AI-контроль коммерческих предложений в n8n: как проверять КП перед отправкой

Коммерческое предложение часто выглядит как обычный документ, но для бизнеса это точка риска: менеджер может забыть условие, неверно перенести срок, отправить сырой текст или пообещать то, чего компания не делает. Практичный способ снизить риск — поставить перед отправкой AI-контролера: он не заменяет менеджера, а проверяет КП по чек-листу, сверяет текст с базой правил и отправляет человеку понятный отчёт.

Технически такую схему можно собрать без сложной разработки. В документации n8n HTTP Request node описан как узел для HTTP-запросов к приложениям и сервисам с REST API (https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/). В OpenAI OpenAPI-спецификации есть endpoint /responses, а описание Responses API упоминает инструменты, включая file search для работы со своими данными (https://raw.githubusercontent.com/openai/openai-openapi/master/openapi.yaml). Gmail API отдельно описывает создание и отправку email-сообщений (https://developers.google.com/workspace/gmail/api/guides/sending). Этих строительных блоков достаточно, чтобы сделать контролируемый процесс: письмо или КП попадает в сценарий, AI проверяет документ, человек принимает решение, после этого сообщение уходит клиенту.

Ниже — схема для предпринимателя или руководителя продаж: что проверять, как построить процесс, где оставить ручной контроль и какие ошибки не стоит автоматизировать вслепую.

Зачем проверять коммерческие предложения через AI

КП — это не только текст

В коммерческом предложении обычно смешаны несколько типов информации:

• потребность клиента;
• состав работ или товаров;
• ограничения и исключения;
• сроки;
• порядок оплаты;
• контактные данные;
• обещания менеджера;
• вложения и ссылки.

Проблема в том, что менеджер видит документ как единый текст, а клиент потом воспринимает каждую фразу как обязательство. Если в КП написано «включена поддержка», клиент будет ждать поддержку. Если указано «согласуем интеграцию», клиент может решить, что интеграция уже входит в стоимость. Поэтому контроль КП — это не вопрос красивого языка, а вопрос управляемых обещаний.

AI полезен именно как внимательный проверяющий. Он может прочитать текст, найти противоречия, отметить слабые места, подсветить отсутствующие блоки и предложить правку. Но финальное решение лучше оставить человеку: AI не знает всех нюансов сделки, отношений с клиентом и текущей загрузки команды.

Где AI помогает без риска

Хорошая зона применения — проверка по заранее заданным правилам. Например:

1. Есть ли в КП предмет предложения.
2. Есть ли список того, что входит в работу.
3. Есть ли список того, что не входит.
4. Не обещает ли текст невозможное.
5. Нет ли противоречий между письмом и вложением.
6. Не забыты ли реквизиты, контакты и следующий шаг.
7. Понятно ли клиенту, что делать после прочтения.

AI не должен сам придумывать цену, менять договорённости или отправлять письмо без подтверждения. Его роль — дать менеджеру и руководителю продаж сигнал: «документ выглядит готовым» или «есть вопросы, проверьте перед отправкой».

Почему это удобно делать через n8n

n8n подходит для такого сценария, потому что он работает как конструктор процесса: событие запускает workflow, дальше идут проверки, условия, запросы к API и уведомления. По данным документации n8n, HTTP Request node позволяет делать запросы к сервисам с REST API, а это удобно для связки CRM, почты, AI API и внутренних инструментов.

Если вы только начинаете с автоматизацией, сначала полезно понять базовые принципы в статье n8n для бизнеса: с чего начать. Для контроля КП не нужен большой проект: достаточно одного понятного маршрута и нескольких правил.

Как выглядит процесс контроля КП

Общая логика

Процесс можно представить как «ворота качества» перед отправкой клиенту. Менеджер готовит письмо или коммерческое предложение как обычно, но вместо мгновенной отправки документ попадает в проверку. AI возвращает структурированный результат, а человек решает, можно ли отправлять.

Базовая схема:

1. Менеджер создаёт КП или письмо.
2. Workflow получает текст, вложение или ссылку на документ.
3. Сценарий забирает правила проверки из базы знаний.
4. AI анализирует КП по чек-листу.
5. Результат приходит менеджеру в рабочий канал.
6. Если есть критические замечания, КП возвращается на доработку.
7. Если замечаний нет, человек подтверждает отправку.
8. Письмо уходит клиенту или задача закрывается в CRM.

Важная деталь: «человек подтверждает отправку» — отдельный шаг, а не украшение. Без него автоматизация может начать жить своей жизнью и отправлять клиентам тексты, которые формально прошли проверку, но не подходят конкретной сделке.

Что должно входить в проверку

Проверка должна быть не абстрактной, а привязанной к вашим правилам. Не «сделай текст лучше», а «проверь по корпоративному чек-листу». Тогда результат будет стабильнее и полезнее.

Пример набора критериев:

Блок проверки	Что ищем	Что должен вернуть AI
Состав предложения	Понятно ли, что клиент покупает	Короткий вывод и список неясных мест
Ограничения	Есть ли исключения и границы работ	Отметку, если границы не описаны
Обещания	Нет ли слишком широких формулировок	Рискованные фразы и мягкую замену
Следующий шаг	Понятно ли, что делать клиенту	Рекомендацию по финальному абзацу
Тон	Нет ли давления или канцелярита	Более ясную формулировку
Согласованность	Не спорит ли письмо с вложением	Список противоречий

Такую таблицу можно держать в базе знаний, в отдельном документе или в настройках сценария. Главное — не просить AI быть «умным вообще», а заставить его работать как проверяющий по правилам.

Что не стоит отдавать AI

Есть зоны, где автоматизация опасна:

• финальное изменение цены;
• юридические формулировки без юриста;
• обещания по срокам, если они зависят от производства или команды;
• отправка клиенту без подтверждения;
• исправление договора;
• принятие решения, кому давать скидку.

AI может подсветить проблему, но не должен подменять владельца процесса. Для этого и нужен формат human-in-the-loop: автоматизация готовит вывод, человек принимает решение. Подход подробнее разобран в материале human review для AI-агентов в n8n.

Какие данные нужны для AI-контролера

База правил

Самая важная часть — не модель и не интеграция, а база правил. Если правил нет, AI будет опираться на общие представления о хорошем коммерческом предложении. Это может быть полезно, но бизнесу нужен контроль по своим условиям.

В базе правил стоит хранить:

• что компания продаёт;
• какие услуги входят в стандартное предложение;
• какие услуги всегда оформляются отдельно;
• какие обещания запрещены;
• какие слова лучше не использовать;
• какие документы прикладываются к КП;
• какие условия требуют согласования с руководителем;
• какие вопросы нужно задать клиенту до отправки.

Для старта база может быть простой: один документ с правилами и примерами хороших формулировок. Дальше её можно расширять по мере появления ошибок и спорных ситуаций. Если база знаний уже используется в компании, полезно посмотреть отдельный материал про AI-агента с базой знаний без галлюцинаций.

Входные данные из письма и CRM

Одного текста КП часто недостаточно. AI должен видеть контекст сделки: что клиент попросил, какая задача обсуждалась, какой продукт выбран, есть ли ограничения. Но давать ему весь архив переписки тоже не нужно. Лучше передавать короткую выжимку и важные поля.

Полезные поля:

• имя клиента или название сделки;
• продукт или услуга;
• краткая потребность клиента;
• выбранный тариф или пакет;
• менеджер;
• текущий статус сделки;
• ссылка на документ;
• текст письма;
• внутренние комментарии, если они нужны для проверки.

Если CRM не готова к интеграции, можно начать с почты и формы отправки КП. Например, менеджер кладёт документ в определённую папку или отправляет его на служебный адрес, а workflow запускает проверку.

Формат ответа AI

AI должен возвращать не эссе, а структурированный результат. Иначе менеджер потратит время на чтение длинного комментария и перестанет пользоваться инструментом.

Удобный формат:

{
  "status": "needs_review",
  "summary": "КП можно отправлять после уточнения границ работ.",
  "critical_issues": [],
  "warnings": [
    "Не указано, что доработка дизайна оплачивается отдельно."
  ],
  "suggested_edits": [
    "Добавить фразу: дополнительные итерации согласуются отдельной задачей."
  ],
  "questions_for_manager": [
    "Согласован ли срок запуска с производственной командой?"
  ]
}

Это не обязательный технический стандарт, а удобный пример. Смысл в том, чтобы у результата были статусы, замечания, предложения и вопросы. Тогда workflow может принимать простые решения: отправить менеджеру предупреждение, создать задачу или запросить подтверждение.

Как собрать workflow в n8n

Шаг запуска

Сценарий должен стартовать от понятного события. Варианты:

• новое письмо в специальном ящике;
• новая задача в CRM;
• изменение статуса сделки;
• webhook из формы;
• ручной запуск менеджером.

Для первого запуска лучше выбрать самый простой вариант. Например, менеджер отправляет черновик КП на внутренний адрес, а workflow проверяет письмо и возвращает отчёт. Это быстрее внедряется и не требует менять весь отдел продаж.

Позже можно подключить CRM и сделать процесс более гладким: статус сделки меняется на «КП готово», после этого включается автоматическая проверка.

Получение текста

Workflow должен достать текст письма и, если нужно, текст документа. Если КП хранится в PDF или DOCX, понадобится дополнительный шаг извлечения текста. Если КП создаётся в Google Docs или CRM, проще передавать текст напрямую через API.

На этом этапе важно не ломать приватность. В AI-запрос нужно отправлять только то, что реально нужно для проверки. Лишние персональные данные, внутренние комментарии и коммерческие секреты не должны попадать в сценарий без причины.

Запрос к AI

В OpenAI OpenAPI-спецификации указан endpoint /responses с operationId createResponse; в описании Responses API также упоминаются tools, включая file search для работы со своими данными. Практически это означает, что AI-вызов можно строить как отдельный шаг: передать текст КП, правила проверки и попросить вернуть структурированный результат.

Промпт лучше разделить на части:

1. Роль: «Ты контролёр качества коммерческих предложений».
2. Контекст: что продаёт компания и какие правила действуют.
3. Вход: текст письма, текст КП, поля сделки.
4. Задача: проверить документ по чек-листу.
5. Формат ответа: строгая структура с полями.
6. Ограничения: не выдумывать условия, не менять цену, не обещать то, чего нет во входных данных.

Пример формулировки:

Проверь коммерческое предложение по правилам ниже. Не придумывай цену, сроки, скидки и юридические условия. Если данных нет, напиши, что данных нет. Верни только структурированный результат: статус, краткий вывод, критические замечания, предупреждения, вопросы менеджеру и предлагаемые правки.

Такой промпт не гарантирует идеальный результат, но он задаёт рамку. Главное — запретить модели додумывать недостающие условия и заставить её явно отмечать пробелы.

Уведомление менеджера

Отчёт должен приходить туда, где менеджер реально работает. Это может быть CRM, почта, Telegram или внутренний чат. Telegram Bot API описывает метод sendMessage для отправки текстовых сообщений, поэтому его удобно использовать для коротких уведомлений (https://core.telegram.org/bots/api#sendmessage).

Формат уведомления:

• статус;
• короткий вывод;
• критические замечания;
• вопросы;
• ссылка на КП;
• кнопка или инструкция для подтверждения.

Не стоит отправлять огромный отчёт в чат. Длинный разбор можно положить в комментарий к сделке или отдельный документ, а в чат вывести только самое важное.

Отправка письма

Если компания хочет автоматизировать отправку, лучше делать это после подтверждения. Документация Gmail API описывает создание и отправку email-сообщений; сообщения формируются как MIME и кодируются base64URL. На практике это значит, что отправка через API требует аккуратной подготовки письма, темы, адресатов и вложений.

Для малого бизнеса часто достаточно полуавтоматического варианта: AI проверяет КП, менеджер получает замечания, сам исправляет и отправляет письмо. Полная отправка через API нужна тогда, когда процесс уже стабилен и понятен. Дополнительно можно изучить статью про email-автоматизацию с AI.

Правила безопасности и контроля

Не отправлять без человека

Главное правило: пока процесс не доказал свою надёжность, автоматическая отправка клиенту должна быть закрыта. AI может ошибиться, неправильно понять контекст, пропустить тонкую оговорку или предложить неудачную формулировку. Поэтому первый режим внедрения — «подсказка менеджеру», а не «автопилот».

Хорошая практика:

• AI не меняет исходный документ сам;
• AI не отправляет письмо клиенту;
• AI не создаёт обещаний;
• AI не согласует исключения;
• AI не принимает решение по скидкам;
• все критические замечания видит человек.

Когда процесс обкатан, часть действий можно упростить. Но даже тогда стоит оставить контроль на дорогих, нестандартных или юридически чувствительных сделках.

Логи и разбор ошибок

Без логов автоматизация превращается в чёрный ящик. Нужно сохранять:

• входной текст;
• версию правил;
• результат AI-проверки;
• решение менеджера;
• итоговый статус;
• комментарий, если менеджер не согласился с AI.

Логи помогают улучшать правила. Если AI часто ругается на нормальные формулировки, правило нужно переписать. Если AI пропустил важный риск, добавьте отдельный пункт чек-листа. Так система становится лучше не за счёт магии, а за счёт накопления практики.

Режимы риска

Не все КП одинаковы. Для типовых сделок можно использовать мягкий контроль, а для сложных — строгий.

Пример режимов:

Режим	Когда использовать	Что делает AI
Лёгкий	Типовая заявка	Проверяет структуру и понятность
Обычный	Стандартная продажа с условиями	Проверяет обещания, границы работ и следующий шаг
Строгий	Нестандартная сделка	Требует ручного подтверждения по каждому риску
Юридический	Договорные формулировки	Только подсвечивает вопросы, не переписывает условия

Такой подход помогает не тормозить простые сделки и не пропускать опасные.

Как внедрить без сопротивления отдела продаж

Начать с помощи, а не контроля

Если представить инструмент как «AI будет проверять менеджеров», команда может воспринять его в штыки. Лучше позиционировать его как помощника, который снижает количество возвратов и спорных ситуаций.

Формулировка для команды:

Система не оценивает менеджера. Она помогает перед отправкой увидеть пробелы, которые клиент может трактовать против нас.

Это важная управленческая настройка. AI-контролёр должен экономить время, а не превращаться в ещё один бюрократический фильтр.

Пилот на одной группе

Для старта не нужно подключать весь отдел. Выберите одну команду, один тип КП и один сценарий. Например: проверка КП для новых клиентов перед первым письмом.

Пилот должен ответить на простые вопросы:

• какие замечания полезны;
• какие замечания лишние;
• какие правила непонятны;
• где менеджерам неудобно;
• сколько ручных шагов можно убрать;
• какие ситуации нужно отправлять руководителю.

Не стоит сразу автоматизировать всё. Лучше сделать один понятный сценарий, который команда реально использует.

Обратная связь от менеджеров

Менеджеры быстро покажут, где AI помогает, а где мешает. Добавьте простые реакции: «полезно», «не полезно», «ошибка», «нужно правило». Эти отметки можно разбирать раз в неделю и обновлять базу правил.

Если замечаний слишком много, инструмент начнут игнорировать. Если замечаний мало, он не поймает риски. Баланс находится через практику.

Типичные ошибки

Просить AI «улучшить КП»

Это слишком широкая задача. AI может сделать текст приятнее, но пропустить бизнес-риск. Лучше просить: «проверь по чек-листу и верни замечания».

Не отделять факты от предложений

AI должен различать, где он нашёл реальную проблему, а где предлагает улучшение стиля. В отчёте полезно разделить «критично», «предупреждение» и «рекомендация».

Давать слишком много контекста

Если отправлять в AI весь архив сделки, результат может стать шумным. Передавайте только нужные поля и документы. Всё лишнее усложняет проверку и повышает риск утечки.

Не обновлять правила

Правила устаревают. Меняются продукты, условия, команда, типовые возражения клиентов. Если база правил не обновляется, AI будет проверять КП по старой картине мира.

Сразу включать автоотправку

Самая опасная ошибка — сразу разрешить системе отправлять письма клиентам. Сначала отчёты, потом подтверждение, и только после устойчивой практики можно думать об автоматической отправке для самых типовых ситуаций.

Минимальный чек-лист запуска

Что подготовить до сборки

Перед тем как открывать n8n, подготовьте процесс на бумаге:

1. Выберите один тип КП.
2. Опишите правила проверки.
3. Соберите примеры хороших и плохих формулировок.
4. Решите, кто подтверждает отправку.
5. Определите канал уведомлений.
6. Опишите статусы: готово, есть вопросы, нельзя отправлять.
7. Решите, где хранить логи.

После этого техническая сборка становится проще: вы уже знаете, какие данные нужны и какой результат хотите получить.

Что считать хорошим результатом

Хороший результат — не идеальный текст. Хороший результат — менеджер быстрее видит риски и реже отправляет спорные КП. Если инструмент помогает поймать забытые ограничения, неясный следующий шаг или опасную формулировку, он уже приносит пользу.

При этом важно не обещать команде, что AI будет безошибочным. Правильное ожидание: он внимательный помощник, но не владелец сделки.

Частые вопросы

Можно ли сделать это без CRM?

Да. Можно начать с почты, формы или ручного запуска workflow. CRM удобна, но не обязательна для первого пилота.

Нужно ли подключать AI к базе знаний?

Желательно. Без правил AI будет давать общие советы. С базой знаний он сможет проверять КП по вашим условиям, ограничениям и типовым формулировкам.

Можно ли доверить AI отправку клиенту?

На старте не стоит. Лучше оставить отправку человеку. Полная автоматизация оправдана только для очень типовых сценариев, где правила стабильны и риски понятны.

Что делать, если AI придумывает условия?

Ужесточить промпт, убрать лишний контекст и требовать явно писать «данных нет», если условие не указано во входных данных. Также стоит хранить правила отдельно и не просить модель додумывать коммерческие детали.

Как понять, что пилот успешен?

Смотрите не на красивые отчёты, а на практику: пользуются ли менеджеры подсказками, стало ли меньше возвратов на доработку, понятны ли замечания, не тормозит ли процесс продажи.

Какие КП проверять первыми?

Начните с типовых предложений, где много повторяемых ошибок: забытые ограничения, неясные сроки, слабый следующий шаг, слишком общие обещания. Нестандартные сделки лучше подключать после обкатки.

Нужен ли программист?

Для простого пилота часто достаточно специалиста, который умеет работать с n8n, API и настройками почты или CRM. Для сложной интеграции с внутренними системами разработчик может понадобиться.

Итог

AI-контролёр коммерческих предложений — это не замена менеджера и не автоматический продавец. Это слой проверки перед отправкой: он читает КП, сверяет его с правилами, находит риски и возвращает человеку понятный отчёт.

Практичный путь — начать с одного типа КП, собрать чек-лист, подключить n8n, отправлять текст в AI, возвращать результат менеджеру и сохранять логи. Автоотправку клиентам лучше не включать до тех пор, пока процесс не станет предсказуемым. Так AI остаётся полезным помощником, а бизнес сохраняет контроль над обещаниями, которые уходят клиенту.