ИИ в отделе продаж: что автоматизировать, кроме чат-бота

Кроме чат-бота, ИИ в отделе продаж лучше всего берёт на себя рутину вокруг менеджера: расшифровку и проверку звонков по скрипту, заполнение полей CRM и краткие итоги разговоров, оценку и квалификацию лидов, черновики писем после встреч, ежедневные отчёты для руководителя и поиск ответов по внутренней базе знаний. В России для этого есть YandexGPT и GigaChat с программным интерфейсом, встроенные функции CoPilot в Битрикс24 и виджеты речевой аналитики для amoCRM, а связать всё между собой помогает n8n. Начинать стоит с пилота на одном процессе с заранее выбранной метрикой и обязательно учитывать требования 152-ФЗ к записи разговоров и персональным данным.

Анализ звонков и контроль качества

Речевая аналитика — самый заметный по эффекту сценарий. Руководитель физически не может прослушать сотни разговоров в неделю, поэтому обычно проверяет случайные пять-десять. ИИ разбирает все звонки, и картина перестаёт зависеть от выборки.

• Расшифровка. Запись разговора переводится в текст с разделением на реплики менеджера и клиента. На момент публикации асинхронное распознавание файлов в Yandex SpeechKit стоит около 0,15 ₽ за каждые 15 секунд аудио с НДС, то есть порядка 0,6 ₽ за минуту разговора. У Сбера есть аналогичный сервис SaluteSpeech.
• Проверка по скрипту. Языковая модель сравнивает расшифровку с чек-листом: представился ли менеджер, выявил ли потребность, назвал ли следующий шаг, как отработал возражение о цене. На выходе — оценка по каждому пункту с цитатой из разговора.
• Поиск закономерностей. Частые возражения, упоминания конкурентов, вопросы, на которые менеджеры отвечают по-разному. Это материал для обучения и для доработки самого скрипта.

Важно помнить, что оценка ИИ — подсказка, а не приговор. В проектах мы обычно первые две-три недели сверяем выводы модели с оценками руководителя на одних и тех же звонках и только потом используем их в разборах с командой.

CRM, которая заполняется сама

Главная причина пустых карточек в CRM — менеджеру некогда. После звонка или переписки модель может сделать это за него.

• Краткий итог разговора. Три-пять строк в ленте сделки: что нужно клиенту, о чём договорились, какой следующий шаг и когда.
• Заполнение полей. Бюджет, сроки, интересующий продукт, лицо, принимающее решение, причина отказа — модель извлекает их из расшифровки или письма и записывает в поля сделки. Для полей со списком значений лучше просить модель выбрать из фиксированного набора, а не писать свободным текстом.
• Задачи и напоминания. Если клиент сказал «перезвоните в четверг», в CRM появляется задача на четверг.

В Битрикс24 часть этого уже есть из коробки: по справке сервиса, CoPilot расшифровывает запись звонка, пишет резюме, заполняет поля карточки CRM и оценивает разговор по выбранному скрипту продаж. Для автоматической обработки звонков нужна подписка «BitrixGPT + Маркетплейс». В amoCRM встроенный помощник «Амма» на момент публикации ориентирован на аналитику по сделкам, а расшифровку и разбор звонков обычно подключают через виджеты из маркетплейса или собственную интеграцию. Если готовые функции не закрывают задачу, сценарий собирается отдельно: настройка полей, воронок и связок — это часть внедрения CRM, без которой ИИ просто некуда записывать результат.

Оценка и квалификация лидов

Классический скоринг лидов строится на баллах за поля формы. ИИ добавляет к нему понимание свободного текста: комментария в заявке, первого письма, переписки в мессенджере.

• Модель определяет, похоже ли обращение на целевое: есть ли конкретная задача, соответствует ли она вашим услугам, указаны ли сроки и бюджет.
• Заявка получает категорию («горячая», «нужно уточнить», «нецелевая») и короткое обоснование, почему так.
• По категории срабатывают правила: горячие — сразу старшему менеджеру, нецелевые — в отдельный этап с вежливым шаблонным ответом.

Правило, которое мы закладываем всегда: модель не удаляет и не закрывает заявки сама. Она ставит метку и объясняет решение, а финальное действие остаётся за человеком или за жёстким правилом в коде.

Черновики писем, отчёты и база знаний

Эти три сценария экономят меньше времени по отдельности, но ими пользуется вся команда каждый день.

• Черновики писем после встречи. По расшифровке звонка модель готовит письмо клиенту: резюме договорённостей, список документов, следующий шаг. Менеджер правит и отправляет — письмо никогда не уходит автоматически без проверки.
• Отчёты для руководителя. Каждое утро в рабочий мессенджер приходит сводка: сделки без движения больше недели, просроченные задачи, звонки с низкой оценкой, крупные сделки, сменившие этап. Цифры берутся из CRM запросом, а модель только пересказывает их человеческим языком и выделяет главное. Такие сводки мы собираем в рамках направления ИИ-отчётов.
• Помощник по базе знаний. Менеджер спрашивает: «какие условия рассрочки для юрлиц» или «чем тариф Б отличается от В», и получает ответ со ссылкой на документ. Это особенно полезно для новичков в первые месяцы работы.

Что подготовить под каждую задачу

Инструменты в России и роль n8n

Для обработки текста — итогов, оценок, писем — в России обычно используют YandexGPT и Alice AI LLM в Yandex AI Studio или GigaChat от Сбера. Оба провайдера на момент публикации дают доступ через программный интерфейс для юрлиц, работают по договору с закрывающими документами и обрабатывают данные в российских дата-центрах. Для распознавания речи — Yandex SpeechKit или SaluteSpeech. Затраты на сами модели в таких сценариях обычно невелики по сравнению с настройкой и сопровождением.

Встроенные функции CRM — самый быстрый старт, но они ограничены сценариями, которые предусмотрел разработчик. Когда нужно своё (взять запись из телефонии, отправить её на распознавание, прогнать через модель с вашим чек-листом, разложить результат по полям сделки и прислать сводку руководителю), всё это связывает n8n. Он разворачивается на собственном сервере, умеет работать с вебхуками и программными интерфейсами amoCRM и Битрикс24, а провайдера модели в нём можно сменить, не переделывая весь процесс. Такие связки мы собираем в рамках ИИ-автоматизации.

Персональные данные и запись звонков

Записи разговоров, телефоны, имена и переписка с клиентами — персональные данные, и на их обработку распространяется 152-ФЗ. Общие ориентиры такие:

• Предупреждение и согласие. Клиента предупреждают о записи разговора, а обработка данных опирается на согласие или другое законное основание. С 1 сентября 2025 года согласие на обработку персональных данных нужно оформлять отдельным документом, а не пунктом договора или оферты.
• Голос и биометрия. По разъяснениям Роскомнадзора, данные становятся биометрическими, когда их используют для установления личности. Запись для контроля качества к этому, как правило, не относится, но голосовая идентификация клиента — уже другой режим с отдельными требованиями.
• Хранение в России. Первичная запись и хранение данных граждан России должны вестись в базах на территории страны. Отправка расшифровок в зарубежную модель — это трансграничная передача, о которой нужно уведомлять Роскомнадзор.
• Минимизация. Передавайте модели только то, что нужно для задачи. Номера карт, паспортные данные и лишние контакты лучше маскировать до отправки.
• Доступы и сроки. Определите, кто видит записи и расшифровки и сколько они хранятся.

Это общие ориентиры, а не юридическое заключение: финальную схему обработки данных стоит согласовать с юристом.

С чего начать: пилот на одном процессе

Практическое правило: выбирайте процесс, где есть много однотипных повторений, данные уже копятся, а результат легко посчитать. Чаще всего это разбор звонков или итоги разговоров в CRM. Если вы работаете в Битрикс24 и встроенный CoPilot закрывает задачу — начните с него. Если нужен свой чек-лист, другая CRM или связка с несколькими системами — собирайте процесс на n8n с отечественной моделью.

• Зафиксируйте исходные значения до запуска: сколько звонков проверяет руководитель, сколько полей в сделках пустует, сколько времени уходит на отчёт.
• Запустите пилот на одной группе менеджеров на три-четыре недели.
• Раз в неделю вручную проверяйте 20–30 результатов модели и правьте инструкции.
• Сравните метрики с исходными и только после этого расширяйте на весь отдел и следующий процесс.
• Назначьте ответственного за чек-листы и базу знаний — без него качество быстро падает.