Как менеджер научилась кодить в n8n и Claude Code — история избавления от дорогих подрядчиков

Когда заказчик не понимает, что он платит, он рискует платить неправильно. Менеджер без технического образования столкнулась с этой проблемой напрямую: подрядчики оценивают простые доработки в огромные суммы, а у неё нет способа проверить, справедлива ли цена. Вместо бесконечных переговоров она приняла другое решение: выучить инструменты сама. N8n, Claude Code, базовое программирование. И через несколько месяцев начала писать боты и автоматизации самостоятельно. Попутно выяснилось ещё кое-что: теперь она понимает, почему подрядчики просят столько денег — потому что разработка действительно сложна, просто не в том месте, где она ожидала.

Когда подрядчик просит 300k за очевидное История началась с казалось бы простой просьбы.

У компании был Telegram-бот для транскрибации видео: отправляешь видеофайл, бот его обрабатывает, возвращает расшифровку и саммари. Потребность была логична: добавить поддержку аудиофайлов. Ведь если бот уже извлекает аудиодорожку из видео и транскрибирует её, почему нельзя просто принять аудиофайл напрямую и сразу перейти ко второму шагу? Подрядчик ответил оценкой: две недели разработки, 300 тысяч рублей. На уровне обычного здравого смысла это решение не укладывалось. Логика подсказывала, что это просто input-validation, не полная переработка архитектуры. Но аргументов проверить оценку не было — технических знаний не хватало, чтобы понять, где скрывается настоящая сложность, а где просто раздутая смета с запасом.

Выучить инструменты, чтобы понимать цену

Вместо спора с подрядчиком менеджер приняла другое решение: выучиться сама. Она полезла в n8n и Claude Code — платформы для автоматизации и разработки без глубокого программирования. За несколько месяцев она не стала full-stack разработчиком, но освоила достаточно, чтобы говорить с подрядчиками на одном языке. Она понимала теперь, как устроены пайплайны, где реальная сложность, а где завышение. И главное — начала делать простые вещи сама, вместо того чтобы платить за них.

Что получилось из экспериментов

Через несколько месяцев у неё появилась целая коллекция автоматизаций. Не амбициозные, не революционные — но работающие. Вот что удалось собрать: Telegram-боты для разных задач и мониторинга Скрипты для автоматической аналитики и отчётов Агенты для рассылок, которые адаптируют текст под каждого получателя Медиадайджесты, которые сами собирают новости, делают саммари и публикуют * Интеграции между разными сервисами, которые работают 24/7 без участия человека Каждый из этих инструментов заменял чьё-то рабочее время — либо её собственное, либо подрядчика, если бы она его наняла.

В некоторых случаях экономия была одна-две часа в неделю. В других — десятки часов. И, что показательно, она поняла важную вещь.

Когда агент или скрипт, которого она создала, требует доработки, у неё появляется реальное понимание: сколько времени это займет, где затраты на отладку, где на добавление фичи. Она сама теперь работает подрядчиком для своих агентов. А значит, испытывает на себе, как сложно дать честную оценку фичи, если ты не углубляешься в детали реализации.

Что это значит История иллюстрирует очень реальный gap в экосистеме AI-решений.

Ситуация типична: non-technical менеджеры, product-менеджеры и заказчики часто не знают, как оценить объём работы подрядчика, какие вопросы задавать, где действительно нужна сложная разработка, а где можно обойтись настройкой существующих инструментов или никакой разработкой вообще. Результат: либо недоверие к подрядчику и отказ от нужного проекта, либо переплата за простую функцию. Обе ситуации теряют для всех. Выход один: хотя бы базовая техническая грамотность. Не нужно быть разработчиком и писать production-код. Но понимать логику систем, как работают пайплайны, базовые принципы автоматизации — это экономит и деньги, и время, и позволяет иметь честный диалог с подрядчиком.