Сколько стоит запрос КП или обращение ещё до того, как кто-то начал работать?
Время на чтение, и почти никто его не измеряет. Пока КП не существует, кто-то находит количества и материалы в письме и во всех вложениях, смотрит историю клиента и решает, кто ведёт запрос. Мы искали независимое исследование 2026 года по этому этапу приёма и не нашли. Цифры, которые ходят по рынку, приходят от вендоров: Mavlon, продающая автоматизацию RFQ, 16 февраля 2026 года написала, что чтение письма с RFQ занимает от 10 до 20 минут, а извлечение данных из одного чертежа от 30 минут до 2 часов. Это утверждение вендора по собственным визитам в цеха, без размера выборки.
Независимые данные есть по скорости. Бенчмарк Modern Machine Shop 2026 Top Shops (опрос с 1 февраля по 10 апреля 2026 года, опубликован 5 октября) показывает долю выигранных новых заказов 51% у цехов, которые отвечают с расчётом в течение суток, и 41% у более медленных. Это механообрабатывающие цеха, данные самоотчёта, корреляция. Всё равно лучшая датированная цифра о связи скорости и побед, которую мы нашли.
К остальному относитесь осторожно. На одной консалтинговой странице написано, что среднее КП в производстве сократилось с 3,4 дня до 3,7 часа, и это названо ускорением на 85%. Арифметика сходится, только если в сутках восемь часов, а источника нет.
Что делает агент «почта → CRM», шаг за шагом?
Он превращает одно неряшливое сообщение в одну проверенную запись плюс черновик и кладёт оба в очередь на проверку. Модель читает письмо с вложениями и пишет черновик ответа. Всё между этими двумя шагами это обычный код поверх вашей CRM, ERP или helpdesk. Восемь шагов, на двух из них работает языковая модель:
- Приём из общей почты, формы на портале или API helpdesk, вместе с вложениями.
- Извлечение текста письма, PDF, Excel и сканов (через OCR) в фиксированную схему. У каждого поля остаётся ссылка на страницу или ячейку, откуда оно взято.
- Проверка кодом: единицы измерения, количества как числа, обязательные поля на месте.
- Сопоставление: клиент по домену почты или VAT ID, позиции по вашему каталогу, прошлые КП по тем же позициям. Описания товаров в свободной форме идут через поиск по каталогу; почему мы выбираем такой подход, объяснено в статье RAG, дообучение или длинный контекст.
- Классификация типа, срочности и ответственного, по правилам везде, где правило возможно.
- Запись сделки в CRM, черновика КП в ERP или тикета в helpdesk.
- Черновик ответа: проект КП или точный запрос недостающей информации.
- Очередь на одобрение. Клиенту пока ничего не уходит.
Урезанная запись извлечения выглядит так (идентификаторы условные):
{
"request_type": "rfq",
"source": {"channel": "email", "input_sha256": "9f2c...e41a"},
"customer": {"crm_id": "acct_0000", "method": "email_domain", "confidence": 0.98},
"lines": [
{"customer_ref": "BRKT-220 rev C", "qty": 1200, "unit": "pcs",
"matched_sku": null, "confidence": 0.61,
"evidence": {"file": "drawing_pack.pdf", "page": 3}}
],
"requested_delivery": "2027-01-15",
"missing": ["material grade", "surface finish"],
"proposed_action": "request_missing_info",
"price": null
}
price всегда равно null. Агент его не заполняет.
Где человек одобряет и как выглядит этот экран?
На одном экране, до того как что-либо дойдёт до клиента или заденет цену. Левая половина показывает исходное письмо и вложения, исходный текст каждого извлечённого поля подсвечен. Правая половина показывает поля, найденного клиента, артикулы и прошлые КП с оценками уверенности, пройденные и проваленные проверки по правилам и предлагаемый ответ. Четыре кнопки: одобрить, исправить, отклонить, эскалировать. Имя утверждающего и время сохраняются вместе с действием. Правки сохраняются как diff, и эти diff становятся тестовым набором для следующей версии промпта.
Человек нужен всегда в таких случаях:
- цены, скидки и условия оплаты;
- сроки поставки и любые другие обязательства, а также гарантии и юридические условия;
- любое поле с уверенностью ниже порога и любой тип запроса, который ещё не выпущен в автоматизацию.
Малорисковые шаги после периода теневой работы могут идти сами: подтверждение получения с номером обращения, создание записи, тегирование и маршрутизация. Мы выпускаем их по одному, с датой и именем того, кто это согласовал.
Даже вендоры, которые продают автономность, теперь считают передачу человеку. В марте 2026 года Fin (ранее Intercom) перешёл от «решённых обращений» к «результатам» (outcomes), и один из результатов это процедура, в которой агент собирает контекст, читает и пишет во внешние системы, а затем передаёт дело живому сотруднику.
Почему мы строим сначала детерминированную часть?
Потому что код делает ошибки видимыми, а модель их прячет. У модели одна задача: прочитать неструктурированный текст и заполнить схему. Все последующие решения принимают проверка схемы, справочники и движок правил. Если проверка не прошла, сопоставление неоднозначно или правило не сработало, запрос безопасно уходит в очередь к человеку. Выбор скидки мы модели не доверили бы. Ваш прайс-лист и так её знает.
Это же наш ответ на «agent washing», так Gartner в июне 2025 года назвал ассистентов и RPA, переименованных в агентов; в том же релизе дан прогноз, что более 40% проектов с агентным ИИ будут закрыты к концу 2027 года. Конвейер с одним шагом извлечения и барьером одобрения это рабочий процесс с шагом на LLM, так мы его и называем (подход описан в статье Рабочий процесс или агент?). Стоимость тоже ограничена: один вызов извлечения на запрос, максимум один повтор и лимит токенов, который проверяется вне модели (см. контроль стоимости ИИ-агентов). У экстрактора нет инструментов, а это важно, потому что любой входящий PDF считается недоверенным вводом; там, где конвейер пишет в системы, коннекторы проверяются так, как описано в статье MCP-серверы в продакшене.
Как потом доказать, что делал агент?
Храните по каждому запросу запись, которую может проверить человек со стороны: хеш входных данных, результат извлечения, итоги проверок по правилам, версию модели и промпта, а также кто что одобрил и когда. Через полгода покупатель говорит: «вы предлагали 1200 штук по такой цене». Вам нужно показать, из какого письма это взято, что было извлечено, какие правила прошли и чьё имя стоит под одобрением.
Логи в вашей собственной базе постороннему почти ничего не доказывают: тот, кто ею управляет, может поправить строку. Мы записываем запуски агентов с помощью SealedRun, независимого open-source инструмента, которым пользуемся. Он подписывает каждый шаг в цепочку хешей, которую можно проверить офлайн. В версии 0.8.1 (5 ноября 2026 года) есть типы записей llm_call, tool_call, policy_decision и human_approval, которые прямо ложатся на этот конвейер. Тела записей можно исключить из экспорта, так что доказательство можно передать, не отправляя чертежи клиента.
Какие правила действуют, когда агент пишет клиентам или обрабатывает персональные данные?
Три, и это взгляд инженера, а не юридическая консультация. Ниже нормы ЕС: они касаются вас, если вы продаёте в ЕС или обрабатываете данные его жителей. Статья 50 EU AI Act применяется с 2 августа 2026 года; Gibson Dunn (27 мая 2026 года) подтвердила, что Digital Omnibus оставил обязанности по прозрачности для пользователей на этой дате. Системы, которые напрямую взаимодействуют с людьми, должны сообщать об этом, если только это не очевидно для разумно осведомлённого человека, а Jones Walker (16 июля 2026 года) указывает штрафы до 15 млн евро или 3% мирового оборота. Считается ли ответ, который подготовил агент, а отправил после одобрения человек, зависит от того, кто его отправляет и насколько человек его меняет; уточните у юриста. Наше правило по умолчанию: автоматически отправляемые подтверждения получения содержат строку о том, что это ИИ.
Статья 22 GDPR даёт людям право не подвергаться решениям, основанным исключительно на автоматизированной обработке, если они имеют правовые или сопоставимо значимые последствия, а там, где такие решения опираются на договор или согласие, оператор обязан обеспечить вмешательство человека. Большинство сортировки RFQ до этого не доходит. Отказ клиенту в отсрочке платежа может дойти, и шаг одобрения как раз и есть такое вмешательство.
Дальше провайдер модели. Подпишите с ним соглашение об обработке данных (DPA). OpenAI хранит логи API для выявления злоупотреблений до 30 дней и предоставляет нулевое хранение данных только после одобрения; резидентность данных в ЕС требует таких изменённых условий хранения. Подробнее о датах и обязанностях в статье EU AI Act после Omnibus.
Строить или покупать: что закрывают платформы и где они кончаются?
Они сильны в чате и в решении обращений по справочному центру на собственных данных, а этой осенью лучше научились работать с вложениями. Они кончаются на ценовой логике вашей ERP, сопоставлении чертежей с артикулами и ваших правилах одобрения.
Что бы вы ни выбрали, обычное препятствие это данные. В опросе Salesforce State of Service (3075 респондентов, 20 мая 2026 года) 66% сервисных организаций используют агентный ИИ, а 72% сотрудников сервисных операций называют готовность данных серьёзным препятствием. Мы используем для связки такие инструменты, как n8n, а правила одобрения и журнал аудита держим в коде, которым владеете вы, чтобы смена платформы не унесла вашу историю. Правый столбец это наше мнение для B2B-запросов КП с большим числом вложений, а не оценка продуктов.
Платформы и поток RFQ с большим числом вложений
| Вариант | Что документирует вендор (дата) | Где он кончается для RFQ (наше мнение) |
|---|---|---|
| HubSpot Agent Hub и Agent Builder | Публичная бета для Pro и Enterprise с 23 июля 2026; собственные агенты на данных CRM | В анонсе названы только данные CRM; файловые источники и шаг одобрения не упомянуты |
| Fin, принадлежит Salesforce с 10 сентября 2026 | Агент для клиентов в чате, почте, WhatsApp, SMS, голосе и Slack; процедуры с передачей человеку | Сделан для сервисных диалогов; логика КП остаётся в вашей ERP |
| Salesforce Agentforce | Salesforce 10 сентября 2026 представила как максимально настраиваемый вариант рядом с Fin | Подходит, если КП уже живут в Salesforce; правила ERP всё равно нужно интегрировать |
| Zendesk AI | Сортировка по теме, тональности, языку и сущностям на тарифах Professional и выше (июнь 2026); ИИ-агенты для почты читают PDF до 150 страниц и изображения (21 октября 2026) | Excel и CAD в списке не указаны; маршрутизация по сортировке требует надстройки Copilot |
| n8n | Шаг проверки человеком перед вызовом инструмента ИИ-агентом, через Slack, Teams, Gmail, Outlook и другие | Только связка; схема, правила сопоставления и журнал аудита вам строить самим |
Как выглядит проект по трудозатратам?
Это наш подход к планированию; цифры результата зависят от ваших данных. Неделя 1: собираем около 300 реальных обезличенных запросов по вашим типам, определяем схему и вместе с теми, кто сегодня одобряет, записываем правила одобрения. Недели со 2-й по 4-ю: интеграции, извлечение, сопоставление и экран проверки. Затем теневой режим: агент работает на живом потоке, ничего не отправляет, а его результат сравнивают с тем, что реально сделала ваша команда.
Запуск решают три метрики: точность по полям (неверное количество стоит дороже, чем неверное приветствие), время от поступления до готовности к проверке и доля правок на экране одобрения. Запускаем по типам запросов: сначала повторные заказы по каталогу, запросы с тяжёлыми чертежами в последнюю очередь или никогда. Процент до появления данных теневого режима мы не обещаем.
Принесите нам десять реальных запросов КП или обращений (обезличенных), и мы вернём пример извлечения, правила одобрения, которые мы бы задали, и план пилота на одном типе запросов. Отправьте их здесь или посмотрите наши услуги по ИИ и автоматизации.