n8n или Make: что выбрать для автоматизации бизнес-процессов

Самая частая причина переезда с одной платформы на другую — нехватка базовых функций, а резкий рост счетов при увеличении нагрузки. Чтобы сравнить будущие расходы, нужно понимать, что именно считает биллинг каждой системы. Нельзя напрямую приравнивать одну единицу тарификации Make к одному запуску сценария в n8n.

Как устроена тарификация в Make

По данным официальной страницы тарифов Make (проверено 2 ноября 2026 года на make.com/pricing), расчетной единицей платформы служат кредиты (credits). Бесплатный тариф Free включает 1000 кредитов в месяц. Конкретные суммы платных подписок зависят от выбранного пакета и на момент проверки в извлеченных данных не зафиксированы, но сама механика списания прозрачна:

• Большинство действий модулей внутри сценария расходует один кредит за операцию.
• Отдельные встроенные ИИ-функции могут списывать больше одного кредита за обращение.
• Исключения, не расходующие кредиты, — модуль маршрутизации (Router) и ряд стандартных обработчиков ошибок.

На практике это означает, что один запуск сценария в Make может списать и 3, и 50 кредитов — в зависимости от того, сколько шагов он проходит и сколько элементов обрабатывает в цикле.

Как считает нагрузку n8n

У n8n другая логика. Согласно официальной документации и прайс-листу платформы (проверено 2 ноября 2026 года на docs.n8n.io и n8n.io/pricing/), учет в облачной версии ведется по исполнениям сценариев (workflow executions):

• При годовой оплате тариф Starter стоит 20 евро в месяц (эквивалент помесячной стоимости при оплате за год) и включает 2500 исполнений workflow.
• Тариф Pro при годовой оплате обходится в 50 евро в месяц за 10 000 исполнений workflow.

В этой модели один запуск сценария из двадцати шагов с циклами и проверками спишет ровно одно исполнение. Кроме того, n8n распространяется по лицензии fair-code. Его нельзя безоговорочно называть свободным программным обеспечением (Open Source в строгом определении OSI), так как лицензия накладывает ограничения на коммерческое переиспользование самого продукта как сервиса. Однако компании имеют право легально развернуть версию для собственного размещения (self-hosted) на своих серверах и не платить вендору за каждое исполнение сценария — расходы смещаются в сторону аренды сервера и администрирования.

Для российских заказчиков обе облачные версии несут одинаковое ограничение: прямая оплата подписок зарубежным вендорам с российских банковских карт недоступна или требует привлечения платежных посредников с дополнительной комиссией. Доступность и условия оплаты облачных тарифов перед стартом проекта необходимо проверять отдельно.

Условный расчет расхода лимитов на одной задаче

Разберем разницу на условном учебном примере. Допустим, в интернет-магазин приходит 100 заказов в день (3000 заказов в месяц). Для каждого заказа сценарий должен выполнить 8 действий:

1. Принять вебхук с сайта.
2. Проверить наличие клиента в CRM.
3. Создать или обновить карточку контакта.
4. Записать сделку.
5. Проверить статус оплаты.
6. Отправить данные в учетную систему.
7. Сформировать уведомление менеджеру.
8. Отправить сообщение клиенту.

Посчитаем расход лимитов за месяц (3000 заказов):

• В Make: каждый из 8 модулей в цепочке расходует по 1 кредиту. Один заказ = 8 кредитов. За месяц сценарий потребует 3000 × 8 = 24 000 кредитов. Бесплатного лимита в 1000 кредитов хватит лишь на 125 таких заказов.Если же внутри заказа нужно перебрать массив из 10 товарных позиций отдельным модулем, расход вырастет еще сильнее.
• В n8n: весь сценарий из 8 шагов считается за один запуск. За месяц потребуется 3000 исполнений workflow. В облачной версии это немного превышает младший годовой тариф Starter (2500 исполнений), но с большим запасом укладывается в тариф Pro (10 000 исполнений), даже если внутри сценария появится перебор массива из 50 товаров. На собственном сервере лимит будет ограничен только вычислительной мощностью виртуальной машины.

Второй водораздел между платформами — место обработки и хранения данных.

Make работает исключительно как облачный SaaS-сервис. Все данные, которые проходят через сценарии — телефоны клиентов, тексты переписок, суммы договоров, файлы счетов — транзитом передаются через зарубежные серверы платформы.

n8n позволяет выбрать архитектурный вариант под требования службы безопасности компании: можно использовать облако вендора, а можно установить платформу на российский VPS или во внутренний закрытый контур предприятия.

При этом важно избегать распространенного заблуждения: установка n8n на локальный сервер сама по себе не обеспечивает автоматического соблюдения Федерального закона № 152-ФЗ «О персональных данных».

Во-первых, соблюдение закона требует целого комплекса организационных и технических мер: от правильного оформления согласий и политик обработки до настройки прав доступа, логирования и аттестации инфраструктуры. Во-вторых, если локальный n8n в ходе сценария отправляет анкеты клиентов или записи звонков во внешний зарубежный сервис (например, в иностранную LLM или облачную таблицу), происходит трансграничная передача данных.

Отдельного внимания заслуживает автоматизация кадровых и клиентских процессов. Согласно статье 16 Федерального закона от 27.07.2006 № 152-ФЗ (проверено по официальной публикации текста закона на rosguard.gov.ru), запрещается принятие на основании исключительно автоматизированной обработки персональных данных решений, которые порождают юридические последствия в отношении субъекта персональных данных или иным образом затрагивают его права и законные интересы (за исключением случаев, прямо предусмотренных законом).

Это не означает полного запрета на любую предварительную сортировку заявок или ранжирование резюме с помощью сценариев n8n и ИИ. Однако сценарий не должен самостоятельно принимать финальное юридически значимое решение (например, об отказе в приеме на работу или блокировке договора) без участия человека. Правовую допустимость каждого конкретного HR- или скорингового процесса и актуальные редакции нормативных актов обязательно должен проверять профильный юрист компании.

Готовые каталоги интеграций в Make и n8n насчитывают сотни коннекторов, но подавляющее большинство из них создано для глобальных сервисов: Slack, HubSpot, Salesforce, Stripe, Airtable. Когда российскому бизнесу требуется связать с автоматизацией учетную базу 1С, корпоративный мессенджер или локальные сервисы распознавания, полагаться на готовые иконки в каталоге не стоит.

Как на практике подключают 1С

Ни Make, ни n8n не дают универсальной «кнопки», которая без настройки подключит любую конфигурацию 1С к внешним сервисам или нейросетям. Интеграция строится на уровне прикладного программирования.

Как указано в официальной документации платформы «1С:Предприятие 8» (проверено 2 ноября 2026 года на v8.1c.ru/platforma/http-servisy/), система поддерживает создание произвольных HTTP-сервисов. Разработчик 1С задает шаблоны URL, настраивает обработчики HTTP-методов (GET, POST и др.) и управляет заголовками, телом запроса и кодом ответа. Это позволяет реализовать ограниченный прикладной API под конкретную задачу — например, выгрузку статуса счета или прием заявки с сайта.

Здесь проявляется архитектурное преимущество self-hosted версии n8n:

• Чтобы облачный Make обратился к базе 1С, расположенной внутри корпоративной сети, базу придется публиковать во внешний интернет (настраивать проброс портов, обратный прокси, защищать внешний периметр).
• Сервер с n8n можно разместить в одной локальной сети или VPN-контуре с сервером 1С. Обмен данными по HTTP будет происходить внутри закрытого периметра без публикации учетной системы наружу.

Также при проектировании сценариев важно разделять задачи внешней автоматизации и штатные механизмы самой учетной системы. Например, официальный каталог 1С (solutions.1c.ru/catalog/buhv8/digital) и документация сервиса «1С:Распознавание первичных документов» (v8.1c.ru/its/services/1s-raspoznavanie-pervichnykh-dokumentov/) описывают готовый внутренний инструмент для обработки счетов, накладных ТОРГ-12, актов, счетов-фактур, УПД, УКД и кассовых чеков. Документы загружаются, распознаются и после обязательной проверки человеком проводятся в базе. Пытаться заменить этот штатный процесс самописным сценарием в Make или n8n с отправкой сканов в стороннюю языковую модель нерационально: готовый сервис внутри 1С уже знает структуру учетных документов, а привязка внешней LLM потребует сложной разработки и всё равно не избавит бухгалтера от финальной сверки данных.

Подключение российских мессенджеров на примере MAX

При работе с отечественными коммуникационными платформами важно учитывать их собственные правила безопасности и юридической верификации, которые отличаются от привычного Telegram.

Например, по официальной инструкции платформы MAX (проверено 2 ноября 2026 года на dev.max.ru/docs/chatbots/bots-create/create), нельзя просто сгенерировать бота анонимной командой по аналогии с Telegram BotFather. Процедура требует:

1. Подключения к платформе партнеров.
2. Обязательной верификации профиля организации, индивидуального предпринимателя либо самозанятого, которые являются резидентами РФ.
3. Соблюдения лимитов: организации и ИП могут создать до 5 ботов, самозанятые — до 2 ботов.

После получения токена через веб-платформу или мини-приложение «MAX для бизнеса» работа со сценариями в n8n или Make идет через стандартные HTTP-запросы и вебхуки. В n8n такие нестандартные интеграции часто удобнее поддерживать за счет полноценных узлов написания кода (JavaScript и Python), где проще описать логику авторизации, подписи запросов и обработки специфических ошибок API.

Согласно официальной документации (docs.n8n.io), современная платформа n8n изначально проектируется как инструмент, совмещающий классическую автоматизацию процессов и специализированные функции ИИ (узлы для работы с агентами, памятью диалогов, векторными базами и цепочками промптов). В Make также можно вызывать языковые модели через модули или HTTP-запросы, но при построении сложных цепочек с циклами и обращением к корпоративным базам знаний архитектура n8n оказывается гибче и экономнее по лимитам.

Если вы выбираете платформу с прицелом на внедрение ИИ-ассистентов, учитывайте, как именно будут работать и тарифицироваться подключенные сервисы. Подробнее о проектировании таких систем мы рассказываем на странице услуги по автоматизации бизнеса и внедрению ИИ.

Подключение российских языковых моделей (YandexGPT и GigaChat)

Когда сценарий в n8n или Make обрабатывает обращения клиентов или внутренние документы, сама платформа автоматизации выступает лишь оркестратором (передает текст по API и забирает ответ). Оплата генерации идет напрямую провайдеру модели сверх стоимости подписки на n8n или Make.

Yandex AI Studio. По официальной документации (aistudio.yandex.ru/ru/docs/, проверено 2 ноября 2026 года), платформа предоставляет доступ к генеративным моделям, эмбеддингам, инструментам поиска по собственным данным и MCP Hub, а также позволяет управлять правилами хранения данных и отключения логирования. Согласно прайс-листу синхронного режима (aistudio.yandex.ru/ru/docs/ai-studio/pricing, проверено 2 ноября 2026 года, цены в рублях с НДС за 1000 токенов):

• Alice AI LLM Flash: вход — 0,1 ₽, выход — 0,2 ₽.
• YandexGPT Lite: вход — 0,2 ₽, выход — 0,2 ₽.
• YandexGPT Pro 5.1: вход — 0,8 ₽, выход — 0,8 ₽ (это конкретный проверенный тариф для данной версии; цены входа и выхода всегда считаются раздельно, а для кеширования и встроенных инструментов действуют отдельные правила).

Условный пример расчета: если сценарий в n8n за месяц отправляет в YandexGPT Lite суммарно 1 млн входных токенов (тексты писем и инструкции) и получает 200 тыс. выходных токенов (краткие резюме), затраты именно на генерацию составят: (1000 × 0,2 ₽) + (200 × 0,2 ₽) = 200 + 40 = 240 ₽ с НДС (без учета стоимости сервера n8n и сопутствующих сервисов).

GigaChat API. Согласно документации Сбера (developers.sber.ru/docs/ru/gigachat/guides/main, проверено 2 ноября 2026 года), API поддерживает работу с текстом, файлами, изображениями, вызов функций (function calling), эмбеддинги и возврат структурированных данных. При расчете бюджета важно учитывать изменение правил тарификации (по данным developers.sber.ru/docs/ru/gigachat/tariffs/legal-tariffs, проверено 2 ноября 2026 года, обновление страницы от 7 октября):

• Для новых клиентов (подключение с 1 сентября 2026 года) оплата производится через платформу cloud.ru — актуальные тарифы для новых подключений необходимо запрашивать непосредственно у cloud.ru, автоматически переносить на них старые расценки нельзя.
• Для действующих клиентов «СалютДевайсы» / «Салют для Бизнеса» в синхронном режиме pay-as-you-go действуют тарифы за 1000 токенов с НДС: GigaChat Lite — 0,065 ₽, GigaChat Pro — 0,5 ₽, GigaChat Max — 0,65 ₽ (при фактическом использовании минимальная сумма составляет 600 ₽ в месяц; если запросов не было, плата не взимается).

Корпоративные базы знаний (RAG) и протокол MCP

Для ответов по внутренним регламентам к n8n обычно подключают векторную базу данных, например Qdrant. Как указано в документации Qdrant (qdrant.tech/documentation/), система разделяет хранение векторов, полезной нагрузки (payload), коллекций и индексов, позволяя сочетать векторный поиск с фильтрацией по метаданным и полнотекстовым поиском (гибридный поиск). В n8n работа с коллекциями Qdrant и нарезка документов на фрагменты легко собираются в единый пайплайн. При этом важно помнить техническое ограничение: само по себе нахождение близкого по смыслу вектора и использование архитектуры RAG снижают риск галлюцинаций модели, но не гарантируют стопроцентной фактической правильности ответа — для критичных бизнес-процессов требуется дополнительная верификация.

Также при связке ИИ-агентов с внешними системами всё чаще упоминают Model Context Protocol (MCP). По документации modelcontextprotocol.io/docs/learn/architecture (проверено 2 ноября 2026 года), архитектура MCP связывает хост (host), клиент (client) и сервер (server), который предоставляет инструменты (tools), ресурсы (resources) и шаблоны промптов через транспорт stdio или Streamable HTTP. Важно понимать, что сам по себе стандарт MCP не создает волшебным образом готовую интеграцию с вашей CRM или 1С: инженерам всё так же нужно написать реализацию MCP-сервера, настроить права доступа и запрограммировать методы в прикладной системе.

Обработка звонков и речевая аналитика

Еще один популярный сценарий автоматизации — забирать записи звонков из телефонии, переводить их в текст и анализировать работу менеджеров. В n8n такие многоступенчатые конвейеры делать значительно выгоднее, чем в Make, так как опрос статуса асинхронной задачи (polling) в Make быстро сжигает пакет кредитов.

При проектировании такого сценария нужно четко различать простую транскрибацию и готовую платформу речевой аналитики:

1. Построение собственного конвейера через Yandex SpeechKit. По документации сервиса (aistudio.yandex.ru/ru/docs/speechkit/stt/, проверено 2 ноября 2026 года), синхронный режим рассчитан на короткие одноканальные фрагменты до 30 секунд, а для реальных телефонных переговоров используется асинхронное распознавание (поддерживает многоканальные записи длительностью до 4 часов). Согласно тарифам (aistudio.yandex.ru/ru/docs/speechkit/pricing, проверено 3 ноября 2026 года, с НДС):

   • Синхронное и потоковое распознавание стоит 0,1626 ₽ за 15 секунд одноканального аудио (с округлением вверх до 15 секунд).
   • Стандартное асинхронное распознавание — 0,1515 ₽ за 15 секунд двухканального аудио (минимум 15 секунд, далее тарификация посекундно; нечетное число каналов округляется вверх до четного).
   • Отложенное асинхронное распознавание — 0,0381 ₽ за 15 секунд по аналогичным правилам.

   Условный пример расчета: если сценарий в n8n за месяц отправляет на стандартное асинхронное распознавание 1000 двухканальных записей звонков длительностью по 300 секунд (5 минут) каждая, стоимость перевода речи в текст составит: 1000 × (300 / 15) × 0,1515 ₽ = 3030 ₽ с НДС. Но это плата только за получение сырого текста. Чтобы сделать выводы о работе оператора или причинах отказа клиента, в сценарий n8n нужно добавить шаг обращения к LLM, настроить хранение данных, интеграцию с CRM и отдельную проверку качества (сама расшифровка или ключевые слова не являются безусловным доказательством вины сотрудника или эмоций клиента).

2. Использование специализированного продукта Yandex SpeechSense. Если компания не хочет собирать и поддерживать аналитический пайплайн в n8n самостоятельно, существует готовое решение для контактных центров (aistudio.yandex.ru/ru/docs/speechsense/). Оно объединяет распознавание, статистику диалога, поиск ключевых слов и формирование резюме с помощью YandexGPT Pro. Тарифы здесь пакетные (aistudio.yandex.ru/ru/docs/speechsense/pricing, проверено 3 ноября 2026 года, с НДС за календарный месяц): Basic — 10 000 минут за 45 000 ₽, Standard — 30 000 минут за 90 000 ₽, Advanced — 100 000 минут за 260 000 ₽ (включают рабочие места DataLens и консультации; при этом обработка AI-ассистентом распространяется на часть записей согласно условиям выбранного пакета). Сравнивать цену такого комплексного продукта напрямую со стоимостью голой транскрибации в SpeechKit некорректно.

Чтобы свести ключевые различия в единую картину, сравним обе платформы по рабочим критериям, важным для российского заказчика.

Публичный опыт крупных российских компаний подтверждает важный инженерный принцип: успешная автоматизация всегда развивается от жесткой детерминированной логики к точечному подключению ИИ, а не наоборот.

1. Поэтапное усложнение процессов. В сообщении компании СберТех от 23 сентября 2026 года (sbertech.ru) описано внедрение в Сбере мультиагентной обработки клиентских обращений на базе Platform V Flow и GigaChat. Примечательна последовательность шагов, о которой сообщает поставщик решения: сначала компания заменила CRM и автоматизировала базовые процессы с четкой детерминированной логикой, и только с 2025 года надстроила над ними языковые модели для разбора обращений в свободной текстовой форме. Этот принцип напрямую применим к выбору между Make и n8n: сначала в оркестраторе выстраиваются надежные маршруты данных, проверки статусов и обработка ошибок, и лишь затем в конкретные узлы добавляется вызов LLM.
2. Узкая специализация на старте (MVP). В более раннем техническом рассказе команды Сбера на Хабре от 26 июня 2024 года ([habr.com/ru/companies/sberbank/articles/824696/](https://habr.com/ru/companies/sberbank/articles/824696/)) разбиралось создание тренажера для клиентских менеджеров: записи разговоров переводились в текст через SaluteSpeech, после чего анализировались с помощью GigaChat. Чтобы система давала практическую пользу, на этапе MVP задачу сознательно сузили до одного конкретного сценария — отработки возражений — и тщательно сравнивали разные подходы к промптам.

Попытка сразу собрать в Make или n8n «универсального агента, который сам управляет всей компанией», почти всегда заканчивается непредсказуемыми ошибками и перерасходом бюджета.

При переходе на собственную инсталляцию n8n иллюзия «бесплатности» платформы иногда приводит к ошибкам в смете. Вы не платите вендору за лицензию на старте, но берете на себя затраты на серверную инфраструктуру, внешние API и работу инженеров.

Когда нужен обычный сервер, а когда — сервер с GPU

Для самой платформы n8n, даже при тысячах запусков сценариев в сутки, видеокарта (GPU) не нужна — достаточно стандартного виртуального сервера (VPS) с обычным процессором и оперативной памятью, который обходится в несколько сотен или пару тысяч рублей в месяц.

Аренда серверов с GPU требуется только в том случае, если служба безопасности запрещает передавать данные даже в российские облачные API (YandexGPT, GigaChat) и требует развернуть локальную языковую модель внутри собственного контура компании (например, с помощью открытого движка llama.cpp, написанного на C/C++).

Здесь расходы возрастают кратно:

• Оценка видеопамяти. По предварительной математической формуле объем памяти только под веса модели равен: число параметров × число бит квантования / 8. Например, для модели на 8 млрд параметров в 4-битном квантовании сами веса займут 8 млрд × 4 / 8 = 4 млрд байт (около 3,73 GiB). Но в реальности видеопамяти потребуется заметно больше за счет KV-кеша контекста, служебных буферов и накладных расходов (а для моделей архитектуры MoE в память должны помещаться все веса, а не только активные параметры). Топовые потребительские карты вроде GeForce RTX 5090 имеют 32 GB памяти GDDR7 (по спецификации nvidia.com), но и этого хватит лишь для средних по размеру моделей.
• Стоимость аренды GPU в РФ. По публичным стартовым предложениям хостинг-провайдера FirstVDS (проверено 2 ноября 2026 года на firstvds.ru/products/vps-vds-gpu), аренда виртуального GPU (vGPU L40S) начинается от 299 ₽ в сутки, а выделенной видеокарты (GPU Passthrough линейки L4 / RTX 4090 / RTX 5090 / L40S) — от 1150 ₽ в сутки (нижние границы цен для разных классов услуг; бесплатного теста нет, минимальный срок — 1 сутки). В условном пересчете на 30 суток при неизменной посуточной ставке это дает от 8970 ₽ до 34 500 ₽ и выше ежемесячно только за сервер под модель — при том что для рядовых задач облачный API обошелся бы в несколько сотен рублей.

Сколько стоит разработка под ключ на рынке

Если в штате нет профильных инженеров, компании привлекают интеграторов. Для ориентира по рыночным предложениям сторонних подрядчиков: по данным публичного прайс-листа компании Goose AI (проверено 2 ноября 2026 года на gooseai.ru/ceny/), стоимость внедрения готового ИИ-агента из каталога составляет 150 000–300 000 рублей (в эту сумму подрядчик включает настройку сценариев, интеграции и тестирование). Это предложение конкретного игрока рынка, а не среднерыночный стандарт и не прайс нашей редакции.

Чтобы вы могли прозрачно оценить проект до старта работ, мы свели все составляющие сметы в единую таблицу. Ознакомиться с подходом нашей команды к оценке проектов можно на странице стоимости внедрения.

Обе платформы решают задачу связки разрозненных сервисов, но делают это для разных стадий зрелости процессов в компании.

Выбирайте Make, если:

• Вам нужно за один-два дня проверить маркетинговую гипотезу или собрать простой конвейер (например, пересылку лидов из рекламных форм в облачную CRM и отправку уведомлений).
• Через сценарии не проходят чувствительные персональные данные, коммерческая тайна или внутренние документы, требующие хранения строго в российском контуре.
• В вашей команде нет разработчиков или системных администраторов, готовых поддерживать Linux-сервер, а объем операций небольшой и предсказуемо укладывается в стартовые пакеты кредитов.
• У вашей компании есть рабочий и юридически прозрачный способ оплачивать зарубежные облачные сервисы.

Выбирайте n8n, если:

• Вы строите долгосрочную инфраструктуру автоматизации с большим числом шагов, ветвлений, расписаний и обработкой объемных массивов данных.
• Требуется развернуть систему на российском сервере или в закрытой локальной сети предприятия, чтобы безопасно обмениваться данными с 1С и внутренними базами без их публикации в открытый интернет.
• Вы планируете активно внедрять ИИ-агентов, подключать векторные базы знаний (например, Qdrant), обрабатывать длинные аудиозаписи звонков и комбинировать визуальные узлы с собственным кодом на JavaScript или Python.
• Вы хотите избавиться от зависимости от зарубежного биллинга и зафиксировать расходы на уровне аренды собственного виртуального сервера и российских API.

---

Нужна помощь с внедрением?

Если вы хотите перенести существующие сценарии из Make на собственный сервер с n8n, связать автоматизацию с 1С, CRM и российскими языковыми моделями без риска для безопасности данных — изучите возможности нашей команды на странице услуги по автоматизации бизнеса. Мы поможем рассчитать нагрузку, выбрать правильную архитектуру и настроить стабильно работающие процессы.