Ерасылу Сыдыку 20 лет. Его компания ADMIT готовит школьников к поступлению за рубеж, идёт к 300 млн ₸ в год (25 млн ₸ только в августе), и он не написал для неё ни строки кода. Операционную работу в ADMIT делают 47 ИИ-агентов, и весь код компании написали они по его правилам. Семья получает ответ в среднем за 14 минут. У 81 ученика компании 52 зачисления в летние и исследовательские программы, 12 опубликованных исследований, золото чемпионата Азии и первое место на международной математической олимпиаде.
О себе: Мне 20, я из Талдыкоргана. Учился в Minerva в Сан-Франциско (3% приёма, строже Стэнфорда в тот год) и вблизи видел, как ИИ, агенты и ИИ-инфраструктура меняют всё, и очень быстро. Решил, что это тот самый момент: взял академический отпуск, вернулся в Казахстан и начал строить. ADMIT — первая в Казахстане AI-first компания в поступлении. То, что в Кремниевой долине называют service as a software, я увидел там сам и привёз сюда.
С чего начался проект 3 мая: что было в первом коммите, и как вы дошли от идеи до 47 агентов
Репозиторий, в котором 3 мая не было ни строки кода, через четыре месяца держит компанию с годовым темпом 300 млн ₸.
В первом коммите лежал текст: законы, по папке на каждого ученика, методики по каждому направлению. Я сначала описал, как компания думает, и только потом дал машине это исполнять. Код пошёл с лета: 1 июля его было 16 983 строки, 24 сентября уже 72 626. Это около 650 строк рабочего кода в день, а текста законов и методик ещё больше, чем кода.
47 это 23 агента и 24 навыка. Агенты ведут направления и проверяют друг друга: исследования, программы, стажировки, технические проекты, список вузов, эссе. Навыки это узкие роли, которые агенты вызывают по ходу работы. С ментором разговаривает один генералист, и под глубокую задачу он зовёт нужного специалиста. Главное решение в архитектуре: кто делает работу, тот её не проверяет, поэтому у каждого исполнителя есть свой проверяющий. Добавить или убрать направление это один файл.
Новый скрипт у нас появляется тогда, когда одно и то же правило нарушено в третий раз.
Расскажите про сами 12 законов в файле на 1 036 строк: что это за правила и почему их именно 12
Двенадцать законов управляют 47 агентами и 81 учеником, и модель перечитывает их перед каждым действием. Вместе с пояснениями это текст размером с небольшую книгу.
Коротко законы такие: 1 правда важнее гладкости · 2 простота важнее сложности · 3 сначала ученик, потом документы · 4 не выдумывать факты, прогресс, одобрения и дедлайны · 5 читать минимум нужных файлов · 6 стратегия и исполнение всегда связаны · 7 записывать сразу, как изменилась реальность · 8 если сомнение меняет исход, спросить человека · 9 сырые материалы служат опорой · 10 цель в том, чтобы сдвинуть ученика вперёд · 11 Notion всегда совпадает с исходными файлами · 12 источник важнее предположения.
Первые одиннадцать я написал за неделю в мае. Двенадцатый появился 28 июля: модель перестроила страницу по своей памяти о правиле, не открыв сам текст, и стёрла заполненную таблицу. С тех пор пересказ правила правилом не считается.
Из двенадцатого вырос самый строгий закон системы. Дедлайн, порог поступления, список документов или официальный балл нельзя записать нигде без ссылки на страницу, даты проверки и дословной цитаты. Проверке старше 30 дней не верят.
Файл длинный, потому что рядом с каждым законом записано, откуда он взялся. К нему добавляются 108 правил обратной связи: замечание ментора говорится один раз, и дальше его читает каждый агент.
Покажите вживую requirements.txt: важно зафиксировать, что в проекте нет локальных моделей и вся тяжёлая работа уходит в API
Компания с годовым темпом 300 млн ₸ работает на одном сервере с 1 ГБ памяти, и туда не поместится даже самая маленькая локальная модель.
Файла requirements.txt у нас не было, потому что зависимостей почти нет. Я собрал его к интервью из реальных импортов, скриншот ниже. На 213 скриптов пять библиотек, и все про документы, таблицы, PDF и чтение Telegram. Для моделей нет ни одной, файлов весов тоже нет.
Думает Claude через API Anthropic: скрипт отправляет задачу модели и получает ответ, вся тяжёлая работа на их стороне. Notion, Google Docs и Telegram вызываются напрямую, без лишних надстроек.
Во что это обходится. Самая дорогая статья вычислений, ночной аудит, стоит $34 в месяц на ученика. За эти деньги машина каждую ночь перечитывает всю работу по ученику целиком. Это около 5% выручки.
213 скриптов, ~72 600 строк Python: как распределена архитектура? Что пишут агенты сами, а что задано вами
Я пишу ноль строк Python. Я пишу законы.
За сентябрь код вырос с 51 184 до 72 626 строк, на 21 442, и каждую строку написали ИИ-агенты.
Архитектура это семь слоёв в одном репозитории: законы · методики по направлениям · общие базы, например 364 вуза с проверенными данными · файлы учеников · скрипты · агенты · расписание сервера. Скрипты трёх видов: одни ведут ментора по шагам направления и не дают пропустить этап, другие проверяют, третьи синхронизируют всё с Notion, Google и Telegram. У каждой таблицы ровно один скрипт с правом записи, и тест падает, если появится второй.
От меня три вещи: законы, решения и обратная связь. За четыре месяца 43 решения, каждое с рисками и моим «да» до того, как агент начнёт строить. Остальное пишут агенты: скрипты, 267 тестов и файлы самих агентов.
Нас пятеро на полной занятости, плюс менторы-студенты, которые ведут направления. На каждого из пяти приходится больше девяти агентов.
Хорошая постановка звучит так: «человек создаёт группу в Telegram и делает бота админом, всё остальное делает машина, а шаг, который не смогла, называет вслух». В итоге одно действие человека даёт семь артефактов машины за час. Проверяю я поведение: подсовываю случай, который должен сломать систему, и смотрю, что будет.
Помесячная динамика договоров — 2, 5, 0, 4, 9, 13, 13, 16: что случилось в июне и почему в июле ноль? Что изменилось к августу
В августе компания заработала 25 млн ₸, это около 300 млн ₸ годового темпа, и за последние 100 дней выросла почти втрое.
По месяцам: январь 2, февраль 5, март 0, апрель 4, май 9, июнь 13, июль 13, август 16, в сентябре уже 18, и до конца месяца ещё пять дней. В марте мы ещё были обычным консалтингом без всякой технологии, и новых договоров не было.
Настоящая стартовая линия — это июнь. До него был обычный консалтинг, в мае я писал систему, в июне она впервые заработала на живых учениках. С тех пор две трети учеников пришли за последние 100 дней. Выручка около $125 000 в год на каждого человека на полной занятости. Привлечение клиента стоит 3,6% цены пакета, каждый тенге в маркетинге возвращает 28. Постоянные расходы 2% выручки, отдела операций нет. Пакеты стоят от 730 000 ₸ за шесть месяцев до примерно 1,5 млн ₸ за полное сопровождение, и 730 000 ₸ это около пятой части одного года обучения в международной школе. В сентябре выручка уже около 20 млн ₸, а до конца месяца ещё пять дней.
К августу подготовку, проверки и отчёты семьям взяла машина. Ментор ведёт одно направление у 8-24 учеников, и семья получает ответ в среднем за 14 минут. Ученики у нас из 13 городов за пределами Алматы и Астаны, от Усть-Каменогорска до Шымкента.
Результаты. У 81 ученика 52 зачисления в летние и исследовательские программы Rice, Georgetown, NYAS Junior Academy, Lumiere и других, 13 принятых исследований, 12 публикаций и 6 завершённых стажировок. Среди учеников есть золото чемпионата Азии и первое место на международной математической олимпиаде. За лето ученики выиграли университетские гранты почти на $73 000. Их ведут менторы, пятеро из которых сами закончили школу в 2025-2026 году и учатся в Гонконге, Нью-Йорке и Корее.
Вы говорите, что упираетесь в мощность, а не в спрос: как выглядит этот потолок технически? Что нужно нарастить, чтобы дойти до 100 млн тенге в месяц
100 млн ₸ в месяц это четыре августа, около 280 учеников, и спрос тут не ограничение: в сентябре уже 18 договоров без единой платной публикации.
Сервер и API потолком не являются. Потолок в двух местах. Машина: ночной аудит на сервере с 1 ГБ идёт в два потока, этого хватает на 70 учеников за ночь, а на 280 уже не хватит. Люди: один ментор держит одно направление у 8-24 учеников, в продажах два человека.
Путь я строю в одном порядке: сначала видеть всё, потом действовать без человека, и только потом добавлять людей.
Видеть всё уже получилось: каждую ночь машина перечитывает всю работу по каждому ученику. Действовать без человека уже началось: 595 фактов о работе учеников машина записала в их файлы сама, и 21 находку исправила без человека.
Дальше конкретно: аудит на машину с 8 потоками вместо 2; конвейер эссе прогнать на 100 эссе до ноября; при вчетверо большем числе учеников менторов вдвое больше, потому что машина готовит им утро; продавцов 4-6 вместо 2.
740 ночных запусков: что делают агенты в это время, пока команда спит
Около 450 действий в сутки на каждого из нас пятерых: столько делает машина, и треть работы идёт ночью. Из 2 234 запусков в сутки 740 приходятся на время с 23:00 до 07:00.
К полуночи машина сама сводит день: скорость ответов семьям по каждому менеджеру, просроченные задачи, воронку продаж, доску показателей. В 03:30 делает снимок своего состояния, чтобы сбой сервера не превратился в повторно отправленные сообщения. В 07:00 сдвигает план ученику, который закончил направление раньше срока, чтобы никто не сидел без работы. С 07:20 каждый час находит новые Telegram-группы и открывает страницу новому ученику. Потом обновляет доски менторов и страницы семей на my.admit.kz.
В 08:15 сервер делает себе перекличку: что упало, что сработало не по расписанию. В 08:25 начинается аудит, и его самого проверяют контрольными примерами с заранее известной ошибкой, мы их зовём канарейками. Если аудитор пропустил такую ошибку, все его «чисто» за эту ночь не засчитываются.
В 08:30 у меня одно сообщение в Telegram: что сломалось, что исправлено автоматически, что записано за ночь и что требует человека. Эту работу раньше не делал никто.
От редакции: Цифра в 100 млн ₸ в месяц — не ориентир наугад, а расчёт потолка рынка консалтинга по поступлению в Казахстане. Выше него, по словам Ерасыла, есть только два пути: брать учеников без реальных шансов поступить или поднимать цену — и оба противоречат тому, зачем строилась машина: сделать сильную подготовку доступной, а не дорогой.
Дойти до 100 млн ₸ в месяц ADMIT планирует в течение ближайших четырёх месяцев. Дальше — сначала проверить, выдерживает ли машина такой масштаб, и починить то, что сломается. После этого — один из двух путей: перенести систему в соседние ниши с похожей структурой или выйти в другие страны, например Узбекистан и США. Ученики оттуда уже приходят в ADMIT сами через соцсети, просто пока компания заметна там лишь случайно.
«Машина уже есть. Осталось решить, куда её везти первой», — говорит Ерасыл.
