AI в CRM продаётся легко и окупается редко. Причина одна: модели внедряют туда, где нет данных, на которых можно учиться, или где решение и так очевидно. Разберём сценарии, которые у нас действительно давали эффект.
Что работает
Скоринг лидов
Модель оценивает вероятность сделки по истории взаимодействия: источник, активность, состав запроса, скорость ответа менеджера. Смысл не в магической точности, а в приоритизации: отдел продаж тратит время на заявки с высокой вероятностью, а не по порядку поступления.
Подсказка следующего шага
На основе похожих успешных сделок система предлагает, что сделать дальше: позвонить, отправить расчёт, назначить встречу. Полезно в первую очередь новым сотрудникам, которые ещё не знают типовых сценариев.
Суммаризация переписки
Длинная переписка сворачивается в короткое резюме с возражениями и договорённостями. Это экономит время при передаче сделки между менеджерами и при возврате к клиенту через месяц.
Контроль качества
Автоматическая проверка звонков и писем по чек-листу: был ли озвучен следующий шаг, не пропущены ли обязательные вопросы. Руководитель видит не 100% переписки, а только проблемные места.
Что не работает
- Автоматический ответ клиенту без человека там, где вопрос требует решения.
- Прогноз выручки на пустой воронке: данных мало, и модель выдаёт уверенный шум.
- Скоринг вместо процесса: если менеджеры не ведут сделки, скоринг просто переставляет пустые карточки.
- Chat-бот как замена первому разговору на сложном B2B-продукте.
С чего начинать
- 1 Навести порядок в данных: единые статусы, обязательные поля, история касаний.
- 2 Выбрать один сценарий и один отдел, где эффект измерим за месяц.
- 3 Зафиксировать метрики до внедрения.
- 4 Запустить в режиме подсказок, а не автоматических решений.
- 5 Расширять только после подтверждённого эффекта.
Технически сценарии встраиваются прямо в существующую CRM — см. разработку CRM-систем. Если данных для модели пока мало, честный ответ — сначала выстроить учёт, а AI вернуть на второй этап.