3 уровня зрелости AI-автоматизации: от хаоса к управляемой эффективности

На прошлой неделе делал аудит в двух компаниях из одной отрасли. Обе продают промышленное оборудование, обе примерно одного размера, обе на рынке лет десять. Обе утверждают, что «внедрили CRM» и «используют автоматизацию». А под капотом — небо и земля.

В первой компании CRM — это, по сути, электронный блокнот. Менеджеры записывают туда контакты и иногда — статусы сделок. Автоматизация заключается в том, что письма отправляются не через Outlook, а через CRM. Всё остальное — руками: квалификация лидов, распределение заявок, напоминания, отчёты.

Во второй компании CRM — это центр управления продажами. Лиды автоматически распределяются по менеджерам в зависимости от региона и специализации. Бот квалифицирует входящие заявки и отсеивает мусор до того, как они попадут к людям. Система сама ставит задачи на follow-up и эскалирует просроченные сделки руководителю. Аналитика показывает не только «сколько продали», но и «почему не продали» — с разбивкой по причинам отказов.

Обе компании искренне считают, что у них «всё автоматизировано». Но они находятся на разных уровнях зрелости. И этот уровень определяет не только эффективность сегодня, но и возможности для роста завтра.

Дальше — фреймворк для честной самооценки. Не чтобы повесить ярлык, а чтобы понять, куда двигаться. Перепрыгнуть уровни не выйдет, но и торчать на одном месте — тоже не вариант.

Уровень 1: Островная автоматизация

Здесь сидит большинство. Называю «островным», потому что автоматизация существует кусками — не связанными между собой.

Типичная картина: CRM есть, но данные вносят вручную. 1С есть, но с CRM не связана — бухгалтер перебивает счета руками. Чат на сайте есть, но диалоги живут отдельно от истории клиента. Телефония есть, но записи звонков ищутся в другом месте.

Автоматизация решает локальные задачи, но системного эффекта нет. Каждый инструмент сам по себе. Данные дублируются. Люди тратят время, сшивая информацию из разных мест.

Помню разговор с директором по продажам: «У нас CRM, IP-телефония, чат-бот — а я два часа в день трачу, чтобы понять, что происходит с продажами». Потому что информация размазана по трём системам, и никто не собрал её в одну картину.

На этом уровне главная проблема — не отсутствие инструментов, а отсутствие связей между ними. Компания уже потратила деньги на софт, но не получает от него полной отдачи, потому что каждая система живёт в своём мире.

Переход с первого на второй: что нужно сделать

Переход — не «большой взрыв», а последовательная работа. С первого на второй идут через интеграции и стандартизацию.

Шаг первый: определить «источник правды» для каждого типа данных. Где карточка клиента? Где актуальный статус сделки? Где финансы? Нельзя, чтобы одно и то же хранилось в трёх местах и везде немного по-разному.

Шаг второй: связать системы. CRM получает данные из телефонии и чатов. 1С синхронизируется с CRM. Через готовые интеграции, API или RPA — неважно. Главное — информация течёт автоматически.

Шаг третий: стандартизировать процессы. Когда системы связаны, видно, что все делают по-разному. Один создаёт сделку сразу, другой — после звонка, третий — после КП. Договариваетесь о правилах и зашиваете их в систему.

Переход занимает три-шесть месяцев. Это эволюция, не революция. Но без него разговоры про AI — пустой звук. AI работает на данных, а на первом уровне данные — бардак.

Уровень 2: Связанная автоматизация

Системы связаны, информация течёт сама. Менеджер работает в одном окне: история коммуникаций, статус оплат, документы, записи звонков — всё перед глазами.

Главное отличие — настоящая автоматизация процессов. Не «данные синхронизируются», а «система делает то, что раньше делали люди».

Пример: на первом уровне менеджер получает заявку и сам решает, что с ней делать. На втором уровне система автоматически квалифицирует заявку (по региону, размеру компании, типу запроса), распределяет её нужному менеджеру, ставит задачу на обработку с дедлайном. Если задача просрочена — эскалирует руководителю.

Другой пример: на первом уровне руководитель сам проверяет воронку и ищет «застрявшие» сделки. На втором уровне система автоматически выделяет сделки, которые не двигались N дней, и показывает их в отдельном отчёте. Или сразу ставит задачу менеджеру: «Сделка с ООО «Ромашка» зависла на этапе КП больше недели — свяжись с клиентом».

На втором уровне компания уже получает реальный эффект от автоматизации. Меньше ручной работы, меньше ошибок, быстрее реакция на клиентов. Но здесь ещё нет искусственного интеллекта в полном смысле — есть правила, настроенные людьми. Система делает то, что ей сказали делать, но не умеет «думать».

Переход со второго на третий: что нужно сделать

Здесь добавляется интеллект. Система не просто выполняет правила — она учится на данных и принимает решения.

Условие первое: накопленные данные. AI работает на данных. Если вы год на втором уровне, исторических данных может не хватить. Нужны тысячи завершённых сделок, чтобы модель нашла паттерны.

Условие второе: качество данных. Если менеджеры заполняют CRM как попало, причины отказов выбирают случайно, половина полей пустые — AI ничего не извлечёт. Garbage in — garbage out.

Условие третье: готовность доверять машине. AI будет советовать: «этот лид не сконвертируется», «клиенту лучше позвонить, а не писать», «сделка скорее закроется — увеличь прогноз». Нужно слушать эти рекомендации, а не игнорировать.

Переход обычно начинают с одного-двух сценариев. Не «AI везде», а одна задача — например, скоринг лидов — сделанная хорошо. Показали результат, научили команду, отладили. Потом расширяете.

Уровень 3: Интеллектуальная автоматизация

Система учится и адаптируется. Это не значит, что AI принимает все решения — люди по-прежнему главные. Но AI помогает решать быстрее и точнее.

Возьмём тот же пример с распределением заявок. На втором уровне правила статичные: заявки из Алматы — Иванову, из Астаны — Петрову, крупные клиенты — старшим менеджерам. На третьем уровне система анализирует, у какого менеджера выше конверсия с какими типами клиентов, и распределяет заявки так, чтобы максимизировать общую конверсию. Правила не прописаны человеком — они выведены из данных.

Или пример с прогнозированием. На втором уровне прогноз продаж — это сумма сделок в воронке, умноженная на вероятности. На третьем уровне модель смотрит на историю похожих сделок и говорит: «Эта сделка похожа на те, что закрывались в 80% случаев, а эта — на те, что закрывались в 10%». Прогноз становится точнее, потому что учитывает не только текущий статус, но и контекст.

Ещё один признак третьего уровня — проактивность. Система не ждёт, пока человек спросит, а сама выходит с инсайтами. «Клиент Х не отвечает на письма уже две недели, но открывает их — возможно, стоит позвонить». «Конверсия из этапа «КП отправлено» упала на 15% за последний месяц — стоит проверить качество предложений». «Менеджер Y работает с меньшей нагрузкой, чем остальные — можно перераспределить заявки».

Важно понимать: третий уровень — это не «всё делает AI». Это симбиоз человека и машины, где каждый делает то, что умеет лучше. AI обрабатывает большие объёмы данных, находит паттерны, даёт рекомендации. Человек принимает окончательные решения, работает с нестандартными ситуациями, строит отношения с клиентами.

Типичные ошибки при переходе между уровнями

Видел много попыток перескочить уровни. Спойлер: не работает. Вот типичные ошибки.

AI на первом уровне. Хотят «умного бота» или «предиктивную аналитику», а данные размазаны по пяти системам, половина сделок не в CRM, причины отказов никто не фиксирует. AI на таких данных — бесполезная игрушка с мусорными рекомендациями.

Автоматизация хаоса. «Процессы не работают — давайте автоматизируем!» — слышу регулярно. Но автоматизация плохого процесса даёт плохой результат, только быстрее. Сначала чинить, потом автоматизировать.

Фокус на технологии, а не результате. «Внедрили RPA, роботы работают!» — супер, а бизнес-эффект какой? Если робот делает ненужный процесс или делает его так же плохо — зачем он?

Недооценка организационных изменений. Технологии — меньшая часть. Большая — изменение процессов, ролей, KPI, культуры. Новая система при старых правилах игры ничего не меняет.

Как определить свой уровень: экспресс-диагностика

Простая диагностика — ответьте честно на пять вопросов.

Первый вопрос: сколько систем нужно открыть менеджеру, чтобы получить полную картину по клиенту? Если одну — вы как минимум на втором уровне. Если три и больше — скорее всего, на первом.

Второй вопрос: как распределяются входящие заявки? Автоматически по правилам — второй уровень или выше. Вручную или «кто первый взял» — первый уровень.

Третий вопрос: есть ли автоматические действия, которые система делает без участия человека? Если да (создание задач, отправка напоминаний, эскалация просроченных сделок) — второй уровень. Если система только хранит данные — первый.

Четвёртый вопрос: система даёт рекомендации на основе данных? «Этого лида стоит обработать первым», «Этому клиенту лучше позвонить» — это признаки третьего уровня. Если таких рекомендаций нет — второй или ниже.

Пятый вопрос: часть обращений обрабатывается ботами без участия людей? Если да — элементы третьего уровня. Если все обращения обрабатывают люди — второй или первый.

Эта диагностика даёт общее представление. Реальность обычно сложнее — компания может быть на втором уровне в продажах и на первом в сервисе. Но для начала разговора этого достаточно.

Что делать прямо сейчас

Определили уровень — что делать дальше?

Первый уровень: не бегите за AI и ботами. Задача — порядок в данных и связанные системы. Где «единая правда» о клиентах? Базовые интеграции. Стандартные процессы. Это фундамент.

Второй уровень: ищите, что можно сделать умнее. Где правила слишком простые? Где решают «на глазок», хотя данные могли бы помочь? Один пилот — скоринг лидов или next best action.

Третий уровень: расширяйте и углубляйте. Какие ещё процессы сделать интеллектуальными? Как связать AI-компоненты? Как мерить бизнес-эффект? Фокус смещается: не «внедрить», а «оптимизировать и масштабировать».