Final Project: Enterprise AI Automation System

🎯 პროექტის მიზანი

ფინალური პროექტი წარმოადგენს 3-4 კვირიანი (7 შეხვედრა) ინტენსიური სწავლების შეჯამებას, სადაც თქვენ დაამტკიცებთ, რომ შეგიძლიათ დამოუკიდებლად დაგეგმოთ, ააწყოთ და ბიზნესს მიჰყიდოთ Production-Ready AI სისტემა.

🌟 ეს არის თქვენი Portfolio Piece!

კურსის შემდეგ თქვენ ამ პროექტს გადაიტანთ პირდაპირ LinkedIn-სა და თქვენს პირად პორტფოლიოში. ეს პროექტი აჩვენებს დამსაქმებლებსა და კლიენტებს, რომ თქვენ ხართ AI Automation Architect.

💡 რა უნდა შექმნათ: End-to-end (მრავალეტაპიანი) ავტომატიზაციის სისტემა Make.com-ზე ან n8n-ზე, რომელიც ჭრის კონკრეტულ ბიზნეს პრობლემას, იყენებს მინიმუმ ერთ AI აგენტს/მოდელს, იყენებს გარე API ინტეგრაციებს და აქვს დათვლილი ROI (ფინანსური უკუგება). სურვილის შემთხვევაში დაუმატეთ Lovable UI — ფორმა, dashboard ან კლიენტის პორტალი.

✅ სავალდებულო მოთხოვნები (4 Pillars)

1. ორკესტრაციის პლატფორმა ⚙️

სისტემა აწყობილი უნდა იყოს Make.com-ზე ან n8n-ზე. უნდა შეიცავდეს მინიმუმ 1 Router-ს და IF პირობით ლოგიკას, რათა აჩვენოს რთული გადაწყვეტილების მიღება.

2. AI ინტეგრაცია 🧠

ავტომატიზაციაში ჩართული უნდა იყოს მინიმუმ 1 AI მოდელი (OpenAI, Anthropic Claude, ან ლოკალური Llama/Ollama). მოდელმა უნდა შეასრულოს არა მხოლოდ თარგმნა, არამედ ანალიტიკა, მონაცემთა ექსტრაქცია ან მსჯელობა (Reasoning).

3. გარე სისტემებთან კავშირი 🔌

პროცესი უნდა იწყებოდეს (Trigger) ან სრულდებოდეს გარე სისტემაში API-ის ან Webhook-ის გავლით. (მაგ. Google Sheets ბაზა, Telegram/Slack ნოტიფიკაცია, CRM ინტეგრაცია).

4. ROI-ის დათვლა 💰

სავალდებულოა ბოლო სლაიდზე გქონდეთ დათვლილი ფინანსური სარგებელი. რამდენი საათი დაზოგა სისტემამ თვეში? რამდენი დოლარი დაეზოგა კომპანიას ადამიანური რესურსის ხარჯზე?

📋 პროექტის თემები (იდეები ინსპირაციისთვის)

შეგიძლიათ აირჩიოთ ერთ-ერთი ქვემოთ ჩამოთვლილი ვარიანტი, ან შემოგვთავაზოთ თქვენი უნიკალური იდეა თქვენი ბიზნეს-საჭიროებიდან გამომდინარე.

Option 1: B2B ტექსტური მხარდაჭერის ავტომატიზაცია (Customer Support) 🎧

პრობლემა: კომპანია დღეში 100-ზე მეტ იდენტურ ელ.ფოსტას/მესიჯს იღებს და პასუხზე იხარჯება 4-5 საათი.

გამოსავალი:

Trigger: შემოსული ელ.ფოსტა ან Telegram მესიჯი.
Action (Make.com/n8n): ტექსტის გაგზავნა Claude ან GPT მოდელთან. მოდელი ადგენს, არის თუ არა კითხვა სტანდარტული.
Router: თუ სტანდარტულია, AI თავად აგენერირებს პასუხს RAG-ის (კომპანიის ბაზის) გამოყენებით. თუ რთულია, აგზავნის Slack-ში მენეჯერთან (Human-in-the-Loop).
Database: ყველა ქეისი ინახება Google Sheets-ში Analytics-თვის.

Option 2: დოკუმენტების დანერგვის კონვეიერი (Vision AI) 📄

პრობლემა: ბუღალტერიას დღეში 50-მდე ინვოისის (PDF ან სურათი) ხელით შეყვანა უწევს ERP სისტემაში.

გამოსავალი:

Trigger: ახალი ფაილის ატვირთვა Google Drive-ის კონკრეტულ ფოლდერში.
Action (Make.com/n8n): ფაილის გაგზავნა OpenAI Vision ან Claude API-ში, რათა ავტომატურად მოხდეს კომპანიის სახელის, თანხისა და თარიღის ამოღება JSON ფორმატში.
Database: ამოღებული მონაცემები სუფთად იწერება ბაზაში.
Notification: წარმატებული ინვოისების რეპორტი მოდის Telegram-ში.

Option 3: Deep Research / Lead Generation ავტომატიზაცია 🔍

პრობლემა: გაყიდვების გუნდი საათებს კარგავს პოტენციური კლიენტების (Leads) ვებ-გვერდების კითხვასა და ანალიზში.

გამოსავალი:

Trigger: ვებ-გვერდის URL-ის ჩაგდება Google Sheets-ში ან ინდუსტრიული საკვანძო სიტყვა.
Action (n8n + Firecrawl / xAI GrokBot): აგენტი შედის ვებ-გვერდზე ან იყენებს xAI GrokBot-ის ცოცხალ ვებ/X ძიებას, კითხულობს კონტენტს. LLM აანალიზებს, არის თუ არა ეს კომპანია თქვენი პოტენციური კლიენტი.
Output: სისტემა თავად წერს პერსონალიზებულ Pitch ელ.ფოსტას და ინახავს Draft ფორმატში გასაგზავნად.

Option 4: 100% Zero-Leakage (Local LLM) ბიზნეს ავტომატიზაცია 🔒

პრობლემა: კომპანიას აქვს იურიდიული შეზღუდვები მონაცემთა უსაფრთხოებაზე (GDPR) და ვერ იყენებს OpenAI-ს (Cloud) API-ს კლიენტების მონაცემებზე.

გამოსავალი:

Trigger: ლოკალური ფაილის ატვირთვა.
Action (n8n + Ollama): ლოკალურად გაშვებული Llama 4 Scout ან DeepSeek-V4.1-Flash მოდელი ამუშავებს ტექსტს (მაგ. აკეთებს კონტრაქტის ანალიზს) ისე, რომ მონაცემები არ ტოვებს კომპანიის სერვერს.
Output: უსაფრთხო რეპორტის გენერაცია.

Option 5: აღმასრულებელი და პერსონალური ასისტენტი (Morning Briefing & Market Intelligence) 🌅

პრობლემა: მენეჯერი, დირექტორი ან დამფუძნებელი ყოველ დილით 1-2 საათს კარგავს შეხვედრების დაგეგმვაში, მეილების გაფილტვრაში, ფინანსური ბაზრების შემოწმებასა და სიახლეების კითხვაში.

გამოსავალი (Production-Tested Architecture):

Trigger: ავტომატური დილის გაშვება (07:30 AM) ოპერაციულ სისტემაში (Windows Task Scheduler PowerShell-ით ან cron-ით).
Data Engine (Sources): უსაფრთხო წაკითხვა Gmail IMAP-ით (BODY.PEEK readonly რეჟიმით), კალენდარი (ICS/CalDAV), ამინდი (Open-Meteo), კრიპტო (CoinGecko), აქციები (Stooq CSV) და ცოცხალი სოციალური სენტიმენტი (xAI GrokBot / X stream).
Deterministic vs LLM: ციფრები, ფასები და ცვლილებები (▲/▼) ფორმატირდება მკაცრად კოდით ჰალუცინაციების გარეშე; LLM (Gemini 3.5 Flash-Lite ან Grok 4.7 LiteLLM-ით) აკეთებს მხოლოდ ჭკვიან სინთეზსა და ქართულ თარგმანს.
Output / Notifier: Telegram Bot (ინტერაქტიული ბრძანებებით /markets, /help და inline ღილაკებით) ან პირდაპირი ელ.ფოსტა.
მედეგობა (Graceful Degradation): თუ რომელიმე წყარო გაითიშა, ბრიფინგი გამოდის აღნიშვნით „მიუწვდომელია“, ხოლო დანარჩენი სისტემა შეუფერხებლად მუშაობს.

👔 20 პერსონალური და აღმასრულებელი აგენტის ჩარჩო (Executive Agents Blueprint)

სტუდენტებს შეუძლიათ თავიანთი Capstone პროექტისთვის აირჩიონ ნებისმიერი აგენტი ინდუსტრიული 20 Executive Agents კატალოგიდან. აგენტები დაყოფილია სირთულისა და რისკის 3 დონედ (Tiers):

🟢 Tier 1: Quick Wins (Read-Only)

მინიმალური რისკი, 1-2 API, არაფერს შლის და არ ცვლის გარე ბაზებში. იწყობა 1 დღეში:

#4 Morning Brief Agent (შეხვედრები, მეილები, ამინდი, ბაზრები)
#6 Meeting Notes Agent (ტრანსკრიპტი → Action Items Notion/Slack-ში)
#12 Research & GrokBot Intelligence Agent (RSS/Web/X → დღიური დაიჯესტი)
#15/#16 Document & Slide Deck Agent (თეზისები → Markdown/HTML)

🟡 Tier 2: Human-in-the-Loop

მოითხოვს ადამიანის დადასტურებას. ქმნის მხოლოდ მონახაზებს (Drafts) ან ავსებს CRM/Notion-ს:

#1 Inbox Triage Agent (პრიორიტეტიზაცია და ფილტრაცია)
#2 Email Drafting Agent (პასუხის გამზადება Drafts-ში)
#7 Task Manager Agent (დავალებების ამოკრება ჩატებიდან)
#11 Second-Brain Agent (Notion/Obsidian MCP სემანტიკური ბმულებით)
#17 Social Media & Trend Agent (GrokBot & LinkedIn API პოსტების მომზადება)

🔴 Tier 3: High-Risk / Transactional

საბანკო, ფინანსური ან საგადახდო ოპერაციები, სადაც საჭიროა მკაცრი აუდიტი და უსაფრთხოება:

#8 Travel Planning Agent (ფრენები, ჯავშნები, ბიუჯეტი)
#9 Expense & Receipt Agent (ინვოისები, ქვითრები, ბუღალტერია)
#10 Personal Finance Agent (ბიუჯეტის კონტროლი, საბანკო CSV)
#19 Smart Home & Errands Agent (შეკვეთები, ლოკალური მოწყობილობები)

📖 გსურთ საკუთარი აღმასრულებელი აგენტის აწყობა?

გაეცანით ჩვენს სრულ, ნაბიჯ-ნაბიჯ სახელმძღვანელოს კოდის ნიმუშებით, PowerShell Task Scheduler-ის სკრიპტით, CoinGecko & Stooq API-ებით და Telegram ბოტის კონფიგურაციით.

გახსენით 20 აგენტის სრული გზამკვლევი ↗

🎤 პრეზენტაციის (Pitch) სტრუქტურა - 10 წუთი

მნიშვნელოვანია: მე-7 ლექციაზე თქვენ გექნებათ მკაცრი 10-წუთიანი ფანჯარა. წარმოიდგინეთ, რომ ეს არის Startup Pitch ინვესტორებთან.

დრო	ეტაპი	რას ვაკეთებთ?
1 წუთი	პრობლემის იდენტიფიკაცია	რა ბიზნეს პრობლემას ჭრით? რატომ იხარჯებოდა აქამდე ზედმეტი დრო?
2 წუთი	არქიტექტურა	აჩვენეთ n8n ან Make.com-ის ეკრანი (ნოდები, მარშრუტები, API კავშირები). ახსენით AI-ის როლი.
4 წუთი	⚡ Live Demo	გაუშვით სისტემა რეალურ დროში და აჩვენეთ აუდიტორიას, როგორ სრულდება დავალება.
1 წუთი	ROI-ის პრეზენტაცია	ფინანსური ნაწილი: რამდენი საათი ან დოლარი დაიზოგება თვეში ამ სისტემით? (Cost vs Benefit).
2 წუთი	Q&A	კითხვები აუდიტორიიდან და ლექტორის ფიდბექი.

🚀 Next Steps - დაიწყეთ დღესვე!

👉 ლექცია 4-ის მერე: მოიფიქრეთ ბიზნეს-პრობლემა და შეარჩიეთ ერთი Option.
👉 ლექცია 5-6-ის მერე: ააწყვეთ ლოგიკა, დატესტეთ API-ები და დაიანგარიშეთ ROI.
👉 ლექცია 7-მდე (1 დღით ადრე): მოამზადეთ მოკლე პრეზენტაცია და დარწმუნდით, რომ Live Demo უშეცდომოდ მუშაობს.

გელოდებით მე-7 ლექციაზე!

ეს არის თქვენი შანსი, დატოვოთ თეორია უკან და აჩვენოთ რეალური, ხელშესახები ღირებულება.