Чат-боты импровизируют. Мы строим другое: детерминированный процесс в n8n, где каждый шаг зафиксирован, — а нейросеть делает только то, что умеет лучше всего: понимать текст. Каждый прогон записывается в журнал, каждое сообщение клиенту подтверждает ваш менеджер. В итоге — автоматизация, которой можно доверять сотни раз в день.
01 · Почему одни агенты не справляются
Агенты-программисты (Claude Code, Codex и подобные) быстро собирают первую версию — а потом решают ту же задачу каждый день по-разному. Для бизнес-процесса, который крутится сотни раз, это неприемлемо. Математика жестока:
0.95²⁰ ≈ 36% успешных прогонов от начала до конца. Даже при 99%
на шаг получается лишь ≈ 82%. Поэтому серьёзная автоматизация
отдаёт нейросети только узкие задачи — а всё остальное кладёт на
фиксированные рельсы.02 · Метод — инженер и рельсы
К этой архитектуре в 2026 году пришёл весь рынок — OpenAI, Zapier и n8n сошлись на одной формуле: агент сверху, предсказуемый процесс снизу.
Строит вашу автоматизацию по описанию обычным языком за дни, а не за месяцы. Затем каждую неделю перечитывает журнал прогонов и предлагает точечные правки — которые вы подтверждаете.
Фиксированная последовательность: принять заявку, классифицировать, сохранить, вовремя напомнить. Работает ровно так, как задано, — сто или тысячу раз подряд. Поэтому в центре — n8n, а не окно чата.
Одна узкая работа за вызов — классифицировать обращение, вытащить даты и суммы, составить черновик ответа. Жёсткий формат входа и выхода. Поезд не поворачивает.
Каждый вызов модели идёт через ваш собственный шлюз: распределение между дешёвыми и умными моделями, контроль расходов, дашборды. Каждый прогон фиксирует вход, выход, ошибки, стоимость и время.
Если 7-й шаг из 10 упал в 3 часа ночи, прогон продолжится с 7-го шага — а не с начала. Никаких двойных списаний и повторных писем клиентам, а согласование может ждать хоть неделю, ничего не сломав.
03 · Три отрасли, три рабочие рельсы
По данным индустрии (Anthropic, Zapier, McKinsey, Menlo Ventures) и сотням реальных внедрений: именно эти процессы компании автоматизируют первыми — окупаемость быстрее, а риск ниже.
Заявка прилетает в 23:00 из формы или Telegram. К утру клиент остыл — или уже записался к конкуренту. Рельсы принимают заявку мгновенно, LLM заполняет аккуратную карточку из свободного текста, а ваш менеджер получает готовый ответ с кнопками «Отправить / Поправить». Каждый день в 10:00 система готовит фоллоу-апы всем, кто молчит 2+ дня, — снова только с подтверждения. Как говорят практики: «самым большим изменением был не ИИ-инструмент, а скучная автоматизация фоллоу-апов».
Результат: первый ответ за минуту, ноль потерянных вечерних заявок, +20–40% молчавших лидов возвращаются фоллоу-апами.
«Где мой заказ?», «подойдёт ли размер?», «как вернуть?» — 70%+ обращений это поиск информации, а не решения. Рельсы подтягивают заказ из вашего магазина, LLM составляет ответ по базе знаний, а всё сомнительное — возвраты, жалобы, негатив — падает в живую очередь уже подготовленным тикетом. Урок Klarna 2024–2025 (полный автопилот, падение качества, обратный найм) исключён изначально.
Результат: мгновенные ответы 24/7 на рутину, люди занимаются только тем, где нужны люди, — стоимость тикета падает в разы.
Извлечь суммы, даты и контрагентов из сканов — ровно та узкая задача, где LLM сильны, и ровно то место, где слепое доверие опасно. Рельсы разбирают каждый документ, а всё с уверенностью ниже ~97% уходит вашему специалисту в очередь исключений, а не в учёт. Люди перестают вбивать данные и начинают проверять.
Результат: рутинные документы за секунды, чистый аудиторский след по каждой цифре, специалисты заняты суждением — а не вводом данных.
04 · Как мы работаем
Картируем, где застревают заявки, сколько это стоит и какой один процесс окупит весь проект. Вы получаете фиксированную смету — без тумана почасовки.
Агент-инженер строит детерминированный процесс на вашем сервере: триггеры, LLM-шаги через ваш шлюз, база данных, подтверждения менеджера в Telegram. Первые прогоны вы наблюдаете в живом журнале.
HTTPS везде, секреты под замком, задокументированные доступы, промпты и регламенты. Ваша команда выучивает две кнопки, которые имеют значение: подтвердить и эскалировать.
Агент перечитывает журнал, находит, где проседает качество, и предлагает правки рельсов. Автоматизация, которая улучшается, а не гниёт, — в этом весь смысл цикла «инженер и рельсы».
05 · Вопросы
Нет — у него изменилась роль. В 2026 году n8n поднял раунд по оценке $5.2 млрд и выпустил Agents, где воркфлоу становится инструментом агента: «выполняется ровно так, как задан». Визуальный конструктор агентов ChatGPT закрыли; Zapier встроил агента обратно в обычный пошаговый процесс. Вердикт рынка: агент сверху, предсказуемый процесс снизу.
Не через наши рельсы. Всё, что обращено к клиенту, ждёт касания человека — «Отправить» или «Поправить» в Telegram. LLM читает и готовит черновик; решают рельсы и ваш менеджер. Полностью автономная отправка — в нашем списке того, что не автоматизируется никогда.
На вашем сервере: n8n, база данных и шлюз LiteLLM работают в Docker на вашем VPS. Вызовы можно направлять любому провайдеру — или европейскому / локальному, если требует комплаенс. После передачи никакие данные через нашу инфраструктуру не идут.
База помещается на небольшой VPS (2 CPU / 4 ГБ RAM, несколько евро в месяц). Расходы на модели ограничиваются по каждому воркфлоу в шлюзе — обычно центы за лид или тикет — и каждый цент виден в журнале.
Чат-бот импровизирует весь разговор. Наш LLM-шаг делает одну узкую работу в жёстком формате внутри фиксированного процесса — а результат подтверждает человек. Это разница между демо и процессом, который переживает встречу с реальными клиентами.
Пришлите один абзац: где в вашем бизнесе копятся заявки? Через неделю получите схему рельсов — какие шаги станут детерминированными, где сядет LLM и что это окупит. Бесплатно и ни к чему не обязывает.
Удобнее в Telegram? Добавьте свой ник рядом с почтой при деплое — одна строка в этом файле.