Jokainen case sisältää ongelman kuvauksen, ratkaisun, käytetyt työkalut, teknisen toteutuksen ja konkreettiset tulokset euroissa ja tunneissa.
4 case-esimerkkiä
Myynti & CRM · B2B-ohjelmistoyhtiö · SaaS-yritys, 25 henkilöä
Myyntitiimi käytti 40 % ajastaan liidien manuaaliseen arviointiin. Verkkosivujen lomakkeista tuli päivittäin 50–80 liidiä, joista vain 15 % oli oikeasti ostohalukkaita. Myyjät soittivat satunnaisessa järjestyksessä, jolloin kuumat liidit jäivät usein liian pitkäksi aikaa ilman kontaktia.
Rakensimme N8N-työnkulun, joka pisteyttää jokaisen liidin automaattisesti. Järjestelmä analysoi verkkosivukäyttäytymistä (katselut, lataukset, aika sivustolla), yritystietoja Finder.fi:stä ja aiempaa vuorovaikutusta CRM:ssä. AI-malli (GPT-4) tekee lopullisen pisteytyksen 1–100 asteikolla.
N8N webhook vastaanottaa HubSpotin lomake-eventin → rikastaa yritystiedot Finder.fi-API:lla (liikevaihto, henkilöstö, toimiala) → hakee kontaktin aiemman HubSpot-historian → GPT-4 pisteyttää kokonaisuuden → päivittää HubSpot lead score -kentän → lähettää Slack-notifikaation myyjälle jos pistemäärä > 70.
Myynti & CRM · Konsultointiala · IT-konsulttiyritys, 15 henkilöä
Tarjousten laatiminen vei myyjiltä keskimäärin 2–4 tuntia per tarjous. Jokainen tarjous koottiin manuaalisesti Word-pohjaan, kopioitiin CRM:stä asiakastiedot ja räätälöitiin palvelukuvaukset. Viikossa tehtiin 8–12 tarjousta, mikä kuormitti erityisesti kahta seniori-myyjää.
Make.com-automaatio generoi tarjouksen automaattisesti Pipedrive-diilin perusteella. AI analysoi asiakkaan toimialan, tarpeet (CRM-muistiinpanoista) ja aiemmat tarjoukset, ja luo räätälöidyn tarjouksen PDF-muodossa asiakkaan brändiin sopivalla pohjalla.
Pipedrive-diili siirtyy 'Tarjous'-vaiheeseen → Make.com webhook laukeaa → hakee diilin tiedot, yhteyshenkilön, yrityksen ja muistiinpanot → GPT-4 generoi tarjoustekstin → Google Docs API luo dokumentin yrityksen pohjalle → PDF-konversio → DocuSign-allekirjoituspyyntö lähetetään automaattisesti.
Myynti & CRM · B2B-myynti · Teollisuuden komponenttimyyjä, 40 henkilöä
Salesforcen data rappeutui nopeasti: yhteystiedot vanhenivat, yritystiedot puuttuivat, duplikaatteja syntyi jatkuvasti. Myyntitiimi ei luottanut dataan, joten monet eivät päivittäneet CRM:ää ollenkaan. Tämä johti menetettyihin myyntimahdollisuuksiin ja päällekkäisiin yhteydenottoihin.
N8N-automaatio tarkistaa ja rikastaa CRM-datan viikoittain. Järjestelmä etsii puuttuvat tiedot julkisista rekistereistä (PRH, YTJ), tunnistaa ja yhdistää duplikaatit AI:n avulla, ja merkitsee vanhentuneet yhteystiedot tarkistettaviksi.
Viikoittainen N8N cron-ajo → käy läpi Salesforce-kontaktit ja -yritykset → etsii puuttuvat tiedot YTJ:stä (liikevaihto, osoite, toimiala) → GPT-4 tunnistaa todennäköiset duplikaatit nimien ja osoitteiden perusteella → automaattinen yhdistäminen tai merkintä manuaaliseen tarkistukseen → raportti Slackiin.
Myynti & CRM · Asiantuntijapalvelut · Tilitoimisto joka myy lisäpalveluja, 20 henkilöä
Myynti perustui pääosin suosituksiin ja satunnaisiin yhteydenottoihin. Follow-up unohtui usein: 40 % liideistä ei saanut koskaan toista kontaktia. Ei systemaattista nurturing-prosessia eikä datan keräämistä siitä, mikä toimii.
HubSpot + Make.com -automaatio luo systemaattisen myyntiputken. Jokaiselle liidivaiheelle on automaattiset toimenpiteet: sähköpostisarjat, muistutukset myyjälle, ja AI-generoidut personoidut viestit.
HubSpot-kontakti siirtyy vaiheeseen → Make.com laukeaa → vaihekohtainen toimenpide: 1) Uusi liidi: tervetulosähköposti + Calendly-linkki 2) Ei vastausta 3 pv: GPT-4 generoi personoidun follow-upin kontekstin perusteella 3) Tapaaminen pidetty: automaattinen tarjous 4) Tarjous lähetetty: follow-up 5 pv 5) Hävitty diili: palautekysely + 3 kk:n nurturing-sarja.
3 case-esimerkkiä
Taloushallinto · Rakennusala · Rakennusliike, 60 henkilöä
Kirjanpitäjä käsitteli päivittäin 30–50 ostolaskua manuaalisesti. Jokainen lasku piti avata, tarkistaa toimittaja, tiliöidä oikeille kustannuspaikoille ja lähettää hyväksyttäväksi. Virheitä syntyi erityisesti kustannuspaikkakohdistuksessa, ja laskut myöhästyivät usein hyväksyntäkierroksilla.
Zapier + AI -automaatio lukee ostolaskut Procountorista, AI tunnistaa toimittajan ja laskun tyypin, ehdottaa tiliöintiä historiaan perustuen ja reitittää hyväksyttäväksi oikealle henkilölle kustannuspaikan perusteella.
Procountorin API:sta haetaan uudet ostolaskut → Zapier lähettää laskun tiedot (toimittaja, summa, viite) GPT-4:lle → AI ehdottaa tiliöintiä aiempien vastaavien laskujen perusteella → automaattinen kustannuspaikkakohdistus → Slack-viesti hyväksyjälle approve/reject-napeilla → hyväksynnän jälkeen Procountor päivitetään.
Taloushallinto · Tilitoimisto · Tilitoimisto, 12 henkilöä, 80 asiakasyritystä
Kuukausittainen täsmäytys 80 asiakasyritykselle vei tilitoimistossa 3 työpäivää. Pankkitilien, myyntireskontran ja ostoreskontran täsmäytys tehtiin pääosin manuaalisesti Netvisorissa. Virheet huomattiin usein vasta kuukausia myöhemmin.
N8N-automaatio tekee päivittäisen täsmäytyksen automaattisesti jokaiselle asiakkaalle. Järjestelmä vertaa pankkitilitapahtumia kirjanpitoon, tunnistaa erot ja generoi raportin poikkeavuuksista.
N8N päivittäinen cron → Netvisor API: haetaan pankkitapahtumat, myyntireskontra, ostoreskontra → vertailu ja täsmäytys → GPT-4 analysoi poikkeavuudet ja ehdottaa korjauksia → Google Sheets -raportti → email-notifikaatio kirjanpitäjälle kun poikkeavuuksia löytyy.
Taloushallinto · Konsultointi · Konsulttitalo, 35 henkilöä, paljon matkakuluja
Matka- ja kulukorvaukset aiheuttivat jatkuvaa manuaalista työtä. Työntekijät lähettivät kuitteja sähköpostilla, Excel-taulukoilla tai jopa WhatsApp-kuvina. Taloushallinto keräili kuluja eri lähteistä, tarkisti kuitit, syötti Vismaan ja lähetti hyväksyttäväksi. Prosessi kesti 2–3 viikkoa.
Zapier-automaatio ja AI käsittelevät kulukorvaukset alusta loppuun. Työntekijä ottaa kuitista kuvan → AI lukee ja luokittelee → automaattinen hyväksyntä esimieheltä → kirjaus Vismaan.
Työntekijä lataa kuittikuvan Slack-botille tai Google Drive -kansioon → Zapier: GPT-4 Vision lukee kuitin (summa, päivä, toimittaja, kategoria) → automaattinen luokittelu (matka, majoitus, ruoka, tarvike) → Slack-viesti esimiehelle hyväksyntänapeilla → hyväksynnän jälkeen → Visma: automaattinen kirjaus oikealle kustannuspaikalle → työntekijälle kuittaus.
3 case-esimerkkiä
Markkinointi · Vähittäiskauppa · Lifestyle-brändi, verkkokauppa + 3 myymälää
Markkinointitiimi (2 henkilöä) joutui tuottamaan sisältöä 4 kanavaan (Instagram, Facebook, LinkedIn, TikTok) päivittäin. Sisällön suunnittelu, tekstien kirjoittaminen, kuvien muokkaus ja ajastaminen veivät 3–4 tuntia päivässä. Silti julkaisut olivat usein myöhässä tai laadultaan epätasaisia.
Make.com-automaatio generoi viikottaisen sisältökalenterin AI:n avulla. Järjestelmä luo kanavaspesifiset tekstit, ehdottaa kuvia tuotevalikoimasta ja ajastaa julkaisut optimaalisiin ajankohtiin engagement-datan perusteella.
Viikoittain Make.com cron → hakee tulevat kampanjat ja tuotelanseeraukset Google Sheetsistä → GPT-4 generoi kanavaspesifiset tekstit (IG: lyhyt + hashtagit, LI: asiantunteva, FB: keskusteleva) → Canva API generoi kuvat tuotepohjista → Buffer API ajastaa julkaisut → viikkoraportti engagement-luvuista.
Markkinointi · Digitaalinen markkinointi · Markkinointitoimisto, 8 henkilöä, 25 asiakasta
Jokaiselle asiakkaalle koottiin kuukausittainen kampanjaraportti manuaalisesti. Data haettiin Google Adsista, Meta Ads Managerista, Google Analyticsista ja CRM:stä. Yhden raportin kokoaminen vei 2–3 tuntia. 25 asiakkaan raportointiin meni siis lähes koko viikko.
N8N kerää kaikkien asiakkaiden kampanjadatan automaattisesti, AI tekee analyysin ja suositukset, ja generoi visuaalisesti näyttävän PDF-raportin. Raportti lähetetään asiakkaalle automaattisesti kuukauden alussa.
N8N kuukauden 1. päivä → hakee jokaisen asiakkaan kampanjadatan (Google Ads, Meta Ads, GA4) → GPT-4 analysoi trendit, poikkeavuudet ja generoi suositukset → Google Slides API luo raportin asiakaskohtaiseen pohjaan → PDF-konversio → Gmail lähettää asiakkaalle.
Markkinointi · B2B-palvelut · SaaS-yritys, freemium-malli
Free trial -käyttäjistä vain 3 % konvertoitui maksaviksi asiakkaiksi. Ei ollut systemaattista nurturing-prosessia: käyttäjät kokeilivat tuotetta, eivät löytäneet arvoa ja lähtivät. Myynti ei tiennyt ketkä olivat aktiivisia ja ketkä passiivisia.
ActiveCampaign + N8N -automaatio seuraa jokaisen trial-käyttäjän aktiivisuutta ja lähettää personoidun sähköpostisarjan käyttäytymisen perusteella. AI analysoi, mikä ominaisuus kiinnostaa kutakin käyttäjää, ja räätälöi viestit sen mukaan.
Mixpanel-eventti (käyttäjän aktiviteetti) → N8N analysoi käyttäytymismallin → GPT-4 valitsee oikean sähköpostisisällön 8 vaihtoehdosta → ActiveCampaign lähettää → inaktiivinen 3 pv: 'Tarvitsetko apua?'-viesti → aktiivinen power user: 'Tässä premium-ominaisuudet'-viesti → 7 pv ennen trial-loppua: tarjous → Slack: myyjälle ilmoitus kun trial-käyttäjä on erittäin aktiivinen.
2 case-esimerkkiä
HR · Teknologia · Kasvava ohjelmistoyritys, 80 henkilöä
HR-tiimi (2 henkilöä) käsitteli kuukausittain 200–300 hakemusta 5–8 avoimeen paikkaan. CV:iden lukeminen, alkukarsinnan tekeminen, haastattelukutsujen lähettäminen ja aikataulujen sovittaminen veivät valtavasti aikaa. Hyvät hakijat menivät kilpailijoille, koska prosessi oli hidas.
Make.com-automaatio käsittelee hakemukset automaattisesti. AI arvioi CV:n sopivuuden tehtävänkuvaukseen, pisteyttää hakijat ja lähettää jatkoon pääseville automaattisen haastattelukutsun kalenterilinkin kanssa.
Teamtailor-webhook uudesta hakemuksesta → Make.com hakee CV:n ja hakemustekstin → GPT-4 arvioi sopivuuden tehtävänkuvaukseen (0–100) → yli 65 pistettä: automaattinen haastattelukutsu Google Calendar -linkin kanssa → HR saa Slack-ilmoituksen → alle 40: automaattinen kohtelias hylkäysviesti.
HR · Palveluala · Henkilöstöpalveluyritys, 120 henkilöä
Uuden työntekijän perehdytys vaati 15–20 manuaalista vaihetta: käyttäjätunnusten luonti, laitteiden tilaus, perehdytysmateriaalien lähetys, kalenterikutsujen luonti, IT-tikettien avaus jne. HR-koordinaattori käytti 4–6 tuntia per uusi työntekijä, ja vaiheita unohtui säännöllisesti.
Zapier-automaatio käynnistää koko onboarding-ketjun, kun uusi työsopimus allekirjoitetaan. Kaikki 18 vaihetta tapahtuvat automaattisesti oikeassa järjestyksessä oikeaan aikaan.
BambooHR-webhook (uusi työsuhde) → Zapier käynnistää 18-vaiheisen ketjun: Google Workspace -tunnus → Slack-kutsu → Trello-perehdytyskortti aikataulutetuin tehtävin → Gmail-tervetuloviesti perehdytyslinkkeineen → kalenteri: 1. päivän ohjelma, viikon perehdytyspalaverit → IT-tiketti laitetilaukseen → 30/60/90 päivän check-in-muistutukset esimiehelle.
2 case-esimerkkiä
Asiakaspalvelu · Vakuutusala · Vakuutusyhtiö, keskisuuri
Asiakaspalvelu vastaanotti päivittäin 400–600 sähköpostia. Manuaalinen luokittelu ja oikealle tiimille ohjaaminen vei 2 henkilön koko työpäivän. Kiireelliset asiat (vahingot, reklamaatiot) hukkuivat rutiinikysymysten sekaan, ja vasteajat venyivät.
N8N + AI -automaatio lukee jokaisen saapuvan sähköpostin, luokittelee sen 12 kategoriaan, tunnistaa kiireellisyyden ja reitittää oikealle tiimille. Rutiineihin (osoitteenmuutos, laskukopio) AI vastaa suoraan.
N8N monitoroi asiakaspalvelu-postilaatikkoa → uusi sähköposti → GPT-4 analysoi: kategoria (12 vaihtoehtoa), kiireellisyys (1–5), sentimentti, tiivistelmä → Zendesk-tiketti automaattisesti oikeaan jonoon → kiireellisyys 5: Slack-hälytys tiimipäällikölle → rutiiniasiat (osoitteenmuutos, laskukopio): AI generoi vastauksen, agentti tarkistaa ja lähettää yhdellä klikilla.
Asiakaspalvelu · Telecom / Viestintä · Viestintäpalveluyritys (toteutettu Cuuma Communications:ille)
Puhelinpalvelun ruuhka-ajat aiheuttivat pitkiä jonotusaikoja. Yksinkertaiset tiedustelut (aukioloajat, hintatiedot, tilauksen status) kuormittivat asiakaspalvelijoita, vaikka vastaukset olivat suoraviivaisia. Asiakastyytyväisyys laski jonotuksen vuoksi.
ElevenLabs AI -puheagentti vastaa puheluihin luonnollisella suomen kielellä. Agentti käsittelee rutiinipuhelut itsenäisesti ja siirtää monimutkaiset asiat ihmisagentille kontekstin kera.
Puhelu saapuu → Cuuma-järjestelmä ohjaa AI-agentille → ElevenLabs speech-to-text → GPT-4 ymmärtää kysymyksen → hakee tiedon CRM:stä/tietokannasta → ElevenLabs text-to-speech vastaa luonnollisesti → tarvittaessa siirto ihmisagentille täydellisen kontekstin kera (tiivistelmä, asiakkaan tunnetila, historia).
Toteutettu yhteistyössä Cuuma Communications:in kanssa
3 case-esimerkkiä
Verkkokauppa · Verkkokauppa · Kuluttajatuotteiden verkkokauppa, Shopify-pohjainen
Verkkokaupasta tuli päivittäin 50–150 tilausta. Jokainen tilaus piti siirtää manuaalisesti varastonhallintaan, luoda lähete, päivittää kirjanpito Procountorissa ja lähettää asiakkaalle seurantatiedot. Ruuhka-aikoina (joulukuu, Black Friday) tilausten käsittely myöhästyi jopa 2 päivää.
Zapier yhdistää Shopifyn suoraan varastonhallintaan, Procountoriin ja kuljetuspalveluun. Tilaus kulkee automaattisesti koko ketjun läpi ilman ihmiskosketusta.
Shopify-tilaus → Zapier: varastosaldo tarkistus → lähete luodaan automaattisesti → Posti/Matkahuolto: kuljetustilaus + seurantakoodi → Shopify: tilauksen status päivitetään → Procountor: myyntilasku automaattisesti → Klaviyo: seurantaviesti asiakkaalle → Slack: päivittäinen yhteenveto tiimille.
Verkkokauppa · Verkkokauppa · Kodin sisustusverkkokauppa, 2 000 tuotetta
Uusien tuotteiden lisääminen kauppaan oli hidas prosessi. Tuotekuvausten kirjoittaminen, SEO-optimointi ja kääntäminen 3 kielelle (suomi, ruotsi, englanti) vei 30–45 min per tuote. 2 000 tuotteen kuvausten päivitysprojekti olisi vaatinut kuukausia työtä.
N8N-automaatio generoi tuotekuvaukset automaattisesti tuotetietojen ja kuvien perusteella. AI kirjoittaa SEO-optimoidut kuvaukset kolmella kielellä ja päivittää ne suoraan WooCommerceen.
Uusi tuote WooCommercessa (tai CSV-import) → N8N: Google Vision analysoi tuotekuvan → GPT-4 generoi tuotekuvauksen (ominaisuudet, hyödyt, käyttökohteet, SEO-avainsanat) → DeepL kääntää ruotsiksi ja englanniksi → WooCommerce API: päivittää kuvaukset kaikkiin kieliversioihin → meta title + description jokaiselle kielelle.
Verkkokauppa · Verkkokauppa · Elektroniikkaverkkokauppa, 5 000 tuotetta
Kilpailijoiden hintojen seuraaminen 5 000 tuotteelle oli käytännössä mahdotonta manuaalisesti. Hinnoittelu perustui tuntumaan, ei dataan. Yritys menetti myyntiä ylihinnoitelluilla tuotteilla ja marginaalia alihinnoitelluilla.
N8N-automaatio seuraa kilpailijoiden hintoja päivittäin, AI analysoi optimaalisen hinnoittelun ja ehdottaa hintamuutoksia marginaalitavoitteiden mukaisesti.
N8N päivittäinen ajo → Bright Data web scraping: kilpailijoiden hinnat 5 000 tuotteelle → vertailu omiin hintoihin → GPT-4 analysoi: optimaalinen hinta huomioiden marginaalitavoite, kilpailutilanne, kysynnän kausivaihtelut → hintamuutosehdotukset Google Sheetsiin → automaattinen päivitys Shopifyyn hyväksyttyjen muutosten osalta → Slack-raportti päivittäin.
1 case-esimerkkiä
Logistiikka · Verkkokauppa / Logistiikka · Urheiluvälineverkkokauppa, 500 lähetystä/viikko
Asiakaspalvelu vastasi päivittäin 30–50 puheluun ja viestiin 'missä tilaukseni on?'. Seurantatietojen hakeminen eri kuljetuspalveluista (Posti, Matkahuolto, DHL) vei aikaa ja turhauttaa sekä asiakkaita että asiakaspalvelijoita.
Make.com-automaatio seuraa kaikkia lähetyksiä automaattisesti ja lähettää asiakkaalle proaktiiviset statusviestit. Jos lähetys myöhästyy, asiakaspalvelu saa hälytyksen ennen kuin asiakas ehtii valittaa.
Make.com seuraa lähetyksiä 4x/päivä → Posti/Matkahuolto/DHL tracking API:t → statusmuutos: Klaviyo lähettää asiakkaalle viesti ('pakettisi on noudettavissa!') → myöhästynyt lähetys (yli 2 pv tavoiteajasta): Slack-hälytys asiakaspalveluun → viikkoraportti kuljetuspalveluiden suorituskyvystä.
1 case-esimerkkiä
Raportointi · Palveluala · Asiantuntijayritys, 50 henkilöä
Toimitusjohtaja ja johtoryhmä saivat KPI-raportit kerran kuussa, ja niiden kokoaminen vei controllerilta 2 päivää. Data oli hajautettu: myynti CRM:ssä, talous Netvisorissa, projektin tunnit Harvestissa, asiakastyytyväisyys Typeformissa. Päätökset tehtiin vanhan datan perusteella.
N8N kerää datan kaikista lähteistä automaattisesti, koostaa interaktiivisen dashboardin ja lähettää johtoryhmälle AI-analyysin viikottain.
N8N viikoittainen ajo maanantaiaamuna → Pipedrive: myyntiputki ja ennuste → Netvisor: liikevaihto, kulut, kassavirta → Harvest: projektien tunnit ja kannattavuus → Typeform: asiakastyytyväisyys → Google Sheets: master-dashboard → GPT-4: viikkoanalyysi, trendit ja huomiot → Slack #johtoryhmä: viikkoraportti + linkki dashboardiin.
1 case-esimerkkiä
Dokumenttien hallinta · Asiantuntijapalvelut · Lakiasiaintoimisto / yritys jolla 100+ sopimusta/vuosi
Uusien sopimusten tarkistaminen vaati juristin 1–3 tuntia per sopimus. Yritykseen tuli kuukausittain 15–25 sopimusta tarkistettavaksi (alihankinta, kumppanuus, NDA, palvelusopimukset). Standardipoikkeamien huomaaminen vaati tarkkaa lukemista, ja kiireessä riskikohtia jäi huomaamatta.
N8N + AI -automaatio analysoi jokaisen saapuvan sopimuksen automaattisesti. AI tunnistaa riskikohdat, standardipoikkeamat ja puuttuvat ehdot, ja generoi tiivistelmän juristi-tarkistusta varten.
Sopimus ladataan Google Driveen → N8N havaitsee uuden tiedoston → PDF/DOCX → teksti → GPT-4 analysoi: osapuolet, kestoehto, irtisanomisehto, vastuunrajoitukset, IPR, kilpailukielto, sopimussakko, GDPR-lausekkeet → riskiarvio (matala/keski/korkea) → Google Docs: analyysi-dokumentti kohokohtineen → Slack: ilmoitus juristille riskitason mukaan.
3 case-esimerkkiä
Puhe-AI · IT-palvelut · IT-palveluyritys, neuvontapuhelinpalvelu (toteutettu IT-Guru.fi:lle)
IT-tukipuhelin ruuhkautui arkipäivisin. 70 % puheluista koski toistuvia peruskysymyksiä: salasanan vaihto, ohjelmistoasennus, VPN-yhteysongelmat, tulostimen konfigurointi. Tukihenkilöt käyttivät valtaosan ajastaan rutiineihin, ja monimutkaisemmat ongelmat joutuivat jonoon. Jonotusajat venyivät 8–12 minuuttiin.
Rakensimme ElevenLabs-pohjaisen AI-puheagentin, joka vastaa IT-neuvontapuhelimeen luonnollisella suomella. Agentti tunnistaa ongelman tyypiltään, opastaa käyttäjää askel askeleelta ja luo tarvittaessa tiketin ihmistukeen kontekstin kera.
Puhelu saapuu Twilio-numeroon → ohjaus ElevenLabs-agentille → speech-to-text reaaliajassa → GPT-4o analysoi ongelman, hakee ratkaisun tietokannasta (200+ artikkelia) → ElevenLabs text-to-speech vastaa luonnollisesti suomeksi → tarvittaessa: N8N luo Freshdesk-tiketin (tiivistelmä, ongelman tyyppi, kokeillut ratkaisut) ja siirtää puhelun ihmisagentille → puhelun jälkeen: automaattinen sähköposti asiakkaalle ohjelinkkeineen.
Toteutettu IT-Guru.fi:n neuvontapalveluun
Puhe-AI · B2B-myynti · Kasvava SaaS-yritys, 200–400 liidiä/kk
Markkinointi tuotti 200–400 liidiä kuukaudessa, mutta vain 20 % oli oikeasti ostovalmiita. Myyntitiimi (4 henkilöä) soitti jokaiselle liidille kvalifiointipuhelun — 5–10 min per puhelu. 80 % puheluista päättyi toteamukseen 'ei ole ajankohtaista'. Myyjien motivaatio laski ja oikeat diilit viivästyivät.
Retell AI -pohjainen puheagentti soittaa jokaiselle uudelle liidille 15 minuutin sisällä lomakkeen täyttämisestä. AI käy läpi kvalifiointikysymykset (BANT: budjetti, päätösvalta, tarve, aikataulu), arvioi liidin lämpötilan ja varaa tapaamisen kalenteriin kvalifioituneille liideille.
HubSpot-webhook (uusi liidi) → N8N käynnistää Retell AI -puhelun 15 min viiveellä → Retell AI soittaa liidin numeroon → luonnollinen keskustelu suomeksi: esittely, 4 kvalifiointikysymystä, kiinnostuksen kartoitus → GPT-4 analysoi vastaukset reaaliajassa → kvalifioitunut (pistemäärä > 60): Calendly-linkki SMS:llä + HubSpot-status 'MQL' → ei kvalifioitunut: HubSpot-status 'Nurturing' + automaattinen email-sarja → puhelun nauhoite ja transkriptio HubSpotiin → Slack-ilmoitus myyjälle kvalifioiduista liideistä.
Puhe-AI · Terveyspalvelut · Yksityinen lääkäriasema, 3 toimipistettä
Puhelinvaihde oli jatkuvasti ruuhkautunut: 300–500 puhelua päivässä, joista 60 % koski ajanvarausta ja 20 % yleisiä kysymyksiä (aukioloajat, valmistautumisohjeet, hinnat). 3 puhelinkeskushenkilöä ei pysynyt mukana, ja potilaat joutuivat jonottamaan keskimäärin 6 minuuttia. Osa potilaista varasi ajan kilpailevasta toimipisteestä jonotuksen vuoksi.
ElevenLabs + OpenAI Realtime Voice API -pohjainen puheagentti hoitaa ajanvaraukset ja rutiinikyselyt automaattisesti. Agentti tarkistaa vapaat ajat reaaliajassa, varaa ajan potilastietojärjestelmään ja lähettää vahvistuksen SMS:llä.
Puhelu saapuu → ElevenLabs-agentti vastaa luonnollisella suomella → tunnistaa tarkoituksen (ajanvaraus / kysymys / kiireellinen asia) → ajanvaraus: hakee vapaat ajat Google Calendar API:sta → potilas valitsee ajan → varaus kirjataan → SMS-vahvistus → kysymys: hakee vastauksen tietokannasta (aukioloajat, ohjeet, hinnat) → kiireellinen: siirto hoitajalle välittömästi kontekstin kera → N8N logittaa jokaisen puhelun ja päivittää tilastot.
30 minuutin puhelu, jossa käymme läpi prosessisi ja kerromme miten AI voi auttaa. Ei sitoumuksia, ei myyntipuhetta — vain konkretiaa.
