Кейс: как мы автоматизировали обработку заявок и сократили время с 2 часов до 5 минут
Заявка приходила на почту в 23:40, в субботу. Менеджер видел её в понедельник утром - если не пропускал в потоке из сотни других писем. К этому моменту клиент уже написал конкуренту и получил ответ. Так в B2B-компании, с которой мы работали, теряли лиды, за которые заплатили деньгами на рекламу.
Заявки шли отовсюду: почта, форма на сайте, пара мессенджеров. Каждую нужно было прочитать, понять, что человек хочет, насколько это срочно, кому передать, и занести в базу. На одну заявку у менеджера уходило до двух часов - не потому что работа сложная, а потому что её много и она вся ручная. Ночные и выходные заявки висели часами. Часть просто терялась.
И заявки лежали в разных местах. Почта в одном окне, форма падала на другой адрес, мессенджеры - третье приложение. Чтобы ничего не пропустить, менеджер держал всё это в голове и сам проверял каждый канал. На практике так не выходит: какой-то источник всегда выпадает, особенно под конец дня. Дело не в чьей-то невнимательности. Просто человеку негде смотреть в одно место.
Задача
Нужно было убрать ручную сортировку из цепочки и сделать так, чтобы заявка из любого канала попадала к нужному человеку быстро и без потерь - в том числе ночью и в выходные.
Условия, которые мы держали в голове:
- Каналов несколько, и список будет расти. Решение не должно ломаться от добавления нового источника.
- Данные клиента чувствительные. Гонять их через чужие облака заказчик не хотел, поэтому делали self-hosted.
- Менеджеры должны остаться в процессе. Цель - снять с них рутину, а не выключить их из работы и отдать всё машине.
То есть задача не «прикрутить AI к почте». Нужен был рабочий конвейер от приёма заявки до её попадания в CRM, где AI - один из шагов, а не вся суть.
Что мы построили
Конвейер на n8n с AI-моделью внутри. Логика простая: один вход для всех каналов, AI превращает текст в данные, дальше заявка автоматически расходится по людям и фиксируется в базе. Менеджер подключается уже к разобранной заявке. Заявка проходит пять шагов.
1. Единая точка приёма. Вебхук в n8n собирает заявки из всех каналов сразу - почта, форма, мессенджеры приходят в одно место. Раньше каждый канал жил отдельно, и менеджер держал открытыми несколько окон. Теперь источник неважен, всё стекается в один поток. Появился новый канал - добавляем ещё один вход в эту же точку, остальное не трогаем.
2. AI разбирает текст. Модель читает заявку и достаёт из неё структуру: тип запроса, срочность, суть обращения, контакты отправителя. Здесь живой текст письма превращается в данные, с которыми дальше работает автоматика. Письмо на три абзаца без темы и с опечатками AI разбирает так же, как короткую заявку из формы.
3. Обогащение и маршрутизация. На основе того, что разобрал AI, заявка уходит нужному человеку или отделу. Срочный запрос от крупного клиента и общий вопрос про прайс попадают к разным людям и с разным приоритетом. Менеджер получает уже разобранную заявку, а не сырое письмо.
4. Запись в базу. Заявка автоматически попадает в CRM. Ничего не нужно копировать руками, и не теряется история - всё, что пришло, зафиксировано.
5. Авто-уведомление клиенту. Сразу после приёма человек получает ответ, что заявка принята и с ним свяжутся. Раньше клиент сидел в тишине и не понимал, дошло ли вообще. Теперь он получает подтверждение в ту же минуту - в том числе ночью.
Весь конвейер - на n8n плюс AI-модель, развёрнутый на инфраструктуре заказчика. Никакие данные не уходят в сторонние сервисы.
Результат
Цифры до и после:
- Время обработки одной заявки: ~2 часа → ~5 минут. Это и есть основной эффект. То, что раньше съедало часы ручной работы, теперь занимает минуты, и человек на этапе сортировки уже не нужен.
- Заявки разбираются 24/7. Ночные и выходные больше не висят до начала рабочего дня. Конвейер не уходит на обед и не уходит спать.
- Меньше потерянных лидов. Заявка из любого канала фиксируется в базе и доходит до менеджера. Та история с письмом в субботу ночью теперь невозможна - его разберут и зарегистрируют в момент получения.
- Менеджеры занимаются продажей, а не сортировкой почты. Освободившееся время ушло на работу с клиентами, а не на разбор входящего потока.
Заметнее всего разница как раз ночью и в выходные. Там, где раньше была дыра в несколько часов, теперь работает тот же конвейер, что и днём.
Что мы поняли
Несколько вещей, которые стоит знать, если думаете о похожем у себя.
Начинать лучше с одного канала. Мы не пытались подключить всё сразу. Запустили один источник, убедились, что цепочка работает от приёма до записи в CRM, и только потом подключали остальные. Так проще ловить проблемы - когда канал один, понятно, где искать.
AI-классификацию пришлось дообучать на реальных заявках. На демо-примерах всё выглядит хорошо. Но настоящие письма - это опечатки, обрезанные мысли, два разных запроса в одном сообщении. Первые недели мы смотрели, где модель ошибается, и подстраивали разбор под реальный поток заказчика. Это нормальный этап, его стоит заложить в план, а не ждать, что заработает идеально с первого дня.
Человеку нужно оставить контроль над спорными случаями. Не всё стоит автоматизировать слепо. Когда AI не уверен в типе или срочности заявки, она уходит человеку, а не проваливается куда-то по умолчанию. Это страховка: машина берёт на себя понятный поток, а на краях решает человек. Без этого автоматизация в какой-то момент тихо ошибётся, и никто не заметит.
Если коротко: ценность тут не в самом AI, а в том, что вокруг него собран рабочий процесс. Единая точка приёма убирает потерю заявок. Разбор текста убирает ручную сортировку. Маршрутизация и запись в базу убирают копирование руками. AI - один шаг из пяти, и работает он только потому, что остальные четыре на месте.
Хотите так же
Если у вас входящие заявки разбирают вручную и часть теряется по ночам - это решается. Мы разбираем ваш поток, показываем, что можно автоматизировать, и собираем конвейер под ваши каналы и вашу CRM. Self-hosted, без утечки данных в чужие облака.
Напишите нам: puramind.ai#contacts.