CRM» предприниматель переключился на режим «научи меня делать CRM на Python и Flask», затем подключил Cursor, Claude и постепенно разобрался с архитектурой, VPS, DNS, сертификатами и PostgreSQL.

Во что вырос GIPIX

Из сырой десктопной версии в итоге вырос веб-сервис GIPIX CRM, которым пользуется не только команда самого автора, но и знакомые офлайн-бизнесы. Он отдельно подчёркивает, что интерфейс намеренно сделали простым: продукт рассчитан не на айтишников и не на офисных администраторов, а на мастеров 40+, которые большую часть дня чинят машины и не хотят тратить время на сложные экраны. По его словам, именно такая прикладная адаптация оказалась важнее «красивой» архитектуры или модного дизайна.

369 зарегистрированных пользователей около 95 активных пользователей в день 17 тысяч клиентских карточек в базе онлайн-запись, касса, склад и Telegram-интеграция * Android-приложение, VIN-данные и AI-аналитика Параллельно вокруг CRM начали появляться и другие продукты. Автор собрал GIPIX BIS AI — систему для моделирования бизнес-идей по Canvas с примерно 150 модулями, а затем запустил GIPIX VIN: сервис с Telegram-ботом и Android-приложением для работы с VIN и госномерами. Последний, по его оценке, уже приносит около 80 тысяч рублей в месяц почти без продвижения.

Отдельно он сделал и офлайн-CRM для кафе под собственные задачи. При этом основная CRM всё ещё живёт в режиме альфа-теста, без классической монетизации, а донаты появились только по просьбе пользователей.

Как он работает с AI

Ключевая мысль статьи в том, что AI для автора — не замена профессии разработчика, а способ быстрее собирать прикладные инструменты под конкретную боль. Он описывает довольно дисциплинированный процесс: любую задачу разбивает на этапы, держит основной промпт с контекстом проекта, даёт модели адрес нужного файла, просит сначала изучить дизайн, потом покритиковать решение и только после этого вносить изменения. Такой подход напоминает не магию «сделай всё за меня», а ручное управление младшим, но очень быстрым цифровым исполнителем.

В этом кейсе особенно заметно, как меняется входной порог в разработку нишевого софта. Предприниматель по-прежнему не называет себя программистом, но уже умеет читать код, понимать базовую архитектуру, деплоить сервисы и итеративно развивать продукт. Сильнее всего здесь работает не универсальная мощность модели, а глубокое знание предметной области: он сам знает, как устроен автосервис, где теряются деньги, почему мастера не любят сложные CRM и какие мелочи действительно экономят им время в течение дня.

Что это значит

Такие истории показывают, что AI всё чаще становится слоем между экспертизой в отрасли и работающим софтом. Для малого и среднего офлайн-бизнеса это сигнал: кастомные инструменты больше не требуют полноценной команды разработки на старте, а значит нишевые продукты теперь могут собирать сами носители проблемы — пусть сначала и в грубом, но уже полезном виде.