Самая опасная постановка задачи для ИИ в продажах — «пусть сам управляет». Продажи состоят из действий разного класса. Одни можно выполнить по однозначному правилу. Другие требуют собрать контекст и подготовить решение. Третьи связаны с обещаниями клиенту, ценой, риском или полномочиями компании — и должны оставаться под контролем человека.
Сначала разделить сигнал, рекомендацию и действие
Если задача детерминирована, ИИ обычно не нужен. CRM может автоматически создать задачу, изменить статус по событию или отправить стандартное уведомление. Обычная автоматизация здесь прозрачнее.
ИИ становится полезнее там, где нужно прочитать неструктурированный контекст: разговор менеджера, переписку, комментарии к сделке, историю нескольких касаний. Он может собрать из них ответ на управленческий вопрос: какие сделки требуют внимания, что в них изменилось и какие версии следующего шага обоснованы данными. Обзор Яндекс Практикума о применении ИИ в продажах показывает широкий набор таких вспомогательных сценариев, но конкретные полномочия системы всё равно должен определить сам бизнес.
Следующий уровень — действие. Здесь нужна граница. Подготовить проект ответа, собрать данные перед согласованием скидки или напомнить ответственному — одно. Самостоятельно изменить коммерческие условия, дать клиенту обязательство или закрыть спорную сделку — другое. Чем выше цена ошибки и шире полномочие, тем важнее подтверждение человеком и журнал того, на каких данных система предложила действие.
Автоматизировать стоит не человека, а понятный участок решения
Альтернативное объяснение низкой эффективности отдела продаж часто проще: процесс не описан, данные неполны, менеджеры работают по разным правилам. ИИ не исправит такую систему автоматически. Он будет уверенно обрабатывать неоднозначность, которую бизнес сам ещё не решил.
Поэтому на странице AI-ассистента руководителя по продажам полезнее начинать с конкретных вопросов и разрешённых источников: что руководитель хочет узнавать, где лежат исходные данные и какое действие допускается после ответа.
Хорошая граница выглядит так: правила выполняются правилами, ИИ собирает и объясняет неоднородный контекст, а решения с коммерческими последствиями остаются человеку, пока бизнес явно не определил другое полномочие и контроль.
Такой подход позволяет расширять автоматизацию постепенно и проверять качество каждого нового полномочия на реальных исходных данных.