N8N или AI-агенты: что реально работает в автоматизации бизнеса?

Недавно разбирал автоматизацию в одном производственном предприятии.

Около 180 сотрудников, несколько отделов, заказы от B2B-клиентов. Ничего экзотического — производство, закупки, продажи, бухгалтерия.

И главное: там не пытались заменить людей нейросетями. Сначала просто посчитали, сколько времени сотрудники тратят на повторяющиеся действия. Получилась довольно неприятная картина 😐

Менеджер получил заявку → перенёс данные в CRM → отправил запрос на склад → дождался ответа → написал клиенту. Бухгалтер получил документы → проверил → перекинул в нужную папку → уведомил менеджера. Руководитель хотел каждое утро понимать, что происходит с заказами, и открывал несколько систем.

Решил автоматизировать это двумя совершенно разными способами: 1️⃣ Там, где всё можно описать правилами — поставил n8n Получилось: Новая заявка → проверка данных → запись в CRM → уведомление менеджеру → создание задачи. Никакого AI. Просто workflow.

За 2 месяца автоматизировал 14 таких процессов. По итогам замеров: • ручная обработка типовой заявки сократилась примерно с 11 до 3 минут; • около 1 100 операций в месяц стали выполняться автоматически; • количество ошибок при переносе данных между системами снизилось примерно на 60%; • сотрудники освободили около 85–90 часов в месяц.

И вот здесь я окончательно убедился: иногда нейросеть вообще не нужна. Если процесс выглядит как: ЕСЛИ → ТО → СДЕЛАТЬ ставить туда LLM — примерно как нанимать шеф-повара, чтобы он нажимал кнопку кофемашины 😄 2️⃣ А вот дальше стало интереснее Были процессы, где правила начинали разваливаться. Например, входящие письма от клиентов. В одном: «Нужна партия на 500 штук, желательно до конца месяца». В другом: «Подтвердите, пожалуйста, возможность отгрузки тех же позиций, что обсуждали во вторник». А в третьем вообще был PDF с техническими требованиями на 7 страниц. Здесь пришлось сделать AI-агента. Он сам: → анализирует письмо и вложения; → определяет тип запроса; → извлекает необходимые данные; → ищет информацию в CRM и базе документов; → формирует предложение по дальнейшим действиям; → передаёт результат сотруднику. Но важный момент: агент не получил право самостоятельно отправлять коммерческие предложения клиентам. Он может подготовить решение, но финальное действие остаётся за человеком.

За первый месяц: 📉 среднее время первичного разбора обращения снизилось примерно с 18 до 6 минут 📨 около 70% типовых обращений стали проходить без ручного поиска информации по нескольким системам. Сотрудники экономили порядка 120 часов в месяц. ⚠️ при этом примерно 8–10% обращений агент отправлял человеку, потому что не был уверен в результате. И вот эти 8–10% я считаю не провалом, а хорошим результатом.

Потому что хороший AI-агент должен уметь сказать: «Я не уверен. Нужен человек». А не уверенно нести чушь со скоростью 200 токенов в секунду 😁 Что в итоге?

n8n — для процессов, где всё можно формализовать. AI-агенты — там, где приходится понимать текст, контекст, документы и принимать промежуточные решения.

И самое интересное — они прекрасно работают вместе. n8n может запустить агента. А агент после анализа может вернуть структурированный результат, который снова подхватывает n8n и запускает обычный workflow. То есть вопрос уже не столько: «n8n или AI?» Скорее: «Где нам нужны правила, а где — способность понимать контекст?» И теперь мне интересно ваше мнение 👇

1. Что вы сейчас автоматизируете в бизнесе — n8n/Make/Zapier или пишете собственные решения? 2. Доверили бы вы AI-агенту самостоятельно выполнять бизнес-операции без подтверждения человека? Если да — какие именно? 3. И главный вопрос: где, по-вашему, заканчивается нормальная автоматизация и начинается неоправданное усложнение системы?