AI Class

Automasi Triage Email Masuk dengan n8n + AI: Summarize, Klasifikasi, Routing & Auto-Reply dengan Approval

· 4 menit baca

Automasi Triage Email Masuk dengan n8n + AI: Summarize, Klasifikasi, Routing & Auto-Reply dengan Approval

Pengenalan singkat: Email adalah pintu utama komunikasi bisnis, tapi volume tinggi membuat tim customer support, sales, dan ops kewalahan. Di artikel ini kita akan membahas cara membangun sistem email triage otomatis menggunakan n8n dan AI untuk meringkas (summarize), mengklasifikasikan, mengarahkan (route), dan membalas secara otomatis dengan mekanisme human approval. Tutorial ini praktis, modular, dan cocok untuk diterapkan pada bisnis skala kecil hingga menengah.

Kenapa perlu automasi triage email?

  • Skalabilitas: Menangani lonjakan email tanpa menambah staf.
  • Kecepatan respon: Ringkasan & balasan otomatis mempercepat waktu tanggap.
  • Konsistensi: Jawaban awal standar menjaga kualitas komunikasi.
  • Prioritisasi: Email penting (billing, incident) ditangani lebih cepat lewat routing dan scoring.

Arsitektur high-level

Arsitektur yang akan kita bangun sederhana tapi efektif:

  1. Input email via IMAP/Gmail node di n8n.
  2. Pembersihan & ekstraksi metadata (subject, body, attachments).
  3. Panggilan AI untuk summarization dan classification (intent, urgency, channel).
  4. Logika routing (Switch node) untuk mengarahkan ke tim yang tepat (Support, Billing, Sales, Engineering).
  5. Auto-reply template via AI + human approval untuk kasus-sensitif.
  6. Notifikasi ke Slack/Teams + tiket ke helpdesk (Zendesk/Freshdesk) jika diperlukan.

Komponen n8n dan integrasi yang dibutuhkan

  • n8n instance (self-host atau cloud)
  • Node IMAP/Gmail untuk fetch email
  • Node HTTP Request untuk panggilan API LLM (OpenAI/Hugging Face/Model lokal)
  • Function / Set / Switch / Wait node untuk logika
  • Integrasi Slack/Teams/GitHub/Helpdesk sesuai kebutuhan

Langkah-langkah implementasi

1. Ambil email dari inbox

Gunakan IMAP Email node atau Gmail node. Set polling interval mis. setiap 1 menit atau gunakan push webhook jika provider mendukung. Pastikan hanya memfetch unread untuk menghindari duplikasi.

2. Normalisasi & ekstraksi

Gunakan Function node untuk strip HTML, gabungkan body text, simpan attachment metadata, dan buat objek terstruktur:

{
  id: "email-123",
  from: "user@example.com",
  subject: "Keluhan tagihan bulan Januari",
  body: "...plain text cleaned...",
  attachments: [ ... ]
}

3. Panggil AI: Summarize + Classify

Panggilan ke LLM dilakukan menggunakan node HTTP Request. Contoh payload prompt:

System: Kamu adalah asisten triage email.
User: Berikut email pelanggan:
Subject: {subject}
Body: {body}

Tugas:
1) Berikan ringkasan 1-2 kalimat.
2) Tentukan intent: [billing, support, sales, technical, other].
3) Skor urgensi: [low, medium, high].
4) Rekomendasikan routing: [support, billing, engineering, sales].

Format jawaban: JSON.

Gunakan temperature rendah (0.0-0.2) untuk konsistensi. Jika menggunakan streaming, pastikan n8n mendukung handling streaming response.

4. Transformasi hasil AI & aturan bisnis

Parse JSON dari output LLM lalu jalankan Switch node berdasarkan recommend_routing dan urgency. Contoh aturan:

  • Jika routing=billing & urgency=high → Buat tiket priority di helpdesk + notifikasi Slack ke #finance
  • Jika routing=support & urgency=low → Auto-reply draft untuk approval (lihat langkah 5)
  • Jika attachments present & intent=technical → Kirim ke engineering queue

5. Auto-reply dengan mensch-in-the-loop (Approval)

Untuk many types of emails, kita ingin auto-reply tapi butuh approval singkat. Flow:

  1. Generate draft reply via LLM menggunakan prompt yang menyertakan ringkasan dan FAQ terkait.
  2. Post draft ke Slack channel khusus atau ke email approver (subject: "Approve reply: [email subject]").
  3. Tunggu aksi approver menggunakan Wait node (atau webhook callback dari Slack interactivity).
  4. Jika approved → send email via Gmail/Gateway.
  5. Jika rejected → send back to LLM dengan feedback untuk re-generate, atau assign ke human agent.

6. Logging & observability

Simpan setiap langkah (raw email, LLM output, decision, actions) ke database (Postgres/Mongo) atau to a logging pipeline. Tambahkan unique ID untuk traceability. Gunakan dashboards (Grafana/Metabase) untuk metrics: throughput, avg response time, auto-reply rate, false-positive routing rate.

Contoh prompt untuk reply generator

System: Kamu adalah assistant customer service profesional.
User: Buat balasan email singkat (3-5 kalimat) berdasarkan ringkasan dan FAQ perusahaan.
Email Summary: {summary}
Customer Name: {from_name}
Intent: {intent}
Urgency: {urgency}

Guidelines:
- Gunakan bahasa Indonesia formal.
- Sertakan langkah selanjutnya jika perlu (mis. link, attachment, waktu estimasi).
- Jangan menyertakan informasi sensitif.

Output: Hanya body email dalam bahasa Indonesia.

Tips prompt engineering & mitigasi risiko

  • Validasi schema: Selalu minta LLM untuk output JSON terstruktur jika ingin diparsing otomatis.
  • Safety filter: Jalankan cek regex untuk PII sebelum auto-reply (hindari leak data).
  • Fallback human: Jika confidence rendah atau intent ambiguous, direct ke human triage.
  • Rate limit & retry: Implement exponential backoff untuk panggilan LLM dan email provider.
  • Audit trail: Simpan prompt dan response (redact PII) untuk compliance dan debugging.

Contoh implementasi node flow (ringkas)

  1. IMAP Email → Function (clean) → HTTP Request (LLM classify/summarize)
  2. Function (parse LLM) → Switch (routing)
  3. Untuk auto-reply: HTTP Request (LLM generate reply) → Slack Post (approval) → Wait for Approval → Gmail Send
  4. Buat tiket bila rule terpenuhi → Save log → Notify

Checklist sebelum produksi

  • Konfigurasi credential secure (Vault/Secrets manager)
  • Testing dengan dataset email nyata (anonymize)
  • Monitoring: alert saat failure rate naik
  • Runbook: prosedur manual jika provider down
  • Privacy: pastikan retention & redaction sesuai regulasi

Kesimpulan

Dengan n8n + AI, Anda bisa membuat pipeline triage email yang cepat, konsisten, dan hemat biaya. Kunci sukses adalah kombinasi prompt yang tepat, aturan routing bisnis, dan mekanisme human-in-the-loop untuk menghindari kesalahan otomatis. Implementasi modular akan memudahkan iterasi: mulai dari classify & summarize, lalu tambahkan auto-reply, approval flow, dan integrasi helpdesk seiring kebutuhan.

Ingin template workflow n8n yang siap pakai? Di artikel berikutnya saya akan bagikan JSON export workflow n8n lengkap termasuk node config (IMAP, HTTP Request, Slack, Gmail) dan contoh prompt. Tinggalkan komentar jika mau versi GitHub ready-to-import.

Artikel terkait