n8n или Make: что выбрать для автоматизации в 2026 году

Кому подходит n8n, а кому Make

Make стоит первым проверить для коротких связок готовых SaaS — облачных сервисов по подписке, — если команде не нужны собственный сервер и глубокая переработка данных. Технический опыт исполнителя — вторичный критерий.

n8n стоит первым проверить, если нужен свой сервер, сложное преобразование данных, собственные ноды, внутренние системы и AI-процесс из отдельных компонентов. Сравнение по основным критериям помогает увидеть направление, но не заменяет пилот на собственных данных.

Есть ли в Make визуальный конструктор

Да. Визуальный редактор — основа Make. На холсте находятся модули приложений, Router разводит поток по маршрутам, а фильтры стоят на соединениях. После теста можно открыть вход и выход каждого модуля.

Пользователь n8n узнает trigger, action, webhook и schedule. Отличаются названия и способ показа данных. Make сильнее направляет через форму приложения: выбрали контакт — получили ожидаемые поля. n8n чаще показывает структуру данных и свободнее обращается к ней выражениями.

Визуальность не отменяет сложность. Большой сценарий в обеих системах требует понятных названий, заметок, обработки ошибок и разделения на части.

Как Make работает с JSON, массивами и циклами

Make может принимать JSON, разбирать массивы и выполнять действия для каждого элемента. Но его модель данных отличается от привычной в n8n.

n8n в большинстве нод работает с items — отдельными элементами потока. Нода получает один или несколько items, преобразует их и передаёт дальше. Массив может оставаться полем внутри item или быть разложен на несколько items. Для нетипичной формы данных можно использовать выражение или Code node.

Make передаёт bundles — пакеты данных. Если webhook получил заказ с массивом из десяти товаров, Iterator превращает массив в десять bundles. Следующие модули выполняются для каждого товара. Затем Aggregator может снова собрать результаты в один массив.

Make поддерживает разбор и обратную сборку массивов, но цикл приходится явно показывать через Iterator и Aggregator. Каждый bundle увеличивает число последующих платных действий: десять bundles, прошедшие через пять модулей, создают больше действий, чем один исходный заказ.

Для сложной нормализации n8n обычно свободнее: вложенный JSON можно привести к нужной форме одним блоком кода. В Make та же логика потребует модулей и агрегатора либо Make Code. Когда преобразование проще описать функцией, преимущество no-code исчезает.

Можно ли писать код и свои интеграции

В обеих платформах можно выйти за пределы готовых нод.

У Make есть Make Code для JavaScript и Python. Это песочница с ограничением ресурсов: по данным Make на дату проверки, стандартный запуск длится до 30 секунд, а секунда кода расходует два кредита. Короткое преобразование поместится; тяжёлую обработку лучше вынести наружу.

n8n тоже выполняет JavaScript и Python в Code node. В self-hosted версии можно контролировать среду исполнения и установить собственную ноду. Так внутренний API превращается в повторно используемый блок с credentials — сохранёнными подключениями, — полями и операциями.

1. Готовый модуль, если нужное действие уже есть.
2. HTTP v4 для прямого вызова REST API.
3. Make Code для преобразования или расчёта.
4. Custom App, если подключение нужно использовать много раз и дать другим сотрудникам.

Своя интеграция возможна в обоих продуктах. В self-hosted n8n команда контролирует среду исполнения и может устанавливать собственные ноды; Git-based environments доступны в поддерживаемых платных редакциях. Пользовательское приложение Make остаётся внутри облачной платформы.

Обе системы экспортируют схемы в JSON: blueprint в Make и workflow JSON в n8n. Credentials и внешние хранилища вместе со схемой автоматически не становятся переносимой системой — их проверяют отдельно.

Что с триггерами, расписанием и ошибками

Здесь принципиального разрыва нет. Оба сервиса запускают процессы по расписанию, webhook, событию приложения или вручную. Оба позволяют делать фильтры, ветвления, повторные попытки и отдельную обработку ошибки.

В Make можно открыть запуск и bundles конкретного модуля. Incomplete executions — незавершённые выполнения — сохраняют упавшие запуски для повторной обработки после исправления причины.

n8n хранит executions и входы/выходы нод, закрепляет тестовые данные и поддерживает error workflow. Расширенный поиск, совместная работа и окружения зависят от тарифа.

Победителя по cron или webhook не выбрать: они есть у обоих. Проверяйте повторы, частичные ошибки, защиту от повторного действия и срок хранения исходных данных. Это важнее списка триггеров.

AI-агенты и RAG: где возможности глубже

Раньше здесь было бы легко отдать победу n8n. В 2026 году ответ сложнее.

В Make AI Agents (New) агенту задают модель, инструкции и доступные инструменты: модули, сценарии, MCP-серверы и других агентов. MCP — стандарт подключения инструментов к AI-системе. Для ответов по документам Make индексирует файлы во встроенной векторной базе: RAG сначала находит подходящие фрагменты, а затем модель готовит ответ. На дату проверки функция остаётся open beta.

В n8n AI собран из отдельных блоков: Agent, chains, модели, embeddings, retrievers, memory, output parsers и разные vector stores — векторные базы. Можно выбрать модель, базу, поиск и хранение истории. Принцип разобран в статье о RAG.

Агент не становится надёжным от одной ноды. Деньги, публикация, удаление и важные записи требуют ограниченных tools, проверки входа и подтверждения человеком.

• Make быстрее даёт управляемого агента с tools и базой знаний.
• n8n позволяет заменить почти любой слой и выбрать инфраструктуру.
• Make удобнее для сценария «прочитать документы и вызвать приложения»; n8n — когда поиск, проверка и журналирование имеют отдельные правила.

Где хранить таблицы и состояние процесса

Make Data Stores — простая встроенная база записей. Она подходит для ключей защиты от повторной обработки, небольшого справочника, состояния процесса и соответствия внешних ID.

В n8n похожую роль выполняют Data Tables. Это дополнение к подключениям PostgreSQL, Redis, Airtable, Google Sheets и другим системам.

Это рабочая память автоматизации, а не замена CRM или СУБД. Для сложных связей, транзакций и больших объёмов нужна отдельная база.

Как отличаются архитектура и командная работа

Самое крупное различие находится не на холсте, а под ним.

n8n работает в Cloud или на своём сервере. Self-hosting — самостоятельное размещение — даёт контроль над сетью, обновлениями и данными, но требует следить за базой, очередями, копиями, секретами и доступностью. Поэтому self-hosting n8n не равен бесплатной эксплуатации.

Make остаётся облачным. Enterprise on-prem agent — локальный агент внутри сети компании — даёт сценариям доступ к внутренним ресурсам через HTTP, но движок не переезжает на сервер клиента. Если весь процесс обязан исполняться внутри контура, это не self-hosting.

Экспорт JSON есть у обеих платформ. Остальные командные функции зависят от тарифа: n8n описывает Git-based environments, а Make — blueprints, версии и CLI. Проверьте роли, аудит, SSO, секреты и разделение тестовой и рабочей, или production, среды.

При передаче Make обычно проще нетехническому сотруднику, а n8n — человеку, который читает JSON и код. Учитывайте того, кто будет разбирать ошибку.

Как считать стоимость

Сравнивать только цену стартового тарифа опасно: платформы считают разную единицу работы.

В Make основная единица — кредит. Действие модуля обычно расходует кредит, а итерации умножают последующие действия. Для 1 000 заказов по 10 товаров счёт уже не начинается и не заканчивается на 1 000. Код и AI могут считаться иначе; правила есть на странице тарифов Make.

В n8n Cloud один запуск workflow считается одним execution независимо от обычных шагов. Но остаются лимиты запусков и параллельности, AI API и внешние сервисы; при self-hosting — сервер и работа инженера. Условия перечислены на странице тарифов n8n.

При сравнении n8n и Make правильный расчёт начинается не с цены тарифа, а с двух разных моделей:

Make: фиксированные действия + элементы после Iterator × последующие модули. n8n Cloud: executions + требуемая параллельность + внешние расходы.

Отдельно добавьте повторы, Make Code, AI-токены, историю и инфраструктуру. Make может выиграть на короткой SaaS-связке без обслуживания, n8n — на длинном многоэлементном процессе. Это нужно считать.

Один процесс в n8n и Make

Возьмём не учебную пересылку письма, а рабочую заявку. Webhook получает заказ с массивом товаров. Система приводит телефоны и адреса к единому виду, проверяет каждый артикул в учётной системе, определяет тему комментария с помощью модели, создаёт сделку, выбирает ответственного и сохраняет итог.

Как выглядит процесс в Make

Custom Webhook → сопоставление полей → Iterator товаров → HTTP или готовый модуль → Aggregator → AI Agent → Router → CRM → Data Store → уведомление

Поля хорошо видны, а CRM может иметь готовую операцию. Если 1 000 заказов содержат по 10 товаров и после Iterator каждый товар проходит пять модулей, это около 50 000 модульных действий Make плюс шаги до и после цикла. Повторы и особые правила тарификации увеличат итог.

Как выглядит процесс в n8n

Webhook → Edit Fields или Code → items товаров → HTTP Request или нода → объединение → AI-компоненты → Switch → CRM → Data Table или БД → уведомление

Сложную нормализацию удобно собрать в одном блоке. Те же 1 000 входящих заказов в n8n Cloud обычно дадут 1 000 executions — полных выполнений workflow, — если каждый заказ запускает один процесс. Разбиение на несколько workflow и повторы изменят расчёт. Автору при этом нужно уверенно работать с JSON, выражениями и items.

Для трёх готовых SaaS-действий преимущество n8n может не проявиться. Оно растёт вместе с вложенными данными, внутренними API и собственной логикой.

Какие ещё есть альтернативы

n8n и Make — не единственные варианты. У конкурентов разные центры тяжести.

Международные решения

• Zapier — быстрые no-code связи; по данным разработчика, более 8 000 приложений, а также код и Agents. Кандидат, когда важнее всего готовый коннектор.
• Activepieces — открытая self-hosted платформа с TypeScript-компонентами, AI-агентами и MCP.
• Pipedream — developer-first облако, где workflow совмещается с Node.js, Python, Go и Bash.
• Node-RED — self-hosted low-code среда для событийных потоков, особенно заметная в IoT.

Российские решения

• Nodul заявляет российскую инфраструктуру, JavaScript, AI-агентов и Enterprise-развёртывание. Проверять стоит при требованиях к российским подключениям и on-prem.
• Albato предлагает визуальные сценарии, webhooks, API, JavaScript/Python и российскую версию. Компания международная, поэтому юрлицо и хранение данных проверяют по договору.
• ApiMonster соединяет CRM, рекламу, мессенджеры и магазины через готовые связки, webhooks и JavaScript. Это скорее прикладной интегратор, чем полная замена технической среде n8n.

Для российского решения проверьте HTTP API, место исполнения данных, экспорт и журнал ошибок. Правовые и платёжные вопросы относятся к отдельному разбору.

Как выбрать без долгого внедрения

Сначала проверьте, стоит ли процесс автоматизировать вообще. Он должен повторяться по достаточно стабильным правилам, иметь ответственного и экономить больше времени или денег, чем потребует поддержка. Если правила меняются каждую неделю, половина случаев уникальна, а результат никто не проверяет, выбор между n8n и Make пока преждевременный.

Затем возьмите один безопасный процесс без платежей, удаления и публикации: с webhook — приёмом внешнего события, массивом данных, развилкой, вызовом API, ошибкой и записью результата. Соберите одинаковый тест в n8n и Make.

1. Сколько времени заняла первая рабочая версия.
2. Насколько понятно другому сотруднику, что происходит с данными.
3. Как выглядит повторный запуск после частичной ошибки.
4. Сколько действий, executions и AI-вызовов создаёт месяц работы.
5. Можно ли соблюсти требования к сети, данным и секретам.
6. Как перенести изменение из теста в production и откатить его.
7. Сколько ручного времени процесс экономит и кто будет поддерживать его после запуска.
8. Нужны ли SSO, разграничение ролей, журнал аудита и SLA — и входят ли они в выбранный тариф.

Для готовых облачных сервисов и минимальной инфраструктуры Make может быть лучше. Для собственной логики, внутренних API, нестандартных данных и AI-компонентов n8n оставляет больше пространства.

Специально сломайте тест в нескольких местах. Лучшим будет инструмент, где команда быстрее найдёт причину, безопасно повторит обработку и оценит стоимость месяца.