Одна из идей Agent Core родилась из очень бытовой проблемы: чтобы ответить на один вопрос о проекте, иногда приходится открывать несколько кабинетов. Сайт, аналитика, CRM, почта, сервер — данные разнесены по интерфейсам.
AI-чат действительно может стать единой точкой входа. Но «единая точка входа» не означает, что остальные интерфейсы становятся ненужными.
Где чат особенно удобен
Вопросы поперёк систем: показать новые заявки, сопоставить состояние сайта и трафика, найти исключения, собрать короткий отчёт. Человеку не нужно помнить, в каком меню лежит каждое поле.
Чат также удобен для редких операций: команду легче сформулировать словами, чем вспоминать путь по интерфейсу.
Где специальный интерфейс лучше
Большая таблица, массовое редактирование, сложный визуальный отчёт, конструктор или длительное сравнение могут быть удобнее в привычном UI. Не стоит заталкивать всё в диалог ради идеи «одного окна».
Поэтому хороший AI-интерфейс должен уметь не только отвечать, но и направлять к источнику, когда другой интерфейс объективно эффективнее.
Главная граница — права и контекст пользователя
Один чат не должен превращаться в один универсальный ключ ко всем системам. Разным людям нужны разные данные и действия. Авторизация и роль остаются частью архитектуры.
Ограничение удобства в том, что скрытая сложность никуда не исчезает. Интеграции, источники, права и проверка действий всё равно должны быть спроектированы.
Один чат не должен скрывать происхождение данных
Если ответ собирается из нескольких систем, полезно показывать, откуда пришёл каждый значимый факт. Это помогает не только доверять результату, но и быстро перейти в исходный интерфейс, когда нужно более глубокое действие.
В итоге лучший сценарий для меня не «никогда больше не открывать кабинеты», а «не открывать их без необходимости». Чат сокращает навигацию и собирает контекст, а специализированные интерфейсы остаются там, где дают более эффективную работу.
Для собственника это особенно полезно в вопросах, которые раньше требовали ручной сборки: «что изменилось», «где зависло», «что требует внимания». Чат становится не новым кабинетом, а маршрутизатором к уже существующим данным и действиям.
Сценарий: краткое досье перед звонком
Менеджер часто тратит время не на разговор, а на восстановление контекста: предыдущие сообщения, источник лида, открытые задачи, последний заказ, причина паузы. AI может собрать эти данные из разрешённых источников и подготовить короткое резюме перед контактом.
Здесь важно не придумывать выводы. Резюме должно отделять факты из CRM от предположений и давать ссылки или идентификаторы исходных записей. Тогда менеджер экономит навигацию, но не теряет контроль над контекстом.
Сценарий: черновик ответа из фактов сделки
Следующий повторяемый слой — подготовка сообщения. AI читает карточку, историю диалога и справочные данные, затем предлагает черновик ответа. Отправка остаётся человеку, особенно если речь о цене, обязательствах или нестандартном обещании.
Ценность не в «красивом тексте», а в том, что менеджеру не нужно заново собирать факты и вручную формулировать однотипную структуру. При этом цена, наличие и условия должны приходить из источников, а не из памяти модели.
Сценарий: подготовка следующего шага
AI может находить сделки без понятного next step: нет задачи, давно не было контакта, отсутствует согласованное действие. Но вместо автоматического изменения этапа полезнее сначала предложить конкретный следующий шаг и основание.
Для простых случаев система может создать внутреннюю задачу по детерминированному правилу. Для неоднозначных — показать менеджеру список и дать подтвердить действие. Так AI помогает не забывать контекст, не превращаясь в самостоятельного продавца с широкими правами.
Сценарий: разбор входящих обращений
Свободный текст хорошо подходит для AI. Письмо или сообщение можно классифицировать по теме, продукту, срочности, языку и предполагаемому маршруту. Затем обычная автоматизация проверит обязательные поля и передаст обращение в нужную очередь.
Здесь особенно важно иметь категорию «не уверен» и путь эскалации. Ошибочная уверенная маршрутизация хуже, чем честно переданный человеку нестандартный запрос.
Сценарий: контроль качества CRM-данных
Менеджерская CRM со временем накапливает короткие заметки, неполные поля и дублирующий контекст. AI может подсвечивать карточки, где не хватает понятного итога разговора, следующего шага или причины отказа, а также предлагать нормализованную формулировку.
Я бы не позволял модели самостоятельно «исправлять историю». Она может подготовить изменение, но исходная запись должна сохраняться, а критичные поля — меняться только по подтверждённым данным.
Почему я не начинаю с автоматического продавца
Пять узких сценариев проще проверить, чем обещание «AI сам ведёт клиента». У каждого есть понятный вход, ограниченный результат и человек, который видит эффект. Можно измерить, уменьшилась ли навигация по системам, быстрее ли готовится ответ, меньше ли забытых следующих шагов.
Если эти функции работают стабильно, некоторые низкорисковые части можно автоматизировать дальше. Но автономность появляется после доказанной пользы, а не до неё.
Где нужен обычный workflow
Не всё в продажах требует модели. Уведомить о новой заявке, создать задачу после определённого статуса, передать заполненную форму, проверить обязательное поле — детерминированная автоматизация делает это проще и предсказуемее.
AI лучше использовать там, где есть неструктурированный язык и контекст. Такая граница уменьшает стоимость вызовов и делает систему легче для тестирования.
Как внедрять по одному сценарию
Я бы выбрал действие, которое менеджеры повторяют часто и которое легко проверить. Зафиксировал текущий процесс, источники данных, ожидаемый результат и то, что остаётся человеку. Затем запустил read-only или draft-only версию и собрал реальные исключения.
Только после этого имеет смысл выдавать право на низкорисковый write. Так команда видит реальную ценность до того, как интеграция становится сложной.
Метрика должна отражать работу менеджера
Вместо числа сгенерированных сообщений я бы смотрел на время до первого осмысленного ответа, долю карточек с понятным следующим шагом, количество ручных переходов между системами и число случаев, когда сотруднику пришлось полностью переделывать результат AI.
Конкретные целевые значения бизнес определяет на своей базовой линии. Нам не нужна выдуманная «средняя экономия» — нужен наблюдаемый эффект на конкретном процессе.
Качество ответа должно проверяться на исходных данных
Если AI готовит резюме или черновик, менеджер должен видеть, какие факты использованы. Цена, срок, статус и обещание не могут появляться из вероятностной памяти модели. Они приходят из CRM, каталога или утверждённой базы знаний.
Так автоматизация действительно экономит сбор контекста, но не подменяет его правдоподобным текстом. Это особенно важно в продажах, где одна неверная деталь быстро становится обещанием клиенту.
Мы рассматриваем AI-чат как рабочий интерфейс к системам, а не как декоративную замену всем кабинетам: обсудить AI в продажах
Если нужен не отдельный отчёт, а регулярный контроль по рабочим данным компании, см. AI-ассистента руководителя по продажам и управлению.