ИИ для сортировки писем и черновиков ответов в 2026
Обновлено 15 июня 2026. Разобрал свежую схему работы с почтой: от первичной классификации до черновика ответа, без привязки к конкретной почтовой платформе.
Почтовая рутина редко выглядит сложной на бумаге. Открыть входящие, понять срочность, перенести письмо в нужную папку, ответить по шаблону. Но в операционной работе именно такие действия забирают внимание. За час легко набегает 40–60 коротких переключений между письмами, таблицами, задачниками и мессенджерами. Каждое переключение само по себе маленькое, а день в итоге дробится на куски по 5–10 минут.
Я обновил эту статью, потому что подход к ИИ в почте заметно изменился. Раньше чаще обсуждали один большой сценарий: «пусть нейросеть отвечает за сотрудника». Сейчас рабочая схема аккуратнее: ИИ сначала классифицирует, затем сжимает смысл, предлагает действие и готовит черновик. Человек принимает решение, особенно по конфликтам, деньгам, юридическим формулировкам и нестандартным клиентским ситуациям.
Если вы только выстраиваете ИИ-процессы в команде, полезно начать не с интеграции, а с карты повторяемых действий. Я подробно разбирал базовый подход в статье про то, как внедрять нейросети в рабочие процессы, а здесь сфокусируюсь на почте: сортировке, срочности, группировке запросов и черновиках.
Что изменилось в обновлённой версии
В старой логике автоматизации почты часто смешивали четыре разные задачи. Письмо надо было и прочитать, и оценить, и отправить в нужный отдел, и сразу ответить. На практике такой монолитный сценарий трудно контролировать. Ошибка на первом шаге тянет за собой неверный ответ.
В обновлённой схеме я разделяю процесс на 5 этапов:
- определить тип письма;
- выделить срочность и риск;
- извлечь факты, даты, суммы, номера заказов, имена, вложения;
- сгруппировать похожие обращения;
- подготовить черновик ответа с пометками для проверки.
Такой конвейер легче тестировать. Если классификация ошибается в 3 письмах из 50, можно править правила именно для первого этапа, а не переписывать весь промпт. Если черновики звучат сухо, настраивается тон ответа. Если модель пропускает вложения, меняется инструкция по проверке входных данных.
Какие письма хорошо поддаются сортировке
ИИ лучше всего помогает там, где письма повторяются. Это заявки в поддержку, запросы статуса заказа, счета, акты, уточнения по оплате, переносы встреч, ответы на рассылки, жалобы по типовым проблемам. У таких писем есть признаки: тема, ключевые слова, вложения, дата, номер договора, эмоциональная окраска, наличие дедлайна.
Я обычно делю входящие на 7 рабочих категорий:
| Категория | Признаки | Действие |
|---|---|---|
| Срочное обращение | дедлайн сегодня, простой сервиса, отказ оплаты | поднять приоритет |
| Финансы | счёт, акт, оплата, возврат | передать бухгалтерии |
| Поддержка | ошибка, доступ, не работает | создать черновик ответа |
| Продажи | запрос цены, условия, демо | передать менеджеру |
| Документы | договор, приложение, закрывающие документы | проверить вложения |
| Встречи | перенос, подтверждение, отмена | предложить слот |
| Шум | автоответы, рекламные письма, дубли | отправить в низкий приоритет |
Разметка не обязана быть идеальной с первого дня. Для стартового теста хватает 100–200 писем за последние 2–4 недели, очищенных от лишних персональных данных. На таком объёме уже видно, какие категории пересекаются. Например, письмо про возврат оплаты может быть и финансовым, и срочным, если клиент пишет о блокировке работы.
Как выделять срочные обращения
Срочность нельзя определять только по словам «срочно» или «быстро». Люди часто пишут эмоционально, а реальный риск невысокий. Бывает наоборот: спокойное письмо с фразой «просим дать ответ до 16:00» требует реакции в тот же день.
Я использую шкалу из 4 уровней:
| Уровень | Смысл | Пример признака |
|---|---|---|
| P1 | остановлена работа или есть риск потери денег | сервис недоступен, платёж не проходит |
| P2 | нужен ответ в рабочий день | дедлайн сегодня, клиент ждёт документ |
| P3 | обычный запрос | уточнение статуса, вопрос по условиям |
| P4 | можно отложить | рассылка, копия переписки, автоответ |
Для примера: письмо «Не проходит оплата по счёту, отгрузка сегодня до 17:00» получает P1 или P2, потому что в нём есть операция, срок и риск срыва. Письмо «Хотим узнать, какие документы нужны для договора» обычно попадает в P3, если нет даты и признаков конфликта.
Хорошая инструкция для модели содержит не 2 слова, а критерии. Я бы формулировал так: «Определи срочность по шкале P1–P4. Не повышай приоритет только из-за эмоциональных слов. Повышай приоритет, если есть дедлайн в пределах 24 часов, финансовый риск, остановка работы, юридическая претензия или угроза ухода клиента. Верни уровень, причину и цитату из письма, на которой основано решение».
Такой ответ удобно просить в таблице. В SoftChat ответы в чате отображаются с поддержкой markdown-таблиц, поэтому можно быстро просмотреть классификацию, не копируя всё в отдельный документ.
Как группировать однотипные запросы
Группировка нужна, когда входящих много, а команда отвечает по очереди. Цель не в том, чтобы спрятать письма, а в том, чтобы увидеть пачки одинаковых задач. Например, 18 писем за утро про одну ошибку лучше обрабатывать как инцидент, а не как 18 независимых обращений.
Рабочие признаки для группировки:
- одинаковая тема или близкая формулировка проблемы;
- один продукт, тариф, заказ или договор;
- совпадающий код ошибки;
- одна дата события;
- одинаковое вложение или название документа;
- повторяющийся вопрос после рассылки.
Условный пример: если за 2 часа пришло 35 писем с фразами «не открывается личный кабинет», «ошибка входа», «не могу авторизоваться», модель может собрать их в группу «проблема входа» и предложить один общий черновик ответа. В ручной обработке сотрудник часто замечает такую связку не сразу, особенно если письма распределены между несколькими папками.
Группы полезно именовать не общими словами, а по действию: «проверить доступ», «отправить акт», «уточнить реквизиты», «сообщить срок восстановления». Тогда следующему сотруднику понятно, что делать без чтения всей цепочки.
Как готовить черновики ответов, чтобы их не стыдно было отправлять
Черновик должен экономить время, а не создавать новый слой редактуры. Я прошу модель возвращать ответ в 3 частях: краткое резюме письма, готовый текст ответа, список мест для проверки человеком. Последняя часть особенно полезна. Если в письме есть сумма, срок, номер договора или обещание компенсации, модель должна явно подсветить эти фрагменты.
Для примера: промпт для черновика может выглядеть так: «Составь ответ клиенту на русском языке. Тон спокойный, без канцелярита. Подтверди, что запрос принят. Если не хватает данных, задай не больше 3 уточняющих вопросов. Не обещай срок, если он не указан во входном письме. В конце добавь блок «Проверить перед отправкой»: суммы, даты, номер договора, вложения».
Для повторяемых ситуаций лучше хранить отдельные шаблоны. В SoftChat есть шаблоны промптов для повторного запуска типовых диалогов, поэтому один и тот же сценарий можно не собирать заново каждый раз. Если команда проверяет ответы в чате, полезны отдельные ассистенты под разные контексты: поддержка, финансы, продажи. В SoftChat для разговора можно задавать системные промпты и пользовательских ассистентов, что помогает разделить тон и правила.
Про тексты ответов есть отдельный слой качества. Нейросеть может написать гладко, но пропустить смысл. Я советую сверять черновик по чек-листу: обращение к адресату, причина письма, конкретное действие, срок или следующий шаг, отсутствие лишних обещаний. Больше приёмов для проверки черновиков я разбирал в материале про генерацию текста и контроль результата.
Минимальный процесс внедрения за 5 шагов
Начинать с полной автоматической отправки рискованно. Сначала нужен режим «ИИ предлагает, человек утверждает». Он даёт быстрый эффект и оставляет контроль у команды.
Шаг 1. Возьмите выборку писем. Достаточно 100–200 сообщений без лишних персональных данных. Разделите их на входящие категории вручную. Это станет эталоном для сравнения.
Шаг 2. Опишите правила классификации. Не пишите «разбери письма хорошо». Лучше: «верни категорию, срочность P1–P4, краткое резюме до 25 слов, требуемое действие, риск ошибки».
Шаг 3. Прогоните письма через модель и сравните с ручной разметкой. Смотрите не среднюю красоту ответа, а ошибки по классам. Перепутать P3 и P4 неприятно, но не страшно. Пропустить P1 намного хуже.
Шаг 4. Настройте черновики. Для каждой категории нужен свой формат. Финансовый ответ короче и точнее, поддержка требует эмпатии и диагностических вопросов, продажи требуют следующего шага.
Шаг 5. Введите журнал правок. Если сотрудник исправляет черновик, фиксируйте тип правки: тон, факт, срок, юридическая формулировка, лишнее обещание. Через 2 недели такой журнал показывает, какие правила надо поменять.
В SoftChat можно вести отдельные разговоры под разные направления и сохранять историю в рамках организации. Это удобно для постепенной настройки: видно, какие инструкции уже пробовали и как менялся результат. Если выбранная модель не дала пригодный ответ, SoftChat может получить ответ от резервной модели и показать это отдельной строкой. Если резервный ответ тоже не получен, попытка не списывается, и её можно повторить бесплатно.
Что не надо отдавать ИИ без проверки
Есть письма, где черновик допустим, но автоматическая отправка нежелательна. Это претензии, юридические уведомления, персональные данные, нестандартные скидки, спорные возвраты, кадровые вопросы, обещания сроков и компенсаций. В таких случаях модель полезна как аналитик: выделить факты, собрать хронологию, найти противоречия, предложить нейтральную формулировку.
Отдельная зона риска, вложения. Современные ИИ-модели могут работать с документами, если выбранный инструмент и модель поддерживают такой формат, но правила проверки всё равно нужны. В SoftChat можно прикладывать изображения и документы к сообщениям с учётом лимитов выбранной модели. Я бы не строил процесс на предположении, что любая модель одинаково хорошо прочитает любой файл. Лучше явно проверять: увидела ли модель вложение, какие страницы использовала, какие поля извлекла.
Ещё одна ошибка, смешивать стиль и решение. Тон можно автоматизировать довольно быстро: короче, дружелюбнее, официальнее, без жаргона. Решение требует данных. Если в письме нет номера заказа, модель должна запросить его, а не придумывать.
Промпт-шаблон для первой настройки
Ниже базовый шаблон, который можно адаптировать под свою команду. Он не заменяет интеграцию с почтовой системой, но помогает проверить логику на копиях писем.
«Ты помогаешь разобрать входящее письмо. Верни результат в таблице: категория, срочность P1–P4, краткое резюме до 25 слов, требуемое действие, кому передать, черновик ответа, что проверить человеку. Правила: не повышай срочность только из-за эмоциональных слов; не обещай сроки без данных; если есть сумма, дата, номер договора или вложение, вынеси это в проверку; если данных не хватает, задай до 3 уточняющих вопросов».
Если письмо длинное, сначала попросите краткую выжимку. Технику суммаризации удобно сочетать с классификацией: одна модельная операция выделяет факты, следующая готовит ответ. Для личных и бытовых сценариев похожий принцип описан в статье про то, как использовать нейросети для повседневных задач, только в рабочей почте цена ошибки выше.
В SoftChat перед отправкой запроса можно использовать функцию «Улучшить запрос»: черновик промпта переписывается до отправки, а пользователь видит предварительный вариант и принимает его или отклоняет. Для почтовых сценариев это полезно, когда сотрудник набросал задачу слишком коротко, например «ответь клиенту», а системе нужны ограничения по тону, срокам и данным.
Метрики, по которым стоит оценивать результат
Оценивать ИИ в почте по ощущению «стало быстрее» слабо. Нужны простые метрики, которые можно собрать без сложной аналитики.
Я бы смотрел на 6 показателей:
- доля писем с верной категорией;
- доля срочных писем, которым не занизили приоритет;
- среднее время до первого черновика;
- число ручных правок на один ответ;
- доля писем, где модель запросила недостающие данные;
- число ответов, которые нельзя отправлять без полной переработки.
Условный пример: команда обрабатывает 300 входящих писем в неделю. Если ИИ готовит пригодный черновик для 120 типовых писем, а сотрудник тратит на правку каждого 1–2 минуты вместо написания с нуля, экономия появляется без передачи модели права отправки. Это безопаснее, чем пытаться сразу закрыть весь поток.
Итог обновления
Обновлённый подход к ИИ в почте строится вокруг контроля. Нейросеть сортирует письма, выделяет срочность, группирует повторы и пишет черновики, но человек остаётся редактором решений. Такой режим особенно хорошо подходит для поддержки, продаж, документооборота и внутренних сервисных команд.
Начните с небольшой выборки, 5–7 категорий, шкалы P1–P4 и журнала правок. Через пару недель станет видно, где ИИ реально снимает рутину, а где нужны правила, интеграция или ручная проверка. Самый надёжный результат даёт не один большой промпт, а цепочка маленьких шагов: классификация, выжимка, группировка, черновик, проверка.