Медиакомпания Every с командой около 25 человек передала четырём кастомным AI-агентам приоритизацию задач, превращение совещаний в поручения, планирование OKR и ежедневный отчёт по росту. Планирование OKR сократилось до двух дней. Агенты работают не поодиночке: все четверо обращаются к одному набору связанных баз данных. Кейс опубликовала Every в апреле 2026 года, Grow2.ai разбирает его и переводит на язык SMB-операций.
Большинство материалов про AI-агентов в команде заканчиваются словом «продуктивность». Кейс Every интересен другим: в нём видно, какой конкретно менеджерский процесс исчез — и что должно было быть готово к тому, чтобы он исчез.
Это чужой кейс. Grow2.ai его не внедряла и не имеет доступа к внутренним данным Every. Ниже — разбор опубликованного материала плюс наш вывод о том, что из этого переносится на команду в 25–50 человек, а что нет.
Кто такие Every и почему этот кейс не про «ещё один чат-бот»
Every одновременно держит шесть продуктов, медиаиздание и консалтинговое направление. Людей около 25. По описанию самой компании, у каждого в списке в любой момент примерно 30 задач.
Так живёт большинство SMB: несколько направлений, те же люди на нескольких фронтах и ни одного отдельного проектного офиса, чтобы всё это синхронизировать. Разница в том, что Every описала свой выход из этой ситуации публично.
Вызов: один COO как маршрутизатор для всей компании
До появления агентов роль диспетчера тянул Brandon Gell, операционный директор Every. Чтобы ответить на вопрос «за что браться первым», он вручную сверял три разных источника: календари запусков, стратегические документы компании и списки задач.
Схема работает ровно до тех пор, пока у одного человека есть время её обслуживать. COO занят неделю — и команда приоритизирует на глаз.
Теперь тот же Brandon пишет в Slack агенту по имени Anton и за секунды получает упорядоченный список — для себя и для других людей в команде.
Решение: четыре агента, один общий мозг
За несколько месяцев Every собрала четырёх кастомных агентов с помощью Notion AI. Все четыре читают один и тот же набор связанных баз: стратегия, календарь, задачи, люди, заметки с совещаний.
Агент | Процесс, который он забрал | Что для этого должно существовать в системе |
|---|---|---|
Приоритизация (Anton) | ручная сверка календарей, стратегии и списков задач | записанная стратегия, единый список задач, календарь запусков |
Совещание → задачи | разбор заметок после встречи и раздача поручений | заметки совещаний в одной базе, связанные с людьми и проектами |
Планирование OKR | длинный цикл согласования целей между направлениями | история целей, метрики и владельцы в структурированном виде |
Отчёт по росту | ежедневный сбор цифр руками | метрики роста, доступные агенту без ручного экспорта |
Левая и средняя колонки — из публикации Every. Правая колонка наша: это реконструкция требований к данным, а не цитата.
Что изменилось: цифры, которые Every назвала публично
Процесс | До | После |
|---|---|---|
Получить приоритеты на день | COO вручную сверяет три источника | сообщение в Slack, ответ за секунды |
Планирование OKR | длительность в открытой части не названа | два дня |
Цифр немного, и это не случайность. В открытой части материала нет ни стоимости внедрения, ни сэкономленных часов, ни ROI: полный разбор каждого агента и готовые промпты Every держит за платной подпиской.
Так что кейс доказывает, что менеджерскую рутину реально вынести в агента. Сколько это будет стоить именно вам, он не доказывает — наш собственный подсчёт полной стоимости такой истории лежит в разборе сколько на самом деле стоит AI-агент.
Три принципа, которые Every вынесла из сборки агентов
Описывайте результат, а не шаги. Скажите модели, чего надо достичь, и дайте ей выбрать реализацию. Избыточная детализация вроде «создай базу, потом добавь связь, потом отфильтруй по дате» модели скорее мешает, чем помогает.
Ваше рабочее пространство — это мозг агента. Кастомные агенты становятся сильными тогда, когда могут обращаться к связанным между собой базам. Агенты Every работают именно потому, что стратегия, календарь, задачи, люди и заметки лежат в одном месте и ссылаются друг на друга. Сначала компания вела эти базы для себя, потом поверх них появились агенты. Не наоборот.
Не пишите инструкцию агента в одиночку — опишите, чего он должен достичь, и дайте AI сгенерировать инструкцию. Every также собирала агентов через Claude Code и Notion API прямо из терминала.
Перевод на язык SMB: что из этого работает в команде на 25–50 человек
Условие, без которого не работает ничего
Notion в этом кейсе можно заменить на что угодно: Bitrix24, HubSpot, Google Workspace, ClickUp. Заменить нельзя другое — состояние данных.
Агент, который должен расставить приоритеты, обязан где-то прочитать, какие приоритеты в компании. Если стратегия живёт в голове владельца, задачи разбросаны по четырём чатам, а «календарь запусков» существует в виде голосового в понедельник утром, агент выдаст уверенный список, собранный ни из чего. Это не ошибка модели, это отсутствие источника.
Новый человек на второй неделе должен ответить на вопрос «что сейчас важнее всего» только по вашим системам, без разговора с владельцем. Не ответит — сначала данные, потом агенты. Подготовка данных обычно и есть та строка сметы, которую никто не закладывал.
Один агент = один процесс
Соблазн сделать универсального AI-помощника для всего стоит дорого и заканчивается одинаково: агент делает всё на троечку. У Every четыре агента, и у каждого ровно одна зона ответственности.
Это единственный способ честно измерить эффект. Когда агент забирает один названный процесс, вы можете посчитать, сколько этот процесс стоил раньше в часах. Когда агент «помогает команде», посчитать не получится, и через полгода никто не вспомнит, зачем его ставили. Ту же логику мы раскладываем в материале как считать ROI AI-агентов.
Когда агент лишний
Не каждый процесс из этого списка нуждается именно в агенте. Ежедневный отчёт по росту в команде на 20 человек часто закрывается обычным расписанием и готовым дашбордом: без автономности, без промптов, без риска галлюцинации в цифре. Границу между встроенным AI в процессе и полноценным агентом мы разбирали отдельно — когда автономность лишняя.
Внутренняя рутина вообще редко бывает первым правильным шагом. Агенты на приоритизации и OKR не приносят денег напрямую, они возвращают время руководителя: выгода реальная, но косвенная. Если болит выручка, начинать стоит с фронт-офиса — квалификация лидов, скорость первого ответа, гигиена CRM. Базовый разбор этого слоя — AI-агенты для малого бизнеса.
Агент не сформулирует стратегию за вас, он применит ту, которую вы записали. Every смогла отдать приоритизацию именно потому, что приоритеты в компании существовали в письменном виде до появления агента.
Как проверить это на своей команде за две недели
- Выберите один менеджерский процесс, который сейчас держится на одном человеке. Самые частые кандидаты в SMB: разбор совещаний в поручения, еженедельный отчёт, распределение входящих заявок.
- Выпишите источники, из которых этот человек берёт ответ. Если среди них есть «память» или «спросить у Олега» — это и есть первая задача, и она не про AI.
- Проверьте машиночитаемость. Данные должны лежать в системе с API, а не в PDF-отчёте и не в переписке.
- Опишите агенту результат, а не алгоритм. Одна зона ответственности, чёткие границы того, чего он не делает.
- Измерьте одну метрику до и после: часы на процесс или время от события до действия.
Если после второй недели метрика не сдвинулась, проблема почти всегда в шаге 2, а не в модели.
Источники
- Every, «How We Run a 25-person Company on Four AI Agents», Katie Parrott, 9 апреля 2026 (обновлено 12 июля 2026). Материал подготовлен по итогам Custom Agents Camp в партнёрстве с Notion.
- Every, Context Window: The Missing Layer in AI Adoption, 11 апреля 2026 — краткий пересказ состава четырёх агентов.
Следующий шаг. Пройдите бесплатный AI-аудит за две минуты: он показывает, какие именно ваши процессы сейчас пригодны для агента, а какие сначала требуют порядка в данных. Состав наших front-office агентов — на отдельной странице.
Опубликовано Andrew Maryasov, основателем Grow2.ai — AI-агенты и AI-консалтинг для малого и среднего бизнеса. Grow2.ai — AI-подразделение Auspex.