Kasdienių darbo procesų automatizavimas su make.com

Apie kursus

Automatizavimo įrankiai pasiekė tašką, kai darbo procesą galima suprogramuoti jo nekoduojant. Sunkiausia dalis nebe techninė: reikia žinoti, kurį procesą verta automatizuoti, kaip patikrinti, ar sistema dirba teisingai, ir kiek tai kainuoja. Šis kursas skirtas dirbantiems žmonėms, norintiems automatizuoti savo kasdienes užduotis: pardavimų, rinkodaros, personalo, klientų aptarnavimo, administravimo ir projektų valdymo specialistams. Programavimo žinių nereikia. Jūsų darbo patirtis čia yra pagrindinė medžiaga. Procesą, kurį verta automatizuoti pirmiausia, atpažįsta tas, kuris jį atlieka kasdien, todėl visos praktinės užduotys statomos ant jūsų pačių pasirinktų procesų. Dirbsite su viena platforma – Make.com. Tai vizuali automatizavimo aplinka, jungianti daugiau nei 3 000 programų, ir dažniausiai pirmasis įrankis, kurį įmonės pasirenka procesams automatizuoti. Per šešias sesijas nueisite kelią nuo pirmojo scenarijaus iki grandinės su dirbtinio intelekto sprendimu, klaidų valdymu ir apskaičiuota kaina. Apie 70 % laiko skiriama praktikai.

• Visos paskaitos vyksta gyvai internetu su profesionaliu lektoriumi su profesionaliu lektoriumi. Prisijunkite ir mokykitės iš bet kur.
• Akcentas į praktinius įgūdžius – apie 70 % kurso yra praktika, o ne teorinės žinios.
• Trys užduotys kiekvienoje sesijoje – nuo pradedančiojo iki pažengusio lygio, todėl mokotės savo tempu.
• Dovana: 2 akad. val. Claude e-mokymai – savarankiškai peržiūrimas modulis apie tai, kada užduotį galima atlikti be automatizavimo platformos.
• Kursą baigiate pristatydami savo sukurtą sprendimą – tai tampa praktinių įgūdžių įrodymu.
• Prieiga prie paskaitų įrašų (galite bet kada peržiūrėti kurso medžiagą).

Ko išmoksiu?

• Atrinkti procesus: įvertinti, kurią darbo užduotį verta automatizuoti pagal dažnį, trukmę ir klaidos kainą, o kurios – ne.
• Kurti darbo srautus be kodo: Make.com aplinkoje sujungti Gmail, Google Workspace, Slack, Discord, CRM ir el. parduotuvių sistemas.
• Integruoti LLM į procesą: klasifikuoti laiškus, vertinti užklausas, generuoti el laiškų juodraščius ir santraukas naudojant Gemini bei Claude.
• Matuoti AI tikslumą: sudaryti pažymėtų pavyzdžių rinkinį, apskaičiuoti klasifikavimo tikslumą ir tobulinti sistemos užklausą pagal klaidas.

Ką gebėsiu po mokymu?

• Paleisti automatizaciją savo darbe: nuo proceso aprašymo iki veikiančio scenarijaus, kuris dirba be jūsų įsitraukimo.
• Įvertinti duomenų riziką: atskirti, kokius duomenis galima siųsti į LLM, o kokie lieka įmonės viduje, ir paaiškinti tai kolegoms.
• Prižiūrėti veikiančią sistemą: nustatyti pranešimus apie klaidas, aprašyti automatizaciją taip, kad ją perimtų kolega, ir įvertinti, kada ją reikia perdaryti.

Kur pritaikysiu?

• Pardavimai: užklausų kvalifikavimas ir vertinimas balais, follow-up juodraščiai, CRM įrašų atnaujinimas.
• Rinkodara: turinio grandinės, medžiagos perpanaudojimas keliems kanalams, atsiliepimų stebėsena.
• Klientų aptarnavimas: užklausų klasifikavimas ir nukreipimas, atsakymų juodraščiai, eskalavimas pagal sentimentą.
• Personalas ir administravimas: kandidatų atrankos santraukos, dokumentų generavimas, sąskaitų ir kvitų duomenų ištraukimas.
• Projektų valdymas ir analizė: statusų surinkimas iš kelių šaltinių, savaitinės ataskaitos, įspėjimai apie terminus.

Kursų programa:

Automatizavimo pagrindai ir pirmasis scenarijus

• Kada automatizavimas apsimoka: dažnis, trukmė ir klaidos kaina
• Make.com architektūra ir modulių tipai (Triggers, Actions, Searches, Iterators)
• Pirmasis scenarijus: Webhook → Set Variable → HTTP Response
• Testavimo aplinka: dummyjson API ir Google Sheets
• Asmeninė procesų atrankos lentelė

Šakojimas, filtrai ir klaidų valdymas

• Router ir Filters: kada kuris tinka
• Error Handler Routes: Resume, Commit, Rollback, Ignore, Break
• JSON Parser ir duomenų struktūros
• Komunikacijos integracijos: Gmail, Slack, Discord
• Pranešimų ir eskalavimo grandinės

Dirbtinio intelekto integracija ir duomenų apsauga

• Gemini API raktas ir nemokamo plano ribos
• Struktūruotas atsakymas: kategorija, prioritetas, santrauka
• Make.com AI Toolkit (Analyze Sentiment, Classify Text, Extract Information)
• Užklausų ribojimas ir pakartojimai: ką daryti, kai modelis neatsako
• Kokius duomenis galima ir kokių negalima siųsti į modelį
• Principas „visada juodraštis, niekada automatinis siuntimas”

Google Workspace automatizavimas

• Gmail: laiškų stebėjimas, paieška, žymės ir juodraščiai
• Google Drive: naujas failas → duomenų ištraukimas → Sheets (sąskaitos, kvitai)
• Google Forms kaip užklausų surinkimo taškas
• Google Calendar: susitikimo konteksto paruošimas iš pašto ir failų
• Dublikatų prevencija: Data store ir apdorotų įrašų žymėjimas

Klasifikavimas ir AI kokybės matavimas

• Klasifikavimo grandinė: Gmail → modelis → Router → žymės
• Pažymėtų pavyzdžių rinkinys ir tikslumo skaičiavimas
• Klaidų analizė: kurios kategorijos maišomos ir kodėl
• Sistemos užklausos tobulinimas pagal išmatuotas klaidas
• Rezultatų palyginimas prieš ir po pakeitimų

Turinio ir pardavimų grandinės. Baigiamasis projektas

• Turinio pipeline: Google Sheets → modelis → Google Docs → statusas
• Turinio perpanaudojimas keliems kanalams su Router
• Užklausų kvalifikavimas, vertinimas balais ir follow-up juodraščiai
• Sąnaudų skaičiavimas: kreditai, metinė kaina, atsiperkamumo riba
• Prieigos ir slaptažodžiai: ką daryti, kai darbuotojas išeina
• Baigiamojo projekto pristatymas

Registracija