Отдел продаж чаще теряет деньги не на плохих звонках, а на сделках, про которые просто забыли: клиент неделю ждал расчёта, менеджер был занят новыми лидами, а РОП увидел это в пятничном отчёте, когда клиент уже подписался у конкурента. AI-агенты для отдела продаж нужны именно здесь — не чтобы «общаться с нейросетью», а чтобы кто-то непрерывно следил за участками, до которых у людей не доходят руки. AI-агент — это программа на основе языковой модели, которая сама читает CRM и разговоры и либо выполняет рутину, либо ставит менеджеру задачу с готовым планом. Я разберу, почему такие агенты стоит проектировать как роли отдела, а не как одного универсального бота, где проходит граница их автономии, как посчитать окупаемость до договора и когда агент отделу не нужен вовсе.
Агент отвечает за участок, а не за ответы на вопросы
AI-агент в продажах — это программная система на базе большой языковой модели, которая закрывает конкретный участок работы отдела: сама получает данные, интерпретирует их и делает шаг — ставит задачу, помечает сделку как рискованную, ведёт диалог, пишет разбор звонка. Отчёт в CRM или дашборд показывает цифры и ждёт, пока человек сделает вывод. Агент делает вывод сам и превращает его в действие или в задачу.
Когда я проектирую агента, первый вопрос не «что умеет модель», а «какую должность в отделе он занимает». Не «транскрибировать звонки» — это функция, а «контролёр качества», «координатор воронки», «тренер», «специалист обзвона». Формулировка через роль сразу отвечает на вопрос, который задаст собственник: кого в отделе этот агент заменяет или чью работу усиливает, и какой показатель у этой роли должен измениться.
От чат-бота агент отличается тем, что не ждёт ввода. Чат-бот отвечает, когда ему написали, и идёт по сценарию. Агент просыпается по расписанию или по событию — пришла запись звонка, сделка не двигалась несколько дней, — и сам решает, что с этим делать. Подробно эта граница разобрана в статье чат-бот против AI-агента, здесь важно одно: у агента есть зона ответственности, у чат-бота — только сценарий.
Универсальный помощник ждёт вопроса, который никто не задаёт
Знакомая картина: отдел подключил «AI для продаж», получил окно чата, куда можно спросить что угодно про сделки, и толстую инструкцию. Первую неделю РОП задаёт вопросы из любопытства, через месяц окно никто не открывает, а воронку он по-прежнему вычитывает вручную по вечерам. Технология здесь ни при чём. Универсальный помощник устроен так, что работает только тогда, когда человек нашёл время спросить, — а в отделе продаж времени нет как раз у тех, кому помощник нужнее всего.
Команда агентов по ролям устроена наоборот. Каждый агент закрывает одну зону и работает без запроса: один слушает разговоры и оценивает их по чек-листу, другой читает CRM и замечает остывшие сделки, третий квалифицирует входящих в мессенджерах. У каждого — свой показатель, по которому видно, справляется он или нет. У универсального помощника такого показателя нет: он отвечает за всё и, значит, ни за что.
Аналогия, которой я пользуюсь в разговоре с собственниками: универсальный помощник — это станок, купленный в цех без людей. Он хороший, но работать на нём должен кто-то из ваших. Команда ролей — бригада, которая пришла со своим станком и отвечает за выработку. Во втором случае вопрос «кто будет этим пользоваться» не встаёт.
AI-агента в отделе продаж стоит описывать как роль с участком и показателем, а не как набор функций. Тогда до внедрения ясно, что он заменяет или усиливает, сколько это стоит в рублях и по какой цифре через две недели понять, работает ли он.
Цена ошибки решает, ставит агент задачу или делает сам
Главный страх руководителя перед автоматизацией продаж формулируется одной фразой: «а если он напишет ерунду важному клиенту». Страх разумный, и отвечать на него обещанием «модель не ошибается» нечестно — ошибается. Правильный ответ другой: у агента два режима работы, и режим выбирается не по тому, что агент умеет, а по тому, сколько стоит его ошибка.
Режим «ставит задачу» — для горячих сделок и крупных чеков. Агент не действует за менеджера: он собирает контекст, готовит план и передаёт его человеку. Условный пример такой задачи: «Сделка на 2,4 млн молчит 6 дней. В последнем звонке ЛПР говорил, что уходит в отпуск до 8-го. Вот черновик письма к его возвращению и три аргумента из прошлых разговоров». Решение и контакт с клиентом остаются за менеджером: если формулировка окажется неудачной, отвечать перед клиентом будет он, а не модель.
Режим «делает сам» — для рутины, где ошибка дешёвая, а объём большой. Проставить флаг остывшей сделке, разобрать все звонки по чек-листу, собрать утренний дайджест для РОПа, найти в CRM сделки без следующего шага. Если агент здесь ошибся, это видно в отчёте и исправляется за минуту, а ручная версия той же работы просто не делается: вычитывать тысячу звонков в месяц никто не станет.
| Режим | Что делает агент | Кто принимает решение | Примеры |
|---|---|---|---|
| Ставит задачу | Анализирует, готовит план действий, передаёт человеку | Менеджер / РОП | Горячая сделка молчит, крупный чек в риске, ЛПР готов к дожиму |
| Делает сам | Выполняет автоматически и без запроса, круглосуточно | Агент (по правилам) | Чистка CRM, флаги остывших сделок, разбор звонков, дайджесты, отчёты |
Граница между режимами — управленческое решение компании, а не настройка по умолчанию. Её стоит записать до запуска: какие сделки считаются значимыми (по сумме, этапу, типу клиента), какие действия агент совершает сам, а какие только предлагает. Я бы начинал с того, что всё касающееся прямого контакта с клиентом на значимой сделке идёт через «ставит задачу», и расширял автономию только по результатам, а не по ощущениям.
Полный автопилот на дорогой сделке — плохая идея, и дело не в модели
Логичный вопрос: если агент способен подготовить письмо и план, почему бы не дать ему отправить всё самому? Технически это несложно. Но я против полного автопилота на горячих сделках, и причины у этой позиции практические.
Ответственность. Когда агент сам пишет клиенту на сделке в несколько миллионов и формулировка выходит неудачной, отвечать перед клиентом и собственником будет РОП. Ни один РОП не готов ставить репутацию на текст, которого не видел, — и правильно делает. Режим «ставит задачу» снимает этот конфликт: человек просматривает и подтверждает шаг на значимом контакте.
Контекст, которого нет в данных. Модель видит CRM и расшифровки. Она не знает, что директор клиента вчера звонил вашему собственнику напрямую, что обещанная скидка обсуждалась на выставке, что пауза в сделке согласована. Менеджер это знает. Агент, который действует сам, уверенно сделает шаг по неполной картине, и выглядеть этот шаг будет убедительно. Почему языковые модели склонны к уверенным ошибкам, разобрано в статье о том, почему нейросеть выдумывает.
Персональные данные и согласия. Прямой контакт с клиентом — зона 152-ФЗ, согласий на звонки и записи разговоров. Поэтому автообзвон и автоматическая переписка с клиентом должны включаться осознанно, под конкретный сценарий, а не как обязательный следующий шаг. Голосовой обзвон базы через Фонекс или диалог с входящими в мессенджерах через Дирижёр хорошо работают там, где сценарий понятен и цена одного неудачного ответа невелика: квалификация, напоминания, реактивация.
Моя позиция: автономию агента нужно распределять по цене ошибки. Дешёвую рутину он забирает целиком, дорогой контакт оставляет человеку, но готовит его заранее — с разбором сделки, черновиком и аргументами, так что менеджеру остаётся проверить и отправить. Экономия времени на подготовке при этом почти та же, а риск — несравнимо ниже.
Какие участки AI-агентам для отдела продаж отдавать первыми
Удобно пройти по отделу и для каждого участка ответить на три вопроса: что агент там делает, в каком режиме и что будет, если он ошибётся. Ниже типовая раскладка — в конкретной компании она сдвигается, но логика сохраняется.
| Участок отдела | Что делает агент | Режим | Цена ошибки |
|---|---|---|---|
| Контроль качества разговоров | Оценивает все звонки и переписки по чек-листу, находит нарушения и повторяющиеся возражения | Делает сам | Низкая: неверная оценка видна при выборочной проверке |
| Контроль воронки | Замечает сделки без следующего шага и остывших клиентов, готовит менеджеру план | Ставит задачу | Средняя: ложный флаг отнимает время, пропущенный — сделку |
| Входящие в мессенджерах | Отвечает на типовые вопросы, квалифицирует, записывает, передаёт менеджеру | Делает сам по сценарию | Средняя: нужна передача человеку на нестандартном вопросе |
| Исходящий обзвон базы | Реактивация, напоминания, опросы, передача тёплых контактов | Делает сам по сценарию | Средняя: зависит от качества базы и согласий |
| Обучение менеджеров | Отрабатывает с менеджером возражения на симуляции клиента | Делает сам | Низкая: ошибка случается на тренировке, а не на клиенте |
| Исполнение поручений руководителя | Следит за сроками, собирает статус, напоминает | Ставит задачу | Средняя: неверный статус вводит руководителя в заблуждение |
В линейке 404ai эти участки закрывают Эхолитикс (контроль разговоров и сделок, составляющие — Эхо и Литик), Дирижёр, Фонекс и Коуч; Везория — агент компании, который управляет командой ИИ-специалистов. Но таблица полезна и без наших продуктов: по ней видно, где у вас дешёвая рутина, которую можно отдать целиком, а где нужен человек в контуре.
Отдельно про связки. Ценность растёт, когда участки обмениваются сигналами: разбор звонка показывает, что менеджер не назначил следующий шаг, контроль воронки ставит задачу, тренировка отрабатывает именно эту ошибку. Но связки — второй этап. Первым стоит запускать один участок, где потеря денег видна и измерима. Как агенты берут на себя первую линию и квалификацию, подробнее — в материалах как AI-агенты заменяют первую линию поддержки и как квалифицировать лиды с помощью AI.
Где это ломается: агент, который читает CRM, видит только то, что в неё внесено. Если менеджеры не фиксируют звонки, этапы и следующие шаги, контроль воронки будет ставить задачи по пустым карточкам. В этом случае начинать нужно не с агента воронки, а с дисциплины данных — о том, как к ней прийти, отдельная статья: менеджеры не заполняют CRM.
Окупаемость агента считается по ролям в рублях, а не по списку функций
«Рост эффективности» — не показатель, под него нельзя подписать договор. Окупаемость AI-агентов считается через роли отдела: часть ролей агент закрывает полностью, часть усиливает. Формула простая: высвобождаемые ставки закрытых ролей плюс прирост выручки от усиленных минус стоимость агентов и внедрения.
Замена — когда участок целиком уходит агенту. Контролёр качества, который вручную успевает прослушать малую выборку звонков, заменяется сплошной оценкой всех разговоров. Координатор, который собирает воронку и рассылает напоминания, заменяется агентом контроля воронки. Экономия здесь прямая, но с оговоркой, которую часто пропускают: ставка высвобождается, только если человека действительно переводят на другую работу или не нанимают на открытую вакансию. Если все остаются на своих местах, «сэкономленный ФОТ» существует лишь в презентации.
Усиление — когда роль остаётся за человеком, но агент поднимает её отдачу. РОП не увольняется: он перестаёт вычитывать CRM и работает по готовым флагам, успевая держать в фокусе больше сделок. Тренер тратит время на разбор конкретных ошибок, а не на однотипные тренировки. Экономия косвенная, и её труднее всего доказать — поэтому усиление нужно мерить конкретным показателем до и после, а не оценкой «стало удобнее».
Условный пример расчёта для одной строки. Отдел разговаривает с клиентами 12 000 минут в месяц; при тарифе Эхо 1,5 ₽ за минуту (как на странице тарифов) сплошная оценка разговоров стоит 12 000 × 1,5 = 18 000 ₽ в месяц. Дальше это число сравнивается не с «ценностью аналитики», а с тем, сколько стоит ручной контроль той же выборки и сколько сделок в месяц отдел теряет на ошибках, которые этот контроль должен ловить. Если ни одна из двух сумм не больше, внедрять рано.
Практический порядок: выписать роли отдела, отметить, какие агент закрывает, а какие усиливает, для каждой указать показатель и его текущее значение. Сумма высвобождаемых ставок и ожидаемого прироста сравнивается со стоимостью. Именно эта разница, а не список функций, отвечает на вопрос «стоит ли внедрять». Как измерить эффект так, чтобы его не оспорил финансовый директор, — в статье как измерить эффект от внедрения AI.
Когда AI-агенты отделу продаж не нужны
Есть ситуации, в которых я бы отговаривал от агентов, даже если бюджет есть.
Маленький отдел с короткой воронкой. Если в отделе пара менеджеров, РОП сам слушает звонки и помнит каждую сделку, агент контроля воронки будет сообщать ему то, что он и так знает. Деньги лучше потратить на ещё одного продавца.
CRM не ведётся. Агент работает на данных. Пока сделки живут в мессенджере менеджера, а звонки идут с личных телефонов, агенту нечего читать, и первым проектом должна стать дисциплина данных.
Проблема не в процессе. Если клиенты уходят из-за цены, продукта или сроков поставки, идеальный контроль разговоров покажет это быстрее, но не исправит. Агент полезен, когда деньги теряются на исполнении — забытых сделках, пропущенных шагах, неотработанных возражениях.
Задачи агента некому выполнять. Режим «ставит задачу» работает, только если кто-то эти задачи берёт. Если в отделе задачи из CRM игнорируются и сейчас, агент добавит ещё десяток непрочитанных. Сначала — договорённость РОПа с командой о том, что происходит с задачей, потом агент. Шире о случаях, где ИИ не окупается, — в статье когда AI не нужен.
Доступ к сервису или внедрение под результат: кто отвечает, что заработает
У отдела продаж есть три честных пути. Первый — купить доступ к готовому сервису и настроить самим. Это дешевле всего и хорошо работает, если внутри есть человек, у которого на настройку есть время и который отвечает за результат: он соберёт чек-листы, подключит CRM, будет разбирать ошибки агента. Если такого человека нет, сервис превращается в оплаченную подписку, в которую никто не заходит.
Второй — собрать агентов силами своего разработчика. Имеет смысл, когда задача нестандартная, а разработчик уже знает ваши системы; плата за это — месяцы и поддержка, которая останется на вас. Подробно этот выбор разобран в статье свой разработчик или подрядчик.
Третий — заказать внедрение агентству, которое отвечает не за доступ, а за изменение показателя. Так работаем мы: 404ai настраивает агентов под процессы, интеграции и чек-листы компании, договаривается о метрике до начала и не берётся, если не видит, как её сдвинуть. Как устроена такая работа, описано на странице подхода. Этот путь дороже первого, и выбирать его стоит, когда цена потерянных сделок заметно выше цены внедрения.
Пилот на одной роли: цель, метрика и условие остановки
Начинать стоит с одного участка, где отдел теряет больше всего и где потерю можно посчитать. Чаще всего это контроль качества, когда звонки почти никто не слушает, или контроль воронки, когда сделки остывают незамеченными. Для выбранного участка до запуска записываются три вещи: цель в деньгах, показатель, который её отражает (например, доля сделок без следующего шага или доля звонков с отработанным возражением), и его текущее значение.
Пилот идёт на реальных данных компании, а не на демо-стенде. Подключение к amoCRM, Битрикс24 и телефонии штатное; для Эхолитикса полная настройка под чек-листы и триггеры занимает до трёх рабочих дней, пилот по тарифам — две недели бесплатно (для Эхо — 14 дней и 200 звонков). Данные хранятся и обрабатываются в РФ в соответствии с 152-ФЗ.
Условие остановки записывается так же заранее, как цель: если за время пилота показатель не сдвинулся или задачи агента не выполняются, проект останавливается, а не «дорабатывается ещё месяц». Если сдвинулся — автономия расширяется постепенно: сначала агент только ставит задачи, потом забирает рутину, и лишь затем, по решению компании, подключаются обзвон и переписка с клиентами.
Что это меняет в решении: вопрос «нужны ли нам AI-агенты» заменяется вопросом «на каком участке мы теряем больше всего и какой цифрой это видно». Если ответ есть — это проверяется на ваших сделках за две недели. Если ответа нет, начинать нужно с него, и разобрать его можно на встрече по вашему отделу — с расчётом до договора, а не после.
