CoPilot и AI-ассистенты в CRM: что реально умеют в 2025 году

На прошлой неделе к нам пришёл клиент — директор по продажам крупного дистрибьютора. Он выглядел немного растерянным и уставшим, будто только что вышел с очередного zoom-звонка с вендором. «Слушайте, — говорит, — я был на трёх конференциях за месяц. Везде рассказывают про AI в продажах. CoPilot, GPT-боты, предиктивная аналитика... Все обещают золотые горы: и конверсию поднимут, и менеджеров заменят, и прогнозы будут точнее Нострадамуса. Но я ничего не понимаю — что из этого реально работает, а что просто модный buzzword?»

Я его понимаю. За последние полгода количество писем с темой «AI революция в продажах» в моём почтовом ящике выросло раза в три. Каждый второй вендор CRM теперь обещает AI-ассистента как обязательный пункт. «Увеличьте продажи на 300%!», «Ваш менеджер больше никогда не забудет перезвонить!», «AI сам закроет сделку!» — маркетологи соревнуются в громкости обещаний, а ты сидишь и думаешь: «Ребята, а можно просто по-честному?»

Так вот, давайте по-честному. Когда начинаешь копать глубже — спрашиваешь про конкретные метрики, просишь показать пилотные проекты, интересуешься отзывами реальных клиентов — выясняется, что между презентацией и реальностью лежит пропасть размером с Большой каньон.

За последний год мы протестировали больше двадцати AI-решений для CRM — от встроенных ассистентов в популярных системах до самописных ботов на базе ChatGPT и Claude. Внедрили несколько из них в реальные отделы продаж — от небольших стартапов до компаний со штатом в 200+ человек. Собрали честную статистику: что сработало, что нет, и почему. В этой статье расскажем без прикрас, что действительно помогает продавать, а что остаётся красивой картинкой на слайдах для инвесторов. Будет много примеров из практики и ноль маркетингового bullshit.

Что такое AI-ассистент в CRM (простым языком)

Давайте сразу разберёмся с терминологией, потому что под «AI в CRM» каждый понимает своё. Недавно был забавный случай на переговорах: мы с клиентом полчаса обсуждали «внедрение AI» — и только потом выяснили, что он имел в виду чат-бота для ответов на сайте, а мы — предиктивную аналитику для прогнозирования продаж. Два разных продукта, два разных бюджета, совершенно разные задачи.

Так что же такое AI-ассистент в CRM? Если отбросить маркетинговую шелуху — это программа, которая анализирует данные о клиентах, сделках и коммуникациях, чтобы помочь менеджеру работать эффективнее. Обратите внимание на слово «помочь». Не «заменить», не «автоматизировать полностью» — именно помочь. Это фундаментальное отличие от того, что обычно обещают на продающих вебинарах.

Мне нравится аналогия с очень толковым стажёром. Представьте: к вам в отдел приходит человек, который работает круглосуточно без перерывов, никогда не устаёт и не жалуется, помнит абсолютно всё, что когда-либо происходило с каждым клиентом. Звучит идеально? Но есть нюанс — он пока не умеет принимать сложные решения самостоятельно, иногда путается в нюансах и нуждается в постоянном контроле. Это и есть современный AI-ассистент.

Что конкретно он умеет делать уже сегодня? Вот четыре ключевых навыка, которые мы проверили на практике:

Во-первых, он читает и пересказывает. Вся переписка с клиентом — десятки писем, звонков, сообщений в мессенджерах — может быть пересказана за 30 секунд. Это не просто «последние 5 сообщений», а осмысленное резюме: что клиент хочет, какие были возражения, на чём договорились. Больше не нужно листать бесконечную историю, чтобы вспомнить контекст перед звонком.

Во-вторых, он следит за «температурой» клиента. AI напоминает, когда пора позвонить — но не по тупому правилу «прошло 7 дней», а на основе анализа поведения. Клиент стал реже отвечать? Открывает письма, но не переходит по ссылкам? Задаёт вопросы, которые раньше не задавал? AI замечает эти паттерны и сигнализирует: «Внимание, этот лид остывает».

В-третьих, он пишет черновики. Типовые письма, ответы на стандартные вопросы, первые касания — всё это AI может подготовить за секунды. Вы потом правите под конкретную ситуацию, но 80% работы уже сделано. Экономия времени ощутимая, особенно если в день отправляете десятки писем.

В-четвёртых, он предупреждает о рисках. «Эта сделка может сорваться» — и не просто констатация факта, а объяснение почему. «Клиент не открывал КП 5 дней, при этом дважды заходил на сайт конкурента (если интеграция с веб-аналитикой настроена). Рекомендация: позвонить и уточнить, есть ли вопросы».

Звучит полезно? Безусловно. Но давайте без иллюзий — это не волшебная таблетка, которая превратит новичка в топ-продавца за ночь. Один из наших клиентов, руководитель отдела продаж в IT-компании, сформулировал это идеально: «AI — это усилитель. Если у тебя хороший процесс продаж, он сделает его отличным. Если процесса нет — AI просто покажет тебе в цифрах, насколько всё плохо». Жёстко, но честно.

5 задач, которые AI реально решает уже сегодня

Хватит теории — давайте посмотрим на конкретные сценарии, где AI уже сейчас приносит измеримую пользу. Это не фантазии из презентаций и не «вот-вот появится в следующей версии» — а реальные кейсы, которые мы видели своими глазами у наших клиентов.

1. Суммаризация переписки и истории клиента

Начну с истории, которая случилась буквально месяц назад. Позвонила нам HR-директор одного из клиентов — дистрибьютора электроники. Голос встревоженный: «Ребята, у нас катастрофа. Лучший продавец уволился, забрал с собой ноутбук и блокнот с записями. В CRM — только номера телефонов и названия компаний, вся история переговоров была в его голове. Что делать?»

Знакомая ситуация? К сожалению, встречается постоянно. Менеджер уходит — и уносит с собой месяцы или даже годы наработанных контактов. Клиент звонит, а новый сотрудник судорожно пытается понять: о чём договаривались? Какие условия обещали? Почему в прошлый раз сделка не состоялась?

Вот как это решает AI-суммаризация. Реальный пример из практики: клиент написал 47 сообщений за месяц — обсуждали требования, торговались, согласовывали детали. Обычно на разбор такой переписки уходит час-полтора. А теперь представьте: новый менеджер открывает карточку — и вместо бесконечной ленты сообщений видит компактное резюме на три абзаца.

«Клиент — Андрей Петрович, владелец сети кофеен "Арабика" из Екатеринбурга. Интересуется автоматизацией закупок. Бюджет — до 500 тыс. рублей, решение нужно запустить к марту. Главная боль — потери на складе из-за пересортицы (по его словам, это около 300 тыс. в год). Уже смотрели 1С:Управление торговлей — не подошло, слишком сложная настройка для их масштаба. Ключевое возражение: боится, что персонал не освоит новую систему. Хороший момент для контакта — вторники после обеда, в понедельник занят с поставщиками».

Десять секунд — и менеджер в контексте. Может сразу звонить, задавать правильные вопросы, не выглядеть идиотом, который «в танке». По нашим замерам, это экономит 30-40 минут на каждой передаче сделки. А если у вас текучка в отделе продаж или сезонные стажёры перед Новым годом — экономия становится существенной. Умножьте 40 минут на 50 сделок — и получите почти три рабочих дня, которые менеджер может потратить на продажи, а не на археологию в переписке.

2. Подсказки по следующему шагу (Next Best Action)

Эта функция звучит как магия из фильмов про будущее, но на самом деле основана на довольно простой логике. AI анализирует тысячи успешных и неуспешных сделок в вашей базе, находит паттерны — и подсказывает, что делать дальше. По сути, это как если бы у вас за плечом стоял опытный коллега, который видел всё и помнит каждый нюанс.

Вот конкретный пример из жизни. Менеджер Саша работает со сделкой уже две недели. Клиент — производственная компания из Казани — прислал запрос, получил КП, задал уточняющие вопросы... и пропал. Пять дней тишины. Саша думает: «Напишу ещё одно письмо, напомню о себе». Классический ход, правда?

А AI смотрит на ситуацию иначе. Он проанализировал 300 похожих сделок за последний год и видит: когда клиенты из производственного сектора замолкают после получения КП, письма-напоминалки работают только в 23% случаев. А вот звонок — в 67%. Более того, AI заметил, что конкретно этот клиент чаще всего отвечает на звонки во вторник и среду с 11:00 до 12:00 — это видно по истории коммуникаций.

Или другая ситуация: клиент открыл ваше коммерческое предложение 4 раза за последние два дня, но не ответил ни на одно письмо. Что это значит? Скорее всего, он согласовывает внутри — показывает директору, финансовому отделу, техническим специалистам. В такой момент давить — ошибка. AI рекомендует: «Подождите 2 дня, потом отправьте дополнительные материалы — кейсы, отзывы похожих клиентов. Это поможет ему продать идею внутри компании».

Конечно, AI не всегда прав — он работает с вероятностями, а не с гарантиями. Иногда его советы не попадают в точку. Но вот что мы заметили на практике: менеджеры, которые следуют рекомендациям AI хотя бы в половине случаев, показывают конверсию на 15-20% выше, чем те, кто упорно игнорирует подсказки и делает «как привык». Это не магия — просто статистика на больших числах работает лучше интуиции отдельного человека.

3. Генерация писем и коммерческих предложений

Это, пожалуй, самый популярный и самый «хайповый» сценарий использования AI в продажах. После выхода ChatGPT буквально каждый первый спрашивает: «А можно, чтобы бот сам писал письма клиентам?» Можно. Но есть нюансы, о которых вендоры предпочитают не распространяться.

Начну с хорошего. Когда AI правильно настроен и интегрирован с вашей базой знаний — он действительно творит чудеса с рутинной перепиской. Вот реальный пример. Менеджер Марина работает с сетью ресторанов, которая ищет решение для автоматизации закупок. Вместо того чтобы полчаса вымучивать коммерческое предложение, она вводит в AI-ассистента короткий бриф: «КП для сети ресторанов "Сытый гусь", упор на интеграцию с iiko, бюджет средний, ЛПР — операционный директор Игорь, главная боль — потери на списаниях».

Через 30 секунд AI выдаёт черновик на две страницы. Не какой-то шаблонный текст «Уважаемый клиент, предлагаем вашему вниманию...», а вполне осмысленный документ: с конкретными цифрами из базы знаний компании, с кейсами из ресторанной отрасли (потому что AI знает, какие проекты мы уже делали), с расчётом окупаемости на основе средних показателей по рынку. Марина тратит 10-15 минут на правку и персонализацию — вместо часа на написание с нуля. За день она отправляет не 5 КП, а 12. При той же загрузке.

Теперь о плохом — и это критически важно понимать до внедрения. AI иногда «галлюцинирует». Это официальный термин, если что. Означает, что он выдумывает факты, которых нет: несуществующие функции продукта, неправильные цифры, ссылки на кейсы, которых не было. Выглядит это очень убедительно — AI пишет уверенно, без оговорок. И если менеджер не проверяет текст перед отправкой, получается конфуз.

У нас был случай: менеджер одного клиента (не буду называть компанию, они до сих пор с нами работают) отправил КП, сгенерированное AI, без проверки. В тексте AI написал, что «наше решение интегрируется с SAP S/4HANA за 2 дня». Красиво звучит, правда? Только вот интеграция с SAP занимает минимум месяц, и компания вообще этим не занимается. Клиент перезвонил, уточнил — и разговор получился очень неловким.

Золотое правило: любой AI-сгенерированный текст для клиента нужно проверять. Относитесь к AI как к младшему копирайтеру — он делает черновик, вы — редактуру. Тогда получается отличный тандем. Если же менеджер отправляет КП «не глядя», потому что «ну там же AI написал, он умный» — это прямой путь к репутационным потерям.

4. Анализ тональности и настроения клиента

Эта функция мне особенно нравится, потому что она ловит вещи, которые люди часто упускают — особенно когда у менеджера 50 открытых сделок и голова идёт кругом. Давайте на примере.

Менеджер получает от клиента сообщение: «Добрый день. Скажите, когда уже будут результаты тестирования? Мы уже ждём неделю, хотелось бы уже понимать сроки». На первый взгляд — обычный вопрос про сроки, ничего особенного. Многие бы ответили что-то нейтральное типа «Здравствуйте! Результаты будут к пятнице».

А AI подсвечивает это сообщение оранжевым: «Тональность — нарастающее раздражение. Клиент трижды использовал слово "уже" в одном абзаце, что указывает на нетерпение. Ранее его сообщения были длиннее и содержали вежливые обороты. Рекомендация: начать ответ с извинения за задержку, дать конкретные сроки с запасом на случай форс-мажора, предложить промежуточный созвон для обсуждения предварительных результатов».

Или другая ситуация — менее очевидная, но важная. Клиент раньше писал развёрнутые письма на полстраницы, задавал много вопросов, проявлял энтузиазм. А последние три сообщения — сухие отписки в одну строку: «Ок», «Понял», «Посмотрю». Формально ничего плохого, но AI видит паттерн и сигнализирует: «Вовлечённость клиента снизилась на 70% за последнюю неделю. Возможные причины: появился альтернативный поставщик, изменились приоритеты, внутренние проблемы в компании. Рекомендация: инициировать звонок для выяснения ситуации».

Справедливости ради, анализ тональности работает не идеально — это надо понимать. В текстовых каналах (почта, мессенджеры) — вполне надёжно, я бы оценил точность в 75-80%. В анализе звонков пока слабее, хотя технологии развиваются буквально каждый месяц. И совсем плохо AI понимает иронию и сарказм — но, положа руку на сердце, люди тоже часто ошибаются в интерпретации таких вещей. Сколько раз вы неправильно читали тон в переписке?

5. Прогнозирование вероятности закрытия сделки

«Скажи честно, эта сделка закроется?» — вечный вопрос руководителя отдела продаж к своим менеджерам. И вечная головная боль, потому что ответ зависит не от объективной реальности, а от темперамента отвечающего. Оптимист скажет «99%, точно возьмём!» — и провалит план. Пессимист занизит прогноз — и компания недоберёт людей на проект. Отдельная боль — менеджеры, которые держат «мёртвые» сделки в воронке месяцами, потому что «ну а вдруг».

AI решает эту проблему радикально — убирает эмоции из уравнения. Он анализирует десятки факторов по каждой сделке: как быстро отвечает клиент (и меняется ли эта скорость со временем), сколько людей с его стороны участвует в переписке (один контакт — риск, несколько — хороший знак), на каком этапе воронки находится сделка относительно среднего цикла для этой отрасли, есть ли упоминания конкурентов, подтверждён ли бюджет документально или «на словах».

На выходе — не абстрактное «ну, должно получиться», а конкретный прогноз с объяснением: «Вероятность закрытия — 73%. Факторы риска: сделка длится уже 45 дней при среднем цикле 30 дней для этого сегмента, клиент упоминал "посмотрим альтернативы" в переписке от 12 января. Факторы успеха: высокая вовлечённость ЛПР (отвечает в течение часа), бюджет подтверждён письменно, клиент сам инициировал последние три контакта».

Насколько точны эти прогнозы? По нашему опыту, у хорошо обученных систем — 70-80%. Это не стопроцентная гарантия (такой не бывает в продажах вообще), но существенно лучше, чем интуиция среднего менеджера. Исследования показывают, что продавцы систематически переоценивают вероятность своих сделок — это называется «ошибка оптимизма». AI этой ошибки не делает.

Практическое применение? Руководитель смотрит на воронку и видит: из 50 сделок на сумму 10 млн рублей реально «живых» (с вероятностью выше 50%) — на 6 млн. Значит, нужно либо добирать лиды, либо корректировать план. А ещё можно отсортировать сделки по вероятности и бросить усилия на те, где шанс выше — вместо того чтобы равномерно размазывать время по всей воронке.

3 задачи, которые AI пока делает плохо (честный разбор)

А теперь — холодный душ. Я намеренно ставлю этот раздел после «успехов», потому что важно сохранять баланс. Мы в индустрии часто грешим тем, что рассказываем только про победы, а про провалы — молчок. Но если вы планируете внедрять AI в продажи, вам критически важно понимать ограничения до того, как подпишете договор и заплатите деньги.

За последние два года мы видели несколько проектов, которые провалились именно потому, что компании ожидали от AI того, чего он пока не умеет. В одном случае клиент потратил около 3 миллионов рублей на «полную автоматизацию продаж» — и через полгода вернулся к обычным менеджерам, потому что конверсия упала втрое. Давайте разберём, где AI буксует.

1. Самостоятельное закрытие сложных B2B-сделок

Это, пожалуй, главное разочарование для тех, кто мечтает «уволить продавцов и заменить их ботами». Да, AI может квалифицировать входящий лид — спросить про бюджет, сроки, потребности. Может назначить встречу, подобрав удобный слот в календаре. Может даже провести первичную презентацию по скрипту — показать слайды, ответить на FAQ. Некоторые продвинутые решения обрабатывают типовые возражения: «дорого» → «давайте посчитаем ROI», «подумаем» → «что именно вызывает сомнения?»

Но когда дело доходит до настоящих переговоров — тех, где нужно чувствовать собеседника, блефовать, торговаться, импровизировать — всё рассыпается. И вот почему.

Представьте реальную ситуацию из нашей практики. Закупщик крупного ритейлера звонит и начинает жёстко: «Значит так, нам нужна скидка 40%. У ваших конкурентов — дешевле. Если не дадите — уходим. И вообще, у нас есть информация, что вы другим клиентам даёте такие условия, а нам — нет. Это неуважение». Голос твёрдый, интонации агрессивные.

Что сделает AI? Два варианта. Первый — согласится на скидку (потому что запрограммирован на «удержание клиента»). Это плохо для бизнеса — вы только что потеряли 40% маржи. Второй вариант — процитирует скрипт про «уникальную ценность нашего решения» и «инвестиции в качество». Это вызовет раздражение — и клиент уйдёт, потому что почувствует, что разговаривает с роботом.

А что сделает опытный продавец? Он услышит в голосе закупщика лёгкую неуверенность. Заметит, что тот слишком активно давит — как будто пытается убедить не столько вас, сколько себя. Вспомнит, что бюджет у этого клиента уже согласован на год вперёд, и менять поставщика в середине квартала ему самому невыгодно — придётся объяснять начальству, почему всё переделываем. И вместо того чтобы сразу давать скидку или читать скрипт, скажет: «Иван Петрович, я вас слышу. Давайте так — я подготовлю для вас специальный расчёт, покажу, как наше решение сэкономит вам больше, чем разница в цене. А вы пока подумайте, насколько реально сейчас менять поставщика. Созвонимся в четверг?»

AI не способен на такой анализ. Он не понимает контекст бизнеса клиента, не чувствует эмоциональные нюансы в голосе, не умеет читать между строк. Он работает с тем, чему его научили — а в сложных переговорах каждая ситуация уникальна.

2. Работа с нестандартными и творческими возражениями

У нас в офисе есть неформальный конкурс — «возражение недели». Менеджеры скидывают в чат самые необычные отговорки клиентов, и мы голосуем за лучшую. Вот несколько фаворитов последних месяцев: «У нас ретроградный Меркурий, не время для крупных решений», «Мой кот заболел, мне сейчас не до CRM», «Мы принципиально не работаем с компаниями, у которых синий логотип».

Смешно? Да. Но каждое из этих возражений — реальное. И с каждым нужно как-то работать, если хочешь закрыть сделку. AI в таких ситуациях буксует полностью — он обучен на типовых сценариях «дорого», «подумаем», «нет бюджета». А когда слышит что-то нестандартное — либо игнорирует, либо выдаёт нерелевантный ответ из базы.

Но дело не только в экзотике. Даже на классические возражения AI отвечает... правильно, но неубедительно. Вот пример. Клиент говорит: «Мой племянник программист, он сделает нам CRM бесплатно». AI выдаёт: «Понимаю ваше желание сэкономить. Однако профессиональное решение обеспечивает надёжность, техническую поддержку и регулярные обновления. Кроме того, стоимость владения самописным решением в долгосрочной перспективе обычно выше». Всё верно. И абсолютно не цепляет.

А вот что скажет опытный продавец (реальный диалог, записанный на одном из наших тренингов): «О, племянник-программист! Классика. Знаете, у меня был клиент два года назад — строительная компания из Новосибирска. У них тоже племянник делал CRM. Три года делал. Честно пытался, парень толковый. За это время они упустили два крупных тендера, потому что не могли нормально отслеживать сделки — всё было в Excel и блокнотах. Потом племянник окончил вуз и устроился в Яндекс — логично, там платят в три раза больше. Проект завис на полпути. В итоге всё равно пришли к нам, только потеряли три года и, по их подсчётам, около 8 миллионов потенциальной выручки. Вопрос: сколько стоит ваш племянник и готовы ли вы ждать три года?»

Чувствуете разницу? История, конкретные цифры, лёгкая провокация в конце — это создаёт эмоциональный отклик. AI так не умеет. Он обучен на типовых сценариях и не способен рассказывать истории, которые резонируют с конкретным клиентом. Креатив и импровизация — пока не его сильная сторона. Может быть, через несколько лет научится. Но точно не сегодня.

3. Построение долгосрочных отношений и эмпатия

Эта история произошла с одним из наших менеджеров — назовём его Димой. Дима работал с клиентом полгода, закрыл неплохую сделку на внедрение CRM. Казалось бы — работа сделана, переходим к следующему. Но через месяц после внедрения клиент позвонил. Не по рабочему вопросу, а просто поболтать. Рассказал, что его сын поступил в университет на бюджет — первый в семье, кто получит высшее образование. Голос гордый, счастливый.

С точки зрения бизнес-метрик это был бесполезный звонок. Пятнадцать минут рабочего времени потрачены на разговор ни о чём. Если бы у нас была AI-система, оптимизирующая время менеджеров — она бы пометила это как «неэффективность».

Но Дима записал в карточку клиента: «Сын Миша поступил в МГУ на матфак, очень горд». И через год, когда пришло время продлевать контракт, начал разговор не с «Добрый день, хотел обсудить условия пролонгации», а с «Кстати, как там Миша? Первый курс пережил? Сессию сдал?»

Клиент растаял. «Надо же, вы помните!» Конечно, помню — у меня в CRM записано. Но для клиента это выглядит как искренний интерес к нему как к человеку, а не просто «контакту в базе данных». Контракт продлили без торга — хотя конкуренты предлагали дешевле.

AI не способен на такие вещи. Технически — да, он может записать факт в карточку клиента, если его научить. Может даже напомнить менеджеру «спросить про сына» через год. Но он не понимает, зачем это нужно. Не чувствует, когда уместно вспомнить, а когда это будет выглядеть неуместно или даже creepy. Не знает, как сделать это ненавязчиво, естественно, по-человечески. Эмпатия, искреннее внимание к человеку, та самая «химия» в отношениях — это пока за пределами возможностей даже самых продвинутых AI-систем.

И честно говоря, это хорошая новость для продавцов, которые боятся потерять работу из-за AI. Ваша работа — не просто «закрыть сделку» и получить бонус. Это построение долгосрочных отношений, в которых клиент становится партнёром и рекомендует вас другим. И эту часть работы AI забрать не сможет ещё очень долго — если вообще когда-либо сможет.

Сравнительная таблица: CoPilot vs ChatGPT vs специализированные решения

Один из самых частых вопросов, который нам задают: «Так что выбрать-то? Встроенный CoPilot, ChatGPT или что-то специализированное?» Ответ, как обычно, начинается со слов «зависит от ситуации» — но давайте разберём это подробнее, чтобы вы могли принять осознанное решение.

На рынке сейчас три принципиально разных подхода к AI в CRM. Каждый имеет свою нишу, и «лучшего» варианта не существует — есть подходящий именно для вашей ситуации.

Первый путь — встроенные решения (CoPilot в Битрикс24, Einstein в Salesforce, Zia в Zoho). Это путь наименьшего сопротивления, и для многих компаний он оптимален. Включили галочку в настройках — и оно работает. Никаких интеграций, API-ключей, написания промптов. Ваши IT-шники не нужны, внедрение занимает пять минут. Главный минус — гибкости минимум. Что вендор решил сделать — то и получаете. Если их AI не умеет какую-то функцию, которая вам нужна — придётся ждать, пока добавят (или не добавят никогда).

Второй путь — интеграция ChatGPT, Claude или других LLM через API. Популярный вариант среди компаний с техническими ресурсами. Можно настроить практически любую логику, научить бота отвечать в стиле вашей компании, интегрировать с любыми внутренними системами. Но есть серьёзные подводные камни, о которых часто забывают. Во-первых, данные уходят во внешний сервис — не все готовы отправлять информацию о клиентах в OpenAI или Anthropic. Во-вторых, нужен разработчик для настройки и поддержки — это не «включил и забыл». В-третьих, стоимость API при активном использовании может неприятно удивить: если у вас 20 менеджеров и каждый делает 50 запросов в день — счёт быстро вырастает.

Третий путь — специализированные AI-решения для продаж (Gong, Chorus, российские аналоги). Золотая середина для серьёзных внедрений. Эти решения изначально заточены под CRM-сценарии — анализ звонков, прогнозирование, обучение продавцов. Они могут работать в вашем контуре (on-premise), обучаются на ваших данных и не галлюцинируют так сильно, как универсальные LLM. Минусы: дороже, дольше внедрение, нужен ответственный за проект внутри компании.

Какой вывод из всего этого? Если вы только начинаете знакомство с AI в продажах — попробуйте встроенное решение вашей CRM. Это бесплатно (обычно входит в тариф), внедрение занимает пять минут, риски нулевые. Попользуйтесь месяц, поймите, какие функции реально нужны, а какие — просто красивые слова. Если понравится, но не хватает гибкости — переходите к специализированным решениям, уже понимая, что конкретно вам нужно. ChatGPT через API — вариант для экспериментаторов с техническими ресурсами и высокой толерантностью к возне с настройками.

Чек-лист: как понять, готовы ли вы к AI

Прежде чем бежать внедрять AI-ассистента, стоит честно ответить себе на несколько неудобных вопросов. Я говорю «неудобных», потому что ответы на них иногда показывают, что проблема не в отсутствии AI, а в более базовых вещах.

Мы видели десятки проектов, которые не взлетели — и почти всегда причина была не в технологии. Либо не хватало данных для обучения. Либо менеджеры саботировали новый инструмент, потому что «и так нормально работали». Либо никто не хотел заниматься «воспитанием» AI — а без этого он быстро становится бесполезным.

Пройдитесь по этому чек-листу. Будьте честны с собой. Если на большинство вопросов ответ «нет» или «не знаю» — возможно, стоит сначала навести порядок в базовых процессах, а потом уже думать про AI. Иначе получится как в том анекдоте про «автоматизацию хаоса».

Посчитайте, сколько галочек вы можете поставить. Если ответили «да» на 7+ вопросов — отлично, вы готовы к внедрению AI, можно действовать. Если 4-6 — есть над чем поработать, но можно начинать с простых сценариев (суммаризация, генерация писем) и параллельно закрывать пробелы. Меньше 4 — честно, AI подождёт. Сначала разберитесь с базовыми процессами, соберите данные, подготовьте команду. Потом вернётесь к этой статье.

Вместо заключения: чего ждать от AI в ближайшие годы

Помните директора по продажам из начала статьи — того, который был на трёх конференциях и совершенно запутался в обещаниях вендоров? Мы с ним поговорили ещё час после той встречи. Разобрали его реальные боли, посмотрели на процессы, посчитали цифры.

В итоге он не стал внедрять дорогое AI-решение «как у всех» — хотя именно это собирался делать изначально. Вместо этого начали с простого: подключили суммаризацию переписки и подсказки по следующим шагам. Две функции, минимальный бюджет, внедрение заняло неделю.

Через два месяца он прислал отчёт. Средний чек вырос на 12% — потому что менеджеры стали лучше готовиться к переговорам, зная контекст клиента. Время подготовки КП сократилось вдвое — черновики генерирует AI, люди только редактируют. Конверсия из переговоров в сделку выросла на 8% — потому что AI напоминает о клиентах, которых раньше «забывали». Без магии, без миллионных бюджетов, без «AI-трансформации всего бизнеса».

Это, пожалуй, главный вывод из всего, что я написал выше. AI в CRM — это не революция, а эволюция. Не «серебряная пуля», которая решит все проблемы, а инструмент, который хорошо делает конкретные вещи. Технология уже достаточно зрелая для практических задач: суммаризация, генерация контента, прогнозирование, анализ тональности. Уже сейчас она экономит 2-3 часа в день на рутине — и это не маркетинговое обещание, а измеримый результат.

Что будет дальше? Я не люблю долгосрочные прогнозы — в этой индустрии всё меняется слишком быстро. Но кое-что можно сказать с уверенностью. Через год-два AI научится вести первые 2-3 касания с клиентом практически без участия человека: квалификация, первичная презентация, назначение встречи. Уже сейчас есть решения, которые делают это неплохо, и они быстро совершенствуются. Рутинные продажи (простые продукты, короткий цикл) будут всё больше автоматизироваться.

Но полностью заменить хорошего продавца AI не сможет ещё очень долго — если вообще когда-либо сможет. И знаете, это нормально. Задача AI — не заменять людей, а помогать им работать эффективнее. Хороший продавец с AI-ассистентом закрывает не 10, а 15 сделок в месяц. А это уже +50% к выручке без расширения штата и без увеличения фонда оплаты труда.

Главный совет, который я могу дать после всего сказанного: не ждите чудес и внедряйте AI под конкретные задачи. «Нам нужен AI, потому что у конкурентов есть» — плохая причина для внедрения, которая почти гарантированно приведёт к разочарованию. «Наши менеджеры тратят 40% времени на подготовку КП, и мы хотим это сократить» — хорошая, потому что вы сможете измерить результат и понять, работает ли решение.

Начните с одной конкретной боли. Получите измеримый результат. Поймите, как ваша команда реагирует на AI-инструменты. И только потом масштабируйте. Так работает. Удачи.