AI-триаж входящих заявок: как связать n8n, Telegram и CRM

Входящие заявки ломаются не из-за отсутствия CRM, а из-за ручной сортировки: менеджер читает сообщение, угадывает намерение клиента, переносит данные, ставит задачу и иногда забывает проверить источник. Для малого и среднего бизнеса это типичная точка, где ИИ полезен без громких обещаний. В этой статье разберем практическую схему AI-триажа заявок: как связать формы, Telegram, почту, n8n и CRM так, чтобы нейросеть помогала разбирать обращения, но не принимала рискованные решения вместо человека.

Главный проверенный факт простой: n8n в официальной документации описывает integrations, nodes, credentials и workflow automation, то есть подходит как связующий слой для автоматизаций между сервисами (https://docs.n8n.io/integrations/). Telegram Bot API, по официальной странице, является HTTP-интерфейсом для ботов, а webhooks позволяют получать обновления через HTTPS POST (https://core.telegram.org/bots/api). У amoCRM и Bitrix24 есть официальные REST/API-разделы для CRM-интеграций: это подтверждается страницами документации amoCRM и Bitrix24.

Дальше без магии и без выдуманных цифр. Мы не будем обещать, что бот “увеличит продажи на X%”. Корректная цель другая: сделать входящий поток прозрачным, повторяемым и проверяемым.

Что такое AI-триаж заявок

AI-триаж заявок — это первичная обработка входящих обращений с помощью правил, интеграций и языковой модели. Система не “продает сама”. Она помогает быстро понять, что пришло, куда это положить, кому показать и какие поля заполнить.

Чем триаж отличается от полноценного AI-агента

Полноценный AI-агент может сам выбирать действия, обращаться к инструментам и вести процесс по цепочке. Триаж проще и безопаснее. Он работает как фильтр перед CRM:

1. Получает сообщение из формы, мессенджера, email или другого канала.
2. Нормализует текст и контактные данные.
3. Определяет тип обращения.
4. Предлагает категорию, приоритет и следующий шаг.
5. Создает или обновляет запись в CRM.
6. Передает спорные случаи человеку.

Эта логика хорошо ложится на n8n, потому что workflow можно собрать из отдельных узлов: входящий webhook, проверка данных, обращение к модели, ветвление, запись в CRM, уведомление менеджера. По данным документации n8n, платформа строится вокруг интеграций, nodes, credentials и workflow automation.

Какие задачи стоит отдавать ИИ

ИИ лучше использовать там, где человек обычно тратит внимание на рутину:

• понять, это новая заявка, вопрос по оплате, поддержка или спам;
• вытащить из сообщения имя, телефон, email, город, продукт и свободный комментарий;
• сформулировать краткое резюме для менеджера;
• предложить тег или статус;
• найти явные признаки срочности;
• подготовить черновик ответа, который проверит человек.

При этом не стоит сразу отдавать ИИ финальное ценообразование, юридические обещания, финансовые условия, отказ клиенту или изменение договора. Такие действия лучше оставить человеку или жестким правилам.

Почему бизнесу важен не “умный бот”, а контроль

Владелец бизнеса обычно хочет не новую игрушку, а предсказуемость. Хороший AI-триаж дает именно это: каждое обращение проходит одинаковый маршрут, каждое решение можно посмотреть в логах, спорные случаи не теряются. Это важнее, чем эффектная фраза “у нас теперь агент”.

Если вы уже читали материал про AI-агента для заявок в n8n и CRM, воспринимайте эту статью как более прикладной слой: не “как построить агента вообще”, а “как аккуратно разобрать входящий поток до передачи менеджеру”.

Архитектура процесса

Надежная схема строится из простых блоков. Чем меньше скрытых решений внутри модели, тем легче поддерживать процесс.

Базовая цепочка

Минимальная архитектура выглядит так:

1. Канал входа: сайт, Telegram, email, рекламная форма или ручной webhook.
2. Очистка данных: приведение телефона, email и текста к одному формату.
3. Проверка дублей: поиск контакта или сделки в CRM.
4. Классификация: ИИ определяет тип обращения и кратко объясняет причину.
5. Правила безопасности: система проверяет, можно ли выполнять действие автоматически.
6. Запись в CRM: создание лида, сделки, контакта или задачи.
7. Уведомление: сообщение менеджеру в Telegram, почту или рабочий чат.
8. Контроль: логирование исходного текста, результата модели и финального действия.

Здесь нет ничего, что требует выдуманной “супер-платформы”. n8n может быть оркестратором, CRM хранит коммерческий контекст, Telegram или email служат каналом уведомлений.

Где нужен человек

Человек должен оставаться в контуре там, где ошибка может стоить денег, доверия или юридических последствий. На практике это означает:

• нестандартный запрос от крупного клиента;
• жалоба;
• просьба изменить условия договора;
• сообщение с персональными или чувствительными данными;
• конфликт между данными в CRM и текстом заявки;
• низкая уверенность классификации;
• запрос, который не похож на заранее описанные категории.

Подход “человек в контуре” уже подробно разбирался в статье Human review для AI-агента в n8n. Для триажа это не дополнительная опция, а нормальная часть архитектуры.

Таблица ролей

Блок	За что отвечает	Что нельзя отдавать без контроля
n8n workflow	Маршрутизация, условия, вызовы API	Финальные бизнес-решения без правил
Языковая модель	Классификация, резюме, извлечение полей	Обещания клиенту и юридические формулировки
CRM	История клиента, статус, задачи	Исправление данных без аудита
Менеджер	Проверка сложных случаев, коммуникация	Ручная сортировка всего потока
Логи	Разбор ошибок, улучшение правил	Хранение лишних персональных данных без необходимости

Такая таблица полезна на старте проекта. Она сразу показывает, что ИИ не заменяет систему управления, а занимает конкретное место между входящим каналом и CRM.

Как собрать workflow в n8n

Ниже схема без привязки к конкретному тарифу или закрытым функциям. Проверенный факт только в том, что n8n документирует integrations, nodes, credentials и workflow automation. Все остальные шаги — проектная логика, которую можно адаптировать под вашу CRM.

Шаг первый: входящий webhook

Начните с одного канала. Не надо сразу подключать сайт, Telegram, почту, рекламу и телефонию. Лучше взять самый болезненный поток и довести его до стабильного состояния.

Для сайта это может быть webhook из формы. Для Telegram можно использовать Bot API. По официальной странице Telegram Bot API, webhooks позволяют получать обновления через HTTPS POST, а запросы к Bot API должны идти по HTTPS. Этого достаточно, чтобы проектировать безопасную передачу событий в ваш обработчик.

На входе сохраните исходное сообщение без правок. Это поможет сравнить, что прислал клиент, что увидела модель и что попало в CRM.

Шаг второй: нормализация данных

Перед обращением к модели полезно привести данные к понятному виду:

• удалить технические поля формы, которые не нужны менеджеру;
• отделить контактные данные от сообщения;
• привести пустые значения к единому формату;
• собрать текст клиента в отдельное поле;
• добавить источник заявки.

Не просите модель исправлять все подряд. Если номер телефона можно проверить регулярным выражением или библиотекой, лучше использовать обычную программную проверку. Модель нужна там, где есть смысл, контекст и неоднозначность.

Шаг третий: промпт классификации

Промпт для триажа должен быть скучным и строгим. Его задача — не “продавать”, а вернуть структурированный результат.

Пример структуры:

{
  "category": "new_lead | support | payment | spam | other",
  "priority": "normal | urgent | review",
  "summary": "короткое резюме",
  "extracted": {
    "name": "",
    "phone": "",
    "email": "",
    "product": ""
  },
  "reason": "почему выбрана категория",
  "needs_human": true
}

Важный принцип: модель должна возвращать не только ответ, но и причину. Не длинное рассуждение, а короткое объяснение. Это помогает менеджеру понять, почему заявка ушла в конкретную ветку.

Шаг четвертый: правила после модели

После ответа модели не надо сразу писать в CRM все, что она сказала. Поставьте жесткие проверки:

1. Если категория не входит в разрешенный список, отправить в review.
2. Если нет контакта, создать задачу на уточнение.
3. Если сообщение похоже на жалобу, не отправлять автоответ без человека.
4. Если модель указала needs_human: true, не продолжать автоматическое действие.
5. Если поле пустое, не затирать существующие данные в CRM.

Эти правила защищают от главной проблемы: модель может ошибиться уверенно. А workflow должен быть устроен так, чтобы ошибка не превращалась в действие с последствиями.

Шаг пятый: запись в CRM

Для amoCRM можно опираться на официальную документацию разработчиков: на странице OAuth-раздела видны ссылки на API Reference, Leads API, Contacts API, Tasks API и Webhooks API (https://www.amocrm.ru/developers/content/oauth/step-by-step). Для Bitrix24 официальная документация называется Bitrix24 REST API and Marketplace Applications и содержит API Reference и сценарии по CRM.

В статье про интеграцию AI с 1C и amoCRM уже разбиралась идея: интеграция должна уважать главную систему учета. Для триажа это особенно важно. CRM не должна становиться мусорной корзиной для непроверенных выводов модели.

Как проектировать категории заявок

Категории — это сердце триажа. Если они слишком общие, менеджер не получает пользы. Если слишком детальные, модель чаще путается, а workflow становится хрупким.

Хороший стартовый набор

Для большинства входящих потоков хватает такого набора:

• новая заявка;
• вопрос по продукту или услуге;
• вопрос по оплате;
• поддержка текущего клиента;
• партнерство;
• спам;
• другое;
• требуется ручная проверка.

Не нужно сразу делать десятки категорий. Лучше начать с короткого списка, посмотреть реальные обращения и расширять классификатор только там, где появляется повторяемый паттерн.

Как описывать категории для модели

Каждая категория должна иметь понятное описание. Например:

• “новая заявка” — человек интересуется покупкой, консультацией, расчетом или демонстрацией;
• “поддержка” — человек уже является клиентом и описывает проблему с использованием продукта;
• “оплата” — вопрос связан со счетом, платежом, возвратом или документами;
• “спам” — сообщение не относится к продукту, содержит массовую рекламу или бессмысленный текст.

Добавьте примеры, но не подсовывайте модели выдуманные “кейсы известных компаний”. Достаточно нейтральных формулировок без брендов и цифр.

Что делать с низкой уверенностью

Не обязательно просить модель возвращать процент уверенности. Число может выглядеть убедительно, но не быть проверяемым. Практичнее использовать качественные признаки:

• есть ли явная категория;
• хватает ли контактных данных;
• не противоречит ли текст выбранной категории;
• есть ли слова, которые требуют ручной проверки;
• можно ли выполнить действие без риска.

Если ответ не проходит эти проверки, заявка уходит человеку. Это проще, чем спорить с условными процентами уверенности.

Безопасность и качество данных

AI-триаж касается клиентских сообщений, поэтому к нему нужно относиться как к рабочей системе, а не как к эксперименту в чате.

Не храните лишнее

Сохраняйте только то, что нужно для обработки и аудита. Исходный текст заявки может быть важен, но не надо без необходимости размножать его по нескольким сервисам. Если workflow отправляет резюме в чат менеджеру, проверьте, действительно ли туда нужны все персональные данные.

Не затирайте старые поля

Одна из опасных ошибок — обновлять карточку клиента данными из нового сообщения без проверки. Клиент мог написать с чужого телефона, ошибиться в email или переслать чужой контакт. Поэтому правило должно быть таким: пустые и сомнительные значения не перезаписывают уже существующие данные.

Логируйте решения

Минимальный лог должен отвечать на вопросы:

• какой текст пришел;
• какой источник заявки;
• какую категорию выбрала модель;
• какое действие выполнил workflow;
• ушла ли заявка человеку;
• была ли ошибка API или записи в CRM.

Логи нужны не для красоты. Они помогают улучшать процесс: смотреть, где модель путается, какие категории не покрыты, где менеджеры все равно переделывают результат вручную.

Делайте тестовый режим

Перед включением автоматической записи в CRM полезно запустить workflow в режиме наблюдения. Он получает реальные заявки, классифицирует их и отправляет результат в отдельный канал, но не меняет CRM. Менеджеры сравнивают вывод с реальностью, а вы правите правила.

Это снижает риск и помогает не спорить абстрактно. Через реальные сообщения быстро видно, где промпт слишком широкий, где не хватает категории, а где проблему лучше решать обычным правилом без ИИ.

Пример рабочего сценария

Это не кейс конкретной компании и не статистика. Это иллюстративный сценарий на основе типовых внедрений: сайт, Telegram и CRM уже есть, но менеджеры вручную разбирают входящие обращения.

Исходная ситуация

Клиент пишет через форму на сайте или Telegram. Сообщение попадает менеджеру. Менеджер читает текст, решает, это новая заявка или вопрос текущего клиента, затем создает сделку или задачу. Если поток небольшой, это терпимо. Если обращений много или они приходят в разное время, появляются задержки, дубли и потерянные контексты.

Как меняется процесс

После внедрения workflow:

1. Сообщение приходит в n8n через webhook или интеграцию.
2. Система сохраняет исходный текст.
3. Модель возвращает категорию, краткое резюме и флаг ручной проверки.
4. Workflow проверяет результат по правилам.
5. CRM получает новую запись или задачу.
6. Менеджер видит короткое уведомление с исходным текстом и резюме.
7. Спорные обращения уходят в отдельную очередь.

Менеджер по-прежнему отвечает клиенту. Разница в том, что он начинает не с пустого поля и ручного копирования, а с подготовленной карточки.

Что считать успехом

Не начинайте с громких KPI. Сначала смотрите на операционные признаки:

• стало ли меньше ручного копирования;
• стали ли быстрее находиться потерянные заявки;
• стало ли понятнее, почему обращение попало в конкретную очередь;
• уменьшается ли количество дублей;
• проще ли обучать нового менеджера на готовой структуре.

Эти признаки можно оценивать без недоказанных процентов. Когда процесс стабилен, уже можно строить собственную аналитику на ваших данных.

Типовые ошибки

Большинство неудачных внедрений ломается не из-за модели, а из-за слишком смелой автоматизации.

Ошибка: сразу отвечать клиенту от имени компании

Автоответы выглядят заманчиво. Но если база знаний неполная, а правила не описаны, бот может пообещать лишнее или неправильно понять контекст. Безопаснее начать с внутреннего резюме для менеджера.

Ошибка: делать категории под отдел, а не под действие

Категория должна вести к следующему шагу. “Маркетинг”, “продажи”, “сервис” — это отделы. “Новая заявка”, “вопрос по оплате”, “жалоба”, “нужна ручная проверка” — это рабочие состояния.

Ошибка: не показывать исходный текст

Если менеджер видит только резюме модели, он теряет контекст. В уведомлении должны быть и краткое резюме, и ссылка на исходное обращение или полный текст в CRM.

Ошибка: смешивать тесты и боевой процесс

Не стоит проверять промпты прямо на рабочей CRM, если workflow может создавать сделки, менять статусы или ставить задачи клиентским менеджерам. Для первых проверок нужен режим наблюдения.

Ошибка: считать ИИ единственным источником истины

CRM, правила и человек важнее вывода модели. Модель помогает разобрать неструктурированный текст, но не должна становиться единственным арбитром коммерческого процесса.

Минимальный план внедрения

Если нужно начать аккуратно, используйте такой план.

Этап первый: один канал

Выберите один источник заявок. Лучше тот, где больше всего ручной боли. Например, форма с сайта или Telegram-бот. По официальной документации Telegram Bot API, webhook получает обновления через HTTPS POST, поэтому канал можно встроить в серверный процесс без ручной выгрузки сообщений.

Этап второй: одна CRM-сущность

Не пытайтесь сразу создавать контакты, сделки, задачи, теги и комментарии во всех комбинациях. Начните с одной сущности: например, задача менеджеру или черновая сделка. Для amoCRM и Bitrix24 есть официальные API-разделы, но конкретную схему полей лучше строить под вашу воронку.

Этап третий: ручная проверка

Первые версии workflow должны чаще отправлять в review, чем делать рискованные автоматические действия. Это нормально. Вы собираете реальные данные, улучшаете правила и постепенно расширяете автоматизацию.

Этап четвертый: документация

Опишите:

• какие категории существуют;
• какие действия разрешены автоматически;
• какие случаи всегда уходят человеку;
• какие поля нельзя перезаписывать;
• где смотреть логи;
• кто отвечает за исправление правил.

Без такой документации процесс быстро превращается в набор случайных узлов, которые страшно трогать.

Этап пятый: расширение

Когда один канал стабилен, можно подключать следующий. Если начинали с формы, добавьте Telegram. Если начинали с Telegram, добавьте почту. Если workflow уже умеет создавать задачу, можно добавить более точную запись в CRM.

Для базового знакомства с оркестрацией полезна статья n8n для бизнеса: с чего начать. Там проще увидеть, почему автоматизация начинается не с модели, а с процесса.

Частые вопросы

Можно ли сделать AI-триаж без n8n?

Да. Нужен любой слой, который умеет принимать события, вызывать модель, применять правила и обращаться к CRM API. n8n удобен тем, что workflow видно визуально, а интеграции и credentials описаны в официальной документации.

Нужно ли подключать ИИ ко всем заявкам?

Нет. Иногда достаточно правил: если форма конкретная и поля хорошо заполнены, модель не нужна. ИИ полезен там, где есть свободный текст, неоднозначность или разные формулировки одного намерения.

Можно ли автоматически создавать сделки?

Можно, если правила понятны и риск низкий. Но на старте безопаснее создавать задачу или черновую запись, которую проверит менеджер. Автоматическое создание сделок имеет смысл включать после тестового режима.

Что делать со спамом?

Спам лучше не удалять без следа. Можно помечать его тегом, отправлять в отдельную очередь или не создавать коммерческую сделку. Если есть сомнение, пусть обращение увидит человек.

Как понять, что модель ошиблась?

Сравнивайте исходный текст, категорию модели и действие менеджера. Если менеджер часто меняет одну и ту же категорию, нужно уточнить описание категории или добавить правило до вызова модели.

Нужно ли хранить все ответы модели?

Для аудита полезно хранить результат классификации и краткую причину. Но не стоит бесконтрольно сохранять лишние персональные данные в нескольких местах. Достаточно того, что помогает разбирать ошибки и улучшать процесс.

С чего начать, если CRM уже сложная?

Начните не с записи в CRM, а с внутреннего уведомления. Пусть workflow только классифицирует заявку и отправляет менеджеру резюме. Когда качество станет понятным, добавляйте создание задач или сделок.

Итог

AI-триаж заявок — это не замена отдела продаж и не обещание мгновенной автоматизации. Это практичный слой между входящими каналами и CRM. Он помогает разобрать текст, предложить категорию, подготовить карточку и передать спорные случаи человеку.

Самая надежная схема проста: один канал, понятные категории, жесткие правила после модели, ручная проверка для риска, логирование каждого решения. n8n подходит как оркестратор workflow, Telegram Bot API может быть входным каналом через HTTPS webhook, а CRM остается системой учета и контроля.

Начинайте с малого. Не автоматизируйте то, что еще не описано словами. Если менеджеры не могут объяснить, как они сортируют заявки вручную, модель тоже будет путаться. Когда процесс описан, AI-триаж становится не модной надстройкой, а спокойным инструментом операционной дисциплины.