AI в презентации, а не в проде: цепочки YandexGPT и OpenAI на n8n

На демо для совета директоров нейросеть красиво классифицировала заявки и набросала ответы. Аплодисменты. Через месяц менеджеры по-прежнему копируют текст из чата руками в CRM. Пилот остался слайдом. Бюджет «на AI» освоен, процесс — нет.

Разрыв между презентацией и продом появляется там, где нет пайплайна: запрос пришёл → модель обработала → результат проверен → действие в системе учёта. Без последнего шага это игрушка для энтузиастов.

Почему пилоты не доезжают до цеха

Сценарий «чат отдельно, CRM отдельно». Польза есть, но измерять её нельзя: сколько заявок обработано, какая доля ошибок, сколько минут сэкономлено — неизвестно.

Сценарий «боялись автоматического действия». Модель только советует, человек обязан всё подтверждать, подтверждение не встроено в интерфейс работы. В итоге советом перестают пользоваться.

Сценарий «собрали на коленке». Сценарий живёт в личном аккаунте, ключи в открытом виде, нет ретраев и журнала. Для демо хватает. Для смены и отпуска — нет.

Грабли AI-автоматизации

Начинать с выбора модели, а не с процесса и метрики.

Кормить модель сырым хаосом без справочников и правил эскалации.

Игнорировать стоимость и лимиты: ночной цикл внезапно съедает бюджет токенов.

Не различать персональные данные и публичные задачи — ИБ останавливает проект на полпути.

Как выглядит промышленная цепочка

Берут один поток: входящие обращения, заявки с сайта, письма поставщиков. Фиксируют входной канал и целевое действие: тег в CRM, задача, черновик ответа, маршрут в очередь.

Между входом и действием ставят оркестрацию. На практике часто это n8n или сходный слой: приняли событие, обогатили данными, вызвали модель (YandexGPT, OpenAI или иной допустимый контур), проверили результат правилами, записали в систему, сообщили о сбое.

Контроль качества обязателен. Для класса задач — уверенность/правила, для спорных — человек. Важно, чтобы «человек» был встроенным шагом, а не отдельным мессенджером «посмотри пожалуйста».

Наблюдаемость: сколько обработано, сколько эскалировано, сколько ошибок API, какая стоимость. Без этого AI снова станет презентацией через квартал.

Опытный подход предполагает начать узко: один тип обращений, один целевой статус в CRM, одна неделя сравнения с ручным baseline. Расширение — только после цифр.

Минимальные требования к «не стыдно в прод»

• секреты и доступы не в личных ноутбуках;
• повторная обработка не создаёт дубли в CRM;
• есть алерт, если цепочка молчит;
• есть владелец сценария и короткий регламент изменения промптов.

Когда эти условия выполнены, вопрос «какая модель умнее» становится вторичным. Первичным остаётся стабильный поток ценности.

Данные, промпты и ответственность

В промышленной цепочке промпт — такой же артефакт, как код. У него версия, автор, дата, тест кейсы. Свободное творчество в проде без журнала возвращает вас к демо хаосу.

Данные для модели готовят отдельно: справочники статусов, запрещённые действия, правила эскалации. Чем больше структуры на входе, тем меньше магии и сюрпризов на выходе.

Стоимость считают вместе с пользой. Если цепочка экономит час сотрудника, но тратит сопоставимо на inference и сопровождение, масштаб под вопросом. Это нормальный предмет решения, а не повод прятать цифры.

Безопасность: что уходит во внешний API, что остаётся внутри, как маскируются персональные данные. ИБ блокер лучше снять на старте узким контуром, чем получить стоп кран после красивого пилота.

Связка n8n с моделями вроде YandexGPT или OpenAI работает там, где событие, обработка и действие живут в одном наблюдаемом сценарии. Тогда AI перестаёт быть приложением «сбоку».

Итог

Презентационный AI вдохновляет. Промышленный AI измеряется. Разница — в пайплайне до CRM и в метриках цикла.

Когда цепочка запрос → модель → проверка → действие стабильна, компания получает время людей и скорость реакции. Пока этого нет, вы всё ещё на слайде — даже если ключ API уже в секретах.

Итог для бизнеса

AI в проде — это не красивый ответ в чате. Это сокращение цикла и снижение рутины на конкретном процессе. Пока нейросеть живёт в презентации, компания покупает впечатление. Когда цепочка доходит до CRM, компания покупает время сотрудников и скорость реакции.

Разница измеряется просто: до внедрения — N минут на заявку и M ошибок маршрутизации; после — меньше. Если этого сравнения нет, вы всё ещё на слайде, даже если API уже подключён.

На старте ограничьте права сценария: лучше недописать в CRM, чем записать мусор в сотни карточек. Право на действие расширяют после стабильного качества, а не в день демо.

Сделайте еженедельный разбор ошибок модели на реальных кейсах. Без этого качество незаметно плывёт, а бизнес замечает регресс только по жалобам клиентов.

Ведите журнал изменений промптов и порогов эскалации так же, как журнал релизов. Иначе невозможно понять, почему качество просело.

Ограничьте автозапись в CRM на старте: лучше очередь на подтверждение, чем массовый мусор в карточках.

Раз в неделю сравнивайте стоимость цепочки с экономией часов. Если экономика не сходится — сужайте сценарий, а не масштабируйте надежду.

Подключите алерт «сценарий не бежал N минут», если поток должен быть непрерывным. Тишина AI-цепочки опаснее ошибки.

Разделите контуры: тестовые промпты не должны писать в боевую CRM. Смешение стендов убивает доверие быстрее модели.

Фиксируйте долю эскалаций человеку как KPI качества. Если она растёт без объяснения — модель или данные деградировали.

Не масштабируйте сценарий на новые каналы, пока не стабилизирован первый. Ширина без устойчивости снова вернёт вас к слайду.

Пока AI не пишет в рабочую систему по правилам, он остаётся презентацией — полезной, но ещё не производством.