Рано или поздно каждая растущая компания упирается в одно и то же: заявки приходят в одну систему, счета — в другую, обращения в поддержку — в третью, а сотрудники вручную переносят данные между ними. Платформы автоматизации обещают это исправить, а в 2026 году все три лидера рынка обещают ещё и ИИ-агентов. Выбор между n8n, Make и Zapier кажется делом вкуса. Это не так. Платформы по-разному считают деньги, по-разному хранят данные, допускают разную глубину ИИ-шагов — и по-разному поддаются сопровождению через год.
В этом руководстве мы сравниваем три платформы по критериям, которые решают исход реальных проектов: единица тарификации, ИИ-возможности, защита данных, масштабируемость и полная стоимость владения. В конце — порядок выбора, который можно пройти за неделю, и ошибки, которые мы встречаем чаще всего.
Короткий ответ
Если читать только один раздел, то этот:
- Zapier — самый быстрый способ для небольшой команды без разработчиков связать популярные SaaS-сервисы. Он дорожает, когда в сценариях много шагов или они запускаются тысячи раз.
- Make подходит командам, которые мыслят схемами: ветвления, циклы, преобразование данных, а сопровождает всё это скорее операционный специалист, чем программист.
- n8n — выбор по умолчанию для команд с инженерной культурой, сценариев с большим количеством ИИ-шагов, высоких объёмов и компаний, которым важно контролировать, где обрабатываются данные. Платформа вознаграждает техническую экспертизу и наказывает за её отсутствие.
Остальная часть статьи объясняет почему — с цифрами.
Что изменилось в 2026 году
Три сдвига делают это сравнение другим, чем два года назад.
n8n стал стандартом для агентств. Оценка компании выросла с $2,5 млрд в октябре 2025 года до $5,2 млрд после стратегической инвестиции SAP в мае 2026-го, n8n встраивают в SAP Joule Studio. Компания сообщает о 1,7 млн активных разработчиков в месяц и более чем 1 400 корпоративных клиентах (Tech.eu). Выручку оценивают примерно в $100 млн ARR (Sacra).
Все платформы теперь продают ИИ-агентов. Zapier добавил Agents и доступ по MCP, Make рекламирует ИИ-агентов и «агентную автоматизацию», n8n выпускает узлы для агентов и LLM. Одновременно аналитики предупреждают о размывании термина: Gartner ожидает, что более 40% агентных проектов закроют к концу 2027 года, и считает, что из тысяч вендоров, называющих себя агентными, реальную агентность дают лишь около 130 (SD Times). По данным Menlo Ventures, лишь 16% внедрений в крупных компаниях — настоящие агенты; остальное — фиксированные цепочки шагов или маршрутизация вокруг одного вызова модели (Menlo Ventures).
MCP стал стандартом подключения агентов к системам. 9 декабря 2025 года Model Context Protocol передали в Agentic AI Foundation при Linux Foundation, публичных MCP-серверов уже больше 10 000 (блог MCP). Платформы автоматизации превращаются в поставщиков инструментов для агентов, а не только в конвейеры данных. Как устроен протокол, мы разбираем в статье MCP простыми словами: как безопасно подключить ИИ-агентов к вашим системам.
Как платформы выставляют счёт
Единица тарификации — самое недооценённое различие. Именно она определяет, обойдётся сценарий в €20 или в несколько сотен в месяц.
| Zapier | Make | n8n | |
|---|---|---|---|
| Единица | Задача (task): каждый успешный шаг-действие | Кредит: большинство действий стоят 1 кредит | Выполнение: один полный прогон сценария |
| Что не считается | Триггеры, неуспешные действия, Filter, Formatter, Paths, Delay и другие встроенные инструменты | Роутеры и обработчики ошибок | Число шагов и объём данных |
| Бесплатный уровень | 100 задач в месяц, двухшаговые Zap’ы, опрос раз в 15 минут | 1 000 кредитов в месяц | Community Edition на своём сервере |
| Начальный платный тариф | Pro от $19,99 в месяц (при оплате за год) за 750 задач; Team от $69 в месяц за 2 000 задач | Core, Pro и Teams, цена зависит от объёма кредитов в калькуляторе тарифов | Starter €20 в месяц (за год) — 2 500 выполнений; Pro €50 — 10 000 |
| Тарификация ИИ | ИИ-шаги — по уровню модели; Agents — отдельно в «активностях» (400 бесплатно, 1 500 в Pro примерно от $33,33 в месяц) | ИИ-функции через собственного ИИ-провайдера Make могут стоить больше 1 кредита | Модели оплачиваются напрямую поставщику LLM |
| Перерасход | Оплата за задачу по ставке 1,25× (годовой план) или 2,5× (месячный), остановка на 3× | Дополнительные пакеты по 1 000 или 10 000 кредитов | Тариф Business: €4 000 за 300 000 дополнительных выполнений |
Источники: Zapier Pricing, Make Pricing, n8n Pricing. Цены опубликованы в октябре 2026 года; там, где указано, — при оплате за год.
Пример расчёта: один сценарий, три счёта
Возьмём типичный ИИ-сценарий для входящих заявок: форма на сайте запускает поиск в CRM, LLM классифицирует запрос, второй вызов LLM готовит черновик ответа, лид обогащается, запись обновляется, уходит сообщение в Slack или Teams и создаётся задача на повторный контакт. Это примерно девять шагов-действий. Сценарий запускается 5 000 раз в месяц.
- Zapier: около 9 задач × 5 000 прогонов = 45 000 задач. Это уровень Pro на 50 000 задач — $289 в месяц при оплате за год, ещё без стоимости ИИ-шагов.
- Make: около 9–10 кредитов на прогон, то есть 45 000–50 000 кредитов плюс дополнительные кредиты на ИИ-модули. Актуальную цену для такого объёма показывает калькулятор тарифов Make.
- n8n: 5 000 выполнений — это тариф Pro за €50 в месяц или собственный сервер, где вы платите только за инфраструктуру и время на сопровождение.
Разница растёт с каждым добавленным шагом. У агентных сценариев по природе много шагов и циклов — именно там тарификация за шаг бьёт сильнее всего. Во всех трёх случаях отдельно оплачивается поставщик LLM; как управлять токенами, рассказываем в статье LLM-шлюз: маршрутизация моделей, контроль затрат и наблюдаемость.
Сравнение ИИ-возможностей
Все три платформы умеют вызвать LLM, разобрать ответ и построить ветвление. Различия — в глубине и степени контроля.
Zapier предлагает самый отполированный вход: ИИ-шаг внутри Zap, Copilot, который собирает Zap по описанию, чат-боты, Agents и MCP-доступ, через который внешние ИИ-ассистенты запускают действия Zapier. Корпоративные клиенты могут подключить собственную модель через AWS Bedrock. Обратная сторона — мало контроля над промптами, повторами, тестированием и логами, а в платных тарифах действует лимит в 40 активностей на один запуск агента.
Make выносит ИИ-модули и агентов на визуальный холст. Для операционной команды, которая хочет видеть каждую ветку, это сильная сторона. Но сложная логика агентов в сценариях быстро становится запутанной и плохо тестируется, а ИИ-модули могут расходовать больше кредитов, чем обычные действия.
n8n даёт узлы для LLM и агентов, память, вызов инструментов (tool calling), интеграции с векторными базами и узел для кода на JavaScript или Python. Можно запускать собственные модели, обращаться к любому HTTP API и публиковать сценарии как инструменты. Поэтому агентства, которые строят агентов для продакшена, выбирают n8n по умолчанию. Но это значит и то, что больше решений остаётся на вашей стороне: как версионировать промпты, как тестировать, как ограничить действия агента.
Полезное правило: чем больше ИИ-шаг может менять данные или общаться с клиентами, тем нужнее версионированные промпты, тестовые наборы и логи. Это аргумент в пользу платформы, с которой ваша команда умеет работать инженерно, а не той, у которой самое эффектное демо.
Защита данных, хостинг и требования ЕС
Для компаний, работающих в Европе, этот раздел часто решает дело. В Германии 66% компаний, уже использующих ИИ, называют барьером требования к защите данных, 56% — правовую неопределённость, 54% — непредсказуемые затраты (Bitkom).
- n8n, по собственным данным, хранит данные облачных тарифов в ЕС, на серверах во Франкфурте. При self-hosting данные остаются там, где развёрнут n8n, — например, на ваших серверах в ЕС. Учтите: версия для собственного сервера распространяется по собственной «fair-code»-лицензии n8n, а не по классической open-source-лицензии, а тарифы Business и Enterprise на своём сервере требуют лицензионного ключа, который ежедневно связывается с сервером лицензий.
- Make и Zapier — облачные сервисы. На страницах с ценами нет деталей о размещении данных, поэтому до того, как через них пойдут персональные данные, проверьте DPA, список субпроцессоров и регион хостинга у каждого вендора.
- Во всех трёх случаях каждый вызываемый поставщик LLM становится субпроцессором. Это нужно задокументировать.
Если автоматизация общается с клиентами — например, как ассистент в чате или почте, — статья 50 Регламента ЕС об ИИ (AI Act) с 2 августа 2026 года требует сообщать людям, что они взаимодействуют с ИИ (AI Act Explorer). DPA, логи и размещение данных подробно разобраны в нашем руководстве GDPR для ИИ-чат-ботов и ассистентов.
Кому что выбрать
| Ваша ситуация | Лучший выбор | Почему |
|---|---|---|
| Небольшая команда без разработчика, популярные SaaS-сервисы, до нескольких тысяч запусков в месяц | Zapier | Самая быстрая настройка, крупнейший каталог приложений, встроенный Copilot |
| Операционная команда, сложные ветвления, преобразование данных, визуальное мышление | Make | Визуальные сценарии; роутеры и обработка ошибок не тратят кредиты |
| Много ИИ-шагов, длинные сценарии, тысячи запусков | n8n | Одно выполнение за прогон, полный контроль над вызовами LLM |
| Персональные данные, нужно самим выбрать место хостинга | n8n (свой сервер или облако в ЕС) | Размещение данных под вашим контролем |
| Продуктовая команда встраивает автоматизацию в собственный SaaS | n8n или свой код | Перед перепродажей проверьте лицензию n8n; ключевые функции — лучше своим кодом |
| Клиентский агент с возвратами, бронированиями или платежами | Собственный агент плюс платформа как «клей» | Нужны оценки качества, права доступа и мониторинг сверх возможностей no-code |
Когда ни одна из трёх не подходит
Платформы автоматизации — отличный «клей». Как ядро критичного для бизнеса ИИ-продукта они слабее. Тревожные сигналы:
- сценарий принимает решения о деньгах, договорах или медицинских данных;
- нужны регрессионные тесты для промптов и версий моделей;
- важна задержка, например в голосовых агентах;
- логика разрослась до десятков вложенных веток, которые никто уже не может проверить.
В таких случаях обычная схема — небольшой собственный сервис для самого агента, а платформа отвечает за триггеры, уведомления и простые интеграции. Рыночные цены это отражают: одна автоматизация на n8n или Make с LLM обычно стоит $3 000–15 000, а кастомный ИИ-агент — от $10 000–50 000 (TheCrunch, Lets-Viz).
Как выбрать за пять шагов
- Выпишите пять главных сценариев — с числом шагов на прогон, запусков в месяц и данными, которых они касаются. Уже это обычно сужает выбор.
- Посчитайте стоимость на каждой платформе в её единице тарификации и добавьте расходы на LLM. Пример выше можно взять за шаблон.
- Классифицируйте данные. Всё, что касается персональных или финансовых данных, до первого теста требует DPA, списка субпроцессоров и решения о хостинге.
- Решите, кто будет сопровождать. Платформа, которую ваша команда не сможет отладить в два часа ночи, — неправильная платформа. Если таких людей нет, заложите договор на сопровождение: самая частая модель 2026 года — около $5 000 за сборку и примерно $1 000 в месяц за эксплуатацию (TheCrunch).
- Соберите один сценарий целиком на платформе из короткого списка — с логированием и обработкой ошибок, — прежде чем переносить что-то ещё.
Типичные ошибки
- Выбор по числу коннекторов. Тысячи интеграций не помогут, если единственная важная система — ваша CRM вроде amoCRM или Битрикс24, 1С или отраслевое ПО — всё равно требует собственного вызова API.
- Игнорирование тарификации за шаг. Прототип собирают на бесплатном тарифе, а потом выясняется, что рабочая версия с обработкой ошибок и ИИ-шагами стоит в десять раз дороже.
- Промпты внутри узлов без версий. Промпты меняют поведение системы не меньше, чем код. Храните их в системе контроля версий и тестируйте.
- Агент с правами администратора. Каждому сценарию — минимально необходимый доступ. Prompt injection по-прежнему не решена: даже OpenAI признаёт, что её, возможно, никогда не удастся устранить полностью (разбор).
- Свой сервер без ответственного. Необновляемый сервер автоматизации без мониторинга — уязвимость, которая ждёт своего часа.
- Всё и навсегда на одной платформе. Держите бизнес-логику переносимой. Как спланировать выход, рассказываем в статье Ваш ИИ принадлежит вам: как избежать привязки к вендору.
Вывод
Универсального победителя нет. Zapier даёт небольшим командам скорость, Make — визуальный контроль операционным командам, n8n — экономичность, контроль над данными и инженерную глубину. Для большинства сценариев с ИИ, особенно при работе в ЕС, разумный выбор по умолчанию — n8n; Zapier остаётся самым быстрым стартом при небольших объёмах и нечувствительных данных. Но успех ИИ-автоматизации зависит не столько от платформы, сколько от понятных метрик, минимальных прав доступа, тестов и человека, который отвечает за систему после запуска.
Если нужен взгляд со стороны на ваши сценарии — мы проектируем и сопровождаем автоматизации на всех трёх платформах и пишем собственных агентов там, где они нужны: направления ИИ-агенты и автоматизация и системная интеграция. Запишитесь на бесплатный 15-минутный аудит — подскажем, какая платформа подходит под ваш объём, данные и команду, даже если это та, которой вы уже пользуетесь.