Automatyzacje

    Jak automatycznie przygotowywać odpowiedzi na maile na podstawie wiedzy firmy (RAG)

    W skrócie

    Wystarczy prosty pipeline RAG podpięty do Gmaila. Workflow w n8n klasyfikuje każdą wiadomość (klient, dostawca, spam), wyszukuje pasujący kontekst w wektorowej bazie wiedzy firmy, generuje odpowiedź modelem OpenAI i zapisuje ją jako szkic w Gmailu. Człowiek tylko sprawdza i wysyła.

    Inteligentna obsługa zapytań biznesowych

    Workflow n8n obsługi e-maili z RAGOtwórz w pełnym rozmiarze
    Workflow n8n obsługi e-maili z RAG

    Automatyzacja e-maili z prostym RAG

    od klasyfikacji wiadomości do szkicu odpowiedzi

    Problem:

    Obsługa skrzynki e-mail (zapytania klientów, wiadomości od dostawców, spam) zajmowała dużo czasu. Brakowało szybkiej kwalifikacji treści i gotowych, merytorycznych szkiców odpowiedzi bazujących na wiedzy firmy.

    Rozwiązanie:

    Zbudowałem w n8n prosty pipeline RAG (Retrieval-Augmented Generation) podpięty do Gmaila. System automatycznie klasyfikuje przychodzące wiadomości (klient / dostawca / spam), wyszukuje kontekst z bazy wiedzy w Pinecone (embeddings OpenAI), generuje odpowiedź z pomocą modelu OpenAI i zapisuje ją jako szkic w Gmailu.

    Efekt:

    Skrócenie czasu reakcji z minut do sekund – większość e-maili ma gotowy szkic. Spójne, merytoryczne odpowiedzi oparte o firmową bazę wiedzy (RAG).

    Moja rola:

    Projekt architektury, przygotowanie promptów i klasyfikatora, integracja z Gmail, OpenAI, Pinecone, implementacja logiki w n8n (Switch/Agent/Embeddings), polityka szkiców/wysyłek.

    Stack technologiczny:

    n8n (workflow), Gmail API (trigger + szkice), OpenAI (chat + embeddings), Pinecone (wektorowa baza wiedzy)

    Najczęstsze pytania

    Czy AI samo wysyła maile?

    Nie w tym wdrożeniu. Odpowiedź trafia do Gmaila jako szkic, a o wysłaniu decyduje człowiek.

    Na jakiej wiedzy opiera się odpowiedź?

    Na dokumentach firmy zapisanych w wektorowej bazie wiedzy. Zanim model odpowie, system wyszukuje w niej pasujący kontekst — stąd nazwa RAG (Retrieval-Augmented Generation). Dzięki temu odpowiedzi są spójne i merytoryczne.

    Ile czasu to oszczędza?

    Czas reakcji spadł z minut do sekund, bo większość e-maili ma gotowy szkic odpowiedzi.

    Chcesz podobne rezultaty?

    Każda firma jest inna, ale rezultaty są podobne – więcej klientów, mniejsze koszty, szybszy wzrost