ИИ-агент для отдела продаж: 7 рабочих сценариев от заявки до CRM

ИИ-агент для отдела продаж может подключаться к работе с клиентом ещё до первого разговора с менеджером:

• разбирать входящие обращения,
• собирать недостающую информацию,
• готовить данные для CRM,
• напоминать о следующем контакте,
• находить сделки, в которых работа остановилась.

Но фраза «автоматизировать продажи с помощью ИИ» мало что объясняет. Полезнее пройти по обычной воронке и посмотреть, что именно происходит с конкретной заявкой. От сообщения клиента до действий менеджера и контроля со стороны РОПа.

Ниже семь сценариев, которые показывают эту логику.

Сценарий 1. Разобрать входящую заявку

Представим B2B-компанию. На сайт приходит обращение:

«Нужно оборудование для нового участка. Запуск в декабре. Хотим понять, какой вариант нам подойдёт и сколько примерно это будет стоить».

Обычная интеграция умеет передать этот текст в CRM. Но сама по себе заявка всё ещё остаётся неструктурированным сообщением, которое должен прочитать сотрудник.

ИИ-агент может разобрать содержание и выделить из него известные сведения:

• что требуется клиенту,
• для какого объекта,
• какие сроки названы,
• что именно он хочет получить от компании.

После обработки у менеджера уже не просто текст из формы, а краткая выжимка:

- Запрос: подбор оборудования.
- Объект: новый производственный участок.
- Планируемый запуск: декабрь.
- Интерес клиента: подбор решения и предварительная стоимость.
- Не хватает данных: параметры, необходимые компании для подбора оборудования.

Конкретный набор полей зависит от бизнеса. Для веб-студии это будет один набор, для поставщика промышленного оборудования — другой, для сервисной компании — третий.

Поэтому ии-агенту недостаточно сказать: «квалифицируй заявки». Сначала компания должна определить, какая информация действительно нужна отделу продаж.

Сценарий 2. Собрать то, чего не хватает

Вернёмся к той же заявке.

Менеджеру пока рано считать предложение. Клиент не указал несколько обязательных параметров. Обычно сотрудник открывает заявку, читает её, пишет уточняющий вопрос и ждёт ответа.

Часть этой работы можно перенести на ии-агента.

Он сверяет обращение с заданным сценарием и спрашивает только то, чего действительно не хватает. Если клиент уже указал срок запуска, повторно спрашивать срок не нужно.

Здесь и появляется отличие от жёсткого опросника.

В одном диалоге клиент сразу сообщит почти всё необходимое. В другом начнёт с фразы «подскажите по стоимости». ИИ-агент должен учитывать уже полученный контекст, а не последовательно прогонять каждого человека через одинаковые десять вопросов.

При этом сценарий должен предусматривать остановку. Если клиент задаёт вопрос, на который агенту не разрешено отвечать, требует нестандартного расчёта или сам просит специалиста, диалог передаётся сотруднику.

Сценарий 3. Подготовить карточку сделки в CRM

После нескольких сообщений информации стало больше:

• клиент описал задачу,
• сообщил параметры объекта,
• обозначил сроки,
• оставил контакты.

Теперь всё это нужно перенести в CRM.

При ручной работе качество карточек сильно зависит от привычек конкретного менеджера. Один подробно записывает договорённости, другой оставляет пару слов, третий рассчитывает, что потом найдёт всё в переписке.

ИИ-агент может собрать сведения из диалога и подготовить их в принятой компанией структуре.

Например:

Компания: ООО «Пример».
Контакт: Иван Петров.
Задача: оборудование нового участка.
Срок запуска: декабрь.
Полученные параметры: …
Открытые вопросы: …
Следующее действие: техническая консультация.

Это не означает, что ИИ обязательно должен самостоятельно менять любые поля CRM. На старте безопаснее сначала готовить данные для проверки сотрудником. После проверки сценария отдельные предсказуемые действия можно автоматизировать глубже.

Саму CRM агент при этом не заменяет. Она остаётся системой, где хранятся сделки, этапы, ответственные, задачи и история работы. Агент помогает обрабатывать содержание, которое в неё попадает.

Сценарий 4. Подготовить менеджера к первому разговору

Допустим, заявка квалифицирована и назначен звонок.

Перед разговором менеджеру приходится заново читать форму, переписку и комментарии в CRM. Если обращение простое, это занимает минуты. В сложных B2B-продажах история может быть гораздо длиннее.

ИИ-агент может подготовить короткое резюме перед звонком:

- кто обратился;

- что хочет решить;

- что уже известно;

- какие ограничения назвал клиент;

- какие вопросы остались открытыми;

- о чём договорились на предыдущем этапе.

Сотрудник начинает разговор с контекстом, а не с просьбы ещё раз рассказать всё сначала.

Особенно полезен такой сценарий, когда заявка переходит между сотрудниками. Например, первичное обращение принял один специалист, а техническую консультацию проводит другой.

Исходная переписка при этом должна оставаться доступной. Резюме помогает быстро войти в контекст, но не должно становиться единственным источником информации о договорённостях с клиентом.

Сценарий 5. Не потерять следующий контакт

После разговора клиент говорит:

«Отправьте материалы, мы посмотрим и вернёмся к этому в четверг».

Вот здесь начинается менее заметная часть продаж.

Нужно зафиксировать договорённость, отправить обещанные материалы, поставить следующее действие и в четверг проверить, появился ли ответ.

Если в CRM уже есть точная дата задачи, для обычного напоминания ИИ не нужен. С этим справится сама CRM.

Агент становится полезен, когда следующий шаг нужно извлечь из содержания разговора или переписки.

Из фразы клиента он может определить:

Договорённость: клиент изучает материалы.
Следующий контакт: четверг.
Действие: вернуться к обсуждению после ознакомления.

После этого в CRM появляется задача или предложение менеджеру её подтвердить.

Это небольшой сценарий, но именно из таких операций складывается дисциплина работы с воронкой.

Сценарий 6. Подготовить follow-up с учётом истории сделки

Наступил четверг. Ответа нет.

Автоматическое сообщение «Добрый день! Напоминаем о себе» можно отправить и без искусственного интеллекта. Но чем сложнее и длиннее сделка, тем меньше пользы от одинаковых шаблонов.

ИИ-агент может использовать историю конкретного обращения и подготовить менеджеру черновик:

- что обсуждали;

- какие материалы отправляли;

- какой следующий шаг был согласован;

- какой вопрос сейчас логично задать.

Например, вместо абстрактного напоминания сообщение продолжает предыдущий разговор. Уточняет, удалось ли посмотреть конкретный расчёт и остались ли вопросы по выбранному варианту.

Степень автономности здесь зависит от процесса.

Для одного бизнеса допустима автоматическая отправка заранее согласованных сообщений. В другом любое сообщение клиенту сначала должен увидеть менеджер. Особенно осторожно стоит относиться к переписке, где обсуждаются цены, индивидуальные условия, обязательства компании или спорные вопросы.

Сценарий 7. Найти сделки, где работа фактически остановилась

Теперь посмотрим на воронку глазами руководителя отдела продаж.

В CRM может быть сотня открытых сделок. Формально они существуют, но это ещё не означает, что по каждой идёт работа.

- У одной нет следующей задачи. 

- По другой менеджер неделю ждёт ответ клиента. 

- В третьей была длинная переписка, но непонятно, чем она закончилась. 

- Четвёртая находится на этапе, который уже не соответствует реальной ситуации.

Обычные отчёты CRM хорошо показывают структурированные данные:

• этап,
• дату последней активности,
• ответственного,
• сумму,
• просроченные задачи.

ИИ можно подключить там, где для оценки нужно разобраться ещё и в содержании коммуникаций.

Например, агент может собрать сделки без понятного следующего шага, посмотреть доступную историю и подготовить руководителю отдела продаж список для разбора:

Сделка А: после отправки предложения пять дней нет зафиксированного следующего действия.

Сделка Б: клиент задал дополнительный вопрос, после него в истории нет ответа.

Сделка В: в переписке договорились вернуться к обсуждению после определённой даты, но задача в CRM не создана.

Это уже не общая «аналитика продаж», а конкретный рабочий список, где руководителю или менеджеру стоит проверить ситуацию.

Как эти семь сценариев соединяются в один процесс

Теперь соберём всю цепочку.

Клиент отправляет обращение. ИИ-агент разбирает его и определяет, каких сведений не хватает. Если сценарий позволяет, задаёт уточняющие вопросы. Полученную информацию структурирует для CRM.

Менеджер получает не сырую заявку, а контекст:

• что нужно клиенту,
• что уже выяснено,
• какой следующий шаг требуется.

После общения агент может помочь зафиксировать договорённости и подготовить следующее действие. Если клиент не отвечает, история сделки используется для follow-up. Если работа останавливается, проблемная сделка попадает в поле зрения менеджера или руководителя отдела продаж.

Получается непрерывная цепочка:

обращение → разбор → уточнение → CRM → менеджер → следующий контакт → контроль сделки.

При этом не каждый этап обязательно должен выполнять ИИ. Там, где достаточно простого условия «если произошло X, сделать Y», обычно разумнее использовать штатную автоматизацию CRM или интеграцию.

Подробнее эту границу мы разбирали в статье об автоматизации бизнес-процессов.

Что нужно определить до внедрения

Самая частая ошибка начинается с постановки задачи: «Нам нужен ИИ-агент в отдел продаж».

Из такой формулировки непонятно, какую проблему предстоит решить.

Гораздо полезнее взять несколько десятков реальных обращений и проследить их путь.

- Где менеджер вручную разбирает текст? 

- Какие вопросы постоянно задаёт? 

- Что переносит в CRM? 

- Какие действия забывает фиксировать? 

- Где руководителю не хватает информации?

После этого можно выбрать один сценарий для первого запуска.

Например, не «автоматизировать отдел продаж», а:

• разбирать новые заявки с сайта,
• собирать три обязательных параметра,
• готовить карточку для менеджера.

У такого процесса уже можно определить входные данные, ожидаемый результат и случаи, когда агент обязан остановиться.

На странице об ИИ-агентах для бизнеса мы рассматриваем такие решения именно как системы под конкретные процессы компании, а не как универсального виртуального сотрудника на все случаи.

Как оценивать результат

Метрика должна соответствовать сценарию.

Для первичного разбора заявки имеет смысл смотреть, насколько полно агент извлекает нужные сведения и сколько результатов приходится исправлять сотруднику.

Для квалификации — сколько обращений проходит по заданному сценарию без ручного сбора стандартной информации и в каких ситуациях требуется подключение менеджера.

Для CRM — насколько полно заполняются необходимые поля и сколько записей приходится корректировать.

Для повторный контакта с учётом истории сделки — выполняются ли запланированные следующие действия и не появляются ли сделки без продолжения.

Для контроля воронки — действительно ли система находит ситуации, которые требуют внимания, или создаёт РОПу ещё один поток ложных предупреждений.

Сравнивать результат нужно с исходным процессом. Иначе невозможно понять, улучшился ли конкретный участок работы после внедрения.

Когда одного сценария уже мало

Если первый участок работает устойчиво, следующий можно подключать к той же цепочке.

ИИ-агент, который сначала только разбирал заявки, позже может получать доступ к истории сделки и готовить резюме для менеджера. Затем к контролю следующего действия. Потом к поиску зависших сделок.

Но расширять систему имеет смысл после проверки предыдущего этапа, а не заранее строить большого «ИИ-продавца», которому сразу разрешено общаться с клиентами, менять CRM и принимать решения по всей воронке.

Чем больше действий объединено в одном процессе, тем больше нужно учитывать источников данных, прав доступа, исключений и последствий ошибки.

Поэтому первый вопрос перед внедрением ИИ в продажи звучит довольно приземлённо: какую конкретную повторяющуюся операцию отдела мы хотим изменить?

Если на него есть точный ответ, дальше уже можно определить, какие данные понадобятся агенту, с какими системами его связать и какой результат считать успешным.