Egy hete hallgattam meg Claire Vo epizódját a Lenny’s Newsletter podcaston. Claire a ChatPRD alapítója. a ChatPRD egy AI termékmenedzsment tool, amit mellékállásban épített, és ma hat számjegyű bevételt termel. A lényeg nem az volt, hogy milyen okos ember. Hanem az, hogy 9 AI agens fut nála párhuzamosan, több Mac Mini-n és régi laptopon — és ezek elvégzik a munka nehezét helyette.
Heti 10 órát takarít meg egyetlen agenssel. Eggyel.
Az ágens nem ugyanaz, mint a chatbot
Mielőtt bármi másba belekezdünk: a kettő között van egy alapvető különbség, és ezt érdemes észben tartani.
A chatbot vár. Beírsz valamit, válaszol. Ennyi.
Az agens cselekszik. Olvas, dönt, írásban reagál, CRM-et frissít — mindezt anélkül, hogy ott kellene lenned. Nem te adsz neki feladatot minden alkalommal. Hatáskört adsz neki, egyszer, és utána fut.
Ez a különbség az, ami miatt az ügynökök használata tényleg más kategória.
Értékesítés — Claire Vo ágense, ami a Sam névre hallgat
Ez az a use case, amire Claire Vo legtöbbet hivatkozik. Sam az érdeklődőket kezeli: bejön egy email vagy webform-üzenet, Sam elolvassa, értékeli, és ha releváns, személyre szabott választ küld, esetleg találkozót ajánl. Ha nem releváns, kiszűri. Claire csak az összefoglalót látja naponta.
Heti 10 óra megtakarítás. Ezzel számol.
Miért számít ez mikrovállalkozásnál? Mert te vagy az, aki minden egyes beérkező megkeresést személyesen kezelsz. Ha van egy aktív értékesítési folyamatod és hetente 20–30 érdeklődő érkezik, az rengeteg idő. A Sam-hez hasonló ágens nem kell, hogy tökéletes legyen — elég, ha a nyilvánvalóan rossz leadeket kiszűri, és az első reagálási időt 4 óráról 4 percre csökkenti.
Bevezethető n8n + Claude API-val, dedikált hardver nélkül is. Kb. 5–15 USD/hó API-költséggel.
Email triage — amikor már az inbox is egészségügyi kockázat
Egy coaching solopreneur számolt be arról, hogy 3 nap alatt „betanult” egy egyszerű inbox AI ágens — utána az emailek kezeléséhez szükséges ideje felére csökkent. Az ágens kategorizál: sürgős/nem sürgős. Sablon válaszokat generál a rutinüzenetekre, és reggelente egy összefoglalót küld: mit kell ma tényleg megválaszolnod.
Az első két hétben lesz fals pozitív — az ágens rosszul kategorizál valamit, amit fontosnak tartasz. Ez normális. Nem plug-and-play, hanem betanítás. Utána viszont hozza az elvárt színvonalat.
Egy figyelmeztetés: magyar emailekre valamivel gyengébb, mint angolra. Az összesített döntési logika (ki az ügyfél, mi a sürgős) jól működik, de a finomabb kontextust néha elvéti.
Meetingjegyzetelés — az egyetlen use case, amit azonnal érdemes kipróbálni
Ha csak egyet vezetsz be az összes közül, ez legyen az.
Az Otter.ai vagy a Fireflies.ai csatlakozik a Google Meet / Zoom híváshoz, átírja, a Claude vagy ChatGPT összefoglalja: döntések, feladatok, határidők. Az összefoglaló mehet Notionba, emailbe, bárhova. 30 percből 5 perc lesz.
Heti 3 meeting esetén ez közel másfél óra. A beállítás kb. fél óra. A megtérülés azonnali.
Egy fontos dolog: kérdezd meg az ügyfeleid, beleegyeznek-e a rögzítésbe. Legtöbben igen, de érdemes előre szólni. Az Otter.ai ingyenes korlátozott percszámmal, fizetős ~$17/hótól.
Tartalom újrahasznosítás — ha van hosszú tartalmad
Claire Vo podcast előkészítési esettanulmánya: a vendég érkezése előtt az ágens automatikusan összegyűjti a háttérinformációkat, kigyűjti a kapcsolódó korábbi tartalmakat, elkészíti a kérdéslista első verzióját. Szerkesztés után az összefoglalót is az ágens gyártja le közösségi médiára.
Ha van podcastod, YouTube csatornád, rendszeres webinárod vagy csak hosszú blogbejegyzéseid, egy ágens ugyanabból az anyagból ki tudja termelni a közösségi bejegyzéseket, email hírlevél összefoglalót, rövid idézeteket.
A legnagyobb értéke ott van, ahol a tartalom újrahasznosítás amúgy is a tervedben van, de mindig elmarad az idő hiánya miatt.
Kurzuskezelés — ha online oktatással foglalkozol
Az online kurzusoknál van az egyik legnagyobb rejtett támogatási igény. Kérdések érkeznek, sokan félúton elakadnak, az onboarding emaileket kézzel küldöd, az emlékeztetők kimaradnak. Egy ágens átveszi az ismétlődő tanulói kérdések 70–80%-át, automatizálja az onboarding sorrendet, és elküldi a haladási push üzeneteket.
Claire Vo ezt is ágensre bízza. Ha van TudásPiac, Teachable vagy Kajabi kurzusod, Zapier/n8n + Claude API-val ez összeköthető.
Családi időpont tervezés — a legmeglepőbb esettanulmány
Claire Vo itt volt a legőszintébb: első kísérlete törölte a családi naptárat. Aztán megtanulta, hogyan kell csinálni.
Az ügynök szinkronizálja a különböző naptárakat, összefoglalja a heti menetrendet reggeli push üzenetben, emlékeztet a gyerekprogramokra, orvosi időpontokra. Nem varázslat, de ha mindenki más naptárát is te tartod fejben, ez valóban teher.
Google Calendar API-val itthon is jól működik. Ha van egy régi laptopod, ami folyamatosan be van kapcsolva, a hardver 0 Ft extra költség.
Amit tudnod kell, mielőtt belevágsz
Dedikált hardver. Claire Vo legfontosabb tanácsa szó szerint az volt: ne a főgépedre telepítsd. Egy Mac Mini M4 ma 210–250 ezer forint körül van — de egy régi laptop is megteszi. Az ágensek folyamatosan futnak, memóriát és CPU-t esznek, és ha valami elromlik, jobb ha nem a munkagéped az áldozat.
Egy ágens nem old meg mindent. Több specializált ágens jobb, mint egy általános. Claire Vo-nál 9 fut külön-külön, mindegyiknek saját területe van. Kezdd eggyel, de gondolkodj modulárisan.
Az első pár hét kemény. Betanítás, prompt finomítás, tévedések korrigálása — ez mind idő. Az első 2–4 hétben valószínűleg több munkád lesz, mint amennyit megspórolsz vele. Ez befektetés, nem azonnali haszon.
Biztonság. Az agensek sok adathoz férnek hozzá. Mielőtt bármit bevezetsz, gondold végig: milyen jogosultságokat adsz, hol tárolódnak az adatok, kinek van hozzáférése. Claire maga is kiemeli ezt az epizódban.
Mivel érdemes kezdeni?
A meetingjegyzetelés az egyértelmű első lépés. Fél óra beállítás, azonnali megtakarítás, minimális kockázat.
Utána az email triage, ha az inboxod rendszeres probléma. Aztán a tartalom újrahasznosítás, ha van rendszeres hosszú tartalmad, amit amúgy is fel szeretnél dolgozni.
Az értékesítési gynök és a kurzuskezelés megéri — de ott már több betanítás kell, és a kockázat is nagyobb, ha valami félremegy.
Az OpenClaw open-source és ingyenes. A Claude API kis forgalomnál 5–15 USD/hó. Az n8n önállóan üzemeltetve szintén ingyenes. A belépési küszöb alacsony — az igazi befektetés az idő, amit a betanításba (és a saját fejlődésedbe is) teszel.
Az OpenClaw-val azonban a „Sushi kés analógia” még inkább igaz: A sushi kés a hozzáértő szakács kezében precíziós eszköz, de egy kezdő kezében veszélyes eszköz lehet. Az OpenClaw megfelelő konfigurálása, határok közé szorítása időt és energiát igényel jelenleg, ezt mindenképpen bele kell számítani a munkaköltségek közé.
GYIK
Kell hozzá programozni tudni?
A legtöbb use case-hez nem. Az n8n, Make és Zapier vizuális felületet ad. Ha Claude API-t akarsz direkten, egy kis JSON-szerkesztés szükséges — de ez nem programozás.
Mennyibe kerül havonta?
Claude API kis forgalomnál 5–15 USD/hó. n8n önállóan üzemeltetve ingyenes. OpenClaw open-source. Az egyszeri kiadás a dedikált hardver.
Működik magyarul?
Részben. A Claude és a GPT-4 jól kezeli a magyart, de az értékesítés és email triage esetén az angol szövegekre megbízhatóbb. A döntési logika magyarul is rendben van, a finomabb kontextus néha elveszik.
Mi az a ChatPRD?
Claire Vo által alapított AI tool termékmenedzsereknek: PRD-ket (Product Requirements Document) generál. Mellékállásban fejlesztette, AI agensekkel üzemelteti, és éves szinten 6 számjegyűjegyű USD bevételt termel.
Mik a legnagyobb kockázatok?
Adatvédelem, téves automatizálás (lásd: törölt családi naptár), és a túlbonyolítás. Több ágens kezelése maga is megterhelő lehet — érdemes lassan bővíteni.
