ИИ в продажах: что уже приносит деньги, а что пока рано отдавать

30 августа 2026 · 14 мин чтения

Заявка на сайте приходит в половине двенадцатого вечера. Отдел продаж ночью не работает, для большинства компаний это нормально. Дальше начинается ненормальное: пока заявка ждёт до девяти утра, человек с деньгами уже написал ещё в два места, и в одном из них ему ответили сразу. Утром менеджер честно перезвонит, вовремя по своим меркам, и услышит, что вопрос уже закрыли в другом месте. Формально всё прошло гладко: заявку обработали, позвонили, отчёт закрыли. Просто сделка досталась тому, кто ответил первым, а не тому, кто предложил лучше. Ради этого разрыва во времени и стоит подключать ИИ в продажах: агент выигрывает не красноречием, а тем, что не спит. Дальше разбираю по шагам воронки, что агент уже делает сам, что остаётся менеджеру, и сколько это стоит в рублях.

Что в воронке продаж можно отдать агенту, а что рано

Чем именно агент отличается от чат-бота, я подробно разбирал в статье про ИИ-агентов для бизнеса, здесь ограничусь тем, что напрямую касается продаж. Воронка состоит из шагов с разной механикой, и агент справляется с ними по-разному. Водораздел проходит не между «сложно» и «просто», а между правилом и суждением. Там, где решение принимается по формализуемому признаку и повторяется десятки раз в день, агент забирает шаг целиком. Там, где решение зависит от контекста конкретной сделки, агент подсказывает, а решает человек.

Входящий лид, квалификация и скоринг устроены как правило: спросить бюджет, спросить срочность, отсортировать по этим двум признакам. Переговоры, нетиповые возражения и закрытие сделки устроены как суждение: цена ошибки высокая, а контекст у каждой сделки свой. «ИИ для продаж» на рынке продают одной галочкой, но на деле это набор из нескольких функций, которые подключают по одной, а не разом.

Ночная заявка: как агент успевает раньше менеджера

Пример из вступления не абстрактный. Это тот же агент, который квалифицирует лидов у нас на сайте и у части клиентов. Логика простая: заявка приходит через форму, Telegram или мессенджер, и агент отвечает не по расписанию менеджера, а сразу.

Пример из нашей практики: агент Digital Broker отвечает клиенту меньше чем за 10 секунд, круглосуточно, и доводит диалог до готового профиля за 3-5 вопросов: имя, услуга, бюджет, срочность. Профиль уходит в amoCRM или Bitrix24 сразу, менеджер утром получает не список «кто-то писал ночью», а карточку, готовую для звонка.

Раньше этот разрыв закрывала только ночная смена. Она стоит отдельных денег и нагружена неровно: основной поток заявок идёт днём, а ночью дежурный чаще всего просто ждёт. Теперь разрыв закрывается за секунды, а человеку достаётся звонок, который уже подготовлен. Он знает бюджет и срочность до того, как поднял трубку.

Здесь стоит честная оговорка. Агент не увеличивает число лидов и не делает предложение убедительнее. Он сокращает время между тем, как клиент заинтересовался, и первым ответом. В нишах, где решение принимается быстро, это часто решает исход сильнее, чем разница в цене.

Почему секунда ответа стоит дороже, чем кажется

Пять минут против получаса, час против суток: сила разрыва зависит от ниши, но направление всегда одно. Чем быстрее ответ, тем выше шанс застать клиента ещё тёплым и ещё не написавшим конкурентам. Точную цифру для своей ниши я не назову: у каждого бизнеса разная скорость принятия решения. Логика проверяется проще. Посмотрите время своего первого ответа на заявку за последнюю неделю и сравните с тем, сколько у клиента конкурентов на расстоянии одного поиска.

Агент здесь не соревнуется с хорошим менеджером в качестве разговора. Он соревнуется со временем между заявкой и первым ответом. В этой гонке скорость реакции агенту не стоит ничего сверх абонентки, она у него встроена по умолчанию.

Скоринг и приоритизация: кому звонить первым

Когда заявок в день десятки, менеджер физически не может обзвонить все одинаково быстро. Порядок звонков решает, кто получит горячего клиента, а кто остывшего. Агент, который уже собрал бюджет, срочность и услугу на этапе квалификации, сортирует очередь по этим признакам ещё до того, как менеджер открыл список. Правило внутри формализуется целиком: выше приоритет получает заявка с большим бюджетом, где клиент прямо написал что-то вроде «нужно на этой неделе». Первый час менеджер тратит не на угадывание, кому звонить, а на звонки по готовому списку.

Скоринг не заменяет здравый смысл на границе. Клиент с формально средним бюджетом иногда оказывается стратегическим. Список от агента остаётся подсказкой, а не приказом.

Возражения и типовые вопросы: где справляется агент, где нет

Часть возражений в продажах повторяется слово в слово: дорого, а если у конкурента дешевле, какие гарантии, сколько это займёт по времени. У хорошего менеджера на них есть отработанные ответы, и агент, обученный на этих же ответах, справляется с типовым возражением не хуже.

Сложнее с возражениями, которые завязаны на конкретную ситуацию: индивидуальная скидка под объём, нестандартные условия договора, конфликт после неудачного опыта с похожим продуктом раньше. Здесь решение требует полномочий и контекста, которых у агента по правилам нет и не должно быть. Разумная граница простая: агент закрывает вопрос сам, если ответ на него не меняется от клиента к клиенту, и передаёт человеку, если ответ — это компромисс, а не факт.

На практике граница выглядит так. Клиент пишет «а почему у вас дороже, чем у Х»: агент сравнивает состав услуги и отвечает сам, это факт, а не переговоры. Клиент пишет «мы берём объём, дайте скидку 20 процентов»: агент фиксирует запрос и передаёт менеджеру, потому что здесь начинается компромисс, на который у агента нет полномочий.

Как агента учат звучать как лучший продавец, а не как робот

Хороший сценарий собирают не из абстрактных вежливых фраз, а из реальных диалогов лучшего менеджера в компании. Я беру десятки его переписок или расшифровок звонков, выделяю формулировки, которые двигают сделку вперёд, и превращаю их в примеры для промпта. Модель учится не сочинять с нуля, а комбинировать проверенные ходы под конкретную ситуацию клиента. Экспромт здесь ни к чему.

Сценарий тестируют на реальных, а не придуманных диалогах. Я беру исторические заявки за прошлый месяц и прогоняю их через агента, сравнивая, как он ответил бы, с тем, что сделал живой менеджер. Расхождения разбираю отдельно: где агент упростил вопрос клиента, где не заметил тревожный сигнал вроде «мне нужно посоветоваться». Каждое такое расхождение уходит правкой в промпт. Молчать дороже.

Тон настраивают отдельно от логики диалога. Один и тот же сценарий квалификации звучит то сухо-протокольно, то разговорно, в зависимости от того, как клиенты обычно пишут в вашей нише. Розничный интернет-магазин и подрядчик, который проектирует цеха, ждут разного тона, даже если структура вопросов одинаковая: имя, услуга, бюджет, срочность.

Разговорная аналитика: что можно вытащить из звонков

Отдельный слой работы с продажами — это не сам разговор, а то, что происходит после него. Сервис расшифровывает звонок или переписку в текст, а дальше модель размечает содержание: фиксирует прозвучавшие возражения, отмечает, назвал ли клиент бюджет, ловит момент, когда стороны договорились о следующем шаге. Супервайзер, который вручную прослушивает ту же выборку звонков, тратит на неё заметную часть рабочего дня. Модель обрабатывает тот же объём быстрее, а точность разметки стоит проверять на своих данных, а не верить цифре из презентации подрядчика.

Практическая польза не в том, чтобы контролировать каждого менеджера построчно. Она в том, чтобы увидеть закономерность: например, сделки чаще срываются на одном и том же вопросе клиента. Именно этот момент разбирают на планёрке, а не ждут, пока кто-то из менеджеров случайно его заметит.

Разметка помогает и отдельному менеджеру. Если у одного из троих половина звонков теряется на одном и том же вопросе про сроки, а у остальных нет, дело не в удаче: конкретную формулировку ответа стоит поправить. Без разметки это осталось бы смутным ощущением, что что-то идёт не так. С ней проблему можно разобрать по одной строчке.

Отдельно стоит сказать про прогноз выручки. Модель, размеченная по звонкам и переписке, оценивает, закроется ли сделка, точнее, чем чувствует один менеджер, потому что учитывает сотни прошлых разговоров сразу. Но нельзя доверять одной цифре прогноза и на её основе решать, кому звонить первым: модель училась на прошлых сделках и слабо ловит новые обстоятельства рынка, которых раньше не было. Прогноз лучше держать как ещё один сигнал для планирования, а не как автоматического диспетчера бюджета.

Допродажи и напоминания без выгорания менеджера

Часть выручки в продажах теряется не на первом контакте, а в промежутке до того, как менеджер написал снова. Менеджер обещал написать через три дня, дальше начались текущие заявки, и он забыл. Агент, подключённый к CRM, такую задачу не забывает. Он смотрит дату следующего касания по сделке и либо готовит менеджеру напоминание с контекстом, либо, если сценарий это позволяет, сам отправляет короткое сообщение с уточнением, актуально ли предложение.

Здесь стоит держать границу так же строго, как с возражениями. Формальное напоминание и уточняющий вопрос агент отправляет сам. Предложение скидки или новых условий, которое звучит как переговоры, должно проходить через подтверждение человека. Иначе легко получить ситуацию, где агент пообещал клиенту то, чего компания не давала.

Читайте также: Почему пилоты с ИИ не доходят до работы и Автоматизация бизнес-процессов: с чего начинать

Куда агент пишет: CRM, телефония, мессенджеры

Агент в продажах бесполезен без места, куда записывать результат. На практике он подключается к трём типам систем.

CRM. amoCRM, Bitrix24 или отраслевая система: сюда агент пишет профиль лида, ставит задачу менеджеру, двигает сделку по этапам воронки. Подключение идёт через штатный API системы, доработка самой CRM обычно не нужна.

Телефония. IP-телефония даёт агенту запись звонка для расшифровки и аналитики, а в некоторых сценариях, например при исходящем обзвоне по скрипту, агент инициирует звонок сам. Здесь чаще работают через готовую интеграцию провайдера телефонии, а не пишут коннектор с нуля.

Каналы связи. Сайт, Telegram, WhatsApp, электронная почта: агент отвечает там, где клиент написал первым, и не заставляет его переходить в отдельный чат. Каждый добавленный канал поднимает цену интеграции: он приносит с собой отдельный блок настройки поверх основного сценария.

Порядок подключения обычно такой: сначала один канал и одна CRM, потом расширение на остальные, если первая связка окупилась. Разом подключать пять систем ради красивой презентации смысла нет: смета раздувается, а пилот удлиняется без прироста результата на старте.

Отдельный вопрос при подключении CRM — это персональные данные. Имя, телефон и бюджет клиента подпадают под 152-ФЗ, и агент, который передаёт их в модель за пределами России, работает с этим законом не по касательной. Стоит проверить одно: где физически стоит сервер модели и что происходит с данными клиента до того, как они туда попадут.

Где ИИ в продажах пока не работает

Три ситуации, где ставить агента рано.

Мало заявок. При 5-10 обращениях в день менеджер разбирает их быстрее, чем окупится настройка агента. Порог условный, но ниже него сэкономленное время не окупает подключение агента.

Сделка живёт неделями и решается на встречах. В длинных B2B-циклах с индивидуальными условиями контакт с клиентом — это по большей части переговоры, а не квалификация по формальным признакам. Агент здесь полезен на входе, для сбора первичной информации, но не заменяет переговорщика.

Данные живут в голове, а не в CRM. Если бюджет клиента, история сделки и договорённости хранит только память менеджера, агенту неоткуда брать контекст для приоритизации и напоминаний. Сначала наводят порядок в данных, потом подключают агента, а не наоборот.

Сколько стоит ИИ в продажах

Прямого ответа в одну цифру нет: цена растёт вместе со сложностью сценария и числом систем, куда агент должен писать. Три яруса рынка одинаково подходят и для продаж, и для любого другого проекта с ИИ.

Цена готового агента квалификации: наша, действующая на сайте. Остальные вилки: оценка по открытым прайсам агентств и фриланс-бирж, 2026 год.

Экономику стоит сверять ещё и с тем, во сколько сейчас обходится держать на этой роли человека. Менеджер на первичной обработке заявок с окладом 80 000 ₽ на руки обходится компании около 130-135 тысяч рублей в месяц: налоги, взносы, рабочее место и обучение я считал по шагам в статье про расчёт ФОТ против агента, там же стоит калькулятор для своих цифр. На этом фоне готовый агент квалификации окупается за недели, а не месяцы: платите разово от 19 900 ₽ и дальше за поддержку, а не полную ставку каждый месяц. Расчёт держится, если агент закрывает функцию целиком. Когда он забирает только часть, например только ночные и вечерние заявки, экономию считают пропорционально этой доле.

Три статьи расходов редко попадают в первоначальную смету, но всплывают в итоговом счёте.

• Чистка CRM. Агент расставляет приоритеты по данным, которые уже лежат в системе. Если карточки сделок наполовину пустые, а поля дублируются, скоринг унаследует этот беспорядок и расставит приоритеты неправильно.
• Обучение на своих диалогах. Настройка сценария под реальные переписки, о которой я писал выше, занимает время команды до запуска, а не входит в абонентку сама собой.
• Донастройка после первых недель. В первый месяц агент почти всегда что-то упрощает или путает в нетиповых случаях, и на разбор таких ситуаций стоит заложить время сотрудника, а не одни деньги подрядчика.

Как подключить агента к отделу продаж

Порядок, который я использую на новых проектах, начинается не с того, что выбираю платформу.

1. Замерить, где сейчас теряются лиды. Сколько заявок приходит в нерабочее время, сколько из них получают ответ в тот же день, сколько теряется, потому что до них никто не дотронулся. Без этой цифры нельзя потом честно посчитать эффект.
2. Выбрать один шаг воронки, а не всю воронку сразу. Чаще всего это квалификация или скоринг: правило формализуется легко, объём заявок большой, ошибка не стоит сорванной сделки. Тот же принцип выбора первого процесса я разбирал в статье про автоматизацию бизнес-процессов.
3. Прогнать пилот на реальных заявках, а не на демо-примерах. Здесь работают те же стоп-сигналы, что и в любом пилоте с ИИ: метрика до старта, данные из первоисточника, человек проверяет исходящее.
4. Смотреть на конверсию по шагам, а не на одну скорость ответа. Быстрый ответ, который не двигает сделку дальше, задачу бизнеса не решает, только красиво выглядит в отчёте.
5. Расширять по одному шагу за раз. Следующий кандидат: возражения или напоминания, но только после того, как первый шаг подтвердил экономику на реальных цифрах.

Частые вопросы