AI для обработки email — это система, которая автоматически классифицирует входящие письма, определяет приоритет, извлекает ключевую информацию и генерирует черновики ответов. Это позволяет сократить время обработки корпоративной почты на 60-80% и высвободить сотрудников для более важных задач.
Классификация и приоритизация писем
Первый шаг — автоматическая сортировка входящей почты по категориям и приоритету:
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.modelswitch.ru/v1",
api_key="msk_ваш_ключ"
)
def classify_email(subject: str, body: str, sender: str) -> dict:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": """Классифицируй email. Верни JSON:
{
"category": "support" | "sales" | "billing" | "partnership" | "spam" | "internal",
"priority": "critical" | "high" | "normal" | "low",
"sentiment": "positive" | "neutral" | "negative" | "urgent",
"requires_response": true/false,
"key_points": ["пункт1", "пункт2"],
"suggested_assignee": "отдел или роль"
}"""},
{"role": "user", "content": f"От: {sender}
Тема: {subject}
{body}"}
],
temperature=0.1
)
return json.loads(response.choices[0].message.content)
result = classify_email(
sender="ivanov@company.ru",
subject="СРОЧНО: не работает интеграция с CRM",
body="Добрый день! С утра перестала работать выгрузка заказов в CRM..."
)
# {"category": "support", "priority": "critical", "sentiment": "urgent",
# "requires_response": true, "key_points": ["интеграция CRM не работает", "с утра"],
# "suggested_assignee": "техподдержка"}Генерация черновиков ответов
После классификации AI может подготовить черновик ответа, учитывая тон и контекст:
def generate_reply(
original_email: str,
classification: dict,
company_context: str = ""
) -> str:
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": f"""Ты — сотрудник компании. Подготовь черновик ответа на письмо.
Правила:
- Обращайся на «вы»
- Будь вежлив и профессионален
- Для критических вопросов — подтверди получение и укажи сроки
- Категория: {classification['category']}
- Приоритет: {classification['priority']}
{company_context}"""},
{"role": "user", "content": f"Письмо:
{original_email}
Напиши черновик ответа."}
],
temperature=0.4
)
return response.choices[0].message.contentИзвлечение структурированных данных
AI может извлечь из писем конкретные данные для автоматической обработки:
def extract_data(email_body: str) -> dict:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": """Извлеки из письма данные. JSON:
{
"dates": ["упомянутые даты"],
"amounts": ["суммы и валюты"],
"contacts": ["имена, телефоны, email"],
"action_items": ["что требуется сделать"],
"deadlines": ["сроки"]
}"""},
{"role": "user", "content": email_body}
],
temperature=0.0
)
return json.loads(response.choices[0].message.content)Архитектура и стоимость
Рекомендуемая архитектура AI-обработки почты:
- Входящее письмо поступает на сервер (IMAP/webhook)
- Классификация через gpt-4o-mini (быстро и дёшево)
- Маршрутизация по категории и приоритету
- Генерация черновика через gpt-4o (для важных писем)
- Извлечение данных для CRM/ERP-системы
- Отправка оператору на подтверждение
| Объём почты | Стоимость/месяц |
|---|---|
| 100 писем/день | ~$10 |
| 500 писем/день | ~$40 |
| 2 000 писем/день | ~$150 |
Через ModelSwitch вся цепочка работает по единому API-ключу. Вы контролируете расходы в дашборде, а оплата — в рублях с закрывающими документами для бухгалтерии.