Медіакомпанія Every з командою близько 25 людей передала чотирьом кастомним AI-агентам пріоритизацію завдань, перетворення нарад у доручення, планування OKR і щоденний звіт по росту. Планування OKR скоротилося до двох днів. Агенти працюють не поодинці: усі четверо звертаються до одного набору пов'язаних баз даних. Кейс опублікувала Every у квітні 2026 року, Grow2.ai розбирає його і перекладає на мову SMB-операцій.
Більшість матеріалів про AI-агентів у команді закінчуються словом «продуктивність». Кейс Every цікавий іншим: у ньому видно, який конкретно менеджерський процес зник — і що мало бути готове до того, щоб він зник.
Це чужий кейс. Grow2.ai його не впроваджувала і не має доступу до внутрішніх даних Every. Нижче — розбір опублікованого матеріалу плюс наш висновок про те, що з цього переноситься на команду з 25–50 людей, а що ні.
Хто такі Every і чому цей кейс не про «ще один чат-бот»
Every одночасно тримає шість продуктів, медіа-видання і консалтинговий напрямок. Людей близько 25. За описом самої компанії, у кожного в списку в будь-який момент приблизно 30 завдань.
Так живе більшість SMB: кілька напрямків, ті самі люди на кількох фронтах і жодного окремого проєктного офісу, щоб усе це синхронізувати. Різниця в тому, що Every описала свій вихід із цієї ситуації публічно.
Виклик: один COO як маршрутизатор для всієї компанії
До появи агентів роль диспетчера тягнув Brandon Gell, операційний директор Every. Щоб відповісти на питання «за що братися першим», він вручну звіряв три різні джерела: календарі запусків, стратегічні документи компанії та списки завдань.
Схема працює рівно доти, доки в однієї людини є час її обслуговувати. COO зайнятий тиждень — і команда пріоритизує на око.
Тепер той самий Brandon пише в Slack агенту на ім'я Anton і за секунди отримує впорядкований список — для себе і для інших людей у команді.
Рішення: чотири агенти, один спільний мозок
За кілька місяців Every зібрала чотирьох кастомних агентів за допомогою Notion AI. Усі чотири читають один і той самий набір пов'язаних баз: стратегія, календар, завдання, люди, нотатки з нарад.
Агент | Процес, який він забрав | Що для цього має існувати в системі |
|---|---|---|
Пріоритизація (Anton) | ручне звіряння календарів, стратегії й списків завдань | записана стратегія, єдиний список завдань, календар запусків |
Нарада → завдання | розбір нотаток після зустрічі й роздача доручень | нотатки нарад в одній базі, зв'язані з людьми і проєктами |
Планування OKR | довгий цикл узгодження цілей між напрямками | історія цілей, метрики і власники в структурованому вигляді |
Звіт по росту | щоденне збирання цифр руками | метрики росту, доступні агенту без ручного експорту |
Ліва і середня колонки — з публікації Every. Права колонка наша: це реконструкція вимог до даних, а не цитата.
Що змінилося: цифри, які Every назвала публічно
Процес | До | Після |
|---|---|---|
Отримати пріоритети на день | COO вручну звіряє три джерела | повідомлення в Slack, відповідь за секунди |
Планування OKR | тривалість у відкритій частині не названа | два дні |
Цифр небагато, і це не випадковість. У відкритій частині матеріалу немає ні вартості впровадження, ні зекономлених годин, ні ROI: повний розбір кожного агента і готові промпти Every тримає за платною підпискою.
Тож кейс доводить, що менеджерську рутину реально винести в агента. Скільки це коштуватиме саме вам, він не доводить — наш власний підрахунок повної вартості такої історії лежить у розборі скільки насправді коштує AI-агент.
Три принципи, які Every винесла зі збирання агентів
Описуйте результат, а не кроки. Скажіть моделі, чого треба досягти, і дайте їй обрати реалізацію. Надмірна деталізація на кшталт «створи базу, потім додай зв'язок, потім відфільтруй за датою» моделі радше заважає, ніж допомагає.
Ваш робочий простір — це мозок агента. Кастомні агенти стають сильними тоді, коли можуть звертатися до пов'язаних між собою баз. Агенти Every працюють саме тому, що стратегія, календар, завдання, люди й нотатки лежать в одному місці і посилаються одне на одного. Спершу компанія вела ці бази для себе, потім поверх них з'явилися агенти. Не навпаки.
Не пишіть інструкцію агента самотужки — опишіть, чого він має досягти, і дайте AI згенерувати інструкцію. Every також збирала агентів через Claude Code і Notion API прямо з термінала.
Переклад на мову SMB: що з цього працює в команді на 25–50 людей
Умова, без якої не працює нічого
Notion у цьому кейсі можна замінити на будь-що: Bitrix24, HubSpot, Google Workspace, ClickUp. Замінити не можна інше — стан даних.
Агент, який має розставити пріоритети, мусить десь прочитати, які пріоритети в компанії. Якщо стратегія живе в голові власника, завдання розкидані по чотирьох чатах, а «календар запусків» існує у вигляді голосового в понеділок вранці, агент видасть впевнений список, зібраний ні з чого. Це не помилка моделі, це відсутність джерела.
Нова людина на другому тижні має відповісти на питання «що зараз найважливіше» лише за вашими системами, без розмови з власником. Не відповість — спершу дані, потім агенти. Підготовка даних зазвичай і є той рядок кошторису, який ніхто не закладав.
Один агент = один процес
Спокуса зробити універсального AI-помічника для всього коштує дорого і закінчується однаково: агент робить усе на трійку. У Every чотири агенти, і в кожного рівно одна зона відповідальності.
Це єдиний спосіб чесно виміряти ефект. Коли агент забирає один названий процес, ви можете порахувати, скільки цей процес коштував раніше в годинах. Коли агент «допомагає команді», порахувати не вийде, і за пів року ніхто не згадає, навіщо його ставили. Ту саму логіку ми розкладаємо в матеріалі як рахувати ROI AI-агентів.
Коли агент зайвий
Не кожен процес із цього списку потребує саме агента. Щоденний звіт по росту в команді на 20 людей часто закривається звичайним розкладом і готовим дашбордом: без автономності, без промптів, без ризику галюцинації в цифрі. Межу між вбудованим AI у процесі й повноцінним агентом ми розбирали окремо — коли автономність зайва.
Внутрішня рутина взагалі рідко буває першим правильним кроком. Агенти на пріоритизації й OKR не приносять грошей напряму, вони повертають час керівника: вигода реальна, але непряма. Якщо болить виручка, починати варто з фронт-офісу — кваліфікація лідів, швидкість першої відповіді, гігієна CRM. Базовий розбір цього шару — AI-агенти для малого бізнесу.
Агент не сформулює стратегію за вас, він застосує ту, яку ви записали. Every змогла віддати пріоритизацію саме тому, що пріоритети в компанії існували в письмовому вигляді до появи агента.
Як перевірити це на своїй команді за два тижні
- Оберіть один менеджерський процес, який зараз тримається на одній людині. Найчастіші кандидати в SMB: розбір нарад у доручення, щотижневий звіт, розподіл вхідних заявок.
- Випишіть джерела, з яких ця людина бере відповідь. Якщо серед них є «пам'ять» або «спитати в Олега» — це і є перша задача, і вона не про AI.
- Перевірте машиночитаність. Дані мають лежати в системі з API, а не в PDF-звіті і не в переписці.
- Опишіть агенту результат, а не алгоритм. Одна зона відповідальності, чіткі межі того, чого він не робить.
- Виміряйте одну метрику до і після: години на процес або час від події до дії.
Якщо після другого тижня метрика не зрушила, проблема майже завжди в кроці 2, а не в моделі.
Джерела
- Every, «How We Run a 25-person Company on Four AI Agents», Katie Parrott, 9 квітня 2026 (оновлено 12 липня 2026). Матеріал підготовлено за підсумками Custom Agents Camp у партнерстві з Notion.
- Every, Context Window: The Missing Layer in AI Adoption, 11 квітня 2026 — короткий переказ складу чотирьох агентів.
Наступний крок. Пройдіть безкоштовний AI-аудит за дві хвилини: він показує, які саме ваші процеси зараз придатні для агента, а які спершу потребують порядку в даних. Склад наших front-office агентів — на окремій сторінці.
Опубліковано Andrew Maryasov, засновником Grow2.ai — AI-агенти та AI-консалтинг для малого й середнього бізнесу. Grow2.ai — AI-підрозділ Auspex.