ИИ-агенты в продажах: как автоматизировать рутину сейлзов

О чём речь

Недавно попалась статья Джейсона Лемкина (SaaStr), где он рассказывает, как внедрил у себя ИИ-агента на должность «VP of Finance» — по сути, автоматизировал всё, что происходит после того, как менеджер перевёл сделку в статус «won». Агент закрывает сделку, выставляет счёт, отправляет документы и догоняет дебиторку. Обучили его за 4 реальных сделки.

Идея не новая, но в ней хорошо видно главное: рутина в продажах — это не один процесс, а цепочка. И каждый шаг в ней достаточно предсказуем, чтобы его выполнял агент. Ниже разберу 8 сценариев, которые реально работают, и где они упираются в человека.

1. Передача клиента после закрытия сделки

Самый больной момент в B2B — стык между отделами. Менеджер закрыл сделку, выдохнул, и дальше клиент падает в щель между продажами и онбордингом. Агент вместо этого:

• проверяет договор и реквизиты;
• создаёт задачу на онбординг;
• уведомляет нужные команды (в SaaStr — через Slack/почту);
• готовит пакет документов;
• запускает следующий этап без участия человека.

В российских реалиях стык обычно проходит через Битрикс24 или amoCRM — агент дёргает их API и переводит сделку по статусам. Менеджеру остаётся только контроль на сомнительных моментах.

2. Выставление счетов и документов

После подписания договора агент формирует счёт, подставляет реквизиты, отправляет инвойс клиенту и сохраняет всё в CRM. Это та часть, где менеджер обычно копирует данные между тремя системами и ошибается в ИНН.

Важно отличие от простой автоматизации: агент понимает договор. Если в допсоглашении изменилась сумма или налоговый режим — он подхватит это без ручной правки шаблона. Чисто скриптовое решение так не умеет.

3. Контроль дебиторской задолженности

Здесь агент идеален, потому что задача нудная и монотонная:

• отслеживает сроки оплаты;
• автоматически шлёт напоминания;
• эскалирует просрочку человеку только когда действительно нужно вмешательство.

Секрет в последнем пункте. Большинство напоминаний — это мягкий фоллоу-ап, который не требует сейлза или финансиста. Эскалация включается по правилам: просрочка больше N дней, сумма выше порога, клиент перестал отвечать. Без этого правила вы просто замените один спам на другой.

4. Follow-up после встреч

После звонка агент делает саммари разговора, выделяет договорённости, формирует письмо клиенту, ставит задачи в CRM и планирует следующий контакт. Это сценарий, который окупается быстрее всего: follow-up — чистые часы, которые сейлзы тратят на оформление вместо продаж.

Технически агент слушает расшифровку звонка (или запись) и структурирует её. Подробнее о том, как ИИ работает с речью и какие есть ограничения по качеству распознавания — в материале про интеграцию ИИ с CRM.

5. Заполнение CRM

Вспоминаю, как несколько лет назад была готова вырвать себе волосы от того, что менеджеры не заполняют CRM. Записывают на салфетках, держат сделки в голове, в лучшем случае — в Excel. Как же мы от этого далеко.

Сейчас агент сам:

• заполняет карточку клиента;
• обновляет этап сделки;
• добавляет заметки из переписки;
• сохраняет историю общения.

Менеджеру остаётся общаться с клиентом, а не параллельно вести конспект. Это меняет поведение: когда CRM заполняется «бесплатно», сейлзы перестают её ненавидеть.

6. Подготовка коммерческого предложения

На основе переписки, брифа или расшифровки созвона агент собирает черновик КП: подбирает релевантные кейсы, добавляет нужные продукты и цены, готовит документ на проверку. Ключевое слово — на проверку. КП уходит клиенту только после того, как менеджер пробежался глазами.

Это правильная граница ответственности: агент делает черновик за минуты, человек валидирует. Так и скорость растёт, и риск отправить «галлюцинацию» в ценах минимален.

7. Квалификация входящих лидов

До подключения менеджера агент задаёт уточняющие вопросы, определяет потребность клиента, оценивает соответствие профилю идеального клиента (ICP) и распределяет лид между отделами. Здесь ИИ работает как диспетчер — отсеивает нецелевые заявки и не даёт сейлзам тратить время на тех, кому ваш продукт не нужен.

Это та точка, где агент часто встречается с обычным чат-ботом. Разница — в гибкости: бот гонит по сценарию, агент задаёт следующие вопросы в зависимости от ответов. Когда что лучше — разбирали в сравнении чат-бота и ассистента.

8. Анализ звонков

После каждого разговора агент определяет причины успеха или отказа, выявляет возражения, проверяет соблюдение скрипта и находит моменты, влияющие на конверсию. Это уже не про отдельную сделку, а про аналитику воронки: где сыпется, какие возражения повторяются, какой скрипт работает.

Где проходит граница между агентом и человеком

Главный принцип — агент берёт предсказуемое, человек принимает решения. Так выглядит рабочее разделение:

Если убрать эту границу и отдать агенту переговоры или финальное согласование — получите испорченные отношения с клиентом. ИИ хорошо имитирует уверенность, но плохо чувствует, когда клиент на грани ухода.

Что нужно для запуска

Не ИИ-магия, а честная подготовка процесса:

1. Чистый API у CRM. amoCRM, Битрикс24, RetailCRM — есть. Если система самописная и закрытая, интеграция дорожает в разы.
2. Описанные процессы. Агент не «придумает» бизнес-логику. Если у вас нет чётких статусов сделки и правил эскалации — внедрять нечего.
3. Тестовый набор из 5–10 реальных качественных кейсов. Как в истории SaaStr: агент обучается на нескольких сделках, которые вы сами провели идеально. Это и есть «датасет».
4. Зона валидации. Решите заранее, какие действия агент делает сам, а какие отправляет на подтверждение. Без этого вы либо не доверяете (тогда зачем он), либо слишком доверяете (тогда рано или поздно улетит кривой счёт).

Перед запуском полезно провести аудит — где в вашем процессе больше всего часов уходит на рутину. Как это сделать по шагам, описано в материале про аудит бизнес-процессов под ИИ.

Цифры и окупаемость

Пилот на 1–2 сценария (обычно это заполнение CRM + follow-up) — 250–500 тыс. ₽ и 3–6 недель. Ежемесячные затраты на вызовы моделей — 30–80 тыс. ₽.

Окупаемость наступает, когда в отделе от 3 сейлзов и от 200 сделок в месяц. На меньшем объёме ручная работа дешевле, чем разработка и сопровождение агента — это та же логика, что и с агентными системами в целом: сложность стоит денег, и вкладывать их надо там, где объём это оправдывает.

Риски

• Галлюцинации в деньгах и реквизитах. Самый опасный класс ошибок — агент уверенно подставляет неверную сумму или ИНН. Лечится жёсткой валидацией и подтверждением критичных документов человеком.
• Сломанная интеграция. Если CRM обновила API или поменялся формат данных, агент тихо перестаёт работать. Нужен мониторинг, а не установка «и забыли».
• Персональные данные. Расшифровки звонков и переписки — это ПДн. Облачные модели уводят данные провайдеру; для чувствительных задач нужен on-premise. Как соблюсти 152-ФЗ при этом — отдельная тема.
• Сопротивление отдела. Сейлзы боятся, что их заменят. На деле агент снимает рутину и освобождает время на продажи, но это надо проговаривать заранее, а не открывать после внедрения.

Когда не внедрять

• Объём меньше 100 сделок в месяц — ручная обработка дешевле.
• Процесс не описан и живёт в головах — агенту не на что опереться.
• Высокая доля нестандартных сделок — там, где каждое КП уникально, агент больше мешает, чем помогает.
• Нет человека, который будет сопровождать и дообучать. Агент — это не коробка, а сотрудник, которого надо «наставничать».

Итог

Кейс SaaStr ценен не технологией, а отношением: относиться к агенту как к сотруднику, которого нанимают на конкретную должность с конкретным набором задач. Тогда границы ответственности очевидны, метрики понятны, а рутина действительно уходит из работы сейлзов.

В IDEA мы выстраиваем такие контуры на российских CRM и моделях — от квалификации лида до контроля дебиторки, с обязательной зоной валидации на критичных шагах. Если хотите прицениться к своему процессу — приходите на консультацию, разберём, какие именно шаги в вашей воронке стоит автоматизировать первыми.