Обновлено: июнь 2026. Разобрал заново сценарий, который чаще всего ломает рабочий день: входящие письма, сообщения в мессенджерах и однотипные просьбы, которые нужно быстро разобрать.

Почта редко выглядит как аккуратный список задач. Утром там может быть счёт от подрядчика, вопрос клиента, пересланный договор, рекламная рассылка, внутреннее «посмотри, пожалуйста» и сообщение без темы, где вся суть спрятана в третьем абзаце. Если всё это читать вручную, мозг тратит силы не на решение, а на сортировку.

Я обновил этот материал, потому что подход к работе с входящими стал практичнее. Раньше многие пытались «автоматизировать почту» целиком и сразу. Сейчас надёжнее начинать с малого: выделять срочность, тип обращения, следующий шаг и черновик ответа. Нейросеть здесь не заменяет владельца процесса. Она снимает первый слой рутины, чтобы человек быстрее принимал решение.

Что именно поручать нейросети во входящих

В работе с письмами и мессенджерами я делю задачи на четыре группы: классификация, краткое резюме, извлечение данных и черновик ответа. Это проще контролировать, чем просить модель «разобрать всю почту» одним большим запросом.

Классификация отвечает на вопрос: что это за сообщение. Например: «срочный клиентский вопрос», «согласование документа», «счёт на оплату», «потенциальный спам», «задача для отдела продаж», «требуется ответ руководителя». Чем меньше категорий, тем выше стабильность. Для небольшой команды обычно хватает 6–9 категорий, иначе люди начинают спорить с системой чаще, чем получают пользу.

Краткое резюме нужно для длинных цепочек. Письмо на 18 абзацев можно свести к трём строкам: кто пишет, чего хочет, какой срок указан. Вручную такая проверка занимает несколько минут, особенно если в переписке есть вложения и пересланные сообщения. На потоке из 40–60 входящих в день это уже отдельный час работы.

Извлечение данных полезно там, где сообщения похожи друг на друга. Нейросеть может вытащить из текста имя, компанию, сумму, дату, номер договора, город, ссылку, контакт для ответа. Дальше эти поля легче перенести в таблицу или карточку задачи. Без прямой интеграции с почтовым ящиком это всё равно работает: можно вставлять пачку сообщений в чат, выгружать фрагмент переписки или давать текст из документа.

Черновики ответов экономят больше всего времени, когда у команды есть стиль и правила. Если отвечать на каждую просьбу с нуля, даже короткое письмо на 900–1200 знаков отнимает внимание. Если сначала получить черновик, человек правит факты, тон и обещания. Это безопаснее, чем отправлять автоответ без просмотра.

Если вы только настраиваете базовые запросы, полезно начать с принципов из статьи про формулировку промптов для нейросетей: там хорошо видно, почему один и тот же текст даёт разные ответы при разной постановке задачи.

Схема сортировки: от хаоса к очереди действий

Я обычно предлагаю такую схему: сначала собрать входящие за период, затем очистить их от лишнего, потом классифицировать и только после этого просить черновики. Если начать с ответов, модель будет красиво писать даже там, где нужен не ответ, а звонок, проверка договора или передача в другой отдел.

Для примера: возьмём 50 сообщений за утро и введём 7 категорий: «ответить сегодня», «ответить на неделе», «передать в бухгалтерию», «передать в продажи», «нужны данные от отправителя», «информационное», «мусор». Уже такая схема превращает входящий поток в рабочую очередь. Человек видит не 50 раздражающих уведомлений, а 12 писем на сегодня, 6 финансовых вопросов, 8 сообщений без действия и так далее.

Следующий слой, срочность. Я не советую ставить только метки «срочно» и «не срочно». Лучше использовать три уровня: «сегодня», «до 3 рабочих дней», «можно отложить». Почему так? В реальной работе почти всё кажется срочным, если категорий две. Три уровня заставляют формулировать критерий: есть ли срок, клиентский риск, деньги, юридическое обязательство или блокировка чужой работы.

Потом идёт следующий шаг. Хороший результат выглядит так: «ответить клиенту и запросить номер договора», «переслать бухгалтеру счёт», «создать задачу на проверку макета», «не отвечать, рассылка». Такая строка короче письма в 20 раз, но её уже можно использовать в планировании.

В SoftChat удобно вести такие разборы в чате с историей по организации: можно возвращаться к прошлым правилам сортировки и не пересобирать процесс каждый день. Для повторяемых сценариев подходят шаблоны промптов, а для отдельных потоков можно настраивать ассистента через системную инструкцию в конкретном диалоге. Я не привязываю это к почтовому ящику как к функции продукта: речь о работе с текстом, который вы передаёте в чат сами.

Шаблон запроса для разбора писем

Ниже шаблон, с которого можно начать. Его лучше сохранить и менять под свою команду.

«Разбери входящие сообщения. Для каждого сообщения верни таблицу: номер, краткое резюме до 20 слов, категория, срочность, следующий шаг, кому передать, нужен ли ответ, черновик ответа до 700 знаков. Категории используй только из списка: клиентский вопрос, финансы, договор, внутренняя задача, информационное, мусор, другое. Если данных не хватает, напиши, какие данные запросить. Не придумывай факты, суммы и сроки».

В этом запросе есть несколько защитных элементов. Во-первых, закрытый список категорий. Во-вторых, лимит на длину резюме и черновика. В-третьих, запрет на выдумывание фактов. В-четвёртых, отдельное поле «какие данные запросить». Последнее поле особенно полезно: вместо бодрого ответа на неполное письмо команда получает аккуратный вопрос отправителю.

Гипотетический пример: сообщение «Добрый день, пришлите обновлённое КП с учётом прошлого разговора, нужно сегодня до 16:00» модель должна отнести к клиентскому вопросу, поставить срочность «сегодня» и предложить следующий шаг: «уточнить состав КП или поднять историю обсуждения». Черновик может быть коротким: «Добрый день! Подготовим обновлённое КП сегодня. Уточните, пожалуйста, нужно ли оставить прежний набор услуг или добавить изменения после последнего разговора».

Если нужно готовить тексты ответов в разных форматах, пригодится материал про нейросеть для генерации текста и проверку результата. В почте качество черновика определяется не красивыми фразами, а проверяемыми фактами: срок, сумма, адресат, обещание, вложение.

Где человек должен проверять результат

Полностью автоматическая отправка ответов выглядит заманчиво, но я бы не начинал с неё. В письмах слишком много скрытого контекста: старые договорённости, тон отношений, юридические формулировки, обещания по срокам. Нейросеть хорошо готовит черновик, но финальное решение остаётся за человеком.

Я проверяю четыре вещи. Первая, факты: даты, суммы, номера документов, имена. Вторая, обязательства: не пообещал ли черновик то, чего команда не может выполнить. Третья, адресат: не ушла ли внутренняя информация наружу. Четвёртая, тон: не звучит ли ответ холодно там, где нужен человеческий контакт.

Для сообщений с деньгами, договорами и персональными данными нужен отдельный режим. Такие письма можно помечать как «ручная проверка обязательна». Даже если модель верно определила категорию, черновик не должен уходить без просмотра. Практичный порог: всё, где есть сумма, реквизиты, паспортные данные, медицинская информация, претензия или угроза расторжения договора, проходит через человека.

С бытовыми и рабочими задачами можно действовать мягче. Например, запросы на встречу, уточнение статуса, пересылку файла или подтверждение получения часто укладываются в типовые ответы. Для таких сценариев полезны подходы из статьи о том, как использовать нейросети и чат-боты для повседневных задач: сначала повторяемые действия, потом более сложные цепочки.

Сравнение ручной сортировки и работы с нейросетью

Ручная сортировка сильна там, где нужен контекст и ответственность. Человек понимает историю клиента, внутреннюю политику, скрытые риски. Слабое место, скорость на однотипных сообщениях. Если каждое письмо открывать, читать, пересказывать себе и решать, кому передать, день распадается на мелкие переключения.

Нейросеть сильна на первом проходе. Она быстро превращает текст в структуру: категория, срочность, резюме, следующий шаг. Слабое место, неоднозначные ситуации. Если отправитель пишет намёками или ссылается на устный разговор, модель может сделать слишком уверенный вывод. Поэтому хороший процесс строится не вокруг доверия вслепую, а вокруг проверки спорных мест.

Условный пример: команда поддержки получает 120 сообщений в день. Если первичная ручная оценка занимает в среднем 90 секунд на сообщение, только сортировка даёт около 3 часов чистого времени. Если нейросеть заранее группирует обращения и готовит краткие резюме, человек тратит время на проверку приоритетов и ответы, а не на первичное чтение каждого письма целиком. Это не магия, а перенос усилий с рутины на решение.

Для внедрения лучше не менять весь процесс за один день. Сначала возьмите один канал, например общую почту отдела. Затем выберите 5–7 категорий. Потом неделю сравнивайте разметку нейросети с ручной разметкой. Если совпадения стабильны на простых письмах, добавляйте черновики ответов. Если нет, правьте категории и примеры в запросе. Похожая логика описана в материале о том, как внедрить нейросети в рабочие процессы: сценарий должен быть маленьким, измеримым и понятным участникам.

Как использовать SoftChat без лишних ожиданий

SoftChat подходит для текстовой работы с входящими, когда вы переносите в чат письма, фрагменты переписок или документы. В ответах поддерживается разметка Markdown, поэтому таблицы с категориями, сроками и следующими действиями удобно читать прямо в диалоге. Если выбранная модель поддерживает вложения и анализ документов, можно прикладывать файлы, но доступность анализа зависит от возможностей активной модели.

Для повторяемого процесса я бы сделал отдельный диалог под входящие. В начале диалога зафиксировал бы правила: список категорий, уровни срочности, стиль ответов, запрет на выдумывание фактов, признак ручной проверки. Если нужно менять модель под задачу, в SoftChat можно выбирать модель для конкретного разговора. Если выбранная модель не дала usable-ответ, сервис может получить ответ от резервной модели и сообщить об этом отдельной строкой. Неудачная попытка без результата не списывает кредиты, можно повторить запрос.

Ещё одна полезная привычка, улучшать сам запрос до отправки. В SoftChat для авторизованных пользователей есть действие «Улучшить запрос»: оно переписывает черновик перед отправкой и показывает предпросмотр, который можно принять или отклонить. Для обработки входящих это снижает риск расплывчатой команды вроде «разбери письма нормально».

Итог обновления

После обновления я бы сформулировал главный принцип так: нейросеть нужна не для того, чтобы бездумно отвечать на всю почту, а для первого прохода по хаосу. Она помогает увидеть срочные темы, сгруппировать однотипные обращения, вынести факты в таблицу и подготовить черновики. Человек проверяет риски, обещания и тон.

Начинайте с одного канала и короткого списка категорий. Сравните результат за неделю. Оставьте там, где модель стабильно экономит чтение и сортировку. Усильте ручную проверку там, где есть деньги, договоры, персональные данные и конфликтные сообщения. Такой подход не требует ломать процессы. Он просто превращает входящие из шумной ленты в очередь понятных действий.