Коротко: торгово-производственная компания получала около 10 000 входящих обращений в месяц, и операционный сотрудник каждый день вручную разбирал поток писем и лидов. Мы внедрили ИИ-агента на n8n, который читает обращения, отделяет коммерческие заявки от мусора, определяет тип продукции, уведомляет руководителей в Telegram и переводит лиды в нужный этап Bitrix24. В результате ручная сортировка 150–200 запросов в день ушла из операционки, компания перестала терять горячие заявки в завале и получила около 1 млн ₽ дополнительной прибыли на сохранённых сделках.
1. Кто клиент и что было до
Клиент — торгово-производственная компания, которая продаёт оборудование для других производств. Это не маленький отдел с несколькими заявками в неделю: в CRM ежемесячно попадало около 10 000 входящих обращений из почты и связанных каналов.
Главная боль была не в отсутствии спроса. Спрос как раз был. Проблема была в том, что весь поток смешивался в одну очередь: реальные запросы на покупку, ответы поставщиков, рекламные письма, уточнения по доставке, короткие сообщения без смысла, повторные письма, спам. Каждый день появлялось примерно 150–200 новых обращений, и их нужно было быстро разложить по смыслу.
До внедрения этим занимался отдельный сотрудник. Он открывал обращения, читал письмо, решал, есть ли там коммерческий интерес, переносил мусор в спам, а целевые заявки отправлял менеджерам. На бумаге процесс выглядит простым. На практике он быстро превращается в узкое горлышко.
Когда в начале дня висит 200 писем, человек начинает работать в режиме сортировщика. Он не продаёт, не ведёт клиента, не усиливает менеджеров, а просто пытается не пропустить важное. В таком потоке легко ошибиться: одно письмо похоже на рекламу, второе слишком короткое, третье пришло с вложением, четвёртое содержит нестандартное название продукции.
Самый неприятный эффект — терялись золотые заявки. Не потому что менеджеры плохо продавали, а потому что нужное обращение могло задержаться в общей массе. Для собственника это особенно болезненно: лид уже пришёл, рекламный бюджет уже потрачен, клиент уже готов обсуждать покупку, но компания отвечает медленно или замечает заявку слишком поздно.
В Эпоха ИИ мы часто видим похожую картину: бизнесу кажется, что проблема в продажах, хотя на самом деле первая потеря происходит ещё до менеджера. Заявка не доходит до нужного этапа, попадает не туда, зависает в почте или растворяется среди технических писем.
2. Что мы внедрили
Мы собрали ИИ-агента на n8n, который стал первой линией обработки входящих обращений. Его задача — не заменить весь отдел продаж, а убрать ручную сортировку и быстро доводить коммерческие запросы до людей, которые умеют продавать.
Архитектура решения получилась понятной:
- Bitrix24 принимает входящие письма и создаёт лиды;
- n8n забирает новые обращения из CRM;
- отдельный блок нормализует тему и текст письма в формат, который можно безопасно передать модели;
- GPT анализирует содержание и определяет, коммерческий это запрос или нет;
- если запрос нецелевой, лид уходит в спам-этап, но уведомление остаётся для контроля;
- если запрос коммерческий, второй проход ИИ определяет тип продукции;
- в Telegram-канал руководителей приходит короткое уведомление: что за заявка, что хочет клиент, к какой категории она относится;
- в Bitrix24 лид автоматически переводится на рабочий этап, где его забирают менеджеры.
Важная деталь: мы не строили «магического бота», который должен сам всё понять из воздуха. Сначала разобрали процесс клиента: какие типы писем бывают, какие фразы чаще пишут поставщики, как выглядят реальные покупательские запросы, какие товарные группы нужно различать, что нельзя отправлять менеджерам, а что лучше показать руководству даже при сомнении.
После этого для ИИ были прописаны правила классификации. Например: если письмо содержит предложение поставщика, рекламное сообщение или статус доставки, это не коммерческий лид. Если в письме есть запрос стоимости, наличия, сроков или конкретной продукции — это потенциальная продажа. Для спорных случаев добавили отдельные условия, чтобы агент не умывал руки, а возвращал понятный статус.
В таких проектах n8n важен не как «модная программа», а как связка между CRM, почтой, Telegram и моделью. Ценность появляется там, где агент не просто отвечает текстом, а меняет статус лида, уведомляет команду и оставляет след в системе.
Отдельное время заняла подготовка текста письма. В CRM письмо часто хранится не в идеальном виде: есть служебные поля, HTML, вложения, подписи, обрывки переписки. Если отправить это в модель как есть, качество классификации проседает. Поэтому мы добавили технический слой, который вытягивает тему, тело письма и ключевые фрагменты, а затем передаёт их в GPT уже в читаемом формате.
Модель выбрали недорогую, потому что задача простая: классификация и извлечение категории, а не сложная аналитика на сотни страниц. Это снизило ежедневные расходы на обработку до небольших сумм. Для бизнеса с таким объёмом входящих это важный момент: автоматизация должна не только работать, но и не жечь бюджет на каждом письме.
3. Результат: до → после
Результат проекта — операционный отдел перестал вручную сортировать основной поток входящих, а руководители получили прозрачный контроль по целевым заявкам. Коммерческие обращения начали быстрее попадать к менеджерам, а нецелевые письма перестали забивать рабочую очередь.
| Метрика | До внедрения | После внедрения |
|---|---|---|
| Входящий поток | около 10 000 обращений в месяц | поток обрабатывается автоматически |
| Ручная сортировка | 150–200 запросов в день | основная сортировка выполняется ИИ-агентом |
| Первая линия разбора | отдельный сотрудник на ежедневной рутине | операционная ставка высвободилась |
| Движение лида в CRM | вручную после чтения письма | автоматически: в работу или в спам-этап |
| Контроль руководителей | постфактум, через CRM и менеджеров | уведомления в Telegram по целевым запросам |
| Потери крупных заявок | периодически терялись в общем потоке | риск заметно снизился за счёт мгновенной классификации |
| Дополнительный эффект | заявки могли зависать | около 1 млн ₽ дополнительной прибыли на сохранённых возможностях |
Первая заметная победа — скорость разбора. Раньше день начинался с ручного просмотра очереди. Теперь входящее письмо почти сразу проходит через n8n, получает статус и двигается дальше. Для менеджеров это означает меньше мусора в работе. Для руководителя — меньше слепых зон.
Вторая победа — единая логика классификации. Человек может устать, отвлечься, ошибиться в конце дня. Агент применяет одинаковые правила к каждому обращению. Если письмо похоже на спам, оно уходит в соответствующий этап. Если там есть запрос на покупку, оно попадает в работу и дополнительно подсвечивается в Telegram.
Третья победа — управленческий контроль. Руководители видят не просто общее количество писем, а поток целевых заявок по категориям продукции. Если целевых запросов стало меньше, можно быстрее проверить рекламу, спрос, сезонность или работу каналов. Если пришла крупная заявка, её видно сразу, а не через несколько часов после ручного разбора.
Четвёртая победа — экономика. В проекте высвободилась операционная ставка, которая раньше уходила на монотонную сортировку. По рынку такая роль легко стоит десятки тысяч рублей в месяц, а в исходной структуре это была полноценная функция внутри отдела. Дополнительно собственник получил около 1 млн ₽ прибыли за счёт того, что ценные заявки перестали теряться в завале.
Важно честно сказать: ИИ-агент не стал продавать вместо менеджеров. Он не вёл переговоры, не закрывал сложные сделки и не заменял коммерческий отдел целиком. Он закрыл первый слой операционной рутины, где бизнес терял скорость и деньги.
Внутри Эпоха ИИ мы считаем это правильной точкой входа для B2B-компаний: сначала убрать хаос на входе, потом уже подключать автоподготовку коммерческих предложений, проверку наличия, расчёт сроков и контроль качества диалогов.
Соберём такое же решение для вас
4. Сколько стоит запуск
Запуск ИИ-агента для операционного отдела в Эпоха ИИ считается как кастомная автоматизация и разработка ИИ-агентов. Базовый ориентир по таким проектам — от 50 000 ₽ за внедрение под ключ. Оплата делится 50/50: половина на старте, половина после приёмки.
В сопровождение входит поддержка, мониторинг, исправление ошибок на нашей стороне, обновление логики, дообучение на новых примерах и адаптация под изменения в CRM или процессе. Стоимость сопровождения — от 10 000 ₽/мес.
Типовой срок запуска — 2–4 недели. Первый рабочий MVP можно собрать за 7–10 дней, если у клиента уже есть понятная CRM, доступ к почте, список этапов и хотя бы базовое описание типов обращений.
Что входит в такой проект:
- аудит текущего входящего потока;
- разбор типов писем и лидов;
- проектирование логики «целевой / нецелевой / спорный»;
- настройка n8n-сценария;
- интеграция с CRM, почтой и Telegram;
- подключение модели GPT, Claude или DeepSeek под задачу;
- тестирование на реальных обращениях;
- настройка уведомлений и этапов в CRM;
- передача инструкции команде.
Если в компании есть требования по 152-ФЗ или чувствительным данным, решение можно строить с маскированием персональных полей, российской инфраструктурой и аккуратной передачей в модель только тех фрагментов, которые нужны для классификации.
5. Подводные камни
Главный риск такого проекта — думать, что ИИ сам разберётся в процессе без правил. Не разберётся. Хороший агент начинается не с промпта, а с карты бизнес-логики: какие письма считаются продажей, что такое мусор, какие товарные группы важны, какие ошибки критичны, куда отправлять сомнительные случаи.
Первый подводный камень — грязные данные на входе. Письма приходят в разных форматах, с подписями, вложениями, цитатами прошлых переписок и служебным мусором. Если не сделать нормализацию, модель будет путаться. Поэтому технический слой перед ИИ так же важен, как сам промпт.
Второй подводный камень — слишком жёсткая автоматизация. Нельзя сразу отправлять всё спорное в спам без контроля. В нашем сценарии по нецелевым обращениям оставили уведомление, чтобы команда могла наблюдать за работой агента и быстро заметить ошибку. На старте это особенно важно.
Третий подводный камень — отсутствие владельца процесса. Даже если агент работает стабильно, кто-то внутри компании должен смотреть отчёты, проверять спорные кейсы, обновлять правила и давать обратную связь. ИИ закрывает рутину, но не отменяет управление.
ИИ-агент не должен молча принимать необратимые решения в первые дни после запуска. Сначала включаем наблюдение, собираем ошибки, уточняем правила и только потом повышаем уровень автономности.
Четвёртый подводный камень — ожидание полной замены людей. В этом кейсе агент заменил ручную сортировку, но продажи остались за менеджерами. Это нормальная модель: ИИ забирает повторяемый слой, а люди работают там, где нужны переговоры, цена, условия, доверие и ответственность.
Следующий шаг для такого клиента — не просто классифицировать лид, а готовить первичный ответ. Агент может считать запрос, проверить наличие и сроки поставки, собрать черновик коммерческого предложения и отправить его менеджеру на подтверждение. В более зрелой версии он сможет отвечать клиенту за 30–60 секунд, если правила и база данных позволяют.
Именно так мы в Эпоха ИИ обычно развиваем автоматизацию: сначала безопасный слой классификации, затем полуавтоматические ответы, потом интеграция со складом, прайсами, коммерческими предложениями и контролем качества работы менеджеров.
FAQ
Можно ли внедрить такого ИИ-агента без Bitrix24?
Да. Bitrix24 был CRM в этом кейсе, но логика переносится на amoCRM, RetailCRM, 1С, YClients и другие системы с API. Если CRM нет, сначала нужно понять, где сейчас живут обращения: почта, таблицы, мессенджеры или сайт.
n8n подходит только для крупных компаний?
Нет. В этом кейсе поток был около 10 000 обращений в месяц, но n8n полезен и на меньших объёмах, если есть повторяемая ручная операция. Обычно проект имеет смысл, когда сотрудник ежедневно тратит часы на сортировку, копирование, проверку или перенос данных.
Будет ли ИИ ошибаться при классификации заявок?
Ошибки возможны, поэтому запуск делается постепенно. Сначала агент работает с уведомлениями и контролем спорных случаев, затем правила уточняются на реальных примерах. Важные решения лучше не делать полностью необратимыми в первые дни.
Можно ли сразу отправлять клиенту коммерческое предложение?
Можно, если у компании есть структурированный прайс, база наличия, понятные правила расчёта и согласованный шаблон ответа. На практике мы часто начинаем с черновика для менеджера, а после проверки качества переводим часть ответов в автоматический режим.
Сколько стоит поддерживать такую систему после запуска?
Ориентир сопровождения в Эпоха ИИ — от 10 000 ₽ в месяц. В сопровождение входят мониторинг, исправление сбоев, обновление логики, адаптация промптов и помощь при изменениях в CRM или бизнес-процессе.
Что нужно подготовить перед внедрением?
Нужны доступы к CRM и почте, список этапов воронки, примеры целевых и нецелевых обращений, перечень продуктовых категорий и человек со стороны клиента, который может быстро подтверждать правила. Чем лучше описан процесс, тем быстрее агент начинает работать стабильно.
Источники
- Внутренние данные Эпоха ИИ по проектам автоматизации входящих заявок и первой линии обработки лидов, (проверено: июнь 2026).
- ИИ-менеджер по продажам в 2026 — что умеет, сколько стоит и как внедрить за 2–4 недели, (проверено: июнь 2026).
- Нейросотрудник или автономный ИИ-агент: что выбрать бизнесу в 2026, (проверено: июнь 2026).
- ИИ-сотрудник и AI-агент для бизнеса 2026: что это, виды, цена, (проверено: июнь 2026).
Прочитали? Давайте внедрим
ИИ-консультант ответит за 5 секунд.
