Automatinis el. laiškų rūšiavimas su AI: n8n + LLM receptas

Vidutinis verslo savininkas 2026 m. gauna 80–150 email’ų per dieną. 40% — galima automatizuoti. Štai kaip su n8n + LLM sukurti „AI asistentą”, kuris rūšiuoja ir atsako į laiškus 24/7.

Use-case’as — kas sprendžiama

Tipiška inbox situacija:

• 20% spam (automatiškai į Spam folder).
• 15% newsletter’iai.
• 10% klientų klausimai (FAQ-tipo).
• 15% pardavimų lead’ai.
• 20% kolegos, partneriai.
• 20% svarbūs — reikia asmeninio atsakymo.

Galim automatizuoti:

• Klasifikavimas — kuri kategorija?
• FAQ atsakymai — standartiniai klausimai.
• Lead routing — į CRM.
• Priority sort — „urgent” label’as.
• Draft atsakymai — jums tik patvirtinti.

Arkitektūra

Gmail → n8n trigger → LLM classification → action based on category
                                       ↓
                         [FAQ auto-reply]
                         [CRM entry]
                         [Urgent Slack ping]
                         [Draft response]

Setup’as (2 val.)

Žingsnis 1: n8n Gmail trigger

1. New workflow → Gmail trigger → On New Email.
2. Authenticate (OAuth).
3. Filters: Inbox (visi laiškai) arba labels (jei nori subset).

Žingsnis 2: LLM klasifikacija

Code node su LLM call:

const email = $input.first().json;
const prompt = `
Tu esi email klasifikatorius. Nustatyk kategoriją iš:
- SPAM
- NEWSLETTER
- CLIENT_QUESTION
- SALES_LEAD
- INTERNAL
- URGENT
- OTHER

Email iš: ${email.from.value[0].address}
Subject: ${email.subject}
Body (first 500 chars): ${email.snippet.substring(0, 500)}

Atsakyk tik kategorija + trumpas pagrindimas:
Kategorija: [CATEGORY]
Pagrindimas: [vienas sakinys]
`;

const response = await fetch('https://api.anthropic.com/v1/messages', {
  method: 'POST',
  headers: {
    'x-api-key': $credentials.anthropic.apiKey,
    'anthropic-version': '2023-06-01',
    'content-type': 'application/json'
  },
  body: JSON.stringify({
    model: 'claude-3-5-haiku-20241022',
    max_tokens: 100,
    messages: [{ role: 'user', content: prompt }]
  })
});

const data = await response.json();
const text = data.content[0].text;
const category = text.match(/Kategorija: (\w+)/)?.[1] || 'OTHER';

return [{ json: { ...email, aiCategory: category } }];

(Pastaba: promptą galima pritaikyti bet kuriam LLM API — OpenAI, Gemini, Mistral.)

Žingsnis 3: Switch node — veiksmai pagal kategoriją

SPAM → Move to Spam (Gmail label). NEWSLETTER → Archive + label „Read Later”. CLIENT_QUESTION → Check if FAQ match → auto-reply OR flag. SALES_LEAD → Create Pipedrive lead + Slack notif. URGENT → SMS ant savo telefono (per Twilio). OTHER → Leave in inbox.

Žingsnis 4: FAQ auto-reply (advanced)

Kiti code node’ai:

const FAQ = [
  { q: ['kainos', 'price', 'kiek kainuoja'], a: 'Kainos pateikiamos per 24 h po brief\'o užpildymo: https://oktoja.lt/projekto-kaina' },
  { q: ['hosting', 'serveris'], a: 'Administruojam VPS nuo 20 €/mėn.: https://oktoja.lt/paslaugos/hosting' },
  // ...
];

const body = $input.first().json.snippet.toLowerCase();
const match = FAQ.find(f => f.q.some(kw => body.includes(kw)));

if (match) {
  // Send Gmail reply
  return [{ json: { shouldAutoReply: true, autoReplyText: match.a } }];
}
return [{ json: { shouldAutoReply: false } }];

Žingsnis 5: Draft atsakymas

Jei ne FAQ bet vis dar client question — paprašykit LLM parašyti draft’ą:

const prompt = `
Tu esi Oktoja skaitmeninė agentūros atsakymų asistentas.
Parašyk trumpą (3-5 sakinių) profesional atsakymą į šį klientų klausimą.
Pateikite kontaktą: info@oktoja.lt, +370 639 63060.

Klausimas: ${email.snippet}

Atsakymas:
`;
// ... LLM call → save as Gmail draft

Jūs atidarot savo el. paštą, matot draft’ą, pataisot 1-2 žodžius, siunčiat. Taupo 2-3 minutes per laiškui.

Performance stebėsena

Pridėkit Google Sheets logging:

• Kiekvienas email → row su: timestamp, from, category, action taken, LLM cost.

Po savaitės matysit:

• Kiek laiškų per dieną.
• Kokios kategorijos dominuoja.
• Kiek automated vs manual.
• LLM cost’us (dažniausiai <5 €/mėn. smulkiam biznui).

Realūs rezultatai (mūsų bizniui)

• 80 laiškų/d. vidutiniškai.
• Pirma savaitė (be tweak’ų): 55% automatizuota.
• Po 1 mėn. (pataisius FAQ): 70% automatizuota.
• Sutaupyta laiko: ~2 val./d. = 10 val./sav.

Kainodara

Self-hosted (n8n savo serveryje)

• VPS: 20 €/mėn.
• LLM API: 2–10 €/mėn. (Haiku / Mistral modeliai pigiausi).
• Total: ~25–35 €/mėn.

Managed (mūsų paslaugos)

• Setup + 1 mėn. tweak’ai: 1 200–2 500 €.
• Priežiūra: 100 €/mėn.

ROI paprastai 3–6 mėn.

Dažniausios problemos

1. LLM klasifikuoja klaidingai

• Sprendimas: pagerinkit prompt’ą su few-shot examples.
• Testuokit savaitę, peržiūrėkit kur klysta.

2. False positive’ai FAQ replies

• Sprendimas: siauresni keyword’ai arba LLM matching (ne keyword).
• Visada siųskite „draft” mode pirmus 2 sav.

3. Rate limits

• Gmail API: 1 milijonas quota units/d. — realiai niekada nepasieksit.
• LLM API: dažniausiai OK, bet stebėkit cost.

4. Kalbos problemos

• LT kalbai tinka: Claude 3.5, GPT-4o, Gemini Pro. Llama — silpnesnė.

DUK

Ar saugu leisti AI atsakyti į klientų laiškus? Pradžioje — draft mode (jūs patvirtinate). Po 2–4 sav. testavimo — galima palikti auto-reply FAQ kategorijai.

Kiek LLM API kainuoja? Haiku/Mistral/Gemini Flash modeliai — ~0.25 $/1 mln tokens input. 100 laiškų/d. × 500 žodžių = ~0.02 $/d. = 0.60 $/mėn.

Ar galima derinti su Outlook? Taip, n8n turi Microsoft 365 integraciją.

Ar reikia duomenų apsaugos? Jei elaiškai turi kliento duomenis — naudokit LLM su zero data retention (OpenAI Enterprise, Anthropic Console) arba self-hosted (Ollama).

---

Norite automatizuoti savo inbox? Setup nuo 1 200 € → — per 2 savaites paleidžiam, po 1 mėn. matot rezultatus.