ИИ в продажах: что он делает в отделе и где не помогает

Что на самом деле ломается

Под одной статьёй про ИИ в продажах лежит комментарий, который стоит дороже самой статьи. Человек прочитал фразу «всё, что ИИ подготовил, нужно проверять перед тем, как использовать в разговоре с клиентом», и спросил:

Э-э, и смысл тогда им пользоваться?

Ответа он не получил.

Вопрос честный, и спотыкаются об него почти все. Если за машиной надо перечитывать каждую строчку, где выгода? Ответ есть, он измерен, и он не тот, которого обычно ждут.

Какую работу можно отдать машине, а какую нельзя

Разговор про искусственный интеллект в продажах обычно начинается с нарезки по этапам сделки: лид, звонок, предложение, закрытие. Нарезка красивая и бесполезная — она не говорит, с чего начинать.

Полезнее другой признак: когда вы заметите, что машина ошиблась.

Ошибку в разборе заявки менеджер увидит сразу, и стоит она минуту. Ошибку в обещании, которое уже ушло клиенту, не увидит никто — пока клиент не придёт за обещанным. Отсюда и порядок.

Верхние три операции повторяются каждый день, проверяются быстро и ошибаются дёшево. С них и начинают автоматизацию продаж.

Отдельно про карточку в системе. Это та часть работы, которую менеджеры просят автоматизировать чаще всего: в опросе 1800 менеджеров автоведение карточек назвали 49 %, автоотчёт по итогам разговора — 39 %. Опрос делал «Новофон», продавец облачной телефонии, так что считал не вполне посторонний человек. Но порядок знакомый любому руководителю отдела: по данным Salesforce, на саму продажу у продавца уходит 40 % рабочего времени, остальное — вот это.

Нижние две строки таблицы объясняют всю оставшуюся статью.

Правда ли, что ИИ пишет ответы быстрее

Нет. И это самое неожиданное во всей теме.

Есть исследование, где сто врачей отвечали на письменные обращения пациентов. Часть ответов писали с нуля, часть правили готовый черновик от ИИ. Замерили время: с нуля — 157 секунд, с черновиком — 153 секунды. Разница статистически незначима, то есть её нет.

Врач и продавец пишут разное, и переносить напрямую нельзя. Но механика одинаковая: человек читает чужой текст и решает, что с ним делать.

Так комментатор прав и смысла нет? Не торопитесь. В том же исследовании есть вторая цифра, и она интереснее первой.

Когда черновик предлагали, с него начинали 58 % врачей. А сохраняли из него больше десятой части текста только 43 % из тех, кто начал.

Черновик экономит не минуты, а усилие на старте. Это разные выгоды, и продают обычно не ту.

Вот и ответ на вопрос из комментария. Пользоваться смысл есть, просто не тот, который рисуют в презентациях. Если вам обещают, что менеджер станет отвечать заметно быстрее, попросите замер.

И сразу предостережение. Когда человек пересылает дальше сырой машинный текст, не вычитав, работа не исчезает — она переезжает к получателю. На разбор одного такого случая уходит почти два часа, примерно на двадцать минут больше, чем если бы отправитель сделал всё сам. Непроверенный черновик обходится дороже отсутствующего.

Кому ИИ в продажах помогает, а кому почти нет

Прирост достаётся не тем, на кого обычно рассчитывают.

Это измерили на 5179 сотрудниках, работающих с обращениями клиентов. Одни работали с ИИ-подсказчиком, другие без. В среднем подсказчик добавил 14 % к числу решённых обращений в час.

Но среднее обманывает.

У новичков и слабых сотрудников прирост составил 34 %. У опытных эффект оказался минимальным. Объяснение напрашивается: новичку подсказка даёт то, чего у него пока нет, а сильному продавцу подсказывать нечему.

Для вас это меняет сам расчёт покупки. ИИ для отдела продаж — не «усилим отдел», а «подтянем слабую половину к средней». Берёте ИИ для менеджера по продажам, который пришёл месяц назад, — эффект будет. Берёте для того, кто три года делает план, — скорее нет. Если у вас текучка и постоянно новые люди, считать окупаемость надо по ним, а не по отделу целиком. От этого же зависит и стоимость разработки ИИ-агента: агент на один понятный процесс стоит иначе, чем попытка закрыть весь отдел сразу.

Замеряли это на поддержке, а не на продажах. Но работа похожая: входящие обращения, подсказка под рукой, разный опыт у людей.

Что будет, если клиент поймёт, что говорит с ботом

Он перестанет покупать. И это самая дорогая ошибка в теме.

Есть полевой эксперимент на 6200 клиентах. Компания обзванивала их ботом: в одной группе бот о себе не говорил, в другой представлялся до начала разговора. Бот, скрипты и предложение были одни и те же.

Нераскрытый бот продавал как опытный сотрудник и вчетверо лучше неопытного. Как только бот представлялся заранее, конверсия падала более чем на 79,7 % — почти впятеро.

Та же машина, те же слова. Причину исследователи тоже нашли: клиенты считали раскрытого бота менее знающим и менее участливым, хотя отвечал он точно так же. Это предубеждение, а не качество работы. Эффект слабел, если бот раскрывался не сразу, и у тех, кто уже имел дело с ИИ.

Напрашивается вывод «значит, не говорить». Вывод неверный. Отдельная работа — тринадцать экспериментов, больше пяти тысяч участников — показывает: доверие падает, когда вы признаётесь в использовании ИИ, но падает сильнее, если человек узнаёт об этом не от вас.

Молчать нельзя, признаваться дорого. Выход один, и он не технический.

Писать клиенту должен человек. Не из вежливости, а по расчёту.

Пусть машина готовит, ищет, подсказывает. Кнопку «отправить» нажимает менеджер, и это его текст. Тогда раскрывать нечего: с клиентом действительно разговаривает человек.

Эксперимент делали на голосовых звонках. Российские опросы о телефоне говорят то же самое: когда человек звонит в компанию и попадает на ИИ-автоответчик, 61 % просят позвать живого оператора, а 17 % сразу кладут трубку.

При этом сами продавцы не против машины. В опросе «Новофона» каждый третий говорит, что нынешние решения работу скорее усложняют, и две трети хотели бы отдать ИИ рутину. Люди против не ИИ. Люди против того, чтобы машина говорила за них.

Почему машина ошибается тем чаще, чем дольше переписка

ИИ ломается не на сложной задаче, а на разговоре.

Это замерили на пятнадцати моделях и сотнях тысяч смоделированных диалогов. Когда задачу ставят одним сообщением, модель справляется. Когда ту же задачу раскрывают по частям, как в живой переписке, результат падает на 39 %.

Показательнее всего контрольная проверка. Авторы взяли реплики многошагового диалога и склеили в один запрос — результат вернулся к 95,1 % от исходного. Значит, дело не в нехватке информации: вся она была. Дело в устройстве разговора. Модель рано выбирает версию ответа и дальше держится за неё, даже если свернула не туда.

Отсюда правило: ИИ хорош на первом касании и плох на ведении переписки. Чем дольше тянется диалог, тем больше смысла, чтобы его вёл человек. Это, кстати, и есть главная разница между агентом и обычным чат-ботом: агент умеет собрать данные и подготовить ответ, но решение остаётся за тем, кто говорит с клиентом.

Сюда же — выжимки из звонков и встреч. Беда не в том, что машина ослышится. Резюме выглядит определённее самого разговора: в нём появляются сроки и ответственные, которых вслух никто не называл.

Кто отвечает, если бот пообещал лишнего

Отвечает компания.

Чат-бот авиакомпании пообещал пассажиру условия, которых перевозчик не предусматривал. В суде компания возражала, что чат-бот — отдельное лицо и за свои слова отвечает сам. Довод отклонили, деньги взыскали.

Это решение канадского трибунала по малым искам, в России оно не норма, и юридическим советом считать его нельзя. Но принцип держать в голове стоит: отвечает тот, от чьего имени бот говорит. Эта же логика лежит в основе рисков внедрения ИИ, которые стоит разобрать до запуска, а не после.

Посмотрите, как это ложится на таблицу из начала статьи. Неверно разобранная заявка — ошибка, которую поймает менеджер. Неверное обещание, ушедшее клиенту, — ошибка, которую поймать уже некому.

Как это работает у нас

Всё, что выше, мы проверили на себе. У нас в отделе продаж работает Wizard — собственный ИИ-агент для входящих заявок. Сначала прожили эту боль сами, потом стали предлагать такие же решения клиентам.

Устроен он просто: живёт в Telegram рядом с менеджером, в том же чате, где тот и так работает. Отдельное приложение открывать не надо — это важнее, чем кажется, и к этому вернёмся в конце.

Что менеджер видит первым

Приходит заявка — приходит уведомление. В нём собрано то, ради чего менеджер раньше лез в три разных места: имя, откуда пришёл лид, какое это по счёту касание, сколько времени прошло с последнего разговора и ссылка на карточку.

Черновик и шесть кнопок

Дальше Wizard читает заявку, ищет нужное в базе знаний компании и собирает черновик ответа. Под черновиком — кнопки: отправить как есть, отредактировать своими словами, попросить переписать заново, поставить на паузу, отметить лида проигранным, предложить созвон.

Главное здесь — то, чего на экране нет. Клиенту бот не пишет ничего. Ни одно сообщение не уходит без того, чтобы менеджер его увидел и нажал кнопку. Ровно по той причине, о которой шла речь выше: раскрытый бот продаёт впятеро хуже, а человек с готовым черновиком — как человек.

Карточка, которая ведёт себя сама

Параллельно агент заводит карточку лида в Trello и сам двигает её между колонками. Внутри — контакт, канал заявки, оценка перспективности, число касаний, статус разговора, вся переписка с датами и короткое обобщение диалога.

Обобщение нужно не для красоты. Перед следующим ответом менеджер не листает тридцать сообщений, чтобы вспомнить, о чём договорились в прошлый раз.

Почему мы не отвечаем ночью

Заявка приходит в три часа ночи. Технически мы можем ответить немедленно — агент не спит. Мы решили так не делать.

Ночью и в выходные Wizard сразу принимает заявку, заводит карточку и присылает менеджеру короткое сообщение о том, что лид пришёл. А черновик ответа готовит к началу рабочего дня. Лид не теряется. Но первое сообщение уходит от менеджера в рабочее время, а не среди ночи.

Сначала это выглядело упущенной выгодой. Потом стало понятно, что ответ в три ночи от «менеджера Ивана» выдаёт себя сам, и дальше с клиентом работает уже не скорость, а подозрение.

Такого же агента можно собрать под ваш поток заявок: этим мы и занимаемся, когда разрабатываем ИИ-агентов под конкретный процесс.

Коротко о главном

ИИ в отделе продаж работает, но не там, где обещает реклама. Он не ускоряет написание ответа — он убирает чистый лист. Он сильно помогает слабым и почти не помогает сильным. Он хорош на первом касании и плох на долгом разговоре. И он теряет почти всё, как только клиент понимает, с кем говорит.

Отсюда правило, ради которого всё затевалось: ИИ в продажах готовит, а человек решает.

Если хотите начать, вот порядок, который на старте не требует бюджета.

• Замерьте то, что есть, до всякого ИИ. Сколько заявок приходит, за сколько уходит первый ответ, какая доля приходит вне рабочих часов. Без этих чисел сравнивать потом будет не с чем.
• Начните с разбора входящих. Там операция повторяется, ошибка дешёвая, проверка быстрая. Переписку отдавайте последней.
• Решите, кто нажимает «отправить». Если ответ уходит клиенту без человека, вы принимаете на себя всё, что машина пообещает.
• Считайте окупаемость по новичкам. Прирост у слабых и у сильных различается в разы, и средняя цифра соврёт.
• Спрашивайте у поставщика методику, а не процент. На чём меряли, сколько было наблюдений, с чем сравнивали.

Если же вы ещё не решили, пора ли вообще, посмотрите на дело шире: внедрение ИИ в бизнес начинается не с выбора инструмента, а с того, готовы ли к нему процессы и данные.

А если хотите разобрать свой поток заявок и понять, какой кусок можно отдать первым, приходите на разбор. Это созвон на полчаса: смотрим, как у вас сейчас устроены входящие, и говорим, где ИИ даст результат, а где будет лишним. Дальше, если решите делать, встраиваем его в то, что у вас уже работает — менять учётную систему ради этого не нужно.