Кейс: ИИ-классификация обращений в n8n

🎯 Бизнес-проблема

Компания ежедневно получает более 100 обращений через формы, email и чаты. Менеджеры тратят 3–4 часа в день на ручную сортировку вместо работы с клиентами.

Потеря времени: ручной разбор очереди вместо активных продаж
Потеря VIP-клиентов: срочные жалобы тонут в общем потоке
Холодные лиды: отдел продаж получает нерелевантные запросы
Нет аналитики: невозможно понять, какие отделы перегружены

✅ Цель решения

Создать интеллектуального ассистента, который автоматически:

Принимает обращения через единый Webhook-эндпоинт
Классифицирует по 5 категориям: Маркетинг, Продажи, Поддержка, Жалоба, Вопрос
Маршрутизирует в нужный отдел через CRM (NocoDB)
Отправляет срочные уведомления в Telegram для критичных тем
Передаёт на ручную проверку неоднозначные случаи (Human-in-the-Loop)

⚙️ Архитектура

[Web-форма / Email / API] → Webhook /intake ↓ [AI Agent: GigaChat + Structured Output] ↓ JSON { category, confidence } ↓ [IF: Confidence Score] ├── ≥ 80% → [Switch] → [CRM: NocoDB] + [Telegram Alert] └── < 80% → [Manual Review Queue] → [Telegram: "Нужна проверка" ]

Инфраструктура: Self-hosted n8n, NocoDB (CRM), внешние API (GigaChat, Telegram Bot API), Nginx (Rate Limiting).

🔧 Детали реализации

🧠 Confidence Score

ИИ возвращает не только категорию, но и уверенность (0-100%). Если она низкая — включается режим ручной модерации.

📝 Structured Output

Parser гарантирует валидный JSON от модели. Никакого Markdown или «текста вперемешку» — система не ломается.

🛡️ Защита от спама

Валидация обязательных полей, дедупликация по email + хешу текста за 24 часа, лимиты запросов.

📊 Мониторинг

Алерт в Telegram, если средняя уверенность падает ниже 70% или API недоступно более 5 минут.

📊 Результат

−95%

Время на сортировку

< 3 сек

Скорость классификации

~90%

Точность ИИ (Accuracy)

~624к ₽

Экономия в год (ФОТ)

При ставке менеджера 800 ₽/час экономия 15 часов в неделю окупает разработку за 1–2 месяца.

💡 Ценность для бизнеса

Рост конверсии: отдел продаж работает только с «горячими» лидами
Снижение оттока: жалобы VIP обрабатываются за 15 минут вместо суток
Data-driven: автоматическая сегментация обращений для BI-отчётов
Масштабируемость: рост потока обращений не требует пропорционального роста штата

🌍 Где ещё применимо

E-commerce — маршрутизация заявок с маркетплейсов и возвратов
Финтех — классификация обращений (кредиты, карты, мошенничество)
Медицина — сортировка пациентов по срочности и специализации
EdTech — распределение лидов между отделами продаж и кураторами
HR — первичная сортировка откликов кандидатов

📦 Артефакты кейса

JSON-экспорт workflow, примеры промптов, схема базы данных NocoDB и расчёт ROI доступны по запросу для верификации production-ready архитектуры.