Sådan bygger du en AI SDR med n8n: $50/måned-arkitekturen vi leverer til kunder (2026)

Sådan bygger du en AI SDR med n8n: Den $50/måned-arkitektur, vi leverer til kunder (2026)

11x koster omkring $2.000 om måneden. Artisan starter ved $1.500. Regie ved $1.000. Vi bygger den samme outbound-maskine til vores B2B-kunder i n8n for $50-65 om måneden, og arkitekturen nedenfor er præcis den, vi implementerer. Techsy driver et AI SDR-bureau, så det her er ikke teori, det er den workflow, vi har leveret på tværs af SaaS-, fintech- og devtools-konti siden starten af 2025.

Vigtigste pointer:

• En AI SDR bygget i n8n koster $50-65 om måneden ved 1.000 leads mod $1.500-2.000 om måneden for administrerede værktøjer som 11x eller Artisan.
• Arkitekturen i 7 faser: lead-indtagelse, berigelse, research, generering, manuel gennemgang, afsendelse, klassificering af svar.
• Det enkeltaktiv, vi oftest leverer, er systemprompten til AI Agent-noden — vi offentliggør en komplet 40-linjers skabelon nedenfor.
• Lad være med at bygge det, hvis du sender færre end 100 kolde e-mails om måneden eller mangler infrastruktur til leverbarhed og optøning.

Hvad en AI-SDR faktisk gør (og hvorfor n8n er det rigtige lærred)

En AI-SDR (Sales Development Representative) er et autonomt workflow, der indlæser målrettede leads, beriger dem med firmografiske og adfærdsmæssige data, udarbejder personaliserede outbound-e-mails ved hjælp af en LLM, sender dem gennem en opvarmet indbakke og klassificerer svar, alt sammen uden en menneskelig SDR i loopet. I n8n findes den som ét enkelt visuelt workflow, du kan redigere, fejlsøge og eje fuldt ud.

Det, der forbliver automatiseret: lead-routing, berigelsesopslag, research, udarbejdelse af e-mails, afsendelse, svar-triage, CRM-opdateringer. Det, der forbliver menneskeligt: udvælgelse af mållister (især ICP-definition), juridisk godkendelse af copy og eskaleringsvejen, når et svar bliver til en reel samtale. En AI-SDR er ikke en chatbot, det er et anskaffelsessystem for outbound-samtaler.

Hvorfor n8n frem for Zapier eller Make? Tre grunde. AI Agent-noden leveres med native tool calling og struktureret output (Zapier wrapper stadig OpenAI i et generisk HTTP-trin). Self-hosting giver dig ubegrænsede eksekveringer på en $5 VPS. Og det visuelle lærred lader en ikke-ingeniør på dit team fejlsøge et ødelagt Apollo-kald uden at åbne en JSON-editor. Hvis du er helt ny til n8ns AI Agent-node, så start med vores n8n AI Agents-vejledning før dette build, den dækker primitiverne. Den officielle n8n Advanced AI-dokumentation dækker nodereferencen.

7-lagsarkitekturen (fra hensigt til svar)

De syv lag er: Leadindsamling (webhook eller CSV), Berigelse (Apollo eller Clay), Research (en AI-agent, der scraper kontekst), Generering (e-mail-LLM'en med sikringsrammer), Menneskelig gennemgang (Slack-godkendelse for de første 100), Afsendelse (Instantly eller Smartlead) og Svarklassificering (en AI-agent, der dirigerer svar til CRM, Slack eller autosvar). Hvert lag svarer til præcis én n8n-node – det er den designbegrænsning, der holder opsætningen vedligeholdelsesvenlig.

Her er gennemgangen lag for lag:

PageLines-teamet har skrevet en nyttig ramme om den autonome SDR-stack, der kortlægger et lignende gitter; her videreudvikler vi den ved at gøre hvert lag konkret i forhold til n8n-noder. For multikanal-autonomi ud over outbound e-mail (tænk LinkedIn + e-mail + annoncer i ét workflow) dækker vores B2B-guide til autonom leadgenerering på sociale medier det tilsvarende mønster.

Én detalje om den lukkede loop: Svarklassificering føder tilbage i Leadindsamling som et negativt signal – alle, der afmelder sig eller svarer "forkert person", får et do-not-contact-flag ved næste berigelsesgennemgang. Det er den loop, der gør det til et system frem for en mail-merge.

Forudsætninger: n8n Cloud vs. self-hosted, LLM-nøgler og afsendelsesstak

Før du åbner n8n, skal du bruge fire ting: en beslutning om hosting (Cloud eller self-hosted), to LLM API-nøgler (OpenAI plus Anthropic som fallback), en afsendelsesstak (Instantly eller Smartlead, aldrig Gmail i stor skala) og 3-5 opvarmede mailbokse på et separat afsendelsesdomæne. Vi sætter som standard vores kunder til self-hosted på en $5 Hetzner-boks, n8n Clouds eksekveringsloft slår til, i det øjeblik du passerer 500 leads/dag.

Cloud vs. self-hosted, direkte sammenligning:

Hvis du self-hoster, er her den minimale docker-compose.yml, vi leverer:

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=n8n.yourdomain.com
      - N8N_PROTOCOL=https
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=${N8N_PASSWORD}
      - WEBHOOK_URL=https://n8n.yourdomain.com/
    volumes:
      - ./n8n_data:/home/node/.n8n

Tilføj Caddy eller Traefik til HTTPS-terminering. Til self-hosting plus lokal LLM (privatlivsfølsomme vertikaler) er n8n + Ollama-gennemgangen den reneste reference. LLM-nøgler: få én OpenAI-nøgle (GPT-4o-mini klarer 90 % af arbejdet) og én Anthropic-nøgle (Claude Haiku 3.5 som fallback). Afsendelsesstak: Instantly til $37/måned giver dig ubegrænset opvarmning og en ren API. Tjek n8ns prisside for de seneste Cloud-niveautal.

Trin 1 — Lead-indtagelse og berigelse

Lead-indtagelse er blot hoveddøren. Det reelle arbejde sker ved berigelsen, hvor du forvandler en e-mail + virksomhedsnavn til en række med titel, anciennitet, antal medarbejdere, finansieringsfase, tech-stack og seneste LinkedIn-aktivitet. Vi bruger som standard Apollo til kolde opslag og Clay til de rodede fuzzy-match-tilfælde — samme payload-form, forskellige priser pr. række. Apollo koster $0,02-0,05 pr. kontakt i skala; Clay starter ved $349/måned med rigere signalmining.

1.1 Webhook-triggeren (eller CSV-import)

To mønstre. Mønster A: En webhook udløses, hver gang dit team tilføjer en række til en "target leads"-Airtable eller et Google Sheet. Mønster B: En manuel CSV-upload via n8n's Spreadsheet File-node. Vi bruger Mønster A til løbende kampagner og Mønster B til engangslister fra sales ops.

1.2 Apollo HTTP Request-node

Apollos /v1/people/match-endpoint tager en e-mail og returnerer den berigede post:

{
  "method": "POST",
  "url": "https://api.apollo.io/v1/people/match",
  "headers": {
    "Content-Type": "application/json",
    "Cache-Control": "no-cache",
    "X-Api-Key": "{{ $env.APOLLO_API_KEY }}"
  },
  "body": {
    "email": "={{ $json.email }}",
    "reveal_personal_emails": false,
    "reveal_phone_number": false
  }
}

Forbind svaret til en Set-node, der trækker organization.industry, organization.estimated_num_employees, title og seniority ud. Det er din berigelses-payload.

1.3 Alternativer til Clay og Apify

Hvis Apollo ikke finder kontaktoplysninger (ca. 15-20 % af B2B-kontakter efter vores erfaring), kan du ty til Apify Proxycurl til LinkedIn for $0,01/opslag eller Clay, hvis du har brug for waterfall-berigelse på tværs af flere udbydere. Byg en try/catch-forgrening i n8n med IF-noden, så missede leads får en ekstra gennemgang i stedet for at falde fra.

1.4 Output-skema

Standardisér på ét enkelt JSON-skema nedstrøms:

{
  "lead_id": "string",
  "email": "string",
  "first_name": "string",
  "company": "string",
  "title": "string",
  "industry": "string",
  "headcount": "integer",
  "linkedin_url": "string",
  "enrichment_source": "apollo|clay|proxycurl"
}

Berigelse er dér, hvor personaliseringsbudgettet efter Apollo fastlægges – hver kontakt til 0,04 $ sætter et loft på 0,04 $ for, hvor meget LLM-tokenforbrug dette lead kan retfærdiggøre.

Trin 2 — Research-laget med AI Agent-noden

Research-agentens opgave er at tage et beriget lead og levere en ét-linjes smertehypotese samt en nylig udløsende begivenhed (en finansieringsrunde, en produktlancering, en nyansættelse). Den kører som en AI Agent-node med to værktøjer: et websøgeværktøj (SerpAPI eller Brave Search) og et valgfrit LinkedIn-opslag (Proxycurl). Outputtet er struktureret JSON, så den næste node kan forgrene baseret på icp_fit_score. Vi har erfaret, at GPT-4o-mini håndterer 80 % af research-opgaverne til 1/20 af Sonnet-prisen, og opskalerer kun til Claude Sonnet, når ICP-fit-scoren ligger på grænsen (0,4–0,6).

2.1 Opsætning af AI-agent-node

Model: GPT-4o-mini. Temperatur: 0,3 (du vil have konsistens, ikke kreativitet). Hukommelse: fra, hvert lead er tilstandsløst. Maks. iterationer: 5 (sæt en grænse for loopet med værktøjskald, ellers løber tokenomkostningerne løbsk ved hallucinerede søgninger).

2.2 Værktøjer

Tilknyt to HTTP Request-værktøjer: ét til SerpAPI (https://serpapi.com/search?q={query}&num=5) og ét til Proxycurl LinkedIn. Agenten beslutter, hvilket der skal kaldes.

2.3 Struktureret output

Gennemtving et JSON-skema på outputtet:

You are a B2B research agent for an AI SDR pipeline. Given an enriched lead,
research their company in the last 90 days and return a structured assessment.

Tools:
- web_search(query): SerpAPI top 5 results
- linkedin_lookup(url): Proxycurl person + company profile

Rules:
- Spend at most 3 tool calls per lead.
- If no recent trigger found, set recent_trigger to null. Do not invent.
- ICP fit is for B2B SaaS sellers: prefer 50-500 headcount, recent funding.

Output JSON exactly:
{
  "icp_fit_score": 0.0-1.0,
  "pain_hypothesis": "string, ≤25 words",
  "recent_trigger": "string or null",
  "do_not_contact_reason": "string or null"
}

do_not_contact_reason-feltet er sikringsmekanismen – angiv det, når agenten registrerer en konkurrent, en nuværende kunde eller en nylig fyring. Alt med en værdi her springer resten af pipelinen over.

Trin 3 — E-mailgenerering med guardrails

Email Generation Agent er det mest udrullede aktiv i hele opsætningen. Dens opgave er at tage det berigede lead samt Research Agentens output og generere en emnelinje på under 50 tegn, en brødtekst på under 80 ord og en enkelt blød CTA. Den fjerner også forbudte vendinger via et regex-gennemløb efter genereringen. Listen over forbudte vendinger er den suverænt mest udrullede guardrail, vi anvender — fjern "revolutionary", og svarprocenterne stiger 1-2 procentpoint natten over. Apollos egen guardrails-playbook understøtter dette med leverandørdata.

3.1 Systemprompten (hero asset)

Kopiér og indsæt dette direkte i din AI Agent-node:

You are a B2B sales development rep with 3 years of tenure writing cold emails
for a SaaS company. You write the way an experienced AE writes — direct,
specific, no marketing fluff.

INPUT: enriched lead JSON + research JSON.

VOICE RULES:
- Write like a 3-year-tenure AE, not a marketer.
- One ask per email. Soft, low-friction (15-min call, not "demo").
- Reference the recent_trigger if present. Otherwise reference the pain_hypothesis.
- First sentence is NOT a greeting. Start with the trigger or pain.
- No exclamation marks. No emojis.

LENGTH:
- Subject: ≤ 50 characters.
- Body: ≤ 80 words.
- Single paragraph + CTA on its own line.

BANNED PHRASES (case-insensitive — never use any of these):
- "hope this email finds you well"
- "I wanted to reach out"
- "circle back"
- "touch base"
- "synergy"
- "leverage" (as verb)
- "revolutionary"
- "game-changing"
- "in today's fast-paced world"
- "I came across your"
- "quick question"
- "just checking in"

BANNED OPENERS:
- Any sentence starting with "I" or "We".
- Any compliment about the recipient's company ("love what you're doing").

OUTPUT JSON exactly:
{
  "subject": "string",
  "body": "string",
  "cta": "string (one sentence, the ask)",
  "intent_score": 0.0-1.0 (your confidence this lands)
}

If you cannot write an email that passes the rules without inventing facts,
return: {"subject": null, "body": null, "cta": null, "intent_score": 0.0}.
Do not invent quotes, statistics, or product features.

3.2 Struktureret output

Feltet intent_score er dit andet sikkerhedsnet. Alt under 0,6 sendes til køen for manuel gennemgang, uanset kampagnens fase. Vi justerer tærsklen per ICP: enterprise-ICP'er får en bund på 0,75, SMB får 0,55.

3.3 Regex-tjek efter generering

n8n's Function-node kører en afsluttende regex-gennemgang mod listen over forbudte sætninger (LLM'en smugler dem af og til tilbage via synonymer). Ethvert match sender e-mailen tilbage til køen med en feedback-streng til næste forsøg. Ethvert kundesamarbejde starter med, at kunden udleverer sine seneste 50 udgående e-mails, og vores model udarbejder 50 ved siden af — den A/B-sammenligning er sådan, vi kalibrerer listen over forbudte sætninger pr. ICP.

Trin 4 — Human-in-the-Loop-gennemgang (de første 100 e-mails)

Human-in-the-loop er afgørende for de første 100 e-mails, fordi det er dér, modellens blinde vinkler viser sig: en ICP-fejltagelse, en tonedøv reference, en forbudt frase, der er sluppet igennem. Når 100 e-mails er godkendt med under 5 % afvisning, går du over til stikprøvetilstand, en rullende 10 %-stikprøve, der gennemgås dagligt. Vi lader aldrig en kunde køre autonomt, før de første 100 e-mails er godkendt med under 5 % afvisning — det er overgangsporten.

Sæt HITL-grenen op med n8n's Send and Wait for Approval-node. Den poster til en dedikeret Slack-kanal med leadets navn, det genererede emne og brødteksten. Anmeldere trykker på Godkend eller Afvis. Godkend dirigerer til Send; Afvis sløjfer tilbage til Generering med en feedback-streng på én linje ("for formel", "mistede triggeren", "forbudt frase: synergi").

Hvad du skal QA'e i de første 100:

• Forbudte fraser (regex fanger de fleste, mennesker fanger resten)
• ICP-fejltagelser (du targeterede CTO'er, men e-mailen lyder, som om den er til marketing)
• Tone (for ivrig, for formel, for transaktionel)
• Faktuelle opdigtelser (modellen opfandt en funktion, et konkurrentnavn, et citat)

Proftip: Log alle afvisningsårsager i en Postgres-tabel. Kør afvisningerne igennem en klyngeanalyse efter 100 e-mails for at opdatere systemprompten — sådan udvikler prompten sig sammen med ICP'en.

Trin 5 — Afsendelse og leveringsdygtighed (SPF, DKIM, DMARC, opvarmning)

Leveringsdygtighed er der, hvor 80 % af alle AI-SDR-opsætninger falder til jorden. De ufravigelige krav: et separat afsendelsesdomæne (aldrig dit primære domæne), SPF + DKIM + DMARC fuldt konfigureret, afsendelseslofter på 40-50 e-mails/dag pr. postkasse og en 3-ugers opvarmning før den første kolde afsendelse. Hvis din spamrate overstiger 0,3 %, begrænser Google hele dit domæne — ikke kun den pågældende kampagne.

5.1 Separat afsendelsesdomæne

Registrer et lookalike-domæne (getyourcompany.com i stedet for yourcompany.com). Videresend svar til din primære indbakke. Dette isolerer dit omdømme. Hvis det kolde domæne bliver brændt af, forbliver dit rigtige domæne rent.

5.2 SPF, DKIM, DMARC

Den komplette tjekliste for deliverability:

RFC 8058 er standarden for afmelding med ét klik, som Gmail og Yahoo nu kræver af masseafsendere. Instantly og Smartlead tilføjer denne header automatisk.

5.3 Sendegrænser og opvarmning

40-50 mails om dagen pr. postkasse, hård grænse. Fem opvarmede postkasser = 200-250 mails om dagen pr. domæne. Brug for mere? Tilføj flere postkasser, ikke flere mails pr. postkasse. Opvarmningen kører i 3 uger inden nogen reel afsendelse. Instantlys gratis opvarmningspulje får dig derhen.

5.4 Regeloverholdelse

USA: CAN-SPAM kræver en fysisk postadresse og en fungerende afmeldingsmulighed, og FTC's overholdelsesvejledning er den definitive reference. EU: GDPR artikel 6(1)(f) om legitim interesse er det typiske retsgrundlag for kolde B2B-e-mails, med dokumenteret framelding inden for 72 timer; den officielle tekst er kort – læs den. Canada: CASL er strengere end CAN-SPAM og kræver udtrykkeligt eller underforstået samtykke.

Instantlys leveringsrapport sætter benchmark for indbakkeplacering i 2025-2026 til 85-90 %, hvis alle ovenstående punkter er opfyldt. De fleste teams rammer 50-60 %, fordi de springer det separate domæne over.

Trin 6 — Svarklassificering og CRM-synkronisering

Svarklassificering dirigerer indgående svar til fem kategorier, interesseret, indvending, afmelding, ikke på kontoret, forkert person, og udløser en forskellig handling pr. kategori. Interesserede svar pinger grundlæggerens Slack og opretter en HubSpot-aftale. Indvendinger dirigeres til en opfølgningsekvens. Afmeldinger skrives til en suppression-liste. OOO udløser en genforsendelse om 7 dage. Forkert person opdaterer CRM'en og beder om en henvisning. Ved kundeimplementeringer er det denne ene H2, der adskiller "AI genererer e-mails" fra "AI kører en pipeline" — uden svarklassificering er du bare en smart mailfletning.

6.1 IMAP-trigger

n8ns IMAP Email-trigger afstemmer din sendende indbakke hvert 60. sekund. Filtrér til e-mails, hvor den overordnede tråd blev oprettet af din kampagne (match In-Reply-To-headeren mod din Message-ID-log).

6.2 Svarklassificeringsagent

You are a reply-classification agent for an AI SDR pipeline. Read the reply
and classify intent.

OUTPUT JSON exactly:
{
  "intent": "interested|objection|unsubscribe|ooo|wrong_person",
  "confidence": 0.0-1.0,
  "suggested_action": "string, ≤20 words"
}

Rules:
- "interested" = explicit yes, time proposal, or follow-up question.
- "objection" = "not now", "send info", "we use X".
- "unsubscribe" = any opt-out phrase, even polite.
- "ooo" = auto-reply detected.
- "wrong_person" = "I don't handle this", "try X@", "I left the company".

If confidence < 0.7, default intent to "objection" (safer than wrong action).

6.3 Routing af Switch-node

n8ns Switch-node fordeler ud fra intent:

• interested → HubSpot-kontaktopdatering (lifecycle = SQL) + Slack-ping til #sales
• objection → Føj til opfølgningssekvens med 5 dages forsinkelse
• unsubscribe → Skriv til undertrykkelsestabel i Postgres + send bekræftelse
• ooo → Planlæg genfremsendelse +7 dage
• wrong_person → CRM-opdatering, markér e-mail som ugyldig, anmod om henvisning via autosvar

6.4 HubSpot-synkronisering

n8n's HubSpot-node håndterer oprettelse af kontakter, opdatering af deal-faser og aktivitetslogning. Vi logger alle sendte e-mails og alle modtagne svar som en HubSpot Engagement, så dine sælgere kan se AI-tråden direkte sammen med deres manuelle opsøgende arbejde.

Trin 7 — Evalueringssløjfe (mål for svarprocent og QA-kadence)

Evalueringssløjfen er det, der forhindrer systemet i at drive. Følg svarprocenten ugentligt, kør en 10 % QA-stikprøve efter HITL-gradueringen, A/B-test promptvarianter via en Switch-node, og versionsstyr alle promptændringer i en Postgres-tabel. Den største fejl, vi ser: teams sender en AI SDR i luften og kører aldrig evalueringssløjfen, og seks måneder senere sender de 10.000 emails med 0,4 % svarprocent og ved ikke hvorfor.

Mål for svarprocent:

A/B-testopsætning: klon din Email Generation Agent, ændr én variabel (emneformel, åbningsstil, CTA-blødhed), kør begge gennem en Switch-node, der fordeler trafikken 50/50 round-robin. Efter 200 udsendelser pr. arm bliver den variant med højeste svarprocent standarden. For systematisk sporing af promptkvalitet, når du skalerer forbi 5.000 leads/måned, se vores rundtur i LLM-evalueringsværktøjer — ved det volumen vil du have Langfuse eller Arize, ikke Postgres.

QA-kadence efter HITL-graduering: 10 % tilfældig stikprøve gennemgås dagligt, fuld ugentlig audit hver fredag, prompt-versionering, hver gang svarprocenten bevæger sig mere end 1 point i begge retninger.

Hvad dette faktisk koster (1.000 vs. 10.000 leads/måned)

Ved 1.000 leads/måned kører DIY n8n-stacken $70-84. Ved 10.000 leads/måned skalerer den til $280-340. Sammenlignet med 11x til $2.000/måned eller Artisan til $1.500/måned er TCO-forskellen over 12 måneder svimlende, cirka $24.000 mod $780 på indgangsniveauet, og det inkluderer de 8 timers engangsopsætning. Ved 1.000 leads/måned koster DIY n8n-stacken mindre, end 11x opkræver dig for én time.

Specificerede månedlige omkostninger ved to volumener:

GPT-4o-mini til $0,15/$0,60 pr. 1 mio. tokens ifølge OpenAIs prisside er den afgørende faktor i regnestykket, og Claude Haiku 3.5 på Anthropics prisside er sammenlignelig. Du kan komme tættere på $50 ved at køre berigelse via Apify Proxycurl ($0,01/opslag) i stedet for Apollo, men vi beholder Apollo for nøjagtigheden på kolde kontakter. Hvis du stadig er i gang med at vælge LLM'en, gennemgår vores AI-agent-framework-rangering afvejningerne mellem omkostninger pr. 1.000 tokens.

12-måneders TCO på tværs af udbydere:

Regnestykket er brutalt for administrerede værktøjer. Selv hvis man lægger 8 timers opsætningstid til en blandet timepris på $150 ($1.200), sparer DIY-stacken stadig $22.000/året sammenlignet med 11x.

Hvornår du IKKE skal bygge dette

Spring dette build over, hvis du sender færre end 100 kolde e-mails om måneden – de 8 timers byggetid tjener sig ikke hjem. Spring over, hvis du er i en reguleret branche (sundhedsvæsen, finans, det offentlige) uden juridisk godkendelse til kold udgående kontakt. Spring over, hvis du er en ikke-teknisk solofounder uden båndbredde til vedligeholdelse. Spring over, hvis dit team ikke kan kende forskel på SPF og DKIM. Spring over, hvis jeres ICP er forbrugere – kold e-mail er kun B2B, punktum.

Diskvalifikatorerne, udfoldet:

• <100 udgående e-mails/måned: Byggetiden overstiger den årlige besparelse. Brug et managed værktøj med en gratis tier, eller gør det manuelt.
• Regulerede brancher uden juridisk godkendelse: HIPAA, GLBA og lignende regelsæt gør kold udgående kontakt til en compliance-landmine. Få en advokat først.
• Ingen warmup-infrastruktur: Hvis du ikke har Instantly eller Smartlead og ikke er villig til at bruge tre uger på at varme et domæne op, brænder du dit afsenderomdømme af i uge ét.
• Ingen båndbredde til vedligeholdelse: Dette er et system, der kræver ugentlig evaluering. Hvis ingen ejer svarprocent-dashboardet, driver det ud i støj.
• Forbruger-ICP: Kold e-mail til forbrugere overholder CAN-SPAM, men er kommercielt dødt. Brug betalte annoncer.

Hvis dit team ikke kan kende forskel på SPF og DKIM, er AI SDR'en ikke din flaskehals – det er din afsendelsesinfrastruktur. Fiks det først. Vi folder den samme build-vs-buy-ramme med 3 muligheder ud for stemmeagenter i vores build-vs-buy AI voice agent-guide – rammen kan overføres direkte.

Hvordan Techsy leverer dette til kunder

Vi implementerer præcis denne arkitektur som et bureau-samarbejde. Tidslinjen: I uge 1 auditerer vi jeres ICP, opsætter et separat afsenderdomæne, konfigurerer SPF/DKIM/DMARC og starter opvarmning af mailbokse. I uge 2 bygger vi n8n-workflowet mod jeres CRM. I ugerne 3–4 kører vi HITL sideløbende med jeres team. Fra uge 5 og frem kører det autonomt med daglig overvågning af svarprocenten.

Det, kunderne sender os: deres ICP-dokument, de seneste 50 udgående e-mails, deres medarbejdere har skrevet (vi bruger dem til at kalibrere listen over forbudte formuleringer efter tonefald), samt antallet af opvarmede mailbokse, de allerede har (vi tilføjer flere, hvis det er nødvendigt). Det, vi leverer: n8n-workflowet konfigureret til jeres stack, systempromptene finjustet til jeres tonefald, 30 dages overvågning af svarprocenten og en Notion-runbook, jeres team bruger efter overleveringen.

I betaler os for opvarmningsdisciplinen og overvågningen af svarprocenten – ikke for n8n-licenser. Vil I hellere have os til at bygge det for jer? Techsys AI SDR-bureau-side gennemgår, hvordan vi leverer dette til B2B-teams.

Ofte stillede spørgsmål

Hvad er en AI SDR, og hvordan fungerer den?

En AI SDR er en autonom workflow, der indtager målrettede leads, beriger dem med firmografiske data, udarbejder personaliserede kolde e-mails via en LLM, sender fra en opvarmet indbakke og klassificerer svar i handlingskategorier. Pipeline kører uden en menneskelig SDR, selvom mennesker stadig varetager ICP-definition, juridisk godkendelse og eskalering, når svar udvikler sig til reelle samtaler.

Hvor meget koster det at bygge en AI SDR i n8n i 2026?

Ved 1.000 leads/måned skal du forvente 70-84 $/måned: 5 $ til VPS, 8-12 $ til GPT-4o-mini-tokens, 20-30 $ til Apollo og 37 $ til Instantly. Ved 10.000 leads/måned skalerer det til 280-340 $. Sammenlign det med 11x til cirka 2.000 $/måned eller Artisan til 1.500 $/måned, og TCO-forskellen over 12 måneder overstiger 20.000 $, selv efter 8 timers opsætningstid.

Kan n8n virkelig erstatte værktøjer som Clay, Apollo eller 11x?

n8n erstatter orkestreringslaget og e-mail-genereringslaget, som 11x og Artisan tager betaling for. Det erstatter ikke de underliggende data – du betaler stadig Apollo eller Clay for berigelse, fordi de ejer kontakt databasen. Gevinsten på omkostningerne ligger i orkestreringen plus LLM-afgiften, som administrerede værktøjer markerer op med 20-30x.

Er det sikkert at sende kolde e-mails fra en n8n-bygget SDR?

Ja, hvis du konfigurerer leveringsdygtigheden korrekt: separat afsendelsesdomæne, SPF + DKIM + DMARC, sendegrænser på 40-50/dag pr. postkasse, RFC 8058 ét-kliks afmelding, tre ugers opvarmning før den første afsendelse. Uden de tiltag vil du ødelægge dit afsenderomdømme allerede i den første uge, uanset hvilket værktøj der genererer selve e-mailteksten.

Hvad er den bedste LLM til en AI-SDR: GPT-4o-mini, Claude Haiku eller Gemini Flash?

GPT-4o-mini er vores standardvalg til $0,15/$0,60 pr. 1 mio. tokens og håndterer 80 % af research- og genereringsopgaverne uden problemer. Claude Haiku 3.5 er sammenlignelig og en smule bedre til at ramme den rigtige tone. Gemini Flash er den billigste, men mindre pålidelig, når det gælder struktureret output. Brug GPT-4o-mini som primær model og Claude Haiku som backup til de 20 % af grænsetilfældene.

Har jeg brug for selvhostet n8n, eller kan jeg bruge n8n Cloud?

Brug n8n Cloud Starter ($24/måned), hvis du har under 500 leads/måned og ikke har brug for lokal LLM. Selvhost på en $5 Hetzner VPS, når du rammer over 500 leads/måned — Clouds eksekveringsloft vil begrænse dig, og du kan ikke køre Ollama. Selvhosting tilføjer Docker-vedligeholdelse, men giver ubegrænsede eksekveringer og mulighed for lokal LLM.

Hvordan undgår jeg, at mit afsenderdomæne bliver sortlistet?

Send maksimalt 40-50 e-mails om dagen pr. postkasse, brug aldrig dit primære domæne, hold spamklageraten under 0,3 %, efterlev afmeldinger inden for 24 timer, overvåg Google Postmaster Tools ugentligt, og roter postkasser, hvis omdømmet falder. Den vigtigste enkeltstående løsning er det separate domæne – hvis en kampagne går galt, forbliver dit primære domæne rent.

Skal jeg bygge min egen AI SDR eller købe 11x/Artisan/Regie?

Byg den selv, hvis I har en udvikler, der er flydende i n8n, sender mere end 500 kolde e-mails om måneden og ønsker indflydelse på e-mailgenereringen. Køb, hvis I er et ikke-teknisk team, sender færre end 100 om måneden eller skal have løsningen i drift allerede i denne uge. De samlede ejeromkostninger (TCO) over 12 måneder for en gør-det-selv-løsning ligger på cirka 780 $ mod 24.000 $ for 11x — men kun hvis I faktisk vedligeholder den.

Hvor lang tid tager det at bygge en AI SDR i n8n?

4-8 timer for en udvikler, der er flydende i n8n og allerede har konti hos Apollo, OpenAI og Instantly. Tættere på 16-20 timer, hvis du lærer n8n sideløbende med opbygningen. Læg yderligere en uge til opsætning og opvarmning af afsenderdomæne, før du kan køre rigtige kampagner. Leveringslaget tager altid længere tid end selve workflowet.

Hvad er en realistisk svarprocent fra en n8n AI SDR?

Kolde første-henvendelser lander på 3-8 % svarprocent med en finjusteret ICP og ren leveringsdygtighed. Sekvenstrin 2-3 ligger på 2-5 %. Varme opfølgninger (efter ét svar) rammer 8-15 %. Hvis du ligger under 1 % på første henvendelse, er problemet næsten altid ICP-fejlskud eller afsenderdomænets omdømme, ikke e-mailteksten. Fiks det overordnede lag, før du finjusterer prompten.