CRM уже много лет умеют автоматически ставить задачи, отправлять уведомления, менять этап сделки, считать срок бездействия менеджера и напоминать, что клиенту пора позвонить. Для этого искусственный интеллект не нужен. Тем не менее сейчас почти у каждой CRM появляется набор функций с ИИ: оценка перспективности сделки, подготовка письма, краткий пересказ звонка, рекомендации менеджеру, анализ клиента и автоматическое заполнение карточки.
Отсюда возникает вполне разумный вопрос: что из этого действительно даёт бизнесу что-то новое, а что является обычной автоматизацией с модной этикеткой? Ответ становится понятнее, если перестать рассматривать ИИ как отдельную функцию CRM и посмотреть на ту работу менеджера, которая до сих пор плохо поддавалась обычным правилам.
CRM хорошо работает с фактами
Представим простую задачу. Если клиент не получил коммерческое предложение в течение двух дней после встречи, нужно поставить менеджеру задачу. Если сделка находится на одном этапе больше недели — напомнить руководителю. Если клиент подписал договор — создать следующий набор задач.
Это обычная автоматизация. Здесь заранее известно условие и заранее известно действие, поэтому чем строже система будет соблюдать заданные правила, тем лучше. Спрашивать у языковой модели, «как она считает, пора ли уже напомнить менеджеру», нет никакого смысла.
По той же причине ИИ не нужен, чтобы посчитать количество сделок, выручку, конверсию между этапами или средний срок сделки. Если в CRM есть нормальные данные, всё это прекрасно считается обычными средствами.
Проблема начинается в другом месте. Очень большая часть полезной информации отдела продаж вообще не находится в аккуратных полях CRM. Она живёт в телефонных разговорах, письмах, Telegram, заметках менеджеров и комментариях вроде: «Клиент пока думает, у директора командировка, попросили вернуться после 15-го, если согласуют бюджет — начинаем в октябре».
Вот здесь обычной программе уже становится трудно.
Самое интересное в продажах обычно остаётся между строк
После получасового разговора с клиентом менеджер в лучшем случае оставляет несколько строк заметки. Иногда ставит следующую задачу, иногда забывает. При этом в самом разговоре могло быть гораздо больше полезной информации: клиент назвал срок, бюджет, возражение, другого участника принятия решения, пообещал прислать документы и попросил вернуться к определённой дате.
Для человека всё это очевидно из контекста разговора. Для обычной CRM эти данные вообще не существуют, пока сотрудник вручную не перенесёт их в поля.
Вот здесь ИИ действительно может менять процесс. Система получает расшифровку разговора и не просто делает краткое резюме, а выделяет факты: что нужно клиенту, о чём договорились, какой следующий шаг, когда вернуться, какие документы ожидаются и какие возражения прозвучали. Менеджеру остаётся проверить результат и подтвердить его.
Это уже не «ИИ вместо CRM». Наоборот, ИИ помогает превратить человеческий разговор в данные, с которыми CRM умеет работать давно.
Хороший сценарий — подготовить менеджера к следующему звонку
Есть ещё одна очень бытовая проблема. Клиент возвращается через три месяца. За это время с ним переписывались несколько человек, была встреча, ему отправляли два варианта предложения, потом что-то перенесли, один сотрудник уволился. Перед звонком новый менеджер открывает CRM и пытается восстановить историю.
Формально вся информация там есть. Практически на её чтение можно потратить десять минут, а иногда и больше.
Здесь ИИ хорошо подходит для подготовки краткой справки: кто клиент, что ему предлагали, на чём остановились, какие вопросы остались открытыми, что обещала наша сторона и какой следующий шаг обсуждался.
Важно, что модель ничего не решает вместо менеджера. Она просто собирает разбросанную историю в удобный для человека вид. Это один из тех случаев, когда ИИ не заменяет существующую функцию CRM, а делает доступной информацию, которая раньше была слишком дорогой по времени.
Ещё полезнее искать забытые договорённости
CRM обычно отлично напоминает о задаче, если кто-то эту задачу создал. Но если менеджер сказал клиенту: «Хорошо, я уточню у технического специалиста и завтра вернусь», а потом ничего не записал, CRM об этом не знает.
С точки зрения системы всё нормально. Сделка существует, поля заполнены, просроченных задач нет. С точки зрения клиента ему просто не ответили.
Вот здесь появляется очень интересный класс автоматизации: сравнивать реальные коммуникации с тем, что зафиксировано в CRM. В разговоре есть обещание перезвонить завтра, а задачи нет. Клиент запросил расчёт, а соответствующего действия не создано. В переписке договорились вернуться к вопросу в конце месяца, но CRM об этом ничего не знает.
Такие вещи трудно ловить обычными правилами, потому что само обязательство сформулировано человеческим языком. ИИ здесь может работать как дополнительный контрольный слой и показывать менеджеру или руководителю возможные пропуски.
Не создавать всё самостоятельно, а, например, предложить: «Похоже, здесь была договорённость, но я не вижу соответствующей задачи. Создать?»
Генерация писем — далеко не самое интересное применение
Почти во всех демонстрациях ИИ для продаж обязательно есть кнопка «сгенерировать письмо клиенту». Работает она обычно неплохо, но с точки зрения бизнеса это довольно маленькая победа.
Написать типовое письмо менеджер и так может за несколько минут. Гораздо больше времени и денег теряется там, где он забыл вернуться к клиенту, не занёс важную договорённость, не увидел прошлую историю или неправильно квалифицировал обращение.
Поэтому я бы не начинал внедрение с генерации текстов. Это заметная функция, которую легко показать на презентации, но не обязательно самая полезная. Хороший кандидат на ИИ — не та операция, где модель выглядит умнее всего, а та, где она убирает значительный объём ручной работы или помогает не терять деньги.
ИИ не исправляет плохие данные
Здесь появляется самая неприятная часть. Допустим, мы хотим, чтобы ИИ оценивал сделки и подсказывал менеджеру, на кого обратить внимание. Но в CRM половина сделок находится не на тех этапах, у части клиентов не заполнены источники, менеджеры месяцами не закрывают проигранные сделки, а некоторые обращения вообще обсуждаются только в Telegram.
На таких данных модель тоже построит рекомендации. Причём выглядеть они могут весьма убедительно.
Поэтому к ИИ в CRM применимо старое правило автоматизации: если входные данные плохие, технология не превращает их в хорошие. Иногда она просто позволяет получать плохие выводы значительно быстрее.
Перед внедрением «умного помощника продаж» полезно проверить гораздо более скучные вещи: насколько сотрудники действительно ведут CRM, какие поля можно считать достоверными, где хранится история общения и можно ли связать разговоры, письма и сделки между собой.
Без этого сложная модель становится дорогой надстройкой над беспорядком.
Оценка перспективности сделки — особенно скользкая тема
На первый взгляд идея выглядит очень привлекательно. ИИ анализирует историю и говорит: у этой сделки вероятность продажи высокая, а у этой низкая. Менеджеры работают прежде всего с перспективными клиентами.
Но здесь легко попасть в замкнутый круг. Предположим, исторически компания хорошо продавала крупным клиентам из определённой отрасли. Модель увидит это и начнёт выше оценивать похожие сделки. Менеджеры будут уделять им больше внимания, они действительно будут чаще закрываться, а новые данные ещё сильнее подтвердят первоначальное предположение.
Это не означает, что оценка сделок бесполезна. Но относиться к ней лучше как к гипотезе, а не к истине.
Гораздо безопаснее сначала использовать ИИ для задач, результат которых человек способен быстро проверить: разбор звонка, заполнение черновика карточки, поиск договорённостей, подготовка истории клиента. А уже потом переходить к рекомендациям, которые непосредственно влияют на решения менеджеров.
Что я бы автоматизировал в отделе продаж первым
Если CRM уже работает и сотрудники действительно ей пользуются, я бы в первую очередь посмотрел на разбор звонков и встреч. Не просто на расшифровку, а на извлечение договорённостей, сроков, следующих действий и важных фактов.
Следующий хороший кандидат — входящие обращения. ИИ может определить тему, продукт, срочность и предложить правильный маршрут. Ещё один полезный сценарий — подготовка сотрудника к контакту, когда система собирает историю клиента из заметок, писем и предыдущих разговоров.
Отдельно я бы смотрел на поиск забытых обязательств и несоответствий между коммуникацией и CRM, а также на подготовку черновика карточки после разговора, который менеджер подтверждает перед сохранением.
У этих задач есть важное общее свойство: ИИ работает с человеческим языком там, где обычная CRM его не понимает, но результат остаётся проверяемым человеком. Это хорошая граница для первого внедрения.
Как понять, окупилась ли такая автоматизация
До начала разработки стоит зафиксировать исходное состояние. Сколько времени менеджер тратит после звонка на заполнение CRM? Сколько задач создаётся с опозданием? Как часто в карточке отсутствует результат встречи? Сколько времени требуется сотруднику, чтобы восстановить историю старого клиента? Сколько обращений приходится вручную распределять между специалистами?
После запуска можно измерить то же самое снова.
Например, заполнение CRM занимало десять минут после каждого разговора, а теперь сотрудник две минуты проверяет предложенный черновик. Или руководитель каждую неделю вручную просматривал десятки сделок в поисках забытых клиентов, а теперь система показывает ему небольшой список подозрительных случаев.
Это нормальный результат внедрения. Фраза «у нас теперь ИИ в CRM» сама по себе результатом не является.
С чего начинать
Если компания хочет внедрить ИИ в отдел продаж, я бы не начинал с вопроса «какие функции ИИ есть в нашей CRM». Гораздо полезнее взять обычный рабочий день менеджера и посмотреть, куда уходит время: что он переносит руками, что читает перед звонком, что пытается вспомнить, какие сведения извлекает из переписки, что регулярно забывает записать и на каких этапах руководителю приходится вручную проверять работу.
После такого разбора обычно появляются несколько довольно конкретных задач. И только тогда имеет смысл выбирать технологию.
Потому что CRM уже отлично умеет хранить факты и выполнять правила. ИИ становится действительно полезен там, где эти факты сначала нужно понять из человеческой речи.
