Buy‑side AI: Будущее SDR — как изменятся функции, KPI и оргструктура

Почему «SDR умрёт» — это миф (и опасный)

Расскажу историю. В начале 2024 года одна компания решила «оптимизироваться» — уволила 6 из 8 SDR, подключила AI-бота для рассылок. Через три месяца они звонили нам в панике: конверсия упала втрое, а два оставшихся SDR работали по 12 часов, разгребая завалы некачественных лидов. Пришлось нанимать людей обратно — уже дороже.

Проблема не в том, что AI плохой. Проблема в том, что люди путают «автоматизировать рутину» и «заменить человека». Это совершенно разные вещи.

Бот отлично напишет тысячу писем за час. Но вот клиент отвечает: «Интересно, но у нас специфика — мы работаем только с госзаказчиками, и там свои требования по безопасности». Что делает бот? Шлёт следующее письмо из цепочки. Что делает человек? Понимает, что это горячий лид, которому нужно отдельное внимание, звонит, задаёт уточняющие вопросы, передаёт AE с полным контекстом.

И ещё момент: клиенты поумнели. Помните, как в 2020-м все восхищались AI-письмами — «смотри, как натурально»? Сейчас люди видят такие письма насквозь. Характерные обороты, шаблонная «персонализация» («Заметил, что ваша компания растёт — поздравляю!»), отсутствие реального контекста. В 2025 году человеческое касание стало конкурентным преимуществом, а не пережитком прошлого.

Есть хорошая аналогия. Калькулятор не убил бухгалтеров — он освободил их от ручного счёта и позволил заняться анализом. Excel не уничтожил финансистов — он дал им инструменты, о которых раньше не могли мечтать. AI делает то же самое с SDR: забирает рутину, но человек остаётся в центре.

Единственные, кто реально рискует — это SDR, застрявшие в 2019 году. Те, кто до сих пор отправляет одинаковые письма вручную и считает, что «200 звонков в день» — это показатель эффективности. Но они рискуют не из-за AI, а из-за собственного нежелания меняться.

Как меняются функции SDR: от «объёма» к «качеству»

Помню разговор с одним SDR-ом из Алматы. Он рассказывал про свой обычный день «до AI»: пришёл в 9, до 18:00 сделал 180 звонков, отправил 50 писем, забил 3 встречи. Ушёл домой с головной болью и мыслью «какого чёрта я этим занимаюсь». Через год — выгорание, увольнение.

Сейчас тот же человек работает в компании, которая внедрила AI. Его день выглядит иначе: утром он проверяет, что бот наработал за ночь, правит пару писем, где алгоритм «промахнулся» с тоном, проводит три глубоких discovery-звонка с тёплыми лидами, готовит детальный брифинг для AE по сложному клиенту. Уходит в 18:00 с ощущением, что сделал что-то осмысленное.

Суть трансформации простая: раньше SDR соревновался в объёме. Кто больше писем отправил, кто больше звонков сделал. Теперь это бессмысленно — бот отправит 10 000 писем за час. Соревноваться с алгоритмом в скорости клавиатуры — как соревноваться с калькулятором в скорости умножения.

Поэтому фокус сместился. Рутинные, повторяемые задачи уходят к AI. А SDR концентрируется на том, где нужно думать: сложная квалификация, нестандартные ситуации, построение отношений с ключевыми контактами.

Появились и совсем новые задачи. Например, prompt-инжиниринг — умение правильно формулировать запросы для AI. Звучит технически, но на практике это просто: какой промпт даёт письма с конверсией 15%, а какой — 3%? Разница огромная, и её нащупывают именно SDR, которые видят реакцию клиентов.

Или контроль качества AI. Бот иногда «галлюцинирует» — пишет то, чего нет. Недавно видел случай: AI написал клиенту, что «ваш конкурент уже использует наш продукт», хотя это была неправда. Хорошо, что SDR поймал перед отправкой. Такие вещи разрушают репутацию мгновенно.

Ещё одна важная функция — подготовка контекста для AE. Раньше SDR просто «передавал лид». Теперь он собирает полное досье: что обсуждали, какие возражения, какой реальный бюджет (не тот, что написан в анкете), кто ещё участвует в принятии решения. AE выходит на встречу подготовленным — и конверсия растёт.

По сути, SDR превращается в пилота. Машина делает тяжёлую работу — тысячи касаний, автоматические follow-up, первичный скоринг. Но человек задаёт направление, принимает решения на развилках и берёт на себя ответственность за результат. Это совсем другая работа — интереснее, но и требования к навыкам выше.

Новые KPI: почему «200 звонков» больше не работает

Классическая система мотивации SDR была построена на объёме. Сделал 200 звонков — молодец. Отправил 100 писем — ещё лучше. Назначил 10 встреч — герой. Логика простая: больше активности = больше результата на выходе воронки.

Но когда появляется AI, эта логика разваливается. Бот может отправить миллион писем. Автодозвон делает 500 попыток в час. Измерять «количество активностей» становится бессмысленно — это больше не показатель усилий человека.

Одна компания рассказала мне показательную историю. У них SDR получал бонус за количество назначенных встреч. После внедрения AI он быстро сообразил: если бот отправляет письма, а я отвечаю на входящие и назначаю встречи — я могу «накачать» метрику. За месяц он назначил 45 встреч вместо обычных 20. Руководство было в восторге — пока не посчитали конверсию. Из 45 встреч в сделку конвертировались... две. Потому что это были случайные люди, которых «дожали» до встречи, но у них не было ни бюджета, ни реальной потребности.

Отсюда первый урок: новые KPI должны измерять качество, а не объём.

Вместо «количество встреч» — Qualified Meeting Rate: какой процент встреч AE оценивает как «реально квалифицированные». Не просто «состоялся разговор», а «передал лид с подтверждённым бюджетом, сроками и полномочиями принимать решение».

Вместо «количество писем» — Reply Rate по сегментам. Не важно, сколько писем ушло. Важно, какой процент получил ответ, и какие сегменты работают лучше. Это стимулирует SDR думать о сегментации, а не о массовости.

Появляются и новые метрики, которых раньше не было. Например, Pipeline Contribution — сколько денег в пайплайне создал конкретный SDR. Если ты передал 20 встреч, которые превратились в 5 млн потенциальной выручки — это понятная ценность. А если 40 встреч, которые дали 500 тысяч — что-то не так с квалификацией.

Или AI Leverage Score — насколько эффективно SDR использует AI-инструменты. Сколько часов сэкономил? Какой рост продуктивности показывает? Эта метрика создаёт правильные стимулы: осваивать новые инструменты, а не саботировать их.

«Мы перестроили KPI для SDR-команды после внедрения AI. Количество звонков убрали вообще — это вызвало шок у ребят, они 3 года по этому жили. Добавили Pipeline Contribution и Qualified Meeting Rate. Первый месяц было тяжело, все переучивались. Но за 3 месяца конверсия из встречи в сделку выросла с 12% до 23%. При том же количестве людей».

Руслан Аманжолов

директор по продажам, SaaS-компания, Алматы

Важный нюанс: новые KPI не отменяют всё старое. Скорость ответа на входящий лид по-прежнему критична — тут AI помогает, но человек должен реагировать быстро. Но общий акцент смещается: с «делать много» на «делать правильно».

Новая оргструктура: кто теперь за что отвечает

Классический отдел продаж работал как конвейер: SDR генерирует встречи, передаёт AE, тот закрывает сделку, потом клиент уходит в CS. Чёткое разделение, понятные зоны ответственности.

AI этот конвейер ломает. И это создаёт интересные вопросы. Бот отправил письмо — это действие SDR или системы? Клиент ответил на автоматическое сообщение — кто отвечает за качество следующего контакта? Кто анализирует, почему одни промпты работают, а другие нет?

Мы видим, как компании экспериментируют с разными моделями. Расскажу про три основных подхода.

Первый вариант — «SDR + AI Pod». Это когда к существующей SDR-команде добавляется один-два человека, которые занимаются только AI: настраивают ботов, пишут промпты, анализируют результаты, улучшают систему. SDR работают с инструментами, но не администрируют их. Это минимально инвазивный подход — структура почти не меняется, просто появляется новая функция.

Второй вариант — «Hybrid Revenue Team». Границы между SDR и AE размываются. Один человек ведёт клиента от первого касания до закрытия сделки. AI берёт на себя рутину, человек — отношения. Меньше передач — меньше потерь контекста и меньше ситуаций «а мы с вами уже общались?». Хорошо работает для сложных B2B-продаж с длинным циклом, где отношения важнее скорости обработки.

Третий вариант — «AI-First с Human Escalation». Бот ведёт 80% лидов автономно. SDR подключается только по триггерам: сложный вопрос, VIP-клиент, нестандартная ситуация. По сути, SDR становится «эскалационным экспертом». Это для высокообъёмных продаж с низким средним чеком, где важны скорость и масштаб.

При любой модели возникают новые функции, которые кто-то должен выполнять. Revenue Operations — связующее звено между маркетингом, продажами и CS, отвечает за сквозную аналитику и интеграции. AI Trainer — человек, который обучает систему на данных компании. QA для AI — контроль качества того, что генерирует бот.

Хорошая новость: эти роли не обязательно означают новых людей. Часто это естественная эволюция существующих SDR. Лучшие сотрудники, которые понимают процесс изнутри, становятся AI-тренерами или переходят в RevOps. Знание специфики продаж — их главное преимущество перед «чистыми» техническими специалистами.

Какую модель выбрать — зависит от размера команды и специфики продаж. Для маленькой команды (1-3 человека) подойдёт AI-First: SDR сам настраивает инструменты. Для средней (4-10 человек) — SDR + AI Pod с выделенным специалистом. Для большой (10+) — полноценная гибридная структура с отдельными ролями для RevOps, AI Trainer и QA.

Навыки SDR будущего: что развивать уже сейчас

Если вы SDR и читаете эту статью — давайте поговорим конкретно. Не про абстрактные «мягкие навыки» и «личностный рост», а про то, что реально требуют работодатели и что отличает успешных SDR от тех, кого «оптимизировали».

Начну с истории. Знакомый HR из крупной IT-компании рассказал, как они теперь проводят собеседования на SDR. Раньше спрашивали: «Расскажите про ваш опыт холодных звонков, какой был объём?» Теперь: «Покажите, как бы вы написали промпт для AI-генерации письма в финансовый сектор. Какие переменные бы использовали?» Кандидаты, которые никогда не работали с ChatGPT, отсеиваются сразу.

Итак, prompt engineering — это первое, что нужно освоить. Не программирование, не data science. Просто умение формулировать задачи для AI так, чтобы получать нужный результат. Какой промпт даёт письма с конверсией 15%, а какой — 3%? Как добавить контекст про отрасль клиента, чтобы письмо не было «роботным»? Это учится за пару недель активной практики.

Дальше — базовая аналитика. Excel на продвинутом уровне, понимание воронок, способность посмотреть на дашборд и увидеть проблему. «У нас упал reply rate на 20%» — это констатация факта. «У нас упал reply rate на 20% в сегменте финтеха после того, как мы изменили первую строку письма» — это уже инсайт, с которым можно работать.

Но самое интересное — это навыки, которые AI как раз заменить не может. Глубокая квалификация — умение задавать правильные вопросы и слышать между строк. Клиент говорит «нам интересно, но не сейчас» — что он имеет в виду? Что бюджет закончился? Что есть внутренняя политика? Что конкурент уже продал? BANT-фреймворк этого не покрывает, нужна интуиция и насмотренность.

Эмпатия и EQ — способность чувствовать состояние собеседника. Когда человеку можно задать сложный вопрос, а когда лучше подождать. Как адаптировать стиль общения под разных людей. Бот этого не умеет и не научится в ближайшие годы.

Storytelling — умение рассказывать истории, которые резонируют. AI генерирует текст, но настоящие истории рассказывают люди. «Был у нас клиент, который сначала тоже сомневался, а потом...» — это работает сильнее любого AI-генерированного paragraph про преимущества продукта.

И наконец, глубокое понимание отрасли клиента. Не поверхностное «они работают в финтехе». А реальное: какие у них боли, какие процессы, кто конкуренты, какие тренды в индустрии. Это позволяет говорить с клиентом на одном языке и видеть возможности, которые он сам не замечает.

Хорошая новость: всё это развивается на практике. Не нужны курсы по 100 000 тенге. Нужна работа с AI-инструментами каждый день, анализ своих результатов, разговоры с клиентами и постоянное любопытство.

Первый месяц — освойте ChatGPT/Claude для писем, начните A/B-тестировать промпты. Второй месяц — постройте себе личный дашборд метрик, начните анализировать свои конверсии. Третий месяц — выберите 2-3 отрасли ваших клиентов и изучите их глубоко: читайте отраслевые издания, слушайте подкасты, задавайте вопросы на discovery-звонках. За 90 дней вы станете совсем другим специалистом.

История одной трансформации: от выгорания к результату

Позвольте рассказать про конкретный случай — IT-компанию из Астаны, которая продаёт корпоративный софт. Команда SDR — 8 человек, средний чек 2-3 млн тенге, цикл сделки около 4 месяцев.

Когда мы пришли к ним, картина была типичной. Каждый SDR делал 200+ холодных звонков в день. Конверсия — 2%. Текучка — 40% в год. Новички уходили через 3 месяца, даже не успев выйти на нормальный результат. Руководитель отдела тратил половину времени на найм и адаптацию, а вторую половину — на то, чтобы удержать тех, кто уже работает.

«У нас был парень, Арман, — рассказывала потом руководитель отдела. — Талантливый, умный, хорошо общался с клиентами. Но через полгода он сказал: я больше не могу. Не могу слышать гудки 200 раз в день. Не могу, когда из 200 звонков 195 — это отказы или неотвеченные. Ушёл в маркетинг, на меньшую зарплату».

Что они сделали? Внедрили AI-бота для первичного контакта — email и LinkedIn. Автоматизировали follow-up цепочки: до 5 касаний идут без участия человека. SDR стали подключаться только когда клиент отвечает. Переобучили команду на работу с тёплыми лидами и глубокую квалификацию. Поменяли KPI: вместо «количества звонков» — Pipeline Contribution. Одного из SDR выделили в роль AI-тренера на полставки.

Через 6 месяцев цифры изменились радикально. Холодных звонков на человека — 30-40 в день вместо 200+. Но конверсия выросла с 2% до 8%. Встреч по команде — 72 вместо 45. Pipeline — 28 млн вместо 15 млн. Текучка упала с 40% до 15%.

Команда при этом не сократилась. Один человек ушёл сам — не захотел учиться работать с AI, сказал «это не моё». Остальные 7 стали производить почти вдвое больше результата.

«Самое неожиданное — изменение атмосферы. Раньше ребята приходили, отсиживали норму звонков и уходили с пустыми глазами. Теперь они реально думают: как улучшить промпт, какой сегмент протестировать, почему этот клиент отказал. Арман, который ушёл в маркетинг? Он позвонил через полгода — спросил, можно ли вернуться. Вернулся. Сейчас наш AI-тренер».

Алия Сейтказиева

Head of Sales Development, IT-компания, Астана

Грабли, на которые наступают все

За время работы с SDR-командами мы насмотрелись на ошибки. Некоторые повторяются настолько часто, что я уже заранее знаю: вот сейчас они скажут «мы сначала сократим людей, а потом внедрим AI». И каждый раз пытаюсь отговорить.

Первая и самая дорогая ошибка — уволить сначала, автоматизировать потом. Логика кажется понятной: «Зачем нам 8 SDR, если будет бот?» Компания увольняет половину команды, подключает AI... и через месяц понимает, что бот не справляется с квалификацией. Клиенты отваливаются, AE жалуются на качество лидов, конверсия падает. Откатывать поздно — люди ушли. Нанимать новых — долго и дорого. Правильный порядок: сначала автоматизировать, посмотреть результаты, потом естественно перераспределить нагрузку.

Вторая ошибка — AI как «чёрный ящик». Подключили бота, он пишет письма, никто не знает какие. Конверсия падает — непонятно почему. SDR не участвуют в настройке, не дают обратную связь. А AI без человеческого контроля деградирует. Он не понимает, что «письмо про скидку 50%» работало три месяца назад, а сейчас — уже нет, потому что конкуренты все делают то же самое. Нужен цикл: AI генерирует → человек проверяет → система учится.

Третья — старые KPI при новых процессах. Внедрили AI, но по-прежнему считаем «количество звонков». И что делают SDR? Правильно: саботируют автоматизацию. «Бот не засчитывается в мою норму, а мне платят за звонки». Люди не дураки, они оптимизируют под метрики. Если метрики не поменять — внедрение провалится.

Четвёртая — ожидание мгновенного результата. AI требует обучения на ваших данных. Первые 2-4 недели результаты могут быть хуже, чем без AI — система ещё не понимает вашу специфику, ваших клиентов, ваш тон. Компании паникуют: «Не работает!» — и отключают систему, не давая ей выйти на нормальный режим. Это как бросить спортзал через неделю, потому что «не вижу кубиков пресса».

И пятая — игнорирование человеческого фактора. SDR воспринимают AI как угрозу. «Внедрят бота — меня уволят». Страх → саботаж. Люди начинают искать недостатки в системе, не дают обратную связь, «забывают» использовать инструменты. Решение — честная коммуникация. Объяснить: AI не заменяет, а усиливает. Показать карьерный путь: SDR → AI Trainer → RevOps. Дать почувствовать, что они участники изменений, а не жертвы.

С чего начать: практический план для руководителя

Если вы дочитали до этого места и думаете «ладно, убедил, но что мне делать конкретно?» — вот план. Не абстрактный «трансформируйте культуру», а конкретные шаги.

На этой неделе сделайте три вещи. Во-первых, проведите простой аудит: посмотрите, на что ваши SDR тратят время. Сколько часов уходит на написание писем? На follow-up? На заполнение CRM? Обычно рутина съедает 60-70% рабочего дня — это и есть зона для автоматизации.

Во-вторых, поговорите с командой. Не в формате «всех соберём на собрание», а индивидуально. Спросите: как они видят AI? Чего боятся? Что хотели бы автоматизировать? Вы удивитесь — часто у SDR есть отличные идеи, которые они просто не озвучивают.

В-третьих, выберите одного-двух «пионеров» — людей, которые готовы экспериментировать. Не самых старших, не самых молодых. Тех, кто любопытен и не боится нового.

В этом месяце запустите маленький пилот. Один канал — email или LinkedIn. Один инструмент — ChatGPT или специализированный продукт. Пусть «пионеры» тестируют, собирают обратную связь, считают результаты. Не пытайтесь сразу охватить всё — это верный путь к провалу.

Определите метрики успеха до старта. Не «посмотрим, как пойдёт», а конкретно: «хотим увеличить reply rate на 20%» или «хотим сократить время на написание писем вдвое». Без метрик вы не поймёте, работает ли пилот.

В этом квартале — масштабирование. Если пилот успешен, раскатывайте на всю команду. Пересмотрите KPI — уберите «количество звонков», добавьте «качество пайплайна». Создайте план развития навыков для SDR. Подумайте, нужен ли вам выделенный AI-тренер или RevOps. Это не обязательно новый человек — возможно, кто-то из текущей команды готов взять эту роль.

Итог: SDR не умирает — он взрослеет

Вернёмся к началу. Тот руководитель с презентацией про «80% SDR заменят боты» — что я ему ответил? Что консультанты зарабатывают на страхе, а реальность сложнее слайдов.

SDR-2019, который вручную отправляет сотни однотипных писем и считает гордостью 200 звонков в день — да, он устарел. Соревноваться с машиной в скорости набора текста бессмысленно.

Но SDR-2025 — это совсем другая история. Это человек, который работает в связке с AI: направляет, контролирует, учит систему. Берёт на себя то, что машина не может — отношения, эмпатию, нестандартные решения, интуицию. Не конвейерный рабочий, а пилот умной системы.

Компании, которые это поняли, уже получают преимущество. Их SDR-команды производят больше результата меньшими силами. И — что не менее важно — люди не выгорают. Работа стала интереснее, осмысленнее, с пространством для роста.

Те, кто цепляется за старую модель, проиграют. Но не AI. Они проиграют конкурентам, которые AI освоили.

Будущее SDR уже наступило. Вопрос только в том — вы участник этого будущего или зритель?