Автоматизация обработки заявок и документов с помощью ИИ

Статья для компаний, где менеджеры каждое утро разбирают почту, переносят данные из писем и PDF в CRM и решают, кому что отдать. Расскажем, как устроена автоматизация обработки заявок с помощью ИИ — от приёма письма до черновика ответа — и где обязательно оставить человека, чтобы не потерять клиента из-за ошибки модели.

Что можно обрабатывать автоматически

Речь не о заявках из аккуратной формы с отдельными полями — их и без ИИ легко положить в CRM. Нейросеть нужна там, где данные приходят в свободном виде:

• письма на общий ящик: «нужна доставка трёх паллет из Казани в Москву на следующей неделе»;
• формы на сайте с большим полем комментария, куда клиенты пишут всё подряд;
• сообщения в мессенджерах, в том числе пересланные и голосовые после распознавания;
• вложения: заявки и спецификации в PDF, счета, таблицы Excel;
• сканы и фотографии документов — после распознавания текста.

Например, транспортная компания получает запросы на перевозку в десятках разных форматов. Менеджер тратит время не на расчёт и общение с клиентом, а на то, чтобы выписать из письма маршрут, вес, даты и контакт. Именно эту часть работы имеет смысл отдать машине.

Конвейер: от входящего письма до карточки в CRM

1. Приём и сохранение. Исходное письмо или файл сразу сохраняется как есть. Всё остальное — уже обработка сохранённой копии.
2. Предобработка. Извлечение текста из PDF, распознавание сканов, разбор вложений, отделение подписи и цитат предыдущей переписки.
3. Классификация. Тип обращения: новая заявка, вопрос по текущему заказу, претензия, спам, счёт от поставщика.
4. Извлечение полей по заранее заданной схеме.
5. Проверка. Формат, контрольные суммы, сверка со справочниками.
6. Приоритет и маршрут. Кому передать и насколько срочно.
7. Запись в CRM или учётную систему и уведомление ответственного.
8. Черновик ответа, который менеджер подтверждает или правит.

Каждый шаг пишет в лог, что получил на входе и что отдал на выходе. Когда что-то пойдёт не так — а рано или поздно пойдёт, — по логу видно, на каком именно шаге.

Вернёмся к транспортной компании. Письмо «нужна доставка трёх паллет из Казани в Москву на следующей неделе, вес около тонны» превращается в карточку: тип — новая заявка, маршрут — Казань → Москва, груз — три паллеты, вес — около 1000 кг, дата — диапазон следующей недели, контакт — из подписи. Система находит клиента в CRM, видит, что он уже возил грузы, ставит заявку на его менеджера и готовит черновик с вопросом о точной дате погрузки. Менеджер открывает готовую карточку вместо письма и тратит время на расчёт, а не на перепечатывание.

Обратите внимание: у каждого шага своя задача, и нейросеть участвует только в тех, где нужно понимать свободный текст. Проверки, поиск в CRM и запись данных делает обычный код — так результат предсказуем, а модель можно заменить, не переделывая весь конвейер.

Извлечение данных: схема важнее модели

Самая частая ошибка — попросить модель «вытащить всё важное». Результат каждый раз в новом виде, и его невозможно надёжно положить в CRM. Правильно — заранее описать схему: какие поля, какого типа, какие обязательны. Модель заполняет именно её, а если поля в тексте нет — оставляет пустое значение, а не догадку.

Дальше результат проверяется обычным кодом, без ИИ:

Важная деталь: модель не должна «исправлять» данные клиента. Если в письме опечатка в номере, задача системы — заметить несоответствие, а не подставить правдоподобный вариант.

Классификация, приоритет и маршрутизация

Список категорий определяет бизнес, а не модель. Мы обычно начинаем с выгрузки реальных обращений за несколько месяцев и вместе с заказчиком делим их на группы — так видно, какие категории действительно нужны, а какие встречаются раз в год.

Приоритет лучше считать комбинацией сигналов:

• признаки срочности в тексте, которые находит модель: «сегодня», «срочно», «остановилась линия»;
• данные из CRM: постоянный клиент, крупный договор, открытая претензия;
• жёсткие правила: например, всё со словом «претензия» или с определённых доменов сразу идёт руководителю отдела.

Маршрутизация — это запись в CRM на нужного ответственного или в нужную воронку. Технические детали связки с amoCRM и Битрикс24 мы описали в статье об интеграции с CRM, а если заказы и остатки живут в 1С — в материале об обмене данными с 1С. Заодно стоит ловить дубли: клиент, написавший и на почту, и в мессенджер, не должен превратиться в две сделки.

Черновики ответов и человек в контуре

Модель хорошо готовит ответ: благодарит, подтверждает понятые параметры, уточняет недостающее. Но отправлять такие ответы автоматически можно далеко не всегда. Мы делим их на уровни:

Правки менеджеров — ценный материал. Если одно и то же исправляют постоянно, значит, в инструкции для модели или в базе знаний чего-то не хватает, и это нужно дописать, а не терпеть.

Ошибки и сбои: как не потерять заявку

ИИ ошибается, внешние сервисы бывают недоступны, клиенты присылают странные файлы. Система должна это переживать:

• Сначала сохранить, потом обработать. Если модель недоступна, заявка ждёт в очереди и обрабатывается позже, а не пропадает.
• Повторы без дублей. Повторная обработка одного и того же письма не создаёт вторую сделку.
• Очередь ручной проверки. Всё, где модель не уверена, обязательные поля пусты или проверки не прошли, попадает к человеку с подсветкой проблемных мест.
• Запасной путь. Если автоматика сломалась целиком, письма по-прежнему лежат в ящике, и менеджеры работают как раньше.
• Уведомления о сбоях ответственному, а не только запись в лог.
• Выборочная проверка. Раз в неделю кто-то просматривает случайную выборку автоматически обработанных заявок.

С чего начать

Автоматизацию обработки заявок не стоит запускать на все потоки разом. Хороший первый шаг — один ящик или одна форма с понятным набором полей. Порядок такой:

1. Выгрузить реальные заявки за последние месяцы и описать, какие поля из них нужны.
2. Замерить, сколько времени сейчас уходит на ручной разбор.
3. Собрать конвейер и прогнать его на исторических заявках, сравнив результат с тем, что вводили менеджеры.
4. Запустить в режиме подсказки: система заполняет карточку, менеджер подтверждает.
5. Постепенно переводить в автоматический режим те типы заявок, где ошибок практически нет.

Если заявки приходят в мессенджер, начать можно ещё проще — с бота для заявок в Telegram, который сразу собирает данные в структурированном виде. Решения с ИИ у нас стоят от 60 000 ₽, первую рабочую версию для одного потока можно запустить от двух недель.

Частые вопросы

Обсудим проект

Нужна похожая разработка?

Расскажите о задаче — уточним детали, предложим формат запуска и подготовим предварительную оценку. Это бесплатно.

Ваше имя Способ связиTelegramVKMAXТелефонПочта

Контакт

Отправить заявкуНаписать напрямую

Опубликовано 12 октября 2026 г. · Обновлено 12 октября 2026 г.