Короче, мы просто взяли и за день внедрили OpenClaw в отдел маркетинга

Краткая хронология событий. В октябре 2024-го года в офисе Anthropic родился один из первых инструментов автоматизации, выходящей за рамки простых ответов на вопросы. Новая функция позволяла модели Claude управлять компьютером. В ноябре 2025-го года появляется опенсорсный проект ClawdBot, намного расширяющий эти возможности. Уже через месяц проект меняет название (дважды) и превращается в OpenClaw. В феврале 2026-го года мы внедряем OpenClaw в маркетинг и… Рассказываю, что было дальше!

Привет, Хабр! Меня зовут Влад Кармаков, я основатель и CEO компании по разработке цифровых и AI-решений Siberian.pro. Сегодня я хочу поделиться подробностями внедрения OpenClaw в наши бизнес-процессы.

Задача

Исторически, в нашем отделе маркетинга сложился определенный паттерн работы, в целом, я думаю, довольно типичный для индустрии:

• формулируем гипотезы;

• разбиваем их на конкретные задачи (написание статьи, подготовка презентации, публикация кейсов и т.д.);

• периодически отслеживаем результаты и вносим коррективы в стратегию.

Звучит не страшно? Однако мы заметили, что наши маркетологи каждую неделю буквально тонули в рутине: по 4–8 часов уходило на ручной сбор аналитики из разных источников.

Из Яндекс.Метрики — показатели сайта, UTM-переходы, ключи SEO и данные по конверсии. Из Google Sheets, которую заполняет отдел продаж специально для маркетинга, нужно вытащить квалифицированные лиды и подтвержденные каналы привлечения. Обновить данные по публикациям на разных ресурсах. Чекнуть поведенческие в Вебвизоре. Все это делалось вручную и вручную же вносилось в сводные таблицы и еженедельные обновления показателей эффективности маркетинга.

Зачем? Сводные данные нужны для CEO (для меня), чтобы я видел общую картину. Более детальные показатели нужны самому маркетингу, чтобы видеть, что работает, а что нет; понимать, какие гипотезы выстрелили, и адаптировать стратегию.

Но ведь мы вовсю внедряем клиентам ИИ-автоматизации! Почему же, блин, мы сами превозмогаем вместо того, чтобы воспользоваться собственными ресурсами и навыками и автоматизировать всю эту рутину?

Почему OpenClaw?

И тут как раз завирусился OpenClaw. Так почему бы и не да?

Впрочем, есть и техническая причина. В отличие от других доступных решений ИИ-автоматизации (Zapier, OpenInterpreter, Flowise, OpenAI Operator и т.д.) OpenClaw умеет не только дергать скрипты и API. Инструмент задействует навыки (skills) для использования практически любых инструментов, включая работу в браузере, мессенджерах и других приложениях.

Причем, как хороший сотрудник, агент OpenClaw работает проактивно. Он не ждет триггера или явной команды от пользователя, а способен самостоятельно решать задачи. Проактивность заключается в возможности инициировать выполнение задач через настраиваемые интервалы (т.н. Heartbeat Scheduler), а также самостоятельно принимать решения, разбивать задачу на подзадачи и дирижировать оркестром из сотен других агентов и инструментов.

Конечно, о полной самостоятельности речь не идет, но это и хорошо. С точки зрения безопасности самостоятельный ИИ, направо и налево орудующий в бизнес-пространстве, — это почти Скайнет по масштабу потенциальных последствий. К безопасности применений OpenClaw в бизнесе мы еще вернемся, не переключайтесь. Для личных нужд фреймворк применяют уже десятки тысяч людей.

Так родилась цель проекта — полностью автоматизировать сквозную аналитику из всех источников и заполнение внутренних таблиц, и тем самым освободить время команды для чего-то более продуктивного.

Что еще за OpenClaw?

Для тех, кто не следит за индустрией AI так же пристально, как мы, коротко расскажу суть.

OpenClaw — это опенсорсный фреймворк для создания и управления ИИ-агентами. Главная особенность OpenClaw — сценарии автоматизации с поддержкой управления приложениями. Например, агент может выполнять действия в веб‑интерфейсе через браузерную автоматизацию и/или работу по скриншотам+анализ DOM. Поэтому подобный агент способен работать с сервисами даже без готовых API или интеграций.

Т.е. если нужный источник данных не дает удобного API, OpenClaw с помощью агентов может собрать данные через браузер — залогиниться, перейти в нужный раздел, выгрузить данные. Затем положит результат в Google Docs/Sheets, сформирует черновик отчета/поста и отправить на публикацию после проверки (или даже опубликовать автоматически в безопасных сценариях).

Конечно, на практике лучше использовать API там, где оно есть, а UI‑режим — там, где иначе никак. Просто потому, что в последнем случае элементарное изменение верстки может повлиять на результаты.

Вот несколько гипотетических примеров того, что становится реальным, благодаря OpenClaw (про наш реальный пример расскажу сразу после):

1. Визуальный аудит. Вы даете ссылку на лендинг. OpenClaw делает скриншот и анализирует его не как текст, а как картинку. Т.е. он реально увидит, что на определенном разрешении экрана целевая кнопка не видна без прокручивания.

2. Обход капчи. Здесь я открываю портал в ад, но теперь реально возможно найти все квадратики с пожарными гидрантами и велосипедами автоматически. (Если что, мы против этой практики).

3. Работа с «закрытыми» рекламными кабинетами. Если у локальной площадки нет API, OpenClaw сам зайдет в личный кабинет, скачает PDF-отчет и перенесет данные в вашу таблицу. Сейчас наш PR-менеджер с изданиями работает вручную. Автоматизация — в планах.

4. Тайный покупатель. Агент под управлением OpenClaw проходит весь путь по вашей воронке: кликает по рекламе, заполняет формы, проверяет, пришло ли письмо, и сообщает в Telegram, если на каком-то этапе что-то отвалилось.

5. Массовая персонализация видео/картинок. Он заходит в Canva или сервис генерации видео, вбивает имя клиента в шаблон, скачивает результат и отправляет его лично.

6. Автоматическое заполнение легаси-систем. OpenClaw запускает старую бухгалтерскую программу и буквально «втыкает» данные из Excel в нужные поля, кликая по иконкам, как это делал бы живой оператор. Конечно, из коробки OpenClaw так не сможет, нужны навыки и интеграции с Playwright, Robot Framework или другими RPA-системами. Но именно в OpenClaw реализовать их и подключить проще.

7. Сборка тендерной документации. Агент заходит на портал закупок, находит нужный тендер, скачивает все вложения, изучает их и сам заполняет заявку в веб-интерфейсе площадки, взяв все необходимые для заявки данные из корпоративного Confluence.

8. Автоматическая персонализация сообщений. Например, «холодных» сообщений в соцсетях. Агент заходит в профиль потенциального клиента (LinkedIn/VK), читает его последние посты, анализирует фото профиля и пишет персонализированный первый абзац сообщения, который невозможно сгенерировать массовым скриптом. Например: «Вижу, вы были на конференции по новым компьютерным технологиям и защите компьютерных программ».

Звучит, конечно, круто. Но как именно это работает?

Возьмем, к примеру, первый сценарий в списке. Пайплайн работы агента на основе OpenClaw будет примерно таким:

• Сначала вы пишете OpenClaw-агенту, например, в Telegram-бот: «Проверь лендинг mysite.com/promo. Убедись, что на iPhone 15 Pro главная кнопка не перекрыта баннером и текст хорошо читается на фоне картинки».

• OpenClaw получает инструкцию и через установленный на сервере шлюз активирует навык agent-browser или использует встроенный инструмент на базе Playwright API. Агент запускает экземпляр браузера, выставляет эмуляцию устройства под iPhone 15 Pro и загружает страницу.

• Далее агент через браузер делает скриншот видимой области или всей страницы. Скриншот отправляется в VLM для анализа, например, в GPT-4o, Claude 3.5 Sonnet или Qwen-VL-max.

• Скриншот отправляется в модель с инструкцией: «Найди на этом изображении кнопку Call-to-Action. Проверь ее координаты относительно других элементов. Есть ли наложения? Достаточен ли контраст текста кнопки на фоне изображения?»

• Допустим, агент видит проблему. Теперь его задача не только уведомить об этом нас, но и попробовать предпринять действия. Например, проскроллить страницу. Или закрыть поп-ап. Так или иначе, по итогу вы получаете детальный отчет, где и что сломалось. Причем не только в виде текста с подробным описанием действий, но и в виде скриншота с указанием проблемного элемента.

• И все это дело можно интегрировать в Telegram, WhatsApp, Slack, Discord или другую платформу и вызывать по мере надобности простым сообщением.

Описанный гипотетический случай способен сжечь немало токенов, и там, безусловно, есть свои нюансы. Но, к счастью, в нашей задаче — автоматизации маркетинга — все существенно проще.

Стоит явно подчеркнуть, что все вышеописанное выполняет не сам OpenClaw, он лишь оркестратор. Основная работа выполняется подключенными LLM и системой навыков, а также демоном, который отвечает за подключения к внешним агентам и инструментам, и обеспечивает коммуникацию между пользователем и агентами.

Внешних навыков для OpenClaw на сегодняшний день уже создано тысячи. И можно добавлять свои. Впрочем, тут опять же есть некоторые вопросы к безопасности, но об этом скажу далее.

Решение

Мы начали с интервью с командой маркетинга и на основе их запроса определили структуру данных, сценарии задач (еженедельных и ежемесячных), а также логику формирования отчетов.

Далее, исходные таблицы и тех.задание от маркетинга «скормили» Claude Opus 4.6 вместе с описанием того, что хочется получить в итоге. Вот отсюда брать данные о продажах, лидах и охватах. Добавлять в эту таблицу Google Sheets. Раз в неделю формировать сводный отчет, который вносить в сводную таблицу показателей. Раз в месяц — аналогично вносим итоги месяца. Примерно так.

Конечно, вручную подробное ТЗ никто не составлял, это сделала сама нейросеть на основе транскрипции звонков.

Для доступа к Google Sheets подключили сервисный аккаунт, доступ к которому предоставили OpenClaw. Доступ к таблицам оформили в виде навыка.

Аналогичные действия выполнили для Яндекс.Метрики и Bitrix CRM. В последнем случае применили MCP-интеграцию. Из битрикса можно вынуть не просто лиды, а фактические продажи и разную сопутствующую информацию, которую отдел продаж узнает от клиента, проконтролировать качество ведения карточек в CRM и т.д.

Архитектурно все устроено более или менее стандартно: модульная система навыков (skills), интеграции с провайдерами (передовые российские и зарубежные модели) с ротацией ключей и изоляцией среды.

Следующим этапом реализовали автоматическую аналитику: отчеты за неделю и глубокий анализ за полгода с генерацией выводов за 10–15 секунд. Помогает увидеть цельную картину и даже подсказывает разные инсайты, которые можно взять в работу.

А теперь самое интересное.

Сколько заняла разработка

Разработка скилла маркетинговой аналитики и отчетов заняла около 16 часов работы одного специалиста. И, по сути, это был самый натуральный вайбкодинг: формулирование задач через промпты, быстрые итерации и доработка логики в коде тоже промптами. Деплой изолированного сервера и подключение к инфраструктуре заняли ещё несколько часов.

В итоге наш Head of AI единолично разработал систему из пяти автоматических пайплайнов — каждый покрывает отдельное направление маркетинговой аналитики. Все пайплайны запускаются одной командой в боте и выполняются за минуты вместо часов.

Система оформлена как навык для AI-агента, т.е. содержит структурированную инструкцию, которая объясняет агенту, что делать с каждым пайплайном и как трактовать результаты.

Что внутри навыка?

• 8 Python-модулей (~3 700 строк кода) + подробная документация для LLM-модели;

• AI-агент не только запускает скрипты, но и интерпретирует полученные данные: находит аномалии, выявляет тренды, формулирует рекомендации на человеческом языке;

• Все ключи и настройки внутри — система готова к работе за 3 минуты;

• Совместима с любым AI-агентом (Copilot, Claude, Cursor).

Технические решения для основных источников данных

Основные модули

Пять рабочих пайплайнов

Все пайплайны можно запустить разом одной командой: python run_pipeline.py all.

Впрочем, команде маркетинга всех этих нюансов знать не надо, потому что общение происходит через Telegram-бот в формате обычного диалога.

Результат

Окончательное подведение итогов еще впереди. Но уже сейчас ясно, что автоматизация с помощью ИИ работает. Рутины в работе маркетинга стало меньше, цифры и отчеты для CEO формируются быстрее.

Классическое было-стало: маркетологи тратили до 8 часов в неделю на ручной сбор и выгрузку данных. Абсолютно тупая механическая работа. А теперь все делается в течение 15 минут максимум. Годовая экономия времени — около 200-400 часов в год. И еще добавилась куча других полезных функций.

Ключевой цели мы достигли: сократили долю ручного труда и систематизировали аналитику. Сводные данные по-прежнему позволяют CEO видеть целостную картину бизнеса, а маркетинг получает детализированные показатели для принятия решений — теперь без еженедельного превозмогания.

Важен и еще один момент. Мы стремимся разгрузить сотрудников от рутины и направить их потенциал и таланты в область стратегического развития. Проще говоря, мы хотим, чтобы сотрудник делал то, что помогает компании расти. Рутина не помогает. Убираем.

Что было дальше?

Конечно, останавливаться на достигнутом было бы глупо. Поэтому следом мы развернули внутри той же системы еще один навык — предварительную оценку стоимости проектов. А затем еще один навык, и еще один…

К примеру, одними из первых добавленных таким образом навыков стали:

• Безопасность. Защита от промпт-инъекций, защита внутреннего контура от ботнетов, авторизация сотрудников и т.д.

• Ряд внешних интеграций.

• Интеграция с Confluence.

• Интеграция с другими ИИ-инструментами, используемыми в компании.

Работа продолжается, буду держать в курсе. В следующий раз расскажу о том, как мы используем LLM в разработке на реальных проектах.

Про безопасность OpenClaw

Есть мнения, что OpenClaw небезопасен. Уже в начале января появилось множество сообщений о тех или иных уязвимостях агентов на базе OpenClaw.

Да, как и любой другой инструмент, начиная с молотка, OpenClaw можно заабьюзить. Поэтому архитектор, внедряющий такое решение, должен очень хорошо понимать возможности и ограничения системы. Бездумное предоставление инструменту прав доступа к чувствительным документам без ограничения доступа извне — это прямой путь к очень неприятным сюрпризам.

Как я уже говорил, комьюнити OpenClaw весьма активно добавляет новые навыки. К сожалению, не все из них безопасны, а некоторые и вовсе откровенно вредны. Уже есть подтвержденные сообщения о десятках вредоносных навыков, способных выкрасть API-ключи или даже выполнить произвольный код на системе с установленным OpenClaw.

Именно поэтому я рекомендую любые эксперименты с агентскими системами запускать на закрытом тестовом контуре/контейнере. А уже потом распространять на реальные рабочие данные. Или просто обратиться к экспертам по внедрению ИИ в бизнес. Навыки OpenClaw тоже лучше не добавлять из репозиториев самостоятельно, без аудита профессионалами.

Тем не менее, несмотря на все вышеописанное, возможности «Клешни», на мой взгляд, с лихвой перекрывают ее недостатки. Думаю, мы стоим на пороге чего-то очень важного. Буду рад услышать в комментариях ваше мнение про OpenClaw.

***

На этом все! Спасибо, что прочитали. Другие реальные истории о том, как мы используем ИИ внутри компании и как внедряем его клиентам, рассказываю у себя на канале.