Мы ещё помним времена, когда на первую встречу можно было прийти с пустыми руками. Менеджеры показывали кейсы с громкими именами в портфолио, вальяжно задавали вопросы по шаблонному брифу и оставляли презентацию с оценкой и сроками. А что получится в итоге, клиент должен был вообразить сам.
Сегодня мы в Атвинте приходим на встречу к заказчику с интерактивным макетом, который собираем с помощью нейросетей. Клиент открывает его, нажимает на кнопки, переходит по разделам и знакомится с прототипом будущего сервиса или сайта.
ИИ поменял подход к продажам, но решение осталось за человеком. Как только менеджер перестаёт думать над тем, что отправляет клиенту, из материалов уходит экспертиза, следом падает и конверсия.
Чтобы понять, где проходит эта граница, мы расспросили коллег об их опыте внедрения нейросетей в продажах. Эксперты из Completo, KozhinDev, Alto, Siberian.pro, Secret Agents и Demis Group рассказали, с какой задачи начинали, на чём собирали своих агентов, какие цифры получили и где обожглись.
Два главных применения нейросетей: тендеры и первичная квалификация лидов
В тендерах ИИ забирает на себя самую тяжёлую рутину. Закупки можно найти на десятках площадок, к каждой из них идёт своя документация на сотню страниц, и прочитать её нужно до того, как станет ясно, подходит ли конкурс агентству. Нейросеть собирает закупки с агрегатора, отсеивает неподходящие и вытаскивает из документации условия участия.
Мы в Атвинте собрали этот процесс на n8n – платформе для автоматизации процессов. Закупки из Тендерплана попадают в общую таблицу, где каждую строку читает модель OpenAI и делит поток на прошедшие проверку и отсеянные. Документы разбирает второй агент с поиском по векторной базе. Промпт мы написали нарочно узким: агент ищет только сроки и дедлайны, отвечает строго по найденным условиям и ничего не додумывает.
Менеджер проверяет собранную выжимку, считает стоимость и решает, идём мы в тендер или нет, а после готовит коммерческое предложение. Раньше команда вручную успевала разобрать примерно один конкурс в месяц, сейчас через фильтр проходит 60–80 закупок в день. Точность отбора при этом выросла с 19 до 51%.
Одновременно нейросети берут на себя первичную квалификацию входящих. Модель изучает заявку вместе с сайтом компании и техническим заданием, собирает информацию по открытым источникам: чем эта компания занимается и с кем конкурирует. Менеджер получает короткую справку и подключается к разговору.
Одними из первых на рынке к квалификации приступили в Completo. Заявки идут потоком, и с каждой из них менеджер разбирается вручную. Команда начинала с готовых сторонних сервисов, а к концу 2024 года собрала уже собственных агентов для аналитики и загрузила в них свою базу презентаций, чтобы говорить с клиентом на его языке.
ИИ мы начали пробовать ещё в 2023 году. Это был сервис AskPot: он быстро оценивал сайт, УТП и позиционирование. Работал криво, но в 40–80% случаев выдавал верные наблюдения. Это ускорило анализ сайтов и сверку того, что клиент говорит о себе, с тем, как его компания видна в интернете.
Второй типовой сценарий — это разбор входящих документов. Клиент отправляет техническое задание на десятки страниц, а агентству нужно оперативно дать решение. Модель отдаёт краткое резюме: что за продукт, какие требования и какой объём работ. Менеджер за минуту понимает предмет разговора, а команда не тратит часы на непрофильную заявку. В KozhinDev так разбирают весь входящий поток, и это первое, что там доверили нейросети.
Сначала это были базовые запросы по исследованию или саммаризации входящих технических заданий: поток лидов немалый, и каждое ТЗ нужно вычитать, чтобы хотя бы понять — наше или нет.
Затем квалификация переходит в подготовку к разговору. В агентстве оценку делают ведущие специалисты, их час стоит дорого, но они тратят его в том числе на заявки, которые обрываются сразу после расчёта. Чем точнее пройдёт первый разговор, тем чаще до оценки дойдут живые сделки. Такой сценарий выстроили в Alto.
ИИ изучает данные о лиде и формирует первые вопросы для скоринга. Вместо ручной проверки компании и изучения ТЗ на входе, первично это делает ИИ, а менеджер выполняет функцию контроля и делает ревью по уже сформированным вопросам, дополняя экспертностью. Агент сразу вставляет кейсы с похожей реализацией по тематике или функционалу, что увеличивает шансы перевести лида на дальнейший этап сделки.
Часть агентств собирает квалификацию внутри собственного контура. В Siberian.pro развернули закрытую среду на OpenClaw и LiteLLM. Она позволяет подключать разные модели под несколько задач и не выносить наружу переписку, документы и внутренние оценки. Агент оценивает перспективность лида и собирает данные о клиенте и его конкурентах.
Похожая работа идёт и на исходящих — до того, как лид вообще появится. В Demis Group нейросеть чистит контактные базы: система телефонии Mango Telecom прозванивает номера, определяет действующие и отсеивает заблокированные.
🎙️ Слушайте «Прибыльный digital», партнёрский подкаст Максима Оганова и «Брифа».
Честные интервью с CEO и руководителями digital-компаний — о кассовых разрывах, потере клиентов, ошибках в найме и о том, какой ценой строится прибыльный бизнес в digital.
Как агентства ускоряют пресейл с помощью ИИ
На пресейле агентство показывает, что сможет решить задачу клиента. Раньше это была презентация с оценкой и сроками, теперь клиент всё чаще получает рабочий прототип или готовую аналитику.
Первый подход — принести прототип на первую же встречу. Пресейл стоил дорого, поэтому раньше агентства выбирали, для каких клиентов готовить такие материалы. Теперь на сборку уходит день или два, а прототип создают в Codex, чаще всего в HTML. Это макет под конкретную встречу, но не готовый продукт, поэтому данные по рынку сверяет менеджер, а работу прототипа проверяет тестировщик. Так ведут входящий лид в Secret Agents.
Менеджер делает короткий звонок с клиентом на пару минут, выясняет потребность и договаривается о встрече. И на эту встречу мы приходим с готовым MVP. Иногда это просто HTML с дизайном и механиками, иногда почти готовый проект. Нишу под него мы собираем через Perplexity и ChatGPT с Deep Research, поэтому MVP выглядит так, будто его делали эксперты, годами работающие на этом рынке.
Конверсия после этого выросла в разы: если раньше в сделку переходил один лид из 20-30, то теперь — каждый третий или четвёртый. Клиенты перестают сравнивать агентство с конкурентами, которые пока отстают.
Второй подход — заменить прототипом проектную документацию. Кликабельный макет успевают собрать, даже когда техническое задание приходит за час до созвона. Готовый прототип заливают на домен, а клиент открывает его по ссылке прямо на встрече. Так работают в KozhinDev.
Раньше на пресейл уходило от 10 до 40 часов: презентации, прототипы и схемы архитектуры. Теперь вместо скучных схем мы делаем интерактивный прототип, который показывает, каким продукт будет на выходе. Времени это не экономит, но сила продажи растёт, потому что мы продаём уже не оценку в табличке, а осязаемый результат.
Нейросети ускоряют и подготовительную часть пресейла. В Completo её перевели на собственных ИИ-агентов: медиаплан раньше собирали за 5–7 рабочих дней, теперь за 3–5, а на сбор семантического ядра уходит 1–2 часа специалиста вместо прежних 3–4. Похожий сценарий настроен в Demis Group — нейросети помогают менеджеру подготовиться к встрече. Раньше сбор информации о клиенте, его аудитории и конкурентах занимал около часа, теперь на это уходит 15 минут.
Иногда аналитика, собранная нейросетью, становится предметом продажи. Клиент приходит с размытым запросом, и раньше агентство либо погружалось в него, либо отпускало лид. Теперь первый разбор обходится дёшево и становится коммерческим шагом. К нам в Атвинту так обратилась компания, которая сомневалась, нужен ли ей новый сайт.
В одном из кейсов я загрузил в Perplexity обезличенную информацию о клиенте, наши созвоны с ним и собрал аналитический отчёт с особенностями целевой аудитории, её задачами, болями, гипотезами и картой пути клиента — около 30 страниц. На это ушло два-три часа, отдельного аналитика я не привлекал. Мы показали отчёт клиенту и он увидел, что мы точно попали в его аудиторию. И в итоге зашёл к нам на платный этап аналитики.
Как ИИ собирает КП и контролирует сделки
Когда клиент готов обсуждать цифры, наступает очередь подготовки сметы и КП. Документ типовой, его структура повторяется от сделки к сделке, а на человеке остаётся смета. Раньше коммерческое предложение собирали несколько сотрудников, а теперь в Alto эту работу передали ИИ.
Когда-то на КП уходило от часа до пяти: менеджер ставил задачу производству, оно считало оценку и менеджер собирал документ. Сейчас мы делаем это примерно втрое быстрее. А если лид пока слабо квалифицирован, собираем предложение в наших стилях буквально одним запросом, и выглядит оно так, будто над ним уже поработали.
После отправки предложения сделку нужно довести до конца. Активных карточек у менеджера много, но руководитель успевает смотреть их выборочно. В Siberian.pro за такими сделками приглядывает отдельный ИИ-агент в CRM.
Мы собрали внутренний ИИ-скилл, который проверяет активные сделки и даёт обратную связь, если на каком-то этапе что-то идёт не так. Он сразу подсветил зоны внимания: где не хватает данных для следующего шага, почему сделка долго стоит без движения, а когда нужно вернуться к клиенту. Раньше руководитель делал это вручную и точечно, теперь получается системно и в 7–8 раз быстрее.
Контроль дошёл и до звонков. Записи есть почти у всех, а слушать их успевают единицы, поэтому речевая аналитика стала первым внятным сценарием. В Secret Agents ИИ разбирает разговоры менеджеров и помогает точнее вести диалог. А в Demis Group именно с речевой аналитики звонков начали внедрять ИИ.
Внедрение ИИ мы начали с анализа звонков. В отделе около 15 менеджеров, и чтобы проверять качество вручную, пришлось бы слушать порядка 15 часов записей в день, поэтому раньше разбирали только отдельные разговоры. Теперь система сама переводит звонок в текст, делает резюме, оценивает логику диалога и аргументацию менеджера и показывает в процентах, насколько разговор соответствует чек-листу.
Следующий шаг — контроль воронки. ИИ разбирает отдельные сделки и звонки, а из этих данных складывается картина по всему отделу продаж. К этому пришли в Completo.
Раньше на проверку воронки отдела продаж у меня уходило один-два часа в день, теперь три-четыре часа в неделю. Не нужно слушать все звонки: достаточно выгрузить транскрибацию, отправить в ИИ и увидеть, где менеджер сработал неоптимально. Освободилось время на маркетинг и стратегию.
Когда нейросети ошибаются и что агентства не отдают ИИ
У каждого агентства есть история, где ИИ подвёл, и черта, за которую его не пускают. Типичный сбой начинается тогда, когда модели не хватает данных: она берёт примерные цифры и вместо конкретики выдаёт общие ответы. В Alto так вышло со сметой и сроками в диаграмме Ганта.
Бывают и провалы, которых никто не ждал. Агентная разработка сбила себестоимость проектов, вслед за ней у агентств снизились и цены, а клиенты восприняли это по-своему. В Secret Agents с таким столкнулись дважды.
У нас дважды была смешная история: даём клиенту крупную по нынешним временам оценку, два-три миллиона, а он отвечает, что подозрительно дёшево. По себестоимости проект обходится нам в 400–500 тысяч, мы выставляем два миллиона, и клиент говорит, что мы слишком дешёвые. Получается, ИИ подводит нас именно тем, что цены упали, а клиент думает, будто с нами что-то не так.
Часть экспериментов заканчивается откатом. В Demis Group попробовали ИИ-робота для обзвона, но он продавал хуже живого менеджера, и от него отказались. Провалов может не быть и вовсе, а в Siberian.pro объясняют это порядком внедрения.
ИИ подводит там, где его пытаются внедрить поверх неописанного процесса. Наш принцип простой: сначала методика, потом технология, и только потом ИИ поверх. Мы не считаем ИИ заменой процессу, поэтому провальных ситуаций у нас пока не было.
Ошибки научили агентства одному: последнее слово остаётся за человеком. В Атвинте мы считаем, что ИИ подвести в принципе не может: всё решает специалист, который ставит задачу и проверяет результат. Всё, что уходит клиенту, перепроверяют вручную — сверяют с ТЗ и брифом, перечитывают цифры, ищут то, что модель могла придумать. В Siberian.pro для этого держат проверочные чек-листы, а в Completo менеджер обязан понимать в КП каждую цифру.
Мы не воспринимаем ответ ИИ как истину, которую можно сразу отправить клиенту. Для нас это черновой материал: менеджер быстрее собирает контекст, но потом сверяет его с сайтом заказчика и открытыми источниками. Напрямую клиенту такие материалы мы не отправляем.
Часть работы ИИ не доверяют вовсе. За человеком остаются переговоры, выбор стратегии по сделке и отношения с клиентом. Продажи в B2B-сегменте держатся на доверии и здравом смысле, поэтому решение о том, брать ли клиента в работу, в Completo оставляют за руководителем. Мы в Атвинте не передаём ИИ данные под NDA и чувствительную информацию.
ИИ-решения внутри агентства и для клиентов
Все агентства, с которыми мы говорили, используют нейросети в своих продажах. Набор инструментов у всех похожий: ChatGPT, Claude, Perplexity, Codex, а поверх них — собственные сервисы и закрытые корпоративные контуры. Мнения расходятся в том, что делать с ИИ дальше: оставить рабочим инструментом внутри или вынести заказчикам как отдельную услугу.
Часть агентств уже продаёт нейросети клиентам. В Completo сделали продуктом сам подход: заказчику передают культуру работы с ИИ и опыт, наработанный на собственных продажах. Услуга новая, в работе два пилотных проекта. В KozhinDev пошли другим путём и открыли отдельный ИИ-отдел, который обучает собственные модели под задачу, а в Alto собирают клиентам ИИ-агентов и чат-ботов, которые ускоряют обработку запросов примерно в семь раз.
Спрос при этом расходится с тем, чем агентства пользуются сами. Внутренний инструмент и продукт для рынка — это разные вещи. Первый затачивают под свои процессы, а второй можно внедрить у любого клиента. В Secret Agents работают в обе стороны и видят этот разрыв на переговорах.
Клиента интересует другое, а не то, чем пользуемся мы сами: автоматизированные CRM, нейропродавцы и чат-боты. Убедить его взять наш же подход получается не всегда.
Порядок важнее набора инструментов. На рынке хватает подрядчиков, которые продают внедрение ИИ, ни разу не прогнав его через собственные процессы. В Siberian.pro считают правильным другой путь.
Сначала проходишь путь внутри своей компании. Тогда лучше понимаешь ограничения технологии, требования к данным и то, где возникает реальный экономический эффект. Это удерживает от завышенных обещаний клиенту. А клиентские задачи потом расширяют тебя как интегратора, и часть находок возвращаешь внутрь.
Что помогает агентствам внедрять ИИ в продажи
Внедрение ИИ изменило процессы и саму команду продаж. Сопротивление было почти у всех, но недолгое. В Alto менеджеры сперва отмахивались — мол, машина не заменит людей, вайбкодить мы не будем, — но быстро втянулись. Менеджер по продажам из KozhinDev, который раньше нейросетями не пользовался, освоил ChatGPT за день, а на следующий уже показывал готовые прототипы, будто получил новую игрушку. А в Siberian.pro сотрудники делятся находками и ошибками на ИИ-кружках.
Роли при этом сдвинулись, а где-то команда даже уменьшилась. В Secret Agents остались самые сильные сотрудники, потому что один человек теперь делает больше. Completo сократило число стратегов, хотя дело не только в ИИ, но и в падении рынка. У нас в агентстве тоже выросла нагрузка.
Сильно никто не сопротивлялся, но и супербыстрого освоения не было, ребят приходится подталкивать. В итоге один человек справляется с работой уже двух-трёх специалистов.
Опыт агентств сводится к нескольким правилам:
- Начинайте с самой дорогой и повторяющейся задачи в продажах, а не с выбора нейросети.
- Сначала описывайте процесс, потом ставьте на него ИИ.
- Проверяйте вручную всё, что уходит клиенту.
- Выбирайте сценарии с быстрым эффектом — например, саммари звонков, исследование клиента и разбор зависших сделок.
- Продавайте идею команде. Более высокая пропускная способность без потери качества означает больше сделок и денег.
Совет на будущее дают в Secret Agents.
Мой совет — быть ИИ-нейтив: выкинуть прежние подходы и выстроить продажи заново через призму ИИ. Конкуренция растёт, агентств станет меньше, и заработает тот, кто эффективнее. ИИ ведь не столько про замену людей (это вторичный эффект), сколько про рост эффективности.
У этого есть и оборотная сторона. Прототипы на первой встрече и аналитика за пару часов сегодня выделяют агентство, а завтра станут общим стандартом.
Скоро так будут делать все, уже сейчас очень многие. Придётся придумывать, чем ещё удивлять клиента. Возможно, мы дойдём до того, что клиент будет скидывать ТЗ и выбирать подрядчика по уже готовому приложению, а агентствам придётся ещё и доплачивать, чтобы выбрали именно их. Пока это выглядит как утопия.
ИИ уже ускорил работу на каждом этапе воронки продаж, но преимущество получают те, кто выстроил процесс и оставил за человеком проверку и финальное решение.
