AI-триаж почты на n8n: как сократить разбор входящих с часа до 20 минут, не доверяя роботу отправку писем

Входящая почта малого бизнеса — это конвейер однотипных решений: «вопрос о цене», «вопрос о сроках», «спам», «жалоба». Читать должен человек, а вот сортировать и готовить черновик — необязательно.

Разбираю production-воркфлоу на n8n из пяти нод, который делает ровно это: классифицирует письмо через LLM и кладёт черновик ответа в Gmail. Не отправляет. Никогда. Кнопку «Отправить» нажимает человек — это архитектурное требование, а не оговорка.

Схема: Gmail Trigger (только непрочитанные) → OpenAI (классификация + черновик в строгом JSON) → Code (парсинг с защитой от поломок) → IF (нужен ли ответ) → Gmail: создать DRAFT.

Почему draft-only, а не автоответ

Автоответчик на LLM без проверки — это машина по генерации обещаний, которых у вас нет. Модель вежливо подтвердит скидку 30%, срок доставки «завтра» и возврат без чека, потому что её задача — правдоподобный текст, а не ваша коммерческая политика.

Поэтому схема называется human-in-the-loop: автоматика сокращает время до готового решения, но не принимает его. Метрика доверия — «draft acceptance rate»: доля черновиков, которые оператор отправил без правок. Пока она не измерена хотя бы на сотне писем, об автоотправке разговора нет.

Три инженерных решения, которые экономят деньги

Первое. Поллинг раз в минуту, а не webhook. У Gmail push-уведомления — это отдельная инфраструктура на Pub/Sub. Для 40–80 писем в день минутная задержка ничего не значит, а надёжность выше.

Второе. Фильтр «только непрочитанные, только inbox» — в поисковом запросе Gmail, а не в логике workflow. Каждое лишнее событие — это запуск workflow и вызов LLM. Отсекать мусор на уровне запроса дешевле, чем на уровне токенов.

Третье. В промпт уходит snippet письма, а не полное тело. Экономия токенов и меньше персональных данных уезжает в API. Стоимость обработки одного письма на gpt-4o-mini — доли цента.

Самая важная строка промпта

«Never promise refunds, discounts or commitments» — никогда не обещай возвраты, скидки и обязательства. Отрицательная инструкция не гарантирует послушание модели, но резко снижает частоту опасных черновиков. Всё равно финально проверяет человек.

Отдельная нода на случай, когда LLM сломает JSON — и это нормально, она ломает. Fallback: категория «прочее», черновик пустой, письмо уходит человеку как есть. Худшее, что может случиться в этой архитектуре, — письмо обработается вручную, как раньше.

Что в итоге

Час-полтора разбора почты в день сжимаются до 20 минут проверки готовых черновиков. Спам отсортирован, срочное подсвечено, на типовые вопросы черновики уже ждут.

Запуск под ключ — примерно час работы плюс API-ключ любой LLM. Если хотите такой же триаж, но некогда разбираться — настраиваю это как готовую услугу на Kwork (ссылка в профиле): категории под ваш бизнес, черновики на языке клиента, ничего не отправляется без вас. Там же — автоматизация заявок и отчётов на n8n.

Принцип, который рекомендую украсть: AI готовит решение — человек его принимает. В таком порядке.