Коротко

ИИ для продаж полезен не тогда, когда он «продаёт вместо менеджера». Обычно он полезен вокруг сделки.

Самая дорогая рутина выглядит скучно: лид пришёл без контекста, CRM заполнена наполовину, follow-up держится на памяти менеджера, заметки после звонка слишком общие, а повторяющиеся возражения руководитель видит уже после того, как часть сделок остыла.

Здесь AI-процесс даёт быстрый эффект. Система может читать входящие сообщения, вытаскивать потребность и срочность, готовить первый ответ, резюмировать звонки, создавать задачи в CRM, писать черновики follow-up, подсвечивать рискованные обещания и показывать паттерны по диалогам. Отношения с клиентом и коммерческое решение остаются за человеком.

В локальной практике отдел продаж редко живёт в западной CRM. Чаще это amoCRM, Bitrix24.kz, 1C, WhatsApp, Telegram, телефония и таблицы. Поэтому ИИ для продаж должен разбирать реальные сделки, переписки и обещания менеджеров, а не пересказывать чужие CRM-кейсы.

Главная граница простая: AI может черновить, классифицировать, резюмировать, советовать и готовить. Он не должен тихо обещать скидки, сроки поставки, возможности продукта, юридические условия или нестандартный объём работ, если компания это не подтвердила.

Хороший первый проект — не «волшебный закрыватель сделок». Это дисциплинированный помощник, подключённый к CRM, перепискам, звонкам, шаблонам и правилам руководителя. Начните узко, оставьте человека в контуре и измеряйте скорость ответа, чистоту воронки и потери следующих шагов.

Где ИИ действительно помогает продажам

Команды часто формулируют запрос так: «Хотим AI, который продаёт». Звучит понятно. Но для большинства компаний это плохая стартовая точка.

Реальная продажа устроена грязнее. Лид приходит из формы, WhatsApp, Telegram, почты, рекомендации, вебинара, маркетплейса или офлайн-точки. Кто-то должен понять, кто этот человек, что ему нужно, может ли он купить, что он уже сказал, какой следующий шаг нужен и совпадает ли CRM с реальностью.

Карта sales workflow: входящие лиды, CRM, звонки, follow-up, проверка руководителем и сигналы для обучения
ИИ полезен там, где разговор с клиентом должен превратиться в понятную запись, задачу и следующий шаг.

Самые рабочие сценарии:

  • обработка и квалификация лидов;
  • подготовка account notes;
  • извлечение полей для CRM;
  • резюме звонков и чатов;
  • черновики follow-up;
  • первые версии коммерческих предложений;
  • напоминания о следующем шаге;
  • сигналы для обучения менеджеров;
  • контроль чистоты воронки.

Если перевести это на язык локального внедрения: не начинайте с замены коммерческого суждения. Начните с работы, из-за которой это суждение появляется слишком поздно: входящие заявки, follow-up, CRM-гигиена, обещания в WhatsApp и видимость для руководителя.

Для команд на Bitrix24, amoCRM, 1C, таблицах, WhatsApp, Telegram или собственной админке это обычно задача про AI-агента. Он должен читать, выбирать важное, писать в инструменты и оставлять след.

Начинайте с CRM, а не с модели

ИИ в продажах настолько хорош, насколько хороши данные, которым он может доверять.

Если стадии сделки политические, даты закрытия ставятся «на конец квартала», источники пропущены, а важный контекст живёт в личных чатах менеджеров, модель не починит процесс. Она просто быстрее покажет, где всё расползается.

Цикл CRM hygiene: сообщения, извлечение полей, проверка пропусков, подтверждение менеджером и отчётность по воронке
CRM-гигиена звучит скучно, зато без неё sales AI быстро превращается в красивую надстройку над плохими данными.

На первом аудите стоит спросить:

  • какие поля нужны для реального решения по сделке;
  • какие поля чаще всего пустые или неверные;
  • в каких сообщениях хранится правда, которой нет в CRM;
  • какие действия AI может делать сам;
  • какие действия требуют подтверждения менеджера;
  • сколько стоит неправильное обновление.

Здесь расходятся готовые CRM-функции и кастомная разработка. Готовые AI-инструменты часто нормально резюмируют звонки, черновят письма и заполняют простые поля. Иногда этого достаточно. Но если у компании своя логика квалификации, нестандартные цены, локальные мессенджеры, несколько филиалов или самописная CRM, полезный слой чаще приходится строить вокруг существующих инструментов.

В локальном проекте это обычно выглядит так: типовые возможности CRM используем как есть, а отдельно строим то, что отражает вашу логику продаж. Резюме встречи — типовая вещь. Ваша квалификация лида, филиальная маршрутизация, правила скидок и связь с 1C — уже нет.

Квалификация лида: собрать контекст, а не устроить допрос

Квалификация — самый простой способ сделать AI раздражающим.

Плохой агент задаёт десять сухих вопросов до того, как клиент увидел живого человека. Хороший агент собирает ровно столько контекста, чтобы менеджер продолжил разговор нормально.

Обычно нужны простые поля:

  • задача или боль;
  • компания и роль;
  • интерес к продукту или услуге;
  • бюджетный диапазон, если уместно;
  • сроки;
  • город или филиал;
  • текущий поставщик или обходной путь;
  • источник лида;
  • срочность;
  • недостающая информация.
Карточка квалификации лида: потребность, бюджет, сроки, роль, источник, срочность, пропущенные поля и следующий шаг
Цель квалификации — не длинная анкета, а понятная передача лида менеджеру.

В простом входящем потоке AI может задать один-два уточняющих вопроса, классифицировать лид, создать или дополнить карточку в CRM и подготовить короткую справку для менеджера:

«Лид из WhatsApp. Интересуется корпоративным обучением для отдела продаж на 40 человек. Нужны русскоязычные сессии в июне. Бюджет не назван. Спрашивал, можно ли разбирать примеры из их CRM. Следующий шаг: назначить discovery call и уточнить CRM, размер команды и текущие скрипты».

Это не выглядит как магия. Зато менеджер начинает с контекста, а не с пяти вкладок и перечитывания переписки.

Для Казахстана и региональных команд важна ещё и языковая смесь. Лиды могут переходить между русским, английским, казахским и транслитом. Система должна сохранить язык клиента, нормализовать поля для CRM и не превращать живую локальную речь в канцелярский sales-copy.

Follow-up: маленькие пропуски превращаются в потерянные сделки

Многие проигранные сделки сначала не выглядят проигранными. Они выглядят как тишина.

Менеджер обещал отправить презентацию. Клиент попросил примерную цену. Нужно было добавить ЛПР. В разговоре прозвучал конкурент. Следующий шаг был «созвонимся на следующей неделе», то есть ничего, если это не стало задачей с датой.

Рабочее место follow-up: транскрипт звонка, обещанные материалы, задача в CRM, черновик письма и подтверждение менеджера
Хорошая автоматизация follow-up превращает обещания в черновики и задачи, пока разговор ещё свежий.

AI может сразу после звонка или переписки:

  • кратко зафиксировать, что просил покупатель;
  • вытащить обещания менеджера;
  • подготовить черновик сообщения;
  • предложить нужный материал;
  • создать задачу в CRM;
  • поставить напоминание;
  • подсветить пропущенные детали до отправки.

Безопасный режим по умолчанию — черновики. AI пишет, человек проверяет. Автоотправка уместна только в узких сценариях: подтвердить время встречи, отправить стандартный материал, поблагодарить за заявку, переслать заранее согласованный следующий шаг.

Тон здесь важен. Follow-up должен звучать как менеджер, а не как универсальный маркетинговый ассистент. Системе нужны примеры хороших сообщений, запрещённые фразы и правило «короче лучше», когда клиенту не нужен трактат.

Резюме звонков — это не протокол встречи

Большинство резюме звонков слишком вежливые. В них «обсудили вопросы» и «договорились продолжить коммуникацию». Руководителю продаж нужно жёстче.

Что изменилось в сделке? Что клиент действительно сказал? Что менеджер упустил? Какое возражение повторилось? Есть ли следующий шаг? Кто что обещал?

Резюме sales call: изменение сделки, возражения, следующий шаг, рискованное обещание и coaching note
Полезное резюме звонка показывает не «о чём говорили», а что поменялось и что делать дальше.

Лучший формат:

  • состояние сделки до и после звонка;
  • цель покупателя;
  • возражения;
  • процесс принятия решения;
  • следующий шаг и ответственный;
  • обещанные материалы;
  • рискованные или неподтверждённые утверждения;
  • coaching note для менеджера;
  • обновления CRM на проверку.

Здесь AI становится инструментом обучения. Он может показать, что один менеджер пропускает вопрос бюджета, другой слишком легко обещает сроки, третий хорошо работает с возражениями, но забывает закрепить следующий шаг. Руководитель смотрит паттерны, а не слушает каждый звонок от начала до конца.

Только не превращайте это в скрытый надзор. Менеджеры быстро начнут сопротивляться, если система выглядит как полицейский инструмент. Критерии должны быть видны, спорные резюме можно оспорить, а выводы лучше использовать для скриптов, онбординга и помощи по сделкам.

Черновики КП требуют более жёстких ограничений, чем письма

Коммерческие предложения хочется автоматизировать: они повторяются, занимают время, часто собираются из одних и тех же блоков. Но именно в КП живут обещания.

AI может собрать первую версию из CRM, описаний продуктов, прошлых КП, прайс-листов, кейсов и заметок со встречи. Может адаптировать структуру, подтянуть релевантные примеры и написать короткое резюме для руководителя клиента.

Процесс подготовки КП: согласованные шаблоны, CRM-контекст, ценовые правила, запрещённые обещания и подтверждение менеджером
Черновик КП может экономить часы, но цены и обещания должны проходить явное подтверждение.

Под контролем человека должны оставаться:

  • финальная цена;
  • скидки;
  • сроки поставки или разработки;
  • юридические условия;
  • гарантии;
  • обещания по интеграциям;
  • нестандартный объём работ;
  • заявления про конкурентов.

Для работы в духе azamat.ai эта граница особенно важна. AI-enabled product system — не коробочный товар. Если менеджер отправляет КП, где без discovery тихо обещана «полная автоматизация», проект уже начинается с перекоса.

Более безопасная схема:

  1. AI готовит скелет КП.
  2. Помечает неопределённые места.
  3. Берёт доказательства только из согласованных источников.
  4. Подсвечивает обещания, которые требуют подтверждения.
  5. Руководитель правит финальную цену, объём и сроки.

Так скорость остаётся, а коммерческие обязательства не уезжают в самодеятельность модели.

Ограничения для sales AI

ИИ в продажах требует более жёстких рамок, чем личный помощник для текстов. Он касается клиентов, выручки и приватных данных.

У системы должен быть явный список разрешённых действий:

  • подготовить черновик сообщения;
  • классифицировать лид;
  • заполнить низкорисковые поля CRM;
  • создать задачу;
  • предложить следующий шаг;
  • резюмировать звонок;
  • подсветить рискованное обещание.

И такой же явный список действий только после подтверждения:

  • предложить скидку;
  • перевести сделку в won или lost;
  • отправить нестандартное КП;
  • пообещать срок;
  • принять юридические условия;
  • открыть клиентские данные вне роли менеджера;
  • удалить или перезаписать историю CRM.
Консоль ограничений sales AI: разрешённые действия, подтверждения, audit logs и правила эскалации
Чем больше агент умеет делать, тем видимее должны быть его границы, источники и журналы действий.

В архитектуре нужны логи, ссылки на источники, шаги подтверждения, доступы по ролям и эскалация. Если ответ зависит от внутренних документов, retrieval-слой должен учитывать свежесть источников и права доступа. Подробнее об этом — в статье как работает RAG и почему векторных embeddingов недостаточно.

Безопасность начинается не с выбора модели, а с доступов: кто видит какого клиента, какой филиал, какой звонок и какие коммерческие условия. Ассистент должен наследовать модель доступов компании, а не создавать теневую CRM.

Практичная последовательность запуска

Не запускайте sales AI сразу на всю воронку.

Выберите один процесс, где боль уже видна, а риск ограничен. Часто это обработка входящих лидов или follow-up после звонка. Оба сценария быстро показывают экономию времени и оставляют менеджера главным.

Последовательность запуска sales AI: аудит, прототип, CRM-интеграция, пилотная команда, evals и расширение
Узкий запуск даёт команде доказательства до того, как агент тронет большую часть воронки.

Нормальная последовательность:

  1. Выбрать один sales motion.
  2. Собрать 30-100 реальных лидов, звонков, чатов, КП и карточек CRM.
  3. Вместе с руководителем отметить хорошие и плохие примеры.
  4. Описать, что AI может черновить, обновлять и передавать человеку.
  5. Собрать прототип на реальных примерах.
  6. Запустить пилот на двух-трёх менеджерах.
  7. Разбирать промахи раз в неделю.
  8. Расширяться только после стабилизации процесса.

Это близко к подходу из статьи как внедрить ИИ в малый бизнес: выбрать повторяющийся процесс, собрать реальные примеры и не превращать первый проект в реформу всей компании.

Для команды с кастомной CRM и мессенджерами первая production-версия часто выглядит тихо: небольшой dashboard, интеграция с CRM, загрузка транскриптов, черновики сообщений, создание задач и очередь на проверку. Без фейерверков, зато измеримо.

Что измерять

Sales AI надо оценивать по поведению процесса, а не по красивому демо.

Хорошие метрики:

  • время до первого ответа;
  • доля лидов с заполненными обязательными полями;
  • follow-up в пределах SLA;
  • сделки без следующего шага;
  • просроченные задачи;
  • КП, отправленные после подтверждения;
  • повторяющиеся возражения по продукту или сегменту;
  • рискованные обещания, пойманные до отправки;
  • принятие инструмента менеджерами;
  • объём правок в AI-черновиках.

Последний пункт часто недооценивают. Если менеджеры переписывают каждый follow-up, система не экономит время. Если правки небольшие, процесс, скорее всего, попал в тон. Если черновики отправляют вслепую, пора усиливать review.

Для качества нужны evals. В набор должны попасть реальные неудобные лиды, туманные сообщения, многоязычные диалоги, ценовые исключения, раздражённые клиенты и случаи, где система обязана отказаться или передать задачу человеку. Подробный подход — в статье зачем AI-проекту evals.

Смысл не в том, чтобы сделать поведение модели идеальным. Смысл в том, чтобы видеть, стало ли лучше или хуже после правки промпта, смены модели, нового правила CRM или интеграции.

Видимость для руководителя без микроменеджмента

Отдельная польза sales AI — управляемость воронки. Не слежка за менеджерами, а ранние сигналы: где сделка зависла, где нет следующего шага, где клиенту пообещали то, чего нет в прайсе или договоре.

Хороший dashboard для руководителя показывает не «кто плохой», а где процесс требует внимания:

  • сделки без свежего контакта;
  • лиды без обязательных полей;
  • обещания по срокам, скидкам и нестандартному объёму;
  • повторяющиеся возражения;
  • менеджеров, которым нужна помощь с discovery или follow-up;
  • каналы, где ответ занимает слишком много времени.

Этот слой хорошо стыкуется с отдельной статьёй как ИИ помогает контролировать отдел продаж и с темой интеграции ИИ в CRM. Если CRM остаётся грязной, руководитель всё равно будет спорить с отчётом. Если AI видит звонки, чаты и карточку сделки, появляется честная картина.

Важно не превращать систему в полицейский инструмент. Менеджеры должны понимать критерии, видеть свои черновики, спорить с резюме и исправлять ошибки модели. Тогда AI помогает обучать команду, а не просто фиксировать промахи.

Как revenue-кластер складывается в систему

ИИ для продаж проще внедрять, если разделить его на четыре потока, а не пытаться сразу построить «AI, который продаёт всё».

Первый поток — помощь менеджеру: входящие лиды, квалификация, follow-up, резюме звонков, черновики КП и подсказки для обучения. Об этом основная часть этой статьи.

Второй поток — интеграция ИИ в CRM. Если ассистент не видит карточку клиента, историю действий, переписку и правила руководителя, он останется генератором текста.

Третий поток — управленческий контроль. Руководителю нужны ранние сигналы: зависшие сделки, отсутствие следующего шага, рискованные обещания, повторяющиеся возражения, расхождения между CRM и разговором. Это отдельный ритм, разобранный в статье как ИИ помогает контролировать отдел продаж.

Четвёртый поток — каналы. WhatsApp, Telegram, Instagram, сайт и почта требуют разных правил тона, handoff, истории клиента и записи в CRM. WhatsApp-сценарий отдельно разобран здесь: как ИИ отвечает клиентам в WhatsApp.

Такое разделение помогает не утонуть. Одна компания начинает с follow-up после звонков. Другая — с WhatsApp-квалификации, потому что там теряется входящий поток. Третья — с контроля воронки, потому что руководитель не верит прогнозу.

Ошибка — упаковать всё в одну большую фичу «ИИ для продаж» и ждать, что команда начнёт ей пользоваться. Продажи слишком чувствительны к обещаниям, цене и доверию клиента. Лучше собрать один поток, проверить его на реальных диалогах, сделать review привычным, а потом подключать следующий.

Итог

ИИ для продаж работает, когда усиливает уже понятный sales process.

Он должен помогать команде быстрее отвечать, помнить обещания, держать CRM чище, готовить follow-up и раньше видеть повторяющиеся риски по сделкам. Он не должен превращаться в автономного менеджера, который сам раздаёт коммерческие обещания.

Лучший первый срез обычно узкий: квалификация, follow-up, резюме звонков или CRM-гигиена. Подключите его к инструментам, где менеджеры уже работают. Оставьте подтверждение вокруг цен и обещаний. Добавьте логи и evals до того, как давать агенту больше самостоятельности.

Это не так эффектно, как «AI закрывает сделки за вас». Зато куда ближе к тому, как отделы продаж действительно становятся сильнее.