AI и автоматизация

Автоматизация обработки входящих писем с помощью AI

AI-система автоматически анализирует входящие письма интернет-магазина, формирует краткое содержание, определяет тип обращения и передает данные в нужный процесс через Bitrix24.

AI-автоматизация Автоматизация бизнес-процессов Интеграции и API

Задача

Интернет-магазин ежедневно получал большое количество писем на корпоративную почту: вопросы перед покупкой, обращения после заказа, информационные уведомления и спам. Раньше сотруднику приходилось вручную открывать каждое письмо, разбираться в его содержании и передавать обращение в нужный отдел. При росте количества сообщений такая схема отнимала все больше времени, а из-за человеческого фактора письма могли быть неправильно распределены или обработаны с задержкой. Задача заключалась в том, чтобы автоматизировать первичный разбор входящей почты и снять эту рутинную нагрузку с сотрудников.

Решение

На базе n8n, LLM и PostgreSQL была разработана система автоматической обработки входящих писем. После получения нового сообщения система передает его на AI-анализ. Модель формирует краткое содержание письма и определяет, к какой категории относится обращение: вопрос до покупки; вопрос после покупки; информационное сообщение; спам. После классификации структурированные данные автоматически передаются через webhook в Bitrix24, где дальше используются в существующем процессе распределения обращений. Моя часть проекта включала получение и обработку писем, AI-классификацию, формирование summary, хранение технических данных и передачу результата в Bitrix24. Внутренняя доработка CRM выполнялась отдельно и не входила в объем моей разработки.

Контроль неоднозначных обращений

Основная сложность заключалась в том, что реальные письма редко приходят в одинаковом формате. Пользователь может написать развернутый вопрос о товаре, короткое сообщение после покупки или текст, по которому невозможно однозначно определить нужный сценарий. Поэтому система не просто присваивает письму категорию. Для обращений, которые сложнее классифицировать автоматически, сохраняется отдельный показатель сложности обработки. Это позволяет не смешивать уверенно определенные обращения с сообщениями, которые могут потребовать дополнительного внимания сотрудника. Для хранения информации о работе системы используется PostgreSQL. В отдельной таблице фиксируются обработанные письма, результаты взаимодействия и технические логи, что упрощает контроль работы автоматизации и разбор спорных случаев.

04Ключевой результат

Результат

До внедрения сотрудникам приходилось вручную просматривать входящую почту и самостоятельно определять, куда передать каждое обращение. После запуска системы значительная часть первичной сортировки стала выполняться автоматически: сотрудники получают уже классифицированные обращения и могут сразу переходить к их обработке. Главный бизнес-результат — при росте нагрузки компании не потребовалось нанимать дополнительного сотрудника для обработки входящей почты. Существующая команда продолжила справляться с потоком обращений за счет автоматизации рутинного этапа сортировки.

Изображения и внутренние интерфейсы проекта не публикуются по условиям NDA. В кейсе сохранены задача, технический подход и результат работы.

Оценка

Понравился материал?

Другие кейсы

Переключиться на другой разбор.

Нажатие сразу меняет выбранный проект и возвращает к его описанию.

Интеграции и автоматизация

Автоматизация обработки входящих писем с помощью AI

Задача

Решение

Контроль неоднозначных обращений

Результат

Переключиться на другой разбор.

Сервис генерации маркетинговых отчетов

Автоматизация обработки заявок

Автоматизация анализа тендеров

Автоматизация обработки входящих писем с помощью AI

Автоматизация документооборота между Диадок и 1С

Автоматизация SEO-контента для каталога автотоваров

Умный помощник интернет-магазина