LLM API и интеграция

Нейросеть для почты: разбор входящих и черновики

Нейросеть для почты: разбор входящих и черновики

Почта — сценарий, где польза и риск разведены необычно чётко. Сортировка входящих, извлечение фактов и краткие выжимки окупаются почти сразу: операция повторяется десятки раз в день, ошибка обратима, проверка автоматическая. Автоответы окупаются почти никогда: письмо, ушедшее от вашего имени, — это обязательство компании, а модель ошибается молча и убедительно. Плюс здесь есть опасность, которой нет в других сценариях: письмо приходит извне, попадает в контекст наравне с вашими инструкциями, и текст в нём модель читает так же, как ваши правила. Разбираем, что автоматизировать, что оставить человеку и чего не делать вовсе.

Что окупается сразу

Четыре операции с обратимой ошибкой.

Сортировка по темам и срочности. Обращение клиента, счёт, рассылка, вопрос коллеги. Короткий вход, ответ одним словом, ошибка правится перемещением письма — как устроена классификация.

Извлечение фактов. Номер заказа, сумма, срок, контактное лицо — в структуру, с которой дальше работает ваш код.

Выжимка длинной цепочки. Переписка на сорок писем — в пять строк для того, кто в неё только включился.

Черновик ответа по шаблону. Модель готовит, человек правит и отправляет.

Общее: модель готовит материал, действие совершает человек. Пока эта граница держится, риск управляемый.

Что не стоит автоматизировать

Три вещи, каждая по своей причине.

Отправку без проверки. Письмо от вашего имени — обязательство перед получателем. Придуманный срок или условие становятся вашими, кто бы их ни сформулировал — почему модель уверенно выдумывает.

Решения по письму. Одобрить, отказать, перевести деньги. Модель может предложить действие, но выполнять его по содержанию входящего письма — прямой путь к неприятностям.

Обработку всей почты подряд. Личная переписка, кадровые вопросы, юридические документы — не всё должно уходить наружу. Разумнее заводить обработку на конкретный ящик или папку, а не на весь поток.

Главная опасность: письмо — это чужой текст

Раздел, которого нет в других сценариях, и он здесь важнее остальных.

Входящее письмо попадает в контекст модели наравне с вашим системным промптом. Модель не отличает данные от команд: всё, что в контексте, читается однородно. Значит инструкцию можно положить прямо в письмо, и она будет прочитана.

Выглядит это невинно: строка мелким шрифтом или белым по белому в конце письма. Мы разбирали реальный случай, когда так спрятали инструкцию в судебном документе.

Что из этого следует практически:

Если модель только сортирует и извлекает — риск невелик. Худшее, что случится, — письмо попадёт не в ту папку.

Если у модели есть инструменты — риск серьёзный. Отправка писем, доступ к базе, изменение записей. Здесь текст в письме превращается в возможность выполнить действие вашими руками — какие права давать агенту.

Правило простое: не давайте одной и той же схеме и чтение входящих писем, и право совершать действия. Разделите: одна часть читает и раскладывает, другая действует по подтверждению человека.

Что уходит наружу

Второй специфичный для почты вопрос.

Письмо — это персональные данные, контакты, иногда коммерческая тайна. Всё, что попало в запрос, ушло провайдеру.

Меры, которые работают:

Обезличивайте до отправки. Для задачи «определи тему письма» настоящие имя и адрес не нужны — замените метками, а сопоставление делайте своим кодом.

Отправляйте письмо, а не всю цепочку. Для классификации хватает последнего сообщения; цепочка на сорок писем — это и лишние данные, и лишние деньги.

Не обрабатывайте вложения без нужды. Вложение — отдельный документ со своими рисками — как работать с документами.

Выберите, какие ящики обрабатываются. Не «вся почта», а конкретные адреса под конкретные задачи.

Прочитайте, что хранит провайдер. У нас это llms.txt; общий разбор темы — что уходит провайдеру.

Как устроить рабочую схему

Шесть шагов.

  1. Возьмите один ящик и одну задачу. Обычно это сортировка обращений в поддержку.
  2. Опишите пять-семь категорий с примерами и обязательной категорией «не определено».
  3. Напишите очистку входа. Обезличивание, отсечение подписей и цитат предыдущих писем — они дублируются и занимают токены.
  4. Прогоните на двухстах реальных письмах и сравните с ручной разметкой — как измерять.
  5. Запускайте на сортировку, не на ответы.
  6. Черновики ответов добавляйте вторым этапом, когда станет понятно, где модель ошибается.

Третий пункт даёт неожиданно много: в типичном письме половина объёма — это подпись, дисклеймер и процитированная переписка. Их отсечение сокращает и расход, и число ошибок.

Сколько это стоит

Порядок величин.

Письмо на несколько абзацев — это тысячи токенов на входе, категория или структура — сотни на выходе. Сотня писем в день при ставках за миллион токенов обходится в единицы рублей.

Дорожает сценарий в двух случаях: когда отправляется вся цепочка переписки и когда генерируются длинные черновики ответов. Первое лечится отсечением цитат, второе — ограничением длины.

Для сортировки и извлечения достаточно недорогой позиции: в каталоге на 5 сентября 2026 года платные текстовые начинаются от 1 ₽ за миллион, восемь позиций тарифицируются по нулевой ставке. Как перевести объём в рубли — методика.

Про черновики ответов

Отдельно, потому что это самая соблазнительная часть.

Черновик экономит время, если человек его правит, а не переписывает. Признак, что схема работает: правится меньше трети черновиков и правки короткие. Если человек каждый раз пишет заново — вы добавили шаг, а не убрали.

Что помогает:

Давайте модели ваши прошлые ответы как примеры. Три-пять реальных писем задают тон точнее описания.

Подкладывайте факты из базы. Срок, статус, сумма должны приходить из вашей системы, а не из формулировки модели.

Запрещайте обещания. Явный список того, чего писать нельзя, работает лучше просьбы быть аккуратным.

Оставляйте пропуски. Черновик с пометкой «уточнить срок» честнее, чем выдуманный срок.

С чего начать и чем мерить

Порядок и метрики, чтобы понять, состоялась ли автоматизация.

Начинать стоит с самого скучного: сортировка входящих в один ящик по пяти категориям. Это даёт цифры на своих данных и почти не создаёт риска.

Четыре величины для оценки:

Доля писем, попавших в верную категорию. Считается по ручной разметке двухсот писем.

Доля «не определено». Если она большая, не хватает категорий или описания размыты. Если нулевая — модель, скорее всего, угадывает вместо того, чтобы признаваться.

Время до первого касания. Ради чего всё делается: письмо должно попадать к нужному человеку быстрее.

Доля черновиков, отправленных с правками менее чем на треть. Только для второго этапа, и только она показывает, экономят ли черновики время.

Последняя метрика важнее прочих: если человек переписывает черновик целиком, вы добавили шаг вместо того, чтобы убрать. Тогда правильное решение — вернуться к сортировке и выжимкам и не трогать генерацию ответов вовсе.

Чего мы не утверждаем

Не даём юридических советов по обработке переписки и персональных данных.

Не рекомендуем конкретные интеграции с почтой. Их много, и выбор зависит от вашего стека.

Не сравниваем модели по качеству. Своих замеров мы не делали.

Не обещаем, что обезличивание снимает все вопросы. Оно сокращает объём чувствительных данных, но решение о том, что вообще обрабатывать, остаётся за вами.

Что нужно, чтобы попробовать

Ключ заводится за минуту на keydealer.ru/login — почта и пароль, без документов и без зарубежной карты. Оплата российской картой в рублях, один ключ на весь каталог.

Платные текстовые модели доступны сразу на приветственном бонусе: прогнать двести обезличенных писем и посмотреть, как раскладываются категории, можно без пополнения. Отдельный ключ под этот сценарий стоит завести сразу — так виден расход и локализуется риск.

Что держать в голове

Сортировка и выжимки окупаются сразу, отправка от вашего имени — почти никогда. Граница проходит между «подготовить» и «отправить», и держать её стоит даже когда качество черновиков радует.

И специфичная для почты вещь: входящее письмо — недоверенный текст в вашем контексте. Не давайте одной схеме и чтение писем, и право совершать действия.

Как мы проверяем факты и что храним из запросов — на странице о проекте и в llms.txt. Проверить на своих письмах: keydealer.ru/login.

Частые вопросы

Что нейросеть может делать с почтой?

Сортировать входящие по темам и срочности, извлекать из писем факты, готовить краткие выжимки и черновики ответов. Отправку писем стоит оставить человеку.

Можно ли настроить автоответы нейросетью?

Технически да, но письмо, ушедшее от вашего имени, — ваше обязательство. Разумная схема: модель готовит черновик, человек проверяет и отправляет.

Безопасно ли пускать модель в переписку?

Письма содержат персональные данные и коммерческую информацию, и всё, что попало в запрос, уходит провайдеру. Нужно обезличивание и осознанный выбор, какие письма вообще обрабатываются.

Может ли письмо содержать инструкцию для модели?

Да. Текст письма попадает в контекст наравне с вашими инструкциями, поэтому входящее письмо надо считать недоверенным вводом.

Сколько это стоит?

Немного: письмо и короткий структурированный ответ — это тысячи токенов при ставках за миллион. Дорожает сценарий, если отправлять всю цепочку переписки целиком.

Источники