Сергій Халабузар
Усі проєкти

Монтаж і остеклення ПВХ та алюмінієвих конструкцій

Облік робіт і AI-асистент для віконної компанії

Виконавці пишуть звіт у Telegram, а бот сам перевіряє дані й за хвилину видає готову відомість на оплату. На питання про статистику об’єкта відповідає AI-асистент.

Для кого
Компанія з монтажу вікон
Формат
Комерційний кейс
Технології
n8n, Google Apps Script, Google Sheets
  • < 1 хвна відомість замість 5–30 хвилин
  • 2автоматичні перевірки кожного звіту
  • 3інструменти AI-асистента для керівника
n8n: звіт, перевірки, відомість і AI-асистент в одному процесі

Задача

Компанія монтує й остекляє ПВХ та алюмінієві конструкції, робить гідро- та пароізоляцію на житлових об’єктах. Виконавці раз на тиждень звітують текстом у Telegram, а з цих звітів треба вести облік по кожній конструкції й формувати відомість на оплату.

Раніше звіти вручну переносили в таблицю й перевіряли на дублі, площу кожної конструкції шукали вручну й множили на тариф. Одна відомість забирала 5–30 хвилин і часто містила помилки. Щоб дізнатися, скільки роботи лишилось, керівнику доводилось самому відкривати таблицю.

Рішення

Автоматизація на n8n, Telegram-боті й Google Apps Script. Виконавець просто пише звіт у чат, решту робить система.

  1. Звіт стає даними. LLM розбирає довільний текст звіту (об’єкт, період, вид робіт, тариф, стояки й поверхи) і перетворює його на список конкретних конструкцій.
  2. Дві перевірки. Кожна конструкція перевіряється на повтор і на наявність у переліку об’єкта. Якщо щось не сходиться, бот зупиняється й питає підтвердження в Telegram. Відомість із помилковими даними не створюється.
  3. Відомість сама. Apps Script рахує площу × тариф, заповнює шаблон у Google Docs і надсилає готовий .docx у Telegram.
  4. AI-асистент. Повідомлення, що починається з «Ai», обробляє окремий агент із трьома інструментами: скільки зроблено й скільки лишилось (у штуках і м²), статус конкретної конструкції за стояком і поверхом, статистика за період. Агент завжди бере цифри з реальних даних об’єкта.

Кожен об’єкт — це окрема таблиця й окремий скрипт, тож новий об’єкт підключається клонуванням шаблону, без зміни коду.

Результат

До Після
Формування відомості 5–30 хв менше 1 хв
Перевірка даних вручну автоматично, 2 перевірки
Статистика для керівника через таблицю питання в Telegram
Новий об’єкт ручне налаштування клонування шаблону

Облік ведеться по 4 видах робіт для двох матеріалів: ПВХ і алюмінію.

Процес роботи

Як проходила робота над цим проєктом: від розбору задачі до запуску й доопрацювання.

  1. 01

    Аналіз

    Розібрав, як виконавці звітують і як зі звітів складають відомість: ручне перенесення в таблицю, пошук площі кожної конструкції, множення на тариф. Одна відомість забирала 5–30 хвилин і часто мала помилки.

  2. 02

    Проєктування рішення

    Спроєктував структуру даних: окрема таблиця й скрипт на кожен об’єкт, перелік конструкцій зі стояками й поверхами, тарифи за 4 видами робіт. Визначив, де система має зупинитися й спитати людину.

  3. 03

    Реалізація

    Зібрав процес у n8n з Telegram-ботом: LLM розбирає текст звіту, Apps Script рахує площу × тариф і заповнює шаблон відомості в Google Docs. Окремо зробив AI-асистента з трьома інструментами.

  4. 04

    Тестування

    Перевірив розбір на звітах у різному форматі, на повторах і на конструкціях, яких немає в переліку об’єкта. Перевірив, що відомість з помилковими даними не створюється.

  5. 05

    Запуск

    Виконавці пишуть звіти в Telegram, як і раніше, тож команді не довелося вчити новий інструмент. Готовий .docx приходить у чат менше ніж за хвилину.

  6. 06

    Оптимізація

    Новий об’єкт підключається клонуванням шаблону, без зміни коду. Керівник отримує статистику питанням у Telegram замість ручного перегляду таблиці.