ИИ-агент для бизнеса без кода: запускаем обработку заявок через n8n за один вечер

Создать ИИ-агента для бизнеса без кода реально за один вечер: нужен аккаунт n8n, ключ от одной языковой модели и 2–3 часа времени. В этой статье мы соберём конкретного агента — он принимает заявку, сам решает, целевой это лид или нет, заводит контакт в HubSpot и пишет менеджеру в Telegram. Никакого программирования: только ноды, поля и один системный промпт, который можно скопировать.

Большинство обзоров в выдаче показывают четыре платформы и три общих шага «установить → добавить триггер → включить». Мы пойдём глубже: разберём один воркфлоу от триггера до уведомления, с реальным промптом и цифрами по стоимости на август 2026.

Чем ИИ-агент отличается от обычного воркфлоу

Обычный воркфлоу — это жёсткий конвейер: пришла заявка → записали в таблицу → отправили письмо. Каждый шаг вы прописываете заранее, и агент не отклоняется от маршрута ни на шаг. Это надёжно, но глупо: такой сценарий не отличит горячего клиента от спамера.

ИИ-агент отличается тем, что часть решений принимает сам. В n8n за это отвечает нода AI Agent: вы даёте ей языковую модель, набор инструментов и системный промпт, а она сама выбирает, какой инструмент вызвать и в каком порядке, чтобы решить задачу. Например: прочитать текст заявки, оценить её по вашим критериям, а дальше — либо создать контакт в CRM, либо отправить лид в таблицу на «прогрев».

Важное ограничение: с версии 1.82.0 нода AI Agent в n8n работает только в режиме Tools Agent, и к ней обязательно должен быть подключён хотя бы один инструмент (tool). Без инструментов агент просто не запустится — это не чат-бот, который умеет только болтать.

Схема агента: три звена, которые соберём за вечер

Наш агент состоит из трёх звеньев, и каждое собирается отдельной группой нод:

1. Триггер — точка входа. Сюда падает заявка: из веб-формы, Telegram или через webhook с сайта.
2. AI Agent node — мозг. Читает заявку, оценивает по шкале скоринга, решает, что делать дальше.
3. Действия — руки. Создание контакта в HubSpot и уведомление менеджеру в Telegram или Slack.

За основу удобно взять официальный шаблон n8n #7343 «Automated lead capture, scoring & CRM integration». В нём уже собрана цепочка: приём лида → валидация → обогащение → скоринг → маршрутизация → CRM. Лиды с оценкой 7+ заводятся в HubSpot как New Prospect, остальные уходят в Google Sheets на прогрев. Расчётное время настройки шаблона — 30–45 минут, и это хорошая отправная точка, чтобы не собирать всё с нуля.

Шаг 1. Триггер: откуда агент получает заявку

Триггер — это первая нода, которая запускает весь сценарий. Для приёма заявок есть три рабочих варианта:

• Webhook node — универсальный. Даёт URL, на который ваш сайт или лендинг отправляет данные формы. Подходит, когда форма уже есть на Tilda, WordPress или самописном сайте.
• n8n Form Trigger — если формы ещё нет. n8n сам сгенерирует страницу с полями (имя, email, сообщение), и её можно дать клиентам как есть.
• Telegram Trigger — если заявки приходят в бота. Клиент пишет боту, сообщение сразу попадает в воркфлоу.

Для примера возьмём веб-форму с тремя полями: name, email, message. После добавления Form Trigger n8n покажет тестовый URL — откройте его, отправьте пробную заявку, и данные появятся в ноде. Дальше они пойдут в агента.

Шаг 2. AI Agent node: модель, инструменты и системный промпт

Это ядро. Добавьте ноду AI Agent и соедините с ней три под-ноды: модель, память (по желанию) и хотя бы один инструмент.

Выбор модели

n8n 2.0 вышел в январе 2026 с нативной интеграцией LangChain и 70+ AI-нодами, так что выбор моделей широкий:

• Claude Haiku — для классификации заявок оптимален: он в 10–20 раз дешевле GPT-4o и точно следует системному промпту. Для задачи «оцени лид по шкале» этого достаточно.
• Claude 3.5 Sonnet — точнее держится инструкций, если правил много.
• GPT-4o — для сложного рассуждения, когда агент должен связывать много условий.
• Ollama (Llama 3, Mistral) — локальный запуск без оплаты API, если данные нельзя отдавать наружу.

Для нашего агента-классификатора берём Claude Haiku: задача узкая, а экономия на объёме заявок ощутимая.

Инструменты

Агенту нужен хотя бы один tool. Доступны HTTP Request Tool (вызов любого REST API), Code Tool (JavaScript или Python в песочнице), Calculator, Wikipedia Tool и Custom Sub-Workflow Tools — любой ваш воркфлоу как инструмент агента. Держите их 3–7 штук: при большем числе модель начинает ошибаться в выборе, точность падает.

Для нашего сценария хватит одного-двух: агент оценивает заявку и возвращает структурированный ответ, а действия (CRM, уведомление) выполняют обычные ноды после него.

Системный промпт

Это то, ради чего стоит собирать агента вручную. Рабочий промпт классификатора лидов строится из семи блоков: роль, инструменты, тон, правила, few-shot примеры, контекст и формат вывода. Вот готовый промпт, который можно вставить в поле System Message:

Роль: ты — ассистент отдела продаж. Твоя задача — оценить входящую
заявку и вернуть решение по ней. Ты НЕ общаешься с клиентом.

Что делаешь: читаешь имя, email и текст заявки. Оцениваешь лид
по шкале от 0 до 100 баллов:
- Соответствие профилю клиента (ICP: бизнес, не физлицо,
  реальная компания) — до 40 баллов.
- Сигналы намерения ("ищу решение", "нужен инструмент",
  "сколько стоит", "хочу внедрить") — до 35 баллов.
- Вовлечённость (детальный запрос, конкретика, сроки) — до 25 баллов.

Правила:
- Оценка ≥70 → статус "qualified".
- Оценка 40–69 → статус "nurture".
- Оценка <40 → статус "disqualify".
- Спам, реклама, пустые сообщения → сразу "disqualify".
- Не выдумывай данные, которых нет в заявке.

Формат вывода — строго JSON, без лишнего текста:
{"score": число, "status": "qualified|nurture|disqualify",
 "reason": "одно предложение почему"}

Пример 1:
Заявка: "Здравствуйте, мы ООО Ромашка, ищем систему для
автоматизации заявок, бюджет есть, нужно до конца квартала."
Ответ: {"score": 88, "status": "qualified",
 "reason": "Компания, явное намерение и срок."}

Пример 2:
Заявка: "Привет, а вы кто вообще?"
Ответ: {"score": 15, "status": "disqualify",
 "reason": "Нет намерения и контекста."}

Такая шкала — не абстракция: соответствие ICP до 40 баллов, сигналы намерения до 35, вовлечённость до 25 — это проверенная на практике модель скоринга. Формат JSON на выходе важен: следующая нода будет читать поле status, чтобы решить, вести лид в CRM или в таблицу.

Память

Для приёма заявок память чаще всего не нужна — каждая заявка обрабатывается независимо. Но если делаете диалогового агента (например, в Telegram он ведёт переписку), подключите Window Memory — она хранит последние N сообщений сессии. Есть ещё Buffer Memory (весь разговор в оперативной памяти) и Vector Store Memory (эмбеддинги в Pinecone или Qdrant для семантического поиска по истории).

Шаг 3. CRM: создаём контакт в HubSpot без кода

После агента ставим ноду-развилку (IF или Switch) по полю status из JSON. Ветка qualified ведёт в HubSpot, ветка nurture — в Google Sheets на прогрев.

n8n нативно поддерживает HubSpot: создание и обновление контактов, компаний и сделок отдельными нодами, без строчки кода. Добавьте ноду HubSpot, выберите операцию Create/Update Contact, один раз авторизуйтесь через OAuth и сопоставьте поля: email из заявки → email контакта, имя → имя, а reason из ответа агента можно записать в примечание. Всё, целевой лид попадает в CRM автоматически. Так же нативно подключается Notion, если вы ведёте базу там.

Именно эта развилка экономит время менеджера: он видит в CRM только квалифицированные заявки, а не весь входящий поток вперемешку со спамом.

Шаг 4. Уведомление менеджеру в Telegram или Slack

Последнее звено — чтобы менеджер узнал о горячем лиде сразу, а не открывал CRM раз в день. После ноды HubSpot добавьте ноду Telegram (операция Send Message) или Slack.

В текст сообщения соберите ключевое: имя, email, оценку и причину от агента. Пример шаблона сообщения:

🔥 Новый квалифицированный лид (score: {{ $json.score }})

Имя: {{ $json.name }}
Email: {{ $json.email }}
Почему целевой: {{ $json.reason }}

Заведён в HubSpot. Свяжитесь в течение часа.

Двойные фигурные скобки — это выражения n8n: они подставляют реальные данные из предыдущих нод. Активируйте воркфлоу, отправьте тестовую заявку через продакшн-URL — и в чате появится уведомление. Агент готов.

Сколько стоит запустить: n8n против Make и Zapier

Цена запуска зависит от того, как платформа считает деньги. И здесь у n8n принципиальное преимущество для агентов.

n8n тарифицирует по запускам воркфлоу: один execution — это один полный прогон, сколько бы шагов внутри ни было. У Zapier же одна задача (task) — это один шаг. Для агента это критично: каждый цикл рассуждения агента у Zapier тратит задачи, и многошаговые ИИ-агенты становятся экономически невыгодными. n8n — единственная из трёх платформ, чья модель тарификации не штрафует агентное рассуждение.

Разберём тарифы n8n подробнее. Cloud Starter — 20 €/мес при годовой оплате: 2 500 запусков в месяц, 5 параллельных запусков, 2 300 AI credits, неограниченное число активных воркфлоу и пользователей. Cloud Pro — 50 €/мес: 10 000 запусков и 20 параллельных. В апреле 2026 n8n убрал лимиты на число активных воркфлоу на всех планах — платите только за объём запусков.

Хотите бесплатно — есть Community Edition (self-hosted): без ограничений на число запусков воркфлоу вообще. Платите только за хостинг: от $3,70/мес на управляемом PikaPods или $5–6/мес на VPS. Для потока в несколько сотен заявок этого хватит с запасом.

На объёме разница ощутима: для 10-шагового воркфлоу с 10 000 запусков в месяц n8n выходит на 80–90% дешевле Zapier — просто потому, что считает прогоны, а не шаги.

Не забудьте про оплату API модели: AI credits в тарифе n8n покрывают часть запросов, но при большом потоке дешевле подключить свой ключ. Именно здесь Claude Haiku окупается — он в 10–20 раз дешевле GPT-4o на задачах классификации.

No-code — уже не эксперимент: по Gartner, к 2026 году 75% новых приложений создаются на no-code/low-code инструментах, а 51% компаний, внедривших такие решения, фиксируют рост производительности сотрудников. Собранный за вечер агент окупается тем, что менеджеры перестают вручную разбирать входящий поток.

FAQ

Чем ИИ-агент в n8n отличается от обычного чат-бота? Чат-бот отвечает на сообщения, а агент выполняет действия: сам выбирает и вызывает инструменты (создать контакт, вызвать API, посчитать), чтобы довести задачу до результата. В n8n для этого обязателен хотя бы один подключённый tool — без него агент не запустится.

Нужен ли API-ключ OpenAI, чтобы запустить агента? Нет, необязательно. Можно подключить Anthropic Claude, Google Gemini или локальный Ollama (Llama 3, Mistral) — последний вообще без оплаты API. Для классификации заявок часто берут Claude Haiku: он в 10–20 раз дешевле GPT-4o.

Сколько executions тратит один запрос к агенту? В n8n один запуск воркфлоу — это один execution, независимо от числа шагов и циклов рассуждения агента внутри. Именно поэтому агенты на n8n дешевле, чем на Zapier, где каждый шаг тарифицируется отдельно.

Можно ли запустить n8n бесплатно и на сколько заявок хватит? Да, через Community Edition (self-hosted) — без лимита на число запусков воркфлоу. Платите только за хостинг от $3,70/мес. Для потока в сотни заявок в месяц этого достаточно.

Можно ли подключить к агенту свою базу или Google Sheets? Да. У n8n есть нативные ноды для Google Sheets, HubSpot, Notion и сотен других сервисов, а через HTTP Request Tool агент вызывает любой REST API. В нашем сценарии нецелевые лиды как раз уходят в Google Sheets на прогрев.