Зелёный статус, пустой результат: где ломается no-code AI

За последний месяц на форуме n8n одновременно появились три темы: RFC на потоковую передачу событий вызова инструментов через SSE, платное предложение «диагностика workflow за $150» и сервис «почини воркфлоу от 49 евро по переписке».

Все три - про одно: автоматизация на n8n массово завершается зелёной галочкой, хотя нужное действие не произошло.

Запись задвоилась, поле тихо перезаписалось, запись в базу не прошла - а статус run сообщает success.

Для бизнеса, который поставил AI-агента управлять реальным процессом, это системный разрыв между «цикл выполнился» и «результат достигнут», и он повторяется в каждом отдельном воркфлоу.

No-code платформы вроде n8n меряют успех выполнением графа узлов: каждый нод отработал без исключения - значит зелёный.

Но AI-агентный узел внутри такого графа может вызвать инструмент, получить пустой ответ, тихо продолжить и записать в лог «готово».

Автор диагностического сервиса описывает симптом напрямую: workflow finishes green and the thing it was supposed to do did not actually happen.

На форуме сложилась ниша вокруг этого симптома: платная диагностика по фиксированной цене, платный ремонт по переписке, конвейер обращений от разных людей.

Дискуссия вокруг RFC уточняет механику.

Сейчас в потоковый HTTP-ответ (SSE) попадают только финальные текстовые чанки от LLM.

Промежуточные шаги - вызов инструмента, его аргументы, ответ retriever'а, обращение к суб-workflow - выполняются в фоне и наружу не идут.

Пока агент дёргает подряд три-четыре инструмента, фронтенд показывает замороженный экран без «Ищу в базе…» или «Обращаюсь к API…».

Тот же сигнал не попадает и в лог запуска: узел агента устроен как чёрный ящик с одним входом и одним выходом - без последовательности проверяемых шагов внутри.

Собрать демо-автоматизацию в n8n - вопрос часа: подключил Google Drive, дёрнул API для звука, получил рабочий пайплайн, как в примере с автодобавлением фоновой дорожки к видео.

Это и есть низкий TTU: результат виден почти сразу.

Именно поэтому у бизнеса возникает соблазн масштабировать так же - нанять фрилансера собрать ещё десять пайплайнов для лидогенерации, как в примере с оценкой компаний от 50 сотрудников по региону.

Проблема наступает на эксплуатации: без наблюдаемости каждый новый workflow - новая точка тихого отказа, а фрилансеры зарабатывают 49-150 долларов на ремонте уже случившегося симптома.

Решение «агент сам разберётся с лидами»

выглядит простым, но требует зрелого процесса: версионирования промптов, тестов на реальных данных до продакшена (сам автор лид-радар-сервиса предлагает 10-20 записей на пробу, прежде чем платить за всю систему), и слоя логирования, который не зависит от того, вспомнил ли автор конкретного узла его туда добавить.