Когда отделу продаж нужен ИИ, а когда достаточно CRM-автоматизации

Если обращение уже содержит нужные поля, а дальнейшее действие определяется понятным правилом, начните с CRM-автоматизации. ИИ стоит рассматривать, когда приходится разбирать свободный текст, уточнять потребность в разговоре или собирать резюме переписки. В одном процессе могут понадобиться оба подхода: модель помогает понять обращение, а обычный сценарий проверяет данные и направляет заявку сотруднику.

Главный вопрос перед внедрением: на каком конкретно шаге менеджер тратит время и что должно получиться после автоматизации?

Как выбрать подход за четыре шага

1. Все обязательные поля уже заполнены? Если да, проверьте, можно ли определить следующее действие однозначным правилом. Назначение ответственного и напоминание о сроке обычно начинаются с настройки CRM.

2. Нужно понять свободное сообщение? Выделите конкретную операцию для проверки ИИ: извлечь требования, задать уточняющий вопрос или подготовить резюме. Само наличие чата еще не означает, что нужен ИИ.

3. Есть актуальный источник ответа и ответственный за решение? Если нет, сначала подготовьте данные и правила. Модель не заменяет отсутствующий прайс, остатки или условия доставки.

4. Экономит ли пилот время с учетом проверки и исправлений? Сравните его с текущей обработкой на одинаковых примерах. Если выигрыша нет, сохраните обычный сценарий или работу менеджера.

Когда достаточно настроить CRM

Допустим, клиент заполняет форму: выбирает товар, указывает количество и оставляет контакт. Дальше нужно создать заявку, назначить ответственного и поставить задачу связаться с клиентом. Если правила назначения известны, этот участок можно реализовать обычным сценарием.

Та же логика подходит для напоминания о просроченной задаче, уведомления об изменении статуса или передачи заполненных полей между системами. Реализуемость зависит от возможностей конкретной CRM и доступных интеграций, но сама постановка задачи не требует понимания свободного текста.

Перед добавлением ИИ полезно проверить три вещи: определены ли обязательные поля, согласованы ли правила обработки и понятно ли, кто отвечает за заявку. Если эти условия не выполнены, сначала нужно описать процесс.

Когда имеет смысл проверить ИИ на пилоте

Другой сценарий — клиент пишет в свободной форме. Из обращения нужно понять, что его интересует, каких сведений не хватает и какой вопрос задать дальше. После нескольких сообщений менеджеру требуется краткое резюме с сохранением существенных деталей.

Здесь можно проверить ИИ-ассистента на ограниченном участке: первичном разборе обращения и подготовке передачи человеку. До запуска нужно определить доступные источники, допустимые ответы и действия при недостатке данных.

Это ориентир для выбора способа автоматизации, а не обязательный состав каждого проекта.

Один запрос: что делает CRM, а что — ИИ

Учебный пример. Все данные вымышлены; это не переписка клиента и не артефакт проекта «Фанера Питер».

Обращение: «Нужно 20 листов влагостойкой фанеры 18 мм. Сколько будет стоить с доставкой в пятницу?»

Подтверждено: 20 листов, толщина 18 мм, пожелание по влагостойкости и доставке в пятницу. Неизвестны размер, подходящая марка, адрес и точная дата; цена и наличие требуют проверки источника.

Обычная CRM-автоматизация может сохранить сообщение, назначить менеджера и поставить срок ответа. Если запрос поступил через форму с обязательными полями, правила могут сразу распределить его. Для разбора свободного текста сотрудник остается в процессе.

ИИ в пилоте выделяет явно названные требования, уточняет недостающие сведения и готовит резюме. Цену и наличие берет только из разрешенного актуального источника. Если источник недоступен, передает вопрос менеджеру без обещаний.

Черновик для менеджера: количество — 20 листов; толщина — 18 мм; пожелания — влагостойкая фанера и доставка в пятницу; размер, марка, адрес, точная дата — уточнить; цена и доставка — не подтверждены. Рядом сохраняется ссылка на исходное сообщение. Условия сделки подтверждает сотрудник.

Пример пройден, если требования не потеряны, неизвестные поля не выдуманы и понятно, что спросить у клиента. Защиту от повторного создания заявки проверяют в интеграции отдельно от качества текста модели.

Как это выглядит в кейсе «Фанера Питер»

В опубликованном кейсе Mobecan описана автоматизация первичной обработки обращений. Ассистент отвечает по ассортименту, ценам, наличию и характеристикам, уточняет потребность, фиксирует заявку и передает менеджеру структурированное резюме. Затем работу с клиентом продолжает человек.

Последовательность выглядит так:

Обращение клиента → ответы и уточнение потребности → фиксация заявки → резюме менеджеру.

Эта граница помогает сформулировать предмет автоматизации: подготовить первичное обращение к дальнейшей работе отдела продаж. Автоматическое заключение сделки в описанный сценарий не входит.

Такой кейс полезен как пример распределения работы между ассистентом и менеджером. Он сам по себе не дает основания обещать другой компании определенный рост продаж или экономию рабочего времени: эти показатели нужно измерять на ее процессе.

Что должно получать подразделение продаж

Для нового пилота стоит заранее согласовать состав результата. Например, менеджеру могут быть нужны: предмет интереса, названные клиентом требования, оставшиеся вопросы и ссылка на исходное обращение. Это предлагаемая структура приемки, а не описание фактического формата заявки в кейсе «Фанера Питер».

Если клиент не сообщил существенную деталь, она должна оставаться неизвестной. Предположение модели нельзя записывать как требование клиента. При передаче заявки важно сохранить возможность свериться с исходными сообщениями.

Отдельно задаются условия подключения сотрудника: клиент просит человека, сведений недостаточно, источник недоступен или вопрос выходит за согласованный сценарий. Конкретные условия выбирают под процесс компании.

Как проверить пилот до расширения

Начните с одного типа обращений. Соберите разрешенную к использованию выборку реальных примеров: обычные запросы, неполные сообщения, противоречивые сведения и обращения вне выбранной темы. Часть примеров оставьте для проверки после настройки, чтобы не оценивать систему только на знакомых ей сценариях.

Для каждого примера зафиксируйте ожидаемый результат: какие сведения нужно извлечь, что уточнить и в какой момент передать разговор человеку. Проверяйте не только качество формулировок, но и пригодность результата для менеджера.

Порог приемки нужно установить до оценки результатов. Для ошибки в характеристике товара и неудачной формулировки приветствия последствия различаются, поэтому одного общего балла «качества ответа» недостаточно.

Продажи отслеживайте отдельно: удачное резюме еще не означает выигранную сделку. Если состав обращений или условия продаж изменились, разницу в конверсии нельзя автоматически приписывать ассистенту.

Шаблон проверки одного обращения

Скопируйте и заполните для каждого примера: исходное обращение — ___; подтвержденные поля — ___; неизвестные поля — ___; ожидаемый уточняющий вопрос — ___; разрешенное действие — ___; условие передачи человеку — ___; ссылка на источник — ___.

После прогона добавьте: фактический результат — ___; существенные ошибки — ___; исправления менеджера — ___; время ручной обработки без ассистента — ___ минут; время проверки и исправлений с ассистентом — ___ минут. Отметьте также сбои интеграции и повторные заявки.

Как оценить выигрыш во времени

Часы за период = число обращений × (среднее время ручной обработки − среднее время проверки и исправлений) / 60. Берите сопоставимые обращения и учитывайте все действия сотрудника, включая передачу и устранение ошибок.

Учебный расчет: 200 обращений в месяц, 6 минут без ассистента и 4 минуты с учетом проверки дают 200 × (6 − 4) / 60 ≈ 6,7 часа в месяц. Это вымышленные исходные данные для пояснения формулы, не результат Mobecan и не прогноз для вашего бизнеса.

Высвобожденное время не равно сокращению расходов или росту продаж. Для решения о пилоте сопоставьте пользу этих часов с фактическими затратами на модели, инфраструктуру, сопровождение и разовыми работами. Если проверка занимает больше времени, чем текущая обработка, расчет покажет отрицательный результат.

Для ограниченного первого сценария посмотрите бота для приема заявок и передачи менеджеру. Его состав можно сопоставить с заполненным шаблоном проверки.

С чего начать в вашей компании

Опишите один повторяющийся процесс: откуда приходит обращение, что делает менеджер, какие системы открывает и какой результат передает дальше. Если проблема решается правилами и заполненными полями, начните с настройки существующей системы. Если приходится интерпретировать разнообразные сообщения, сформулируйте узкую задачу для ИИ-пилота и критерии его приемки.

Mobecan помогает внедрять ИИ в рабочие процессы. Если задача требует отдельного ассистента с данными и действиями в системах компании, посмотрите подход к разработке ИИ-агентов.

Обсудить автоматизацию процесса: расскажите, какие обращения получает ваш отдел продаж, где ведется работа с ними и какой шаг хотите упростить.