Торгово-производственная компания получала около 10 000 запросов в месяц, и среди них терялись золотые заявки: человек-агент разбирал 150–200 писем каждое утро вручную, в потоке спама и нецелевых обращений. В кейсе, разобранном в этой статье, входящий поток забрал ИИ-агент на платформе n8n: он читает письма, отделяет реальные заявки от мусора и двигает их по воронке без участия человека на этапе разбора. Ниже пошагово: как устроен агент, сколько он стоит и почему вся автоматизация написана в диалоге с ChatGPT.
Как устроен агент: от почты до CRM
Агент подключен к общей почте компании и почтам менеджеров: запросы приходят письмами, поэтому читать их решено автоматически. Дальше цепочка из нескольких шагов: языковая модель GPT-4o определяет, коммерческий запрос или нет, для коммерческих определяет тип продукции, уведомление со списком целевых заявок уходит в Telegram-канал, где его видят руководители и собственники. Квалифицированные заявки автоматически перемещаются в CRM Bitrix на этап в работе, остальное уходит в спам, причём для контроля спам-раздел дублируется в Telegram, чтобы важное не потерялось.
Экономика: копейки против зарплаты
Задача классификации писем настолько типовая, что справляется самая дешёвая модель, и расходы на всю систему автор кейса оценивает примерно в 50 рублей в день. За всё время использования система не дала ни одного сбоя. Эффект на стороне собственника: заявки больше не теряются и не зависают в очереди на разбор, скорость обработки растёт, а по оценке из кейса автоматизация принесёт десятки миллионов рублей за следующий год.
Сама автоматизация написана с ChatGPT
Самое примечательное в кейсе: автор не программист и прямо говорит, что недавно вообще ничего не понимал в этой теме. Схема живёт в программе n8n, где автоматизация собирается из блоков и напоминает сборку Lego, и вся она с нуля написана в диалоге с ChatGPT, от первого промпта создать агента, разбирающего лиды в Bitrix, до каждого куска кода. Дольше всего занял код преобразования текста письма в удобный для модели вид, остальное встало быстро. Вывод из кейса: для внедрения нужен ноутбук и умение сформулировать запрос.
Куда расширять: из кейса автора
Следующий шаг в кейсе это мгновенные коммерческие предложения: ИИ должен сам смотреть наличие и сроки на складе компании и отвечать клиенту за 30 секунд или минуту. Другие применения из той же практики: аудит звонков менеджеров, анализ тональности переписки, чтобы заметить конфликт до того, как он разросся, реактивация остывших клиентов и обучение сотрудников. Наглядный антипример из другой ниши: запрос «сколько стоит Stage 1 для BMW X5» получает автоответчик «мы скоро ответим», то есть упущенную продажу, которую агент такого типа подхватил бы сам.
Честные минусы
Минус здесь один, и он по существу задачи: агент сортирует и двигает заявки, но в момент разбора клиенту не отвечает никто, связка с мгновенным коммерческим предложением, когда склад, сроки и ответ уходят клиенту за 30 секунд, пока в планах.
Ту же логику конвейера PostZavod применяет к контенту: берёт ссылку на ваше видео, расшифрует его и соберёт статью и серию постов для Telegram в вашем стиле письма, публикация вашим ботом, сразу или по расписанию. Транскрибация стоит 1 токен за минуту видео, полный прогон (статья + серия постов) обойдётся в 2 токена. Новым аккаунтам дают 500 токенов бесплатно, без карты.