Как сделать AI-ассистента на OpenAI GPT для ответов на заявки с сайта

Что получится в конце

Соберем простой AI-сценарий для входящих заявок с сайта. Пользователь заполняет форму, OpenAI GPT разбирает сообщение, определяет тип заявки, срочность, краткое резюме и готовит черновик ответа. Менеджер получает все это в Telegram, почту, CRM или таблицу и сам решает, что отправлять клиенту.

Финальный результат:

1. Форма сайта отправляет данные на webhook.
2. Backend или n8n передает заявку в OpenAI GPT.
3. GPT возвращает структурированный JSON.
4. Система сохраняет заявку и отправляет менеджеру уведомление.
5. Ответ клиенту остается черновиком, без автоотправки.

Сразу делаем безопасный вариант. Агент не обещает цены, сроки, скидки и юридические условия. Он только готовит понятный черновик и подсказку для менеджера.

Что понадобится

1. Форма на сайте: имя, контакт, сообщение, страница, источник.
2. OpenAI API key или доступ к GPT через платформу, где можно работать с моделью.
3. Любой обработчик webhook: n8n, Make, Laravel, Node.js, Python или простой backend.
4. Канал для менеджера: Telegram, email, CRM, Google Sheets, Notion или Bitrix24.
5. 20-30 тестовых заявок для проверки качества.

Если вы не хотите начинать с API и отдельной оплаты, сначала можно проверить сценарий вручную через агрегатор. Например, отправлять заявки в GPT через most AI, посмотреть качество ответов и только потом переносить логику в API.

Шаг 1. Опишите входные данные

Не отправляйте в GPT просто “текст заявки”. Передавайте нормальный объект с полями. Так модель лучше понимает контекст, а вам проще проверять результат.

Пример входа:

{
  "name": "Анна",
  "contact": "+7 900 000-00-00",
  "page": "/services/ai-agent",
  "source": "landing_form",
  "message": "Здравствуйте. Хотим AI-бота для обработки заявок с сайта и передачи лидов в CRM. Сколько стоит и сколько времени занимает?"
}

Минимальный набор полей:

1. `name` — имя клиента, если есть.
2. `contact` — телефон, email или мессенджер.
3. `page` — страница, с которой пришла заявка.
4. `source` — источник формы или рекламной кампании.
5. `message` — текст обращения.

Шаг 2. Задайте формат результата

Для заявок лучше не просить “напиши ответ”. Просите GPT вернуть строго определенную структуру. Это проще подключать к CRM, таблице, Telegram и аналитике.

Нужный результат:

{
  "lead_type": "consultation",
  "priority": "normal",
  "summary": "Клиент интересуется AI-ботом для обработки заявок и передачей лидов в CRM.",
  "questions_to_manager": [
    "Какая CRM используется?",
    "Сколько заявок приходит в день?",
    "Нужна ли автоотправка ответа клиенту или только черновики?"
  ],
  "draft_reply": "Анна, здравствуйте! Можем помочь с AI-ботом для обработки заявок и передачей лидов в CRM. Чтобы сориентировать по срокам и стоимости, подскажите, пожалуйста, какую CRM используете и сколько заявок приходит в день?",
  "risk_flags": [
    "Не обещать точную стоимость без уточнения CRM и объема заявок."
  ]
}

Поля можно менять под бизнес, но для старта хватает шести:

1. `lead_type` — тип заявки.
2. `priority` — срочность.
3. `summary` — краткая выжимка.
4. `questions_to_manager` — что уточнить.
5. `draft_reply` — черновик ответа.
6. `risk_flags` — что нельзя обещать или нужно проверить.

Шаг 3. Напишите системный промпт

Системный промпт задает роль и ограничения. Его лучше хранить отдельно от пользовательской заявки и менять только после тестов.

Ты AI-ассистент отдела продаж. Твоя задача — разобрать входящую заявку с сайта и подготовить черновик ответа для менеджера.

Правила:
- не обещай точную цену, сроки, скидки, юридические условия и гарантии;
- не выдумывай факты о компании, тарифах и услугах;
- если данных мало, задай 1-3 уточняющих вопроса;
- пиши коротко, спокойно и по-деловому;
- ответ клиенту должен быть черновиком, а не финальным сообщением;
- если заявка похожа на спам, отметь это в risk_flags;
- если в заявке есть персональные данные, не повторяй их без необходимости.

Главная мысль: GPT не должен быть самостоятельным продавцом. На первом этапе он помощник менеджера.

Шаг 4. Настройте запрос к OpenAI GPT

Для такого сценария используйте Responses API: отправляете системные инструкции, данные заявки и просите вернуть структурированный результат. В production лучше использовать JSON Schema или structured output, чтобы модель не меняла названия полей.

Упрощенная логика запроса:

const input = {
  name: "Анна",
  contact: "+7 900 000-00-00",
  page: "/services/ai-agent",
  source: "landing_form",
  message: "Хотим AI-бота для обработки заявок с сайта и передачи лидов в CRM."
};

const response = await openai.responses.create({
  model: "актуальная GPT-модель",
  input: [
    {
      role: "system",
      content: systemPrompt
    },
    {
      role: "user",
      content: JSON.stringify(input)
    }
  ]
});

В реальном проекте не вставляйте API key в браузерный JavaScript. Ключ должен храниться на сервере или в защищенных переменных окружения.

Шаг 5. Добавьте JSON Schema

Чтобы не ловить “почти JSON” и лишние поля, задайте схему ответа. Она фиксирует структуру: какие поля обязательны, какие значения допустимы, где массив, где строка.

Пример схемы:

{
  "type": "object",
  "additionalProperties": false,
  "required": [
    "lead_type",
    "priority",
    "summary",
    "questions_to_manager",
    "draft_reply",
    "risk_flags"
  ],
  "properties": {
    "lead_type": {
      "type": "string",
      "enum": ["consultation", "price_request", "support", "partnership", "spam", "other"]
    },
    "priority": {
      "type": "string",
      "enum": ["low", "normal", "high"]
    },
    "summary": {
      "type": "string"
    },
    "questions_to_manager": {
      "type": "array",
      "items": { "type": "string" }
    },
    "draft_reply": {
      "type": "string"
    },
    "risk_flags": {
      "type": "array",
      "items": { "type": "string" }
    }
  }
}

Для первого прототипа можно проверить JSON вручную. Для рабочего сайта лучше включить строгую схему и дополнительно валидировать результат на своей стороне.

Шаг 6. Подключите форму сайта

Форма должна отправлять данные не напрямую в OpenAI, а на ваш сервер или webhook.

Пример маршрута:

1. Пользователь отправляет форму.
2. Сайт делает POST на `/api/leads`.
3. Сервер проверяет обязательные поля.
4. Сервер отправляет очищенные данные в OpenAI GPT.
5. Сервер сохраняет результат.
6. Менеджер получает уведомление.

Минимальная валидация до GPT:

1. Есть контакт.
2. Сообщение не пустое.
3. Длина сообщения не слишком большая.
4. В заявке нет очевидного мусора.
5. Источник и страница записаны отдельно.

GPT не должен быть первым фильтром безопасности. Сначала обычная серверная проверка, потом модель.

Шаг 7. Отправьте результат менеджеру

Самый простой вариант — Telegram или email. Менеджеру не нужен сырой JSON. Ему нужен короткий блок, который можно быстро прочитать.

Формат уведомления:

Новая заявка с сайта

Тип: консультация
Приоритет: normal
Страница: /services/ai-agent

Кратко:
Клиент интересуется AI-ботом для обработки заявок и передачей лидов в CRM.

Что уточнить:
1. Какая CRM используется?
2. Сколько заявок приходит в день?
3. Нужна ли автоотправка или только черновики?

Черновик ответа:
Анна, здравствуйте! Можем помочь с AI-ботом для обработки заявок...

Риски:
Не обещать точную стоимость без уточнения CRM и объема заявок.

Если у вас CRM, создавайте лид и кладите туда:

1. исходный текст заявки;
2. резюме;
3. тип;
4. приоритет;
5. черновик ответа;
6. список уточнений;
7. источник и страницу.

Шаг 8. Оставьте режим черновика

Не включайте автоответ клиенту в первый день. Сначала пусть GPT готовит черновик, а менеджер отправляет вручную. Это снижает риск странных обещаний, неправильного тона и ошибок в цене.

Автоотправку можно включать позже, только для простых сценариев:

1. подтверждение “заявку получили”;
2. сообщение “менеджер свяжется”;
3. просьба уточнить недостающий контакт;
4. ответ на типовой вопрос из утвержденной базы знаний.

Для всего остального оставьте approval: менеджер проверяет и нажимает “отправить”.

Шаг 9. Проверьте на тестовых заявках

Перед запуском соберите 20-30 примеров:

1. нормальная заявка на консультацию;
2. запрос цены;
3. срочная заявка;
4. непонятное сообщение;
5. спам;
6. жалоба;
7. партнерское предложение;
8. заявка без контакта;
9. сообщение с персональными данными;
10. запрос, где нельзя обещать точные сроки.

Для каждой заявки проверьте:

1. правильно ли выбран `lead_type`;
2. не завышена ли срочность;
3. понятное ли резюме;
4. полезны ли вопросы менеджеру;
5. нет ли выдуманных фактов;
6. не обещает ли черновик лишнего;
7. попали ли риски в `risk_flags`.

Если из 30 заявок 20 требуют серьезной ручной правки, не запускайте автоответы. Улучшайте промпт, схему и примеры.

Шаг 10. Добавьте защитные правила

Минимальные правила для production:

1. Лимит длины входящего сообщения.
2. Маскирование лишних персональных данных в логах.
3. Хранение API key только на сервере.
4. Retry при временной ошибке API.
5. Логирование входа, ответа и версии промпта.
6. Запрет автоотправки без approval.
7. Отдельный список запрещенных обещаний.
8. Fallback менеджеру, если GPT вернул пустой или странный результат.

Хорошее правило: если система сомневается, она не отвечает клиенту, а передает заявку человеку.

Рабочий минимум для запуска

Чтобы запустить первую версию, не нужен большой AI-агент. Хватит такой связки:

1. Форма сайта.
2. Webhook.
3. OpenAI GPT.
4. JSON Schema.
5. Telegram или CRM.
6. Режим черновика.
7. Набор тестовых заявок.

Это уже даст пользу: менеджер быстрее понимает суть обращения, видит готовый первый ответ и не теряет важные уточнения.

Что улучшить дальше

После первой версии можно добавить:

1. CRM-интеграцию.
2. базу знаний компании;
3. RAG по услугам и FAQ;
4. разные промпты для продаж, поддержки и партнерств;
5. скоринг заявки;
6. аналитику по типам обращений;
7. автоматический follow-up;
8. A/B-тест черновиков ответа;
9. контроль качества менеджеров;
10. автоответы только для низкорисковых сценариев.

Начинайте с простого черновика. Когда менеджеры начнут доверять качеству, можно постепенно отдавать агенту больше действий.

Частые вопросы

Можно ли сразу отправлять ответ клиенту автоматически?

Технически можно, но для первого запуска лучше не надо. Безопаснее начать с черновиков для менеджера и включать автоответы только для простых шаблонных сценариев.

Нужно ли подключать CRM с первого дня?

Нет. Для прототипа достаточно Telegram, email или Google Sheets. CRM подключайте, когда станет понятно, какие поля действительно нужны менеджеру.

Что делать, если GPT выдумывает цену или сроки?

Запретите такие обещания в системном промпте, добавьте `risk_flags`, проверяйте результат перед отправкой и храните список тем, где нужен человек.

Можно ли сделать это без программиста?

Да, через n8n или Make: форма отправляет webhook, дальше шаг OpenAI, потом Telegram, email, CRM или таблица. Но API key и права доступа все равно нужно хранить аккуратно.

Как понять, что ассистент готов к запуску?

Прогоните 20-30 тестовых заявок. Если тип заявки, резюме, вопросы и черновик ответа стабильно полезны, можно запускать в режиме черновика. Автоотправку добавляйте позже.