Bygg en AI-SDR i n8n: Arkitekturen för 50 $/månad som vi levererar till kunder (2026)

Bygg en AI-SDR i n8n: Arkitekturen för 50 $/månad som vi levererar till kunder (2026)

11x tar ungefär 2 000 $/månad. Artisan börjar på 1 500. Regie på 1 000. Vi bygger samma utgående maskin åt våra B2B-kunder i n8n för 50–65 $/månad — arkitekturen nedan är den exakta vi driftsätter. Techsy driver en AI-SDR-byrå, så det här är inte teori utan det workflow vi levererat till SaaS-, fintech- och devtools-konton sedan tidigt 2025.

Viktiga slutsatser:

• En AI-SDR byggd i n8n kostar 50–65 $/månad vid 1 000 leads, mot 1 500–2 000 $/månad för verktyg som 11x eller Artisan.
• 7-stegsarkitekturen: leadinmatning, berikning, research, generering, manuell granskning, utskick, svarsklassificering.
• Den mest levererade komponenten är systemprompt till AI Agent-noden — vi publicerar en komplett mall på 40 rader nedan.
• Bygg inte detta om du skickar färre än 100 kalla mejl per månad eller saknar leverabilitets- och värmningsinfrastruktur.

Vad en AI-SDR faktiskt gör (och varför n8n är rätt plattform)

En AI-SDR (Sales Development Representative) är ett autonomt workflow som hämtar potentiella kunder, berikar dem med firmografisk och beteendemässig data, skriver personliga utgående mejl med ett LLM, skickar dem via en värmad inkorg och klassificerar svar — allt utan en mänsklig SDR i loopen. I n8n lever det som ett visuellt workflow du kan redigera, felsöka och äga fullt ut.

Vad som hålls automatiserat: leadrouting, berikningslookups, research, mejlutkast, utskick, svarstriage, CRM-uppdateringar. Vad som hålls mänskligt: mållistecuration (framför allt ICP-definition), juridiskt godkännande av text och eskaleringsvägen när ett svar blir ett riktigt samtal. En AI-SDR är ingen chatbot — det är ett anskaffningssystem för utgående konversationer.

Varför n8n framför Zapier eller Make? Tre skäl. AI Agent-noden levereras med inbyggt tool calling och strukturerad output (Zapier omsluter fortfarande OpenAI i ett generiskt HTTP-steg). Self-hosting ger dig obegränsade exekveringar på en $5-VPS. Och det visuella arbetsytan låter någon utan teknisk bakgrund på ditt team felsöka ett trasigt Apollo-anrop utan att öppna en JSON-editor. Om du är helt ny på n8n:s AI Agent-nod, börja med vår n8n AI-agenter-tutorial innan du sätter igång — den täcker grunderna. De officiella n8n Advanced AI-dokumenten täcker nodreferensen.

7-lagers arkitekturen (från intent till svar)

De sju lagren är: Leadinmatning (webhook eller CSV), Berikning (Apollo eller Clay), Research (en AI-agent som söker kontext), Generering (mejl-LLM med skyddsräcken), Manuell granskning (Slack-godkännande för de första 100), Utskick (Instantly eller Smartlead) och Svarsklassificering (en AI-agent som routar svar till CRM, Slack eller auto-svar). Varje lager mappar mot exakt en n8n-nod — det är designbegränsningen som håller bygget hanterbart.

Lager-för-lager-genomgång:

PageLines-teamet har skrivit en bra genomgång av den autonoma SDR-stacken som mappar ett liknande mönster — vi konkretiserar det här per n8n-nod. För flerkanalsautonomitet bortom utgående mejl (tänk LinkedIn + mejl + annonser i ett workflow) täcker vår guide om B2B autonom social media-leadgenerering det parallella mönstret.

En viktig sluten loop: Svarsklassificeringen matar tillbaka till Leadinmatningen som en negativ signal — alla som avregistrerar sig eller svarar "fel person" får ett do-not-contact-flagg vid nästa berikningspass. Den loopen är det som gör detta till ett system snarare än ett massutskick.

Förutsättningar: n8n Cloud vs self-hosted, LLM-nycklar, utskicksstack

Innan du öppnar n8n behöver du fyra saker: ett hostingbeslut (Cloud eller self-hosted), två LLM API-nycklar (OpenAI plus Anthropic som reserv), en utskicksstack (Instantly eller Smartlead — aldrig Gmail i skala) och 3–5 värmade postlådor på en separat utskicksdomän. Vi defaultar våra kunder till self-hosted på en $5 Hetzner-box — n8n Clouds exekveringsgräns slår till i sekunden du passerar 500 leads/dag.

Cloud vs self-hosted, jämförande:

Om du self-hostar är här den minimala docker-compose.yml vi levererar:

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

Lägg till Caddy eller Traefik för HTTPS-terminering. För self-hosting plus lokalt LLM (integritetskänsliga branscher) är n8n + Ollama-genomgången den tydligaste referensen. LLM-nycklar: skaffa en OpenAI-nyckel (GPT-4o-mini klarar 90 % av arbetet) och en Anthropic-nyckel (Claude Haiku 3.5 som reserv). Utskicksstack: Instantly för 37 $/månad ger dig obegränsad värmning och ett rent API. Kolla n8n:s prissida för de senaste Cloud-tiernumren.

Steg 1 — Leadinmatning och berikning

Leadinmatning är bara ytterdörren. Det riktiga arbetet sker vid berikning, där du omvandlar ett mejl + företagsnamn till en rad med titel, senioritet, personalstyrka, finansieringsfas, teknikstack och nylig LinkedIn-aktivitet. Vi defaultar till Apollo för kalla lookups och Clay för de röriga fuzzy-match-fallen — samma payloadform, olika pris per rad. Apollo kostar $0,02–0,05 per kontakt i skala; Clay börjar på $349/månad med mer berikad signalinsamling.

1.1 Webhook-triggern (eller CSV-import)

Två mönster. Mönster A: en webhook triggas varje gång ditt team lägger till en rad i en "target leads"-Airtable eller Google Sheet. Mönster B: en manuell CSV-uppladdning via n8n:s Spreadsheet File-nod. Vi använder mönster A för löpande kampanjer och mönster B för engångslistor från säljoperationer.

1.2 Apollo HTTP Request-nod

Apollo /v1/people/match-endpointen tar ett mejl och returnerar det berikade rekordet:

{
  "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
  }
}

Koppla svaret till en Set-nod som plockar ut organization.industry, organization.estimated_num_employees, title och seniority. Det är din berikningspayload.

1.3 Clay och Apify som alternativ

Om Apollo missar — ungefär 15–20 % av B2B-kontakter enligt vår erfarenhet — faller du tillbaka på Apify Proxycurl för LinkedIn till $0,01/lookup, eller Clay om du behöver vattenfallsberikning från flera leverantörer. Bygg en try/catch-gren i n8n med IF-noden så att missade leads får ett andra pass i stället för att falla bort.

1.4 Outputschema

Standardisera på ett enda JSON-schema nedströms:

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

Berikning är där post-Apollo-personaliseringsbudgeten sätts — varje kontakt på $0,04 är ett $0,04-tak på hur mycket LLM-tokenkostnader det leadet kan motivera.

Steg 2 — Researchlagret med AI Agent-noden

Research-agentens uppgift är att ta ett berikat lead och producera en mening med smärtahypotes plus en nylig triggerhändelse (en finansieringsrunda, en produktlansering, en ny anställning). Den körs som en AI Agent-nod med två verktyg: ett webbsökningsverktyg (SerpAPI eller Brave Search) och ett valfritt LinkedIn-lookup (Proxycurl). Output är strukturerad JSON så att nästa nod kan brancha på icp_fit_score. Vi har funnit att GPT-4o-mini klarar 80 % av researchjobben till 1/20 av Sonnet-kostnaden — eskalera till Claude Sonnet bara när ICP-anpassningspoängen är i gränsland (0,4–0,6).

2.1 AI Agent-nodinställning

Modell: GPT-4o-mini. Temperatur: 0,3 (du vill ha konsekvens, inte kreativitet). Minne: av — varje lead är stateless. Maxiterationer: 5 (begränsa tool-calling-loopen annars blåser tokenkostnaderna upp vid hallucinerade sökningar).

2.2 Verktyg

Anslut två HTTP Request-verktyg: ett för SerpAPI (https://serpapi.com/search?q={query}&num=5), ett för Proxycurl LinkedIn. Agenten avgör vilket den anropar.

2.3 Strukturerad output

Tvinga ett JSON-schema på outputen:

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"
}

Fältet do_not_contact_reason är skyddsräcket — sätt det när agenten upptäcker en konkurrent, en befintlig kund eller en nylig varselvåg. Allt med ett värde här hoppar över resten av pipelinen.

Steg 3 — Mejlgenerering med skyddsräcken

Mejlgeneringsagenten är den mest levererade komponenten i hela bygget. Dess uppgift: ta det berikade leadet plus Research-agentens output och producera en ämnesrad under 50 tecken, en brödtext under 80 ord och en enda mjuk uppmaning. Den strippar också förbjudna fraser via ett regex-pass efter generering. Listan med förbjudna fraser är det enskilt mest levererade skyddsräcket vi driftsätter — strippa "revolutionary" och svarsprocenten hoppar 1–2 procentenheter direkt. Apollos egna skyddsräckesguide backar detta med leverantörsdata.

3.1 Systemprompt (nyckeltillgång)

Klistra in detta direkt i din AI Agent-nod:

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 Strukturerad output

Fältet intent_score är ditt andra skyddsräcke. Allt under 0,6 routas till köen för manuell granskning oavsett kampanjfas. Vi anpassar tröskeln per ICP — enterprise-ICPer får ett golv på 0,75, SMB på 0,55.

3.3 Regex-kontroll efter generering

n8n:s Function-nod kör ett slutligt regex-svep mot listan med förbjudna fraser (LLM:et smugglar ibland tillbaka dem via synonymer). Varje träff skickar tillbaka mejlet till kön med en feedbacksträng för nästa försök. Varje kundengagemang börjar med att de skickar oss deras senaste 50 utgående mejl — vår modell genererar 50 parallellt, och den A/B-jämförelsen är hur vi kalibrerar listan med förbjudna fraser per ICP.

Steg 4 — Manuell granskning (de första 100 mejlen)

Manuell granskning spelar roll för de första 100 mejlen — det är då modellens blinda fläckar syns: ett ICP-missmatch, en tondöv referens, en förbjuden fras som slinkade igenom. Efter att 100 mejl passerat med under 5 % avvisning går du över till stickprovsläge — ett rullande stickprov på 10 % granskas dagligen. Vi låter aldrig en kund köra autonomt förrän de första 100 mejlen passerat med under 5 % avvisning — det är överlämningsgaten.

Koppla HITL-grenen med n8n:s Send and Wait for Approval-nod. Den postar till en dedikerad Slack-kanal med leadets namn, den genererade ämnesraden och brödtexten. Granskare trycker Godkänn eller Avslå. Godkänn routar till Utskick; Avslå loopar tillbaka till Generering med en enrads feedbacksträng ("för formell", "missade triggern", "förbjuden fras: synergy").

Vad du ska kontrollera i de första 100:

• Förbjudna fraser (regex fångar de flesta, människor fångar resten)
• ICP-missmatch (du riktade mot CTO:er, mejlet läser som om det är till marknadsföring)
• Ton (för ivrig, för formell, för transaktionell)
• Påhittade fakta (modellen hittade på en funktion, ett konkurrentnamn, ett citat)

Proffstips: logga varje avvisningsorsak till en Postgres-tabell. Efter 100 mejl kör du avvisningarna igenom ett klustringspass för att uppdatera systemprompt — det är hur prompten utvecklas med ICP:n.

Steg 5 — Utskick och leverabilitet (SPF, DKIM, DMARC, värmning)

Leverabilitet är där 80 % av AI-SDR-byggen faller. De icke-förhandlingsbara: en separat utskicksdomän (aldrig din huvuddomän), SPF + DKIM + DMARC fullt konfigurerat, utskicksgränser på 40–50 mejl/dag per postlåda och tre veckors värmning innan det första kalla utskicket. Om din spamrate passerar 0,3 % throttlar Google hela din domän — inte bara den felande kampanjen.

5.1 Separat utskicksdomän

Registrera en likartad domän (getyourcompany.com i stället för yourcompany.com). Vidarebefordra svar till din huvudinkorg. Det isolerar ditt rykte. Om den kalla domänen bränns förblir din riktiga domän ren.

5.2 SPF, DKIM, DMARC

Komplett leverabilitetschecklista:

RFC 8058 är ett-klicks-avregistreringsstandarden — Gmail och Yahoo kräver det nu av massutskickare. Instantly och Smartlead lägger till den headern automatiskt.

5.3 Utskicksgränser och värmning

40–50 mejl/dag per postlåda, hård gräns. Fem värmade postlådor = 200–250 mejl/dag per domän. Behöver du mer? Lägg till fler postlådor, inte fler mejl per postlåda. Värmning körs i tre veckor innan något riktigt utskick. Instantlys gratis värmningspool tar dig dit.

5.4 Regelefterlevnad

USA: CAN-SPAM kräver en fysisk postadress och en fungerande avregistreringslänk — FTC:s efterlevnadsguide är den kanoniska referensen. EU: GDPR artikel 6(1)(f) legitimt intresse är den typiska grunden för B2B-kallmejl, med dokumenterad opt-out inom 72 timmar — officiell text är kort, läs den. Kanada: CASL är striktare än CAN-SPAM och kräver uttryckligt eller underförstått samtycke.

Instantlys leverabilitetsrapport sätter 2025–2026-riktmärket för inkorgsplacering till 85–90 % om alla punkter ovan är ikryssade. De flesta team landar på 50–60 % för att de hoppar över den separata domänen.

Steg 6 — Svarsklassificering och CRM-synk

Svarsklassificeringen routar inkommande svar till fem hinkar — intresserad, invändning, avregistrering, frånvaro, fel person — och triggar en annan åtgärd per hink. Intresserade svar pingar grundarens Slack och skapar en HubSpot-affär. Invändningar routas till en uppföljningssekvens. Avregistreringar skrivs till en suppressionslista. Frånvaro triggar ett återsändande om 7 dagar. Fel person uppdaterar CRM och ber om en hänvisning via auto-svar. I klientdriftsättningar är det här steget som skiljer "AI genererar mejl" från "AI driver en pipeline" — utan svarsklassificering är du bara ett avancerat massutskick.

6.1 IMAP-trigger

n8n:s IMAP Email-trigger pollar din utskicksinkorg var 60:e sekund. Filtrera till mejl där förälderråden originerades av din kampanj (matcha In-Reply-To-headern mot din Message-ID-logg).

6.2 Svarsklassificeringsagent

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 Switch-nodens routing

n8n:s Switch-nod grenar på intent:

• intresserad → HubSpot Contact Update (lifecycle = SQL) + Slack-ping till #sales
• invändning → Lägg till i uppföljningssekvens med 5-dagars fördröjning
• avregistrering → Skriv till suppression-Postgres-tabell + skicka bekräftelse
• frånvaro → Schemalägg återsändande +7 dagar
• fel person → CRM-uppdatering, markera mejl ogiltigt, begär hänvisning via auto-svar

6.4 HubSpot-synk

n8n:s HubSpot-nod hanterar kontaktskapande, affärsfasuppdateringar och aktivitetsloggning. Vi loggar varje skickat mejl och varje mottaget svar som ett HubSpot Engagement — dina säljare ser AI-tråden inline med deras manuella kontakter.

Steg 7 — Utvärderingsloop (svarsprocentssmål och QA-kadence)

Utvärderingsloopen är det som håller systemet från att drifta. Spåra svarsprocent veckovis, kör ett 10 %-stickprov efter HITL-avslutning, A/B-testa promptvarianter via en Switch-nod och versionhantera varje promptändring i en Postgres-tabell. Det största misstaget vi ser: team driftsätter en AI-SDR och kör aldrig utvärderingsloopen — sex månader senare skickar de 10 000 mejl med 0,4 % svarsprocent och förstår inte varför.

Svarsprocentssmål:

A/B-testinställning: klona din Mejlgeneringsagent, ändra en variabel (ämnesradsformel, öppnarsstil, uppmaningsnivå), koppla båda via en Switch-nod som round-robinar trafik 50/50. Efter 200 utskick per arm blir varianten med högre svarsprocent standard. För systematisk promptkvalitetsspårning när du skalat förbi 5 000 leads/månad, se vår sammanfattning av LLM-evalueringsverktyg — vid den volymen vill du ha Langfuse eller Arize, inte Postgres.

QA-kadence efter HITL-avslutning: 10 % slumpmässigt stickprov granskas dagligen, fullständig veckogranskning varje fredag, promptversionering när svarsprocenten rör sig mer än 1 procentenhet i någon riktning.

Vad det faktiskt kostar (1k vs 10k leads/månad)

Vid 1 000 leads/månad kostar DIY n8n-stacken $70–84. Vid 10 000 leads/månad skalas det till $280–340. Jämfört med 11x på $2 000/månad eller Artisan på $1 500/månad är 12-månaders TCO-gapet enormt — ungefär $24 000 mot $780 på ingångsnivån, och det inkluderar 8 timmars engångbygge. Vid 1 000 leads/månad kostar DIY n8n-stacken mindre än vad 11x tar betalt för en timme.

Specificerad månadskostnad vid två volymer:

GPT-4o-mini till $0,15/$0,60 per 1 miljon tokens enligt OpenAIs prissida är det matematiska drivet — Claude Haiku 3.5 på Anthropics prissida är jämförbart. Du kan pressa närmre $50 genom att köra berikning via Apify Proxycurl ($0,01/lookup) i stället för Apollo, men vi behåller Apollo för träffsäkerheten på kalla kontakter. Väljer du fortfarande LLM:et, går vår ranking av AI-agentramverk igenom kostnadsavvägningar per 1k tokens.

12-månaders TCO per leverantör:

Matematiken är brutal för hanterade verktyg. Även om du lägger till 8 timmars byggtid till en blandad timkostnad på $150/timme ($1 200), sparar DIY-stacken fortfarande $22 000/år mot 11x.

När du inte ska bygga detta

Hoppa över det här bygget om du skickar färre än 100 kalla mejl per månad — de 8 timmarna lönar sig inte. Hoppa över det om du är i en reglerad bransch (hälsovård, finans, myndigheter) utan juridiskt godkännande av kallmejl. Hoppa över det om du är en icke-teknisk ensamföretagare med noll bandbredd för underhåll. Hoppa över det om ditt team inte kan skilja SPF från DKIM. Hoppa över det om din ICP är konsument — kallmejl är B2B-only, punkt.

Diskvalifikatorerna, utvidgade:

• <100 utgående mejl/månad: Byggtiden överstiger den årliga besparingen. Använd ett hanterat verktyg med gratisnivå eller gör det manuellt.
• Reglerade branscher utan juridiskt godkännande: HIPAA, GLBA och liknande regelverk gör kallmejl till en regelefterlevnadsminа. Anlita en jurist först.
• Ingen värmningsinfrastruktur: Om du inte har Instantly eller Smartlead och inte är villig att spendera tre veckor på att värma en domän, förstör du ditt avsändarrykte under vecka ett.
• Ingen underhållsbandbredd: Det här är ett system som behöver veckovis utvärdering. Om ingen äger svarsprocent-dashboarden driftar det till brus.
• Konsument-ICP: Kallmejl till konsumenter är CAN-SPAM-kompatibelt men kommersiellt dött. Använd betald annonsering.

Om ditt team inte kan skilja SPF från DKIM är AI-SDR:n inte din flaskhals — din utskicksinfrastruktur är det. Åtgärda det först. Vi packar upp samma bygg-vs-köp-trevägsram för röstassistenter i vår guide om att bygga eller köpa AI-röstassistent — ramverket gäller direkt.

Hur Techsy levererar detta till kunder

Vi driftsätter den här exakta arkitekturen som ett byråengagemang. Tidslinjen: Vecka 1 granskar vi din ICP, sätter upp den separata utskicksdomänen, konfigurerar SPF/DKIM/DMARC och startar postlådevärmning. Vecka 2 bygger vi n8n-workflowet mot ditt CRM. Vecka 3–4 kör vi HITL tillsammans med ditt team. Från vecka 5 och framåt: autonomt med daglig svarsprocentsövervakning.

Vad kunder skickar oss: sitt ICP-dokument, de senaste 50 utgående mejlen deras människor skrivit (vi använder dem för att kalibrera listan med förbjudna fraser per röst) och ett antal värmade postlådor de redan äger (vi lägger till fler vid behov). Vad vi levererar: n8n-workflowet konfigurerat för din stack, systempromptarna finjusterade till din röst, 30 dagars svarsprocentsövervakning och en Notion-runbook ditt team använder efter överlämning.

Du betalar oss för värmningsdisciplinen och svarsprocentsövervakningen, inte för n8n-licenser. Vill du att vi bygger det åt dig i stället? Techsys AI-SDR-byråsida beskriver hur vi levererar detta för B2B-team.

Vanliga frågor

Vad är en AI-SDR och hur fungerar den?

En AI-SDR är ett autonomt workflow som hämtar leads, berikar dem med firmografisk data, skriver personliga kallmejl via ett LLM, skickar från en värmad inkorg och klassificerar svar i åtgärdshinkar. Pipelinen körs utan en mänsklig SDR, men människor äger fortfarande ICP-definitionen, juridiskt godkännande och eskalering när svar blir riktiga samtal.

Hur mycket kostar det att bygga en AI-SDR i n8n 2026?

Vid 1 000 leads/månad räkna med $70–84/månad: $5 VPS, $8–12 GPT-4o-mini-tokens, $20–30 Apollo och $37 Instantly. Vid 10 000 leads/månad skalas det till $280–340. Jämför det med 11x på ungefär $2 000/månad eller Artisan på $1 500/månad — 12-månaders TCO-gapet överstiger $20 000 även efter 8 timmars byggtid.

Kan n8n verkligen ersätta verktyg som Clay, Apollo eller 11x?

n8n ersätter orkestreringslagret och mejlgenereringslagret som 11x och Artisan tar betalt för. Det ersätter inte underliggande data — du betalar fortfarande Apollo eller Clay för berikning eftersom de äger kontaktdatabasen. Kostnadsvinsten ligger på orkestreringslagret plus LLM-skatten som hanterade verktyg markerar upp 20–30 gånger.

Är det säkert att skicka kallmejl från en n8n-byggd SDR?

Ja, om du konfigurerar leverabilitet ordentligt: separat utskicksdomän, SPF + DKIM + DMARC, utskicksgränser på 40–50/dag per postlåda, RFC 8058 ett-klicksavregistrering, tre veckors värmning innan första utskicket. Utan det förstör du ditt avsändarrykte under vecka ett oavsett vilket verktyg som genererar mejltexten.

Vilket är det bästa LLM:et för en AI-SDR — GPT-4o-mini, Claude Haiku eller Gemini Flash?

GPT-4o-mini är vår standard till $0,15/$0,60 per 1 miljon tokens — klarar 80 % av research- och genereringsjobben rent. Claude Haiku 3.5 är jämförbart, något bättre på tonsättning. Gemini Flash är billigast men mindre tillförlitligt på strukturerad output. Använd GPT-4o-mini primärt, Claude Haiku som reserv för de 20 % av gränsfall.

Behöver jag self-hosted n8n eller kan jag använda n8n Cloud?

Använd n8n Cloud Starter ($24/månad) om du är under 500 leads/månad och inte behöver lokalt LLM. Self-hosta på en $5 Hetzner-VPS när du passerar 500 leads/månad — Clouds exekveringsgräns slår till och du kan inte köra Ollama. Self-hosting lägger till Docker-underhåll men låser upp obegränsade exekveringar och lokala LLM-alternativ.

Hur håller jag min utskicksdomän från att bli svartlistad?

Skicka max 40–50 mejl/dag per postlåda, aldrig från din huvuddomän, håll spamklagorater under 0,3 %, respektera avregistreringar inom 24 timmar, övervaka Google Postmaster Tools veckovis och rotera postlådor om ryktet sjunker. Den enskilt största förbättringen är den separata domänen — om en kampanj går fel förblir din primärdomän ren.

Ska jag bygga min egen AI-SDR eller köpa 11x/Artisan/Regie?

Bygg om du har en n8n-kunnig utvecklare, skickar mer än 500 kallmejl/månad och vill ha röststyrning över mejlgenereringen. Köp om du är ett icke-tekniskt team, skickar färre än 100/månad, eller behöver det igång den här veckan. DIY 12-månaders TCO är ungefär $780 mot $24 000 för 11x — men bara om du faktiskt underhåller det.

Hur lång tid tar det att bygga en AI-SDR i n8n?

4–8 timmar för en n8n-kunnig utvecklare som redan har Apollo-, OpenAI- och Instantly-konton. Närmre 16–20 timmar om du lär dig n8n parallellt med bygget. Lägg till ytterligare en vecka för domäninställning och värmning innan du kan köra riktiga kampanjer. Leverabilitetslagret tar alltid längre tid än själva workflowet.

Vad är en realistisk svarsprocent från en n8n AI-SDR?

Kall första kontakt-svarsprocent landar på 3–8 % med en inriktad ICP och ren leverabilitet. Sekvenssteq 2–3 ligger på 2–5 %. Varma uppföljningar (efter ett svar) når 8–15 %. Om du är under 1 % vid första kontakten är problemet nästan alltid ICP-missmatch eller utskicksdomänens rykte — inte mejltexten. Åtgärda det uppströmsliggande lagret innan du justerar prompts.