SAP купил долю в n8n за $5.2 млрд. Что это значит для компании, где ещё нет автоматизации

Оценка no-code инструмента n8n за семь месяцев удвоилась с 2,5 до 5,2 миллиарда долларов. Сделку закрыл SAP. Не финансовый инвестор, а компания, у которой 400 тысяч корпоративных клиентов по всему миру. Это сигнал, что enterprise собирает AI-агентов на open-source-стеке уже сейчас. Объясняю, что это меняет для бизнеса на 10–200 человек.

13 мая SAP объявила о стратегической инвестиции в n8n, немецкий open-source-инструмент для автоматизации workflow. Сделка прошла через secondary share sale: SAP единственный новый инвестор, оценка компании выросла с 2,5 млрд долларов в октябре 2025 до 5,2 млрд за семь месяцев.

n8n официально стала самой дорогой AI-компанией Германии.

Параллельно подписано многолетнее коммерческое соглашение. n8n будет встроена в Joule Studio, среду для сборки AI-агентов внутри SAP Business AI Platform. Перевод с корпоративного: 400 тысяч компаний, которые уже платят SAP за ERP, получат n8n как штатный инструмент автоматизации.

Это не финансовая инвестиция. Это инфраструктурный ход.

SAP не покупает игрушки. У компании жёсткие правила интеграции: если технология попадает внутрь Joule Studio, значит, её уже тестировали на крупных клиентах и решили, что она готова к промышленной эксплуатации.

Это первый случай, когда open-source no-code-стек получает официальный статус enterprise-стандарта от вендора такого размера. До этого no-code считался удобным для прототипов и неудобным для прода. Сделка ставит на этом точку.

Для российского рынка контекст ещё интереснее. SAP ушла из России в 2022 году. PwC и другие большие интеграторы тоже. n8n как open-source-проект формально продолжает работать через self-hosted режим: компания качает код, ставит на свой сервер, дальше всё работает локально без обращений к внешним серверам.

То есть для МСБ в РФ это окно, которое будет открыто ещё 12-24 месяца, пока крупные конкуренты не закроют способы локальной установки или не появятся российские аналоги того же уровня.

Любая рутинная задача, которую сотрудник делает руками каждый день, собирается в n8n за час-два. Без программистов. Без подрядчиков. Self-hosted версия бесплатно.

Я бы начал с трёх workflow.

1. Маршрутизация входящих писем. Письмо приходит на общий ящик, n8n передаёт текст в Claude или GPT, модель классифицирует по теме (продажи, поддержка, бухгалтерия, отказ), письмо автоматически уходит ответственному сотруднику. Замена секретаря на 2-3 часа в день. Время сборки workflow: 60-90 минут.

2. CRM-уведомления в командный чат. Новый лид в AmoCRM, пост в Telegram-чат отдела продаж с указанием источника и контакта. Лид без движения 48 часов, автонапоминание ответственному. Замена менеджера-надсмотрщика на час-два в неделю. Время сборки около часа.

3. Еженедельный отчёт владельцу. По расписанию каждую пятницу в 18:00 n8n собирает данные из CRM, бухгалтерии, рекламных кабинетов, складывает в шаблон отчёта, AI пишет резюме на 1 страницу, PDF уходит на почту. Замена помощника-аналитика на 4-6 часов в неделю. Время сборки 2-3 часа.

Это три workflow начального уровня. Что важно: все три собираются мышкой, перетаскивая блоки на полотно. Команда Крола обычно догоняет такие темы за 24-72 часа после новости, поэтому конкретный гайд по первому workflow я выкатываю в Telegram-канал на этой неделе.

Прежде чем кто-то воспринимает это как «вот идеальное решение», стоит назвать ограничения.

n8n хорошо работает на типовых workflow. Если у компании специфическая внутренняя система без API, обвязка усложняется и тогда дешевле либо доработать систему, либо нанять подрядчика на 1С-интеграцию.

Self-hosted версия требует сервер. Это не сложно, арендовать VPS за пару тысяч в месяц, но требует, чтобы внутри компании был хотя бы один человек, который умеет его поставить и обновлять.

Промпты для AI-классификации нужно настраивать под бизнес. Готовых шаблонов «вставь и работает» нет, это процесс на 1-2 итерации.

Один шаг. Открыть n8n.io, прочитать раздел «templates»: там лежат сотни готовых workflow. Найти ОДИН, который похож на свою задачу, попробовать собрать.

После этого станет видно, какие задачи в компании реально подходят под автоматизацию. До этого момента видна только теория.

Разборы AI-внедрений в средний бизнес, методологические протоколы и кейсы внедрений, @gorilla_under_hood.