В AI-системе классификация обычно работает как первый шаг перед ответом или автоматизацией. Модель читает тему, отправителя, текст письма, вложения и контекст клиента, а затем возвращает структурированный результат: категория, приоритет, отдел, риск, confidence score и рекомендованное действие.
Например, письмо "Не работает вход в аккаунт, клиент ждет уже два часа" можно отнести к поддержке с высоким приоритетом. Письмо с PDF-счетом - к бухгалтерии и обработке вложений. Письмо "хочу узнать цену" - к лидам или продажам. Письмо с угрозой претензии или персональными данными лучше отправить человеку.
Классификация полезна не сама по себе, а как маршрутизатор. После нее агент может создать тикет, поставить тег в CRM, выбрать шаблон ответа, найти статью в базе знаний, извлечь реквизиты из вложения, отправить письмо в нужный отдел или остановиться и попросить подтверждение.
Главный риск - ложная уверенность. Если модель ошибочно примет жалобу за обычный вопрос или юридически важное письмо за спам, компания может потерять клиента или нарушить процесс. Поэтому для важных сценариев задают confidence threshold: при низкой уверенности письмо уходит в очередь проверки.
Хорошая классификация должна быть не свободным текстом, а structured output. Например: category, priority, department, reason, confidence, next_action, needs_human_review. Так результат проще проверять, логировать и использовать в n8n, CRM, helpdesk или почтовом workflow.
Практическое правило: автоматизировать можно сортировку, теги, черновики и маршрутизацию. Финальные действия с риском - отказ клиенту, юридический ответ, изменение договора, возврат денег, блокировка аккаунта - лучше проводить через approval workflow или передачу человеку.
Примеры
- Письмо "Не могу войти в личный кабинет" классифицируется как поддержка, приоритет высокий, следующий шаг - создать тикет и отправить черновик ответа с инструкцией восстановления доступа.
- Письмо с темой "Счет за май" и PDF-вложением получает категорию "бухгалтерия", действие "обработать вложение", а затем агент извлекает сумму, ИНН, номер счета и дату.
- Письмо "Интересует внедрение ИИ-агента для отдела продаж" классифицируется как лид, отправляется в CRM и получает тег по продукту.
- Письмо с угрозой претензии или персональными данными получает флаг риска и уходит человеку без автоматической отправки ответа.
Где используется
- сортировка входящей почты
- создание тикетов поддержки
- маршрутизация писем по отделам
- обработка лидов из email
- приоритизация жалоб и срочных запросов
- обработка счетов и вложений
- выбор шаблона ответа
- очередь проверки человеком
Связанные термины
Частые вопросы
Зачем нужна классификация писем?
Она помогает быстро понять, что делать с письмом: создать тикет, передать в продажи, отправить в бухгалтерию, выбрать шаблон ответа, пометить как риск или передать человеку.
Какие категории писем обычно выделяют?
Частые категории: лид, вопрос поддержки, жалоба, счет или акт, договор, внутреннее уведомление, спам, отписка, запрос на возврат, юридический риск, документ во вложении.
Можно ли автоматически отвечать на письма после классификации?
Можно для низкорисковых сценариев: подтверждение получения, типовая инструкция, черновик ответа. Для жалоб, юридических тем, денег, персональных данных и нестандартных обещаний лучше включать approval workflow.
Что такое confidence score в классификации писем?
Это оценка уверенности модели или системы в выбранной категории. Если уверенность низкая, письмо лучше не автоматизировать дальше, а отправить в очередь ручной проверки.
Как сделать классификацию писем надежнее?
Используйте фиксированный список категорий, structured output, примеры для модели, правила риска, проверку вложений, логирование решений и fallback to human для низкой уверенности или чувствительных тем.
