AI-агент для обработки входящих заявок: замена первой линии поддержки без найма

Первая линия обработки входящих заявок — это рутина: прочитать сообщение, определить тему, ответить стандартным ответом или передать нужному специалисту. 70-80% входящих обращений в МСБ решаются типовыми ответами. AI-агент на n8n закрывает это без найма оператора.

Что умеет AI-агент на n8n

В 2025-2026 году n8n интегрировал нативную поддержку LLM (большие языковые модели) — ChatGPT, Claude, Gemini. Это позволяет строить не просто «бот по ключевым словам», а полноценный AI-агент который:

• Понимает смысл обращения, а не только ключевые слова. «Хочу узнать сколько стоит доставка в Питер» и «почём везёте до Санкт-Петербурга?» — один и тот же интент.
• Классифицирует по теме (цена, статус заказа, технический вопрос, жалоба) и маршрутизирует к нужному специалисту.
• Отвечает на типовые вопросы из базы знаний компании — цены, режим работы, адреса, условия доставки.
• Создаёт задачи в CRM для нетиповых запросов — автоматически ставит задачу нужному менеджеру с контекстом.
• Ведёт диалог — помнит контекст разговора и уточняет недостающие детали.

Архитектура AI-агента на n8n

Стандартная схема для обработки входящих из Telegram:

1. Telegram Trigger — любое входящее сообщение запускает workflow.
2. Memory Buffer — нода хранит историю разговора (последние N сообщений) для контекста.
3. AI Agent (OpenAI/Claude) — основная нода. Получает сообщение + историю + системный промпт с описанием вашего бизнеса и инструкциями.
4. Tools — инструменты которые AI может вызывать: поиск в базе знаний (Google Sheets или Notion), создание задачи в CRM, отправка запроса к вашей базе данных.
5. IF + Router — если AI определил что нужен человек — workflow маршрутизирует обращение менеджеру с пометкой приоритета.
6. Telegram Send Message — отправка ответа клиенту.

Системный промпт: самое важное

Качество AI-агента на 80% зависит от системного промпта — инструкции, которую получает модель. Ключевые элементы:

• Роль и компания. «Ты — ассистент компании [название]. Компания занимается [описание]. Ты помогаешь клиентам с [список типичных задач].»
• Тон общения. «Общайся на "вы", профессионально, без жаргона. Максимальная длина ответа — 3 предложения.»
• Граница компетенции. «Если вопрос касается [конкретные темы], скажи что передашь специалисту и вызови tool create_task.»
• База знаний. Прямо в промпт или через tool «поиск в базе знаний» — цены, адреса, режим работы, FAQ.

Реальный кейс: юридическая компания

Юридическая компания в Москве, 4 юриста. Ежедневно 25-40 входящих обращений через Telegram-бот: вопросы о стоимости услуг, запись на консультацию, статус дел. Два сотрудника тратили 3-4 часа в день только на первичные ответы.

Настроили AI-агента на n8n за 3 дня:

• Системный промпт с описанием услуг, ценами и порядком записи.
• Tool «запись на консультацию» — создаёт сделку в amoCRM и бронирует слот в Google Календаре.
• Tool «статус дела» — запрашивает статус из внутренней базы по номеру договора.
• При нестандартных вопросах — создаёт задачу нужному юристу в Telegram.

Результат через 30 дней: AI-агент закрывал 68% всех обращений без участия человека. Среднее время ответа упало с 35 минут до 8 секунд. Два сотрудника освободили по 2 часа в день для профильной работы.

Стоимость AI-агента

Основные затраты — стоимость API языковой модели. При использовании GPT-4o-mini: примерно $0.15 за 1 млн токенов на входе и $0.60 на выходе. Среднее обращение — 200-300 токенов туда и 100-200 обратно. При 1000 обращений в месяц — $0.5-1 в месяц на API. Это не опечатка.

Если объём выше и хочется сэкономить — используйте GPT-4o-mini или Claude Haiku: они в 10-20 раз дешевле GPT-4, при этом для задачи классификации и типовых ответов их качества более чем достаточно.