← Все материалы

ИИ для отдела продаж: пять задач, где он реально помогает

ИИ для отдела продаж окупается в пяти местах: квалификация входящих, разбор звонков и переписок, подготовка коммерческих предложений, напоминание о следующем шаге по сделке и отчёты руководителю. Всё остальное, что продают под этим названием, обычно решается настройкой CRM без всякой модели.

Что ИИ делает в отделе продаж, а что нет

Продажи — направление, где генеративные модели внедряют в первую очередь: там много неформализованного текста и речи, которые сейчас разбирает человек. Но полезно сразу отделить работу модели от работы менеджера.

Задача	Что делает ИИ	Что остаётся человеку
Квалификация лида	Разбирает заявку, дозапрашивает недостающее, ставит приоритет и заполняет карточку	Разговор и решение по цене
Звонки	Расшифровывает разговор и размечает его по вашим критериям	Работа с конкретным клиентом
Переписки	Вытаскивает из диалога договорённости, сроки и возражения	Ответ там, где нужен человек
Коммерческое предложение	Собирает черновик из карточки, прайса и шаблона	Проверка цен и условий
Отчёт руководителю	Сводит воронку и причины отказов из живых диалогов	Управленческое решение

Чего ИИ не делает: не наводит порядок в воронке, не заставляет менеджеров заполнять CRM и не продаёт вместо них там, где нужны переговоры. Если сделки теряются из-за отсутствия процесса, модель это только задокументирует.

Квалификация лидов: то, что окупается первым

Это самая дешёвая и самая быстрая по эффекту задача, поэтому с неё и начинают. Заявка приходит текстом — с сайта, из Авито, почты, мессенджера, — и до менеджера доходит уже разобранной: что за клиент, что нужно, какой бюджет назван, чего в заявке не хватает.

Смысл не в экономии пары минут на заполнении полей, а в скорости первого контакта. Классическое исследование Lead Response Management (MIT и InsideSales, более 15 000 лидов) показало: шансы квалифицировать веб-лид при ответе в течение 5 минут против 30 минут отличаются примерно в 21 раз. Ночные и выходные заявки при ручной обработке проваливаются целиком.

Дальше по этому же каналу можно идти вглубь — до консультации и оплаты внутри диалога, как в разборе чат-бота продаж с оплатой. Но начинать лучше с квалификации: она не трогает деньги и её не страшно запускать.

Разбор звонков и переписок вместо выборочного прослушивания

РОП физически прослушивает единицы процентов разговоров, обычно те, на которые пожаловались. Модель разбирает все: запись из телефонии переводится в текст, текст размечается по критериям, которые сформулировали вы, а не вендор.

• Критерии — ваши. Представился, выяснил задачу, назвал следующий шаг, отработал возражение по цене. Список пишется под ваш скрипт продаж, иначе оценка будет бессмысленной.
• Договорённости попадают в CRM сами. Обещал прислать расчёт до четверга — задача создана, срок проставлен, менеджеру не надо ничего вспоминать.
• Возражения копятся в статистику. Через месяц видно, на чём именно сыпятся сделки: цена, сроки, сравнение с конкретным конкурентом.
• Отложенный разбор дешевле реального времени. Для контроля качества задержка в пару часов не мешает, а стоимость падает заметно.

Отдельная выгода — обучение новых менеджеров: вместо «послушай вот эти три звонка» появляется подборка реальных диалогов по каждому типу возражений.

КП, дожим и следующий шаг по сделке

Подготовка коммерческого предложения — это сборка: данные из карточки, позиции из прайса, условия из шаблона. Механическую часть закрывает обычный генератор документов, он же надёжнее. Модель добавляет то, что раньше писали руками: описание задачи клиента его же словами из переписки и подбор релевантных позиций.

Дожим устроен так же прозаично: система смотрит, что по сделке давно нет движения, поднимает контекст последнего разговора и предлагает менеджеру конкретный следующий шаг с готовым черновиком письма. Отправляет человек — автоматическая рассылка «на всякий случай» портит базу быстрее, чем приносит сделки.

Отчёты РОПу: что можно собирать автоматически

Стандартные отчёты по воронке CRM строит сама. Ценность ИИ в другом: он отвечает на вопросы, на которые цифры из CRM не отвечают, потому что ответ лежит в тексте диалогов.

• Почему просела конверсия на этапе. Не «упала на 12 %», а на чём именно спотыкались разговоры на этой неделе.
• Кто из менеджеров и где отклоняется от скрипта. С конкретными фрагментами разговоров, а не с общей оценкой.
• Что клиенты спрашивают чаще всего. Готовый материал для сайта, базы знаний и обучения.
• Сделки, где обещание не выполнено. Пообещали прислать, не прислали — видно на следующий день, а не на разборе в конце месяца.

Собирается это утренней сводкой в Telegram или почту. Как устроена такая регулярная отчётность технически — в разборе отчётности в комплексной автоматизации.

Сколько стоит и как считать эффект

Объём	Что входит	Порядок цены
Одна задача	Квалификация входящих или разбор звонков, 1–2 интеграции	от 60 000 – 80 000 ₽
Связка	Квалификация + разбор диалогов + сводки РОПу, CRM и телефония	200 000 – 500 000 ₽
Отдел под ключ	Несколько агентов, база знаний по продукту, сопровождение	от 500 000 ₽ + абонплата

Расшифровка речи считается отдельно и зависит от объёма: это копейки за минуту разговора, но при большом колл-центре сумма становится заметной — тогда разбирают не все звонки подряд, а по правилу отбора.

Эффект в продажах считается честнее, чем в других отделах, потому что есть деньги на выходе. Порядок действий такой:

1. Зафиксируйте базу за месяц до старта. Среднее время первого ответа, доля необработанных заявок, конверсия из заявки во встречу, средний чек.
2. Считайте эффект скорости отдельно. Заявки, которые раньше терялись ночью и в выходные, — это прямая недополученная выручка: количество × конверсия × средний чек.
3. Считайте эффект времени отдельно. Минуты, снятые с менеджера, умножайте на стоимость его часа — но только если освободившееся время уходит в новые контакты.
4. Вычитайте расходы. Разработка разово, модель и расшифровка ежемесячно, поддержка. Окупаемость до полугода — нормально.

Когда ИИ отделу продаж не нужен

Значительная часть запросов на «ИИ для отдела продаж» закрывается дешевле и без модели. Отговариваю, когда вижу вот это:

• Заявки приходят структурированной формой. Поля уже разложены — нужен не ИИ, а интеграция формы с CRM.
• В отделе два менеджера и десяток сделок в месяц. Разбор диалогов и сводки не окупятся: РОП физически слышит всё сам.
• Воронка не описана, поля заполняются как попало. Сначала настройка CRM и договорённость о процессе, иначе модель будет разбирать мусор.
• Продажи длинные и проектные. Три-четыре крупные сделки в квартал: там ценность в переговорах, а не в скорости обработки потока.
• Задача звучит как «пусть ИИ продаёт вместо менеджеров». Так не работает: модель готовит и разбирает, решение и разговор остаются за человеком.
• Нужен только автоответ в нерабочее время. Хватит простого сценарного бота — сравнение подходов есть в статье про чат-бот поддержки.

Если задача прошла этот фильтр — берите один участок, чаще всего квалификацию входящих, доводите до прода за 2–4 недели и смотрите на цифры. Как устроена сама разработка такой связки, разобрано в материале про разработку ИИ-агентов, а типовые ошибки внедрения — в статье про внедрение ИИ-агентов.

Частые вопросы

Читайте дальше