ИИ в продажах: 7 сценариев для отдела продаж, которые разгружают команду

Классический кнопочный бот работает по жесткому дереву условий: если клиент нажал кнопку «Узнать цену», система отправляет прайс; если написал вопрос своими словами — бот не понимает запрос и зовет оператора. ИИ-менеджер по продажам устроен иначе. В его основе лежит большая языковая модель (LLM), которая разбирает свободную речь с опечатками, сопоставляет вопрос с документацией компании и формирует связный ответ.

Однако сама по себе языковая модель не знает ваших цен, остатков на складе и правил скидок. Чтобы ИИ для отдела продаж не придумывал несуществующие условия (в индустрии это называют галлюцинациями), его объединяют с тремя архитектурными компонентами:

1. Поиск по корпоративной базе знаний (RAG — Retrieval-Augmented Generation). Перед тем как сгенерировать ответ, система ищет релевантные фрагменты в ваших прайсах, регламентах и описаниях товаров, например через специализированную векторную базу данных Qdrant. Согласно официальной документации Qdrant (проверено 2 ноября 2026 года), векторный поиск можно сочетать с фильтрацией по метаданным и полнотекстовым поиском. Это позволяет искать строго по актуальным категориям товаров. Важно помнить: наличие математически похожего фрагмента в базе снижает риск выдумок, но само по себе не гарантирует стопроцентную истинность ответа модели.
2. Вызов внешних функций и систем. Через API или стандартизированные протоколы (например, Model Context Protocol — MCP) модель получает доступ к конкретным действиям: проверить статус заказа, создать лид в CRM или запросить данные из 1С. Как указано в документации MCP (проверено 2 ноября 2026 года), протокол связывает хост, клиент и сервер, предоставляя инструменты и ресурсы, но не создает готовую интеграцию сам по себе — разработчикам все равно нужно настроить серверную часть, права доступа и прикладные методы вашей учетной системы.
3. Детерминированные правила (жесткая логика). Опытные интеграторы не доверяют нейросети расчет итоговой скидки или проверку юридических лимитов. Как показывает публичный опыт рынка — например, сообщение компании СберТех от 23 сентября 2026 года о внедрении мультиагентной обработки обращений в Сбере на базе Platform V Flow и GigaChat — в промышленных проектах сначала выстраивают процессы с жесткой алгоритмической логикой в CRM, а языковые модели подключают там, где нужно разбирать свободный текст.

Попытка автоматизировать весь цикл сделки сразу обычно затягивает проект на месяцы. Гораздо надежнее внедрять инструменты по одному, выбирая самый узкий участок воронки. Ниже описаны семь проверенных сценариев — с условиями, где они приносят пользу, а где требуют страховки со стороны человека.

1. Первичная квалификация и маршрутизация входящих обращений

Когда в компанию поступают сотни заявок через форму на сайте, почту и мессенджеры, продавцы тратят время на чтение спама, вопросов по техподдержке или запросов от клиентов, чей бюджет не проходит по минимальному порогу. ИИ-агент читает входящее сообщение, определяет тип запроса, при необходимости задает 2–3 уточняющих вопроса (объем партии, регион доставки, сроки) и распределяет заявку на нужную линию.

Ориентиром по реальным возможностям технологии может служить публичный кейс Yandex Cloud и компании «Инфосистемы Джет» (опубликован 13 февраля 2025 года, проверен 3 ноября 2026 года). В рамках полуторамесячного пилота решение на базе языковой модели классифицировало около ста типов обращений, искало ответы по базе знаний в Object Storage и OpenSearch, а часть сложных ответов передавало сотруднику на проверку. По данным поставщика и заказчика, по итогам пилота точность классификации составила 75%, корректность сгенерированных ответов LLM — до 80%, а полностью автоматически обрабатывалось до 30% обращений.

Эти три цифры важно не путать: 80% корректных подсказок не означают, что можно уволить 80% первой линии. В реальной коммерческой эксплуатации ИИ берет на себя стандартные вопросы и сортировку, а нетипичные заявки аккуратно маршрутизирует на профильных специалистов вместе с готовой подсказкой.

Если вы планируете запускать такого бота в российском мессенджере MAX, учитывайте правила платформы. Согласно официальной документации MAX для разработчиков (проверено 2 ноября 2026 года), создание ботов там отличается от привычного Telegram: потребуется подключиться к платформе партнеров и пройти верификацию профиля резидента РФ (организации, ИП или самозанятого). При этом юрлица и ИП могут создать до 5 ботов, а самозанятые — до 2.

2. Автоматическая расшифровка звонков и заполнение карточек CRM

Самая нелюбимая часть работы продавца — заполнять поля сделки после двадцатиминутного разговора. В итоге в CRM появляются записи вроде «Подумает, перезвонить во вторник», из которых руководитель не может понять ни реальных потребностей клиента, ни причин будущего отказа.

Связка сервиса распознавания речи (Speech-to-Text) и текстовой модели решает эту задачу без участия менеджера:

1. Запись разговора из IP-телефонии передается в сервис распознавания (например, Yandex SpeechKit).
2. Полученный текст отправляется в языковую модель со строгой инструкцией извлечь ключевые сущности: бюджет, ЛПР, упомянутых конкурентов, список запрошенных позиций и дату следующего шага.
3. Интеграционная шина записывает краткое резюме (саммари) в таймлайн сделки и раскладывает параметры по полям CRM.

Главное ограничение здесь — качество исходного аудио. Если менеджер говорит из шумного опенспейса через дешевую гарнитуру, а клиент едет в метро, в расшифровке появятся искажения. Поэтому в систему закладывают правило: ИИ заполняет поля предварительными данными и формирует задачу, но финансово значимые параметры (например, точный артикул или сумму договора) менеджер подтверждает глазами в один клик.

3. Речевая аналитика и контроль качества работы менеджеров

Руководитель отдела продаж физически не способен прослушать тысячи звонков за месяц. Обычно на разбор попадают 5–10 случайных записей на сотрудника, из-за чего системные ошибки — например, когда менеджеры забывают предлагать сопутствующие товары или грубо обрывают возражение «дорого» — остаются незамеченными неделями.

Специализированные сервисы речевой аналитики, такие как Yandex SpeechSense, позволяют анализировать поток звонков целиком. Согласно официальной документации SpeechSense (проверено 2–3 ноября 2026 года), система переводит речь в текст, считает базовую статистику диалога (долю речи оператора и клиента, паузы, перебивания), отслеживает ключевые слова и формирует смысловые резюме с помощью модели YandexGPT Pro.

При этом руководителю важно понимать границы инструмента: автоматическая сводка или найденное слово-триггер — это сигнал для выборочной проверки, а не готовое юридическое доказательство вины сотрудника или точной причины потери клиента. Нейросеть может принять вежливый скепсис покупателя за жесткий отказ или не уловить иронию. Используйте ИИ-аналитику как фильтр, который подсвечивает проблемные звонки, требующие внимания РОПа.

4. Интеллектуальный ассистент продавца по номенклатуре и базе знаний

В компаниях со сложным продуктом — поставках промышленного оборудования, электротехнических компонентов, корпоративного ПО или оптовой торговле — новые менеджеры выходят на плановые показатели по полгода. Им приходится держать в голове тысячи артикулов, таблицы совместимости, условия гарантии и регламенты доставки.

Внутренний ИИ-ассистент работает как умный поисковик в закрытом корпоративном контуре. Менеджер во время звонка или переписки пишет во внутренний чат: «Чем заменить насос модели Х, если нужна рабочая температура до 110 градусов и фланец из нержавейки?». Ассистент за секунды просматривает технические паспорта в векторной базе и выдает точный ответ со ссылкой на страницу PDF-каталога. В результате новичок отвечает клиенту со скоростью опытного инженера, а риск продать несовместимое оборудование снижается.

5. Подготовка черновиков коммерческих предложений и писем (Follow-up)

После результативной встречи в B2B-продажах счет идет на часы: кто первым пришлет понятное резюме договоренностей и расчет, тот задает рамку сделки. На практике менеджеры откладывают написание длинных писем на вечер, упуская детали разговора.

ИИ-сценарий ускоряет этот процесс. На вход модели подается текстовая расшифровка онлайн-встречи или голосовая заметка менеджера на пару минут, а также утвержденный шаблон компании. За 15–20 секунд система собирает структурированный черновик письма: какие задачи клиента обсудили, к каким выводам пришли, какие варианты комплектации предлагаются и какие документы нужны для старта.

Для работы с самой номенклатурой и счетами в экосистеме 1С можно комбинировать генеративные модели со штатными инструментами платформы. Например, как указано в официальном каталоге решений и документации ИТС (проверено 2 ноября 2026 года), готовый сервис «1С:Распознавание первичных документов» (1С:РПД) умеет считывать счета, накладные ТОРГ-12, УПД, акты и чеки по сканам или фото, помогая быстро заводить входящую спецификацию клиента в учетную базу. А если нужно связать внешнего ИИ-агента с вашей конфигурацией для проверки цен, платформа 1С:Предприятие 8 поддерживает произвольные HTTP-сервисы, где разработчик задает шаблоны URL и обработчики методов. Важное правило остается неизменным: ни распознанные в 1С документы, ни сгенерированные LLM коммерческие предложения нельзя отправлять в проводку или клиенту без финальной проверки человеком.

6. Тренажер для обучения и адаптации новых продавцов

Обучение новичков традиционно отнимает десятки часов у руководителя отдела продаж или старших менеджеров, которым приходится проводить ролевые игры и разбирать типичные ошибки. ИИ позволяет автоматизировать отработку базовых навыков.

Показателен исторический опыт команды Сбера, описанный в технической публикации на Habr от 26 июня 2024 года (проверено 3 ноября 2026 года). Разработчики создали тренажер для клиентских менеджеров: система получала транскрибации реальных разговоров через сервис распознавания речи SaluteSpeech, а языковая модель GigaChat анализировала диалоги и формировала персональные рекомендации по улучшению навыков. При этом на этапе MVP команда сознательно сузила задачу до одного конкретного аспекта — отработки возражений — и тщательно сравнивала разные варианты промптов.

В отделе продаж среднего бизнеса такой инструмент можно настроить в двух режимах: как аналитик реальных звонков стажера с разбором по чек-листу и как голосовой или текстовый симулятор «сложного клиента», на котором новый сотрудник тренируется отвечать на каверзные вопросы по продукту до того, как получит доступ к реальной клиентской базе.

7. Реактивация спящей базы и контроль зависших сделок

В любой CRM со временем скапливаются сотни карточек со статусом «Отложено на полгода» или «Нет бюджета». Менеджеры охотнее работают с горячими входящими лидами, чем перечитывают старые переписки ради призрачного шанса вернуть клиента.

Фоновый ИИ-агент может регулярно обходить такие карточки по расписанию. Вместо шаблонной спам-рассылки «Напоминаем о нашей компании» модель анализирует историю прошлых касаний: чем именно интересовался клиент в прошлый раз, почему сделка встала на паузу и какие изменения в ассортименте с тех пор произошли. На основе этого агент либо формирует персональное сообщение для отправки после одобрения менеджером, либо подсвечивает руководителю сделки, где живой продавец нарушил регламент и забыл связаться с заказчиком в назначенный день.

Бюджет на ИИ для отдела продаж часто оценивают ошибочно: либо считают только копеечную стоимость токенов по прайсу облачного провайдера, забывая про интеграцию, либо, наоборот, ориентируются на многомиллионные сметы заказной разработки с нуля. На практике затраты делятся на регулярные расходы на инфраструктуру (API моделей, распознавание речи, серверы, шины автоматизации) и разовую работу интегратора.

Чтобы понимать порядок цифр, разберем актуальные публичные тарифы российских и зарубежных сервисов, проверенные 2 и 3 ноября 2026 года.

Расходы на распознавание речи и речевую аналитику

Если ваш сценарий связан со звонками, основную долю переменных расходов составит перевод голоса в текст. По данным официального прайс-листа Yandex SpeechKit (проверено 3 ноября 2026 года, цены указаны с НДС):

• Синхронное и потоковое распознавание (нужно для голосовых ботов в реальном времени, синхронный режим рассчитан на одноканальные записи до 30 секунд) — 0,1626 ₽ за 15 секунд одноканального аудио с округлением каждого фрагмента вверх до 15 секунд.
• Стандартное асинхронное распознавание (подходит для записи звонков до 4 часов) — 0,1515 ₽ за 15 секунд двухканального аудио (минимальная тарификация — 15 секунд, далее посекундно; нечетное количество каналов округляется вверх до четного).
• Отложенное асинхронное распознавание (когда результат не нужен мгновенно) — 0,0381 ₽ за 15 секунд по аналогичным правилам.

Условный расчет для отдела продаж: допустим, ваши менеджеры совершают 1000 звонков в месяц средней длительностью по 5 минут (300 секунд), запись ведется в два канала (оператор и клиент раздельно). В каждом файле двадцать 15-секундных отрезков (300 / 15 = 20). При использовании стандартного асинхронного режима распознавание обойдется в:
1000 файлов × 20 отрезков × 0,1515 ₽ = 3030 ₽ с НДС.
Обратите внимание: эта сумма покрывает только перевод звука в текст, без оплаты языковой модели, хранения аудиофайлов и работы программистов.

Если же компании нужна готовая платформа речевой аналитики с дашбордами и поиском, тарификация меняется. По прайс-листу сервиса Yandex SpeechSense (проверено 3 ноября 2026 года, с НДС), пакеты аудио стоят:

• Basic (10 000 минут в календарный месяц) — 45 000 ₽;
• Standard (30 000 минут) — 90 000 ₽;
• Advanced (100 000 минут) — 260 000 ₽.

В пакеты включены рабочие места аналитической системы DataLens и консультации, однако обработка записей AI-ассистентом (генерация сводок через LLM) распространяется только на часть аудиозаписей согласно условиям выбранного пакета — безлимитной генеративной аналитики всех минут базовый тариф не предполагает. Поэтому напрямую сравнивать цену голой расшифровки в SpeechKit и комплексный пакет SpeechSense некорректно — это продукты разного класса.

Расходы на генеративные языковые модели (LLM)

После того как звонок расшифрован или клиент прислал текстовое сообщение в чат, за работу берется языковая модель. Ее услуги оплачиваются за каждую тысячу токенов (фрагментов слов) отдельно на входе (ваш промпт, история диалога, куски базы знаний) и на выходе (сгенерированный ответ).

По официальному прайсу Yandex AI Studio в синхронном режиме (проверено 3 ноября 2026 года, цены с НДС за 1000 токенов):

• Alice AI LLM Flash: вход — 0,1 ₽, выход — 0,2 ₽;
• YandexGPT Lite: вход — 0,2 ₽, выход — 0,2 ₽;
• YandexGPT Pro 5.1: вход — 0,8 ₽, выход — 0,8 ₽ (при этом использование кеширования и встроенных инструментов тарифицируется по отдельным правилам).

Условный расчет генерации: если за месяц ваш ассистент на базе легкой модели YandexGPT Lite переработал 1 миллион входных токенов (например, тексты звонков и регламентов) и сгенерировал 200 тысяч выходных токенов (резюме для CRM), прямые затраты на генерацию составят:
(1000 × 0,2 ₽) + (200 × 0,2 ₽) = 200 + 40 = 240 ₽ с НДС.

Если рассматривать экосистему Сбера (GigaChat API), важно учитывать недавние изменения в правилах подключения. Согласно официальной документации по тарифам для юрлиц (обновлена 7 октября, проверена 2 ноября 2026 года), для новых корпоративных клиентов с 1 сентября 2026 года подключение и оплата проходят через платформу cloud.ru — актуальные расценки при новом старте необходимо запрашивать непосредственно там. Для действующих клиентов («СалютДевайсы» / «Салют для Бизнеса») в синхронном режиме pay-as-you-go сохраняются следующие ставки за 1000 токенов с НДС: GigaChat Lite — 0,065 ₽, Pro — 0,5 ₽, Max — 0,65 ₽ (при фактическом использовании действует минимальный платеж 600 ₽ в месяц; если запросов не было, плата не списывается).

Платформы автоматизации, собственные серверы и услуги внедрения

Чтобы связать CRM, телефонию и нейросеть в единый конвейер, используют платформы оркестрации (workflow automation):

• n8n. Продукт с fair-code лицензией (его можно развернуть на своем сервере или купить облачную подписку). По данным официальной страницы тарифов n8n (проверено 2 ноября 2026 года), при годовой оплате облачный тариф Starter обходится в эквивалент 20 евро в месяц за 2 500 полных исполнений сценария (workflow executions), а Pro — 50 евро в месяц за 10 000 исполнений.
• Make. Тарифицируется не по запускам сценария целиком, а по внутренним действиям — кредитам (credits). Согласно документации Make (проверено 2 ноября 2026 года), бесплатный план включает 1000 кредитов в месяц; большинство шагов внутри сценария расходуют по одному кредиту, а некоторые встроенные ИИ-модули могут списывать больше. Поэтому один сложный запуск из десяти шагов в Make и одно исполнение workflow в n8n — это совершенно разные единицы учета. Кроме того, российским компаниям перед выбором облачных версий Make или n8n нужно отдельно проверять техническую возможность оплаты зарубежных подписок.

Если служба безопасности требует развернуть открытую языковую модель на арендованном российском сервере с видеокартой (например, через популярный C/C++ фреймворк llama.cpp), бюджет на железо легко прикинуть заранее. Объем видеопамяти (VRAM) под одни только веса модели оценивается по базовой формуле: число параметров × битность квантования / 8. Например, модель на 8 миллиардов параметров в 4-битном квантовании займет около 4 млрд байт (примерно 3,73 GiB) только под веса, а с учетом контекстного окна (KV-кеша) и системных буферов реальное потребление будет заметно выше. Для справки: флагманская карта GeForce RTX 5090, согласно спецификациям NVIDIA (проверено 2 ноября 2026 года), оснащается 32 ГБ памяти GDDR7.

По публичным данным российского хостинг-провайдера FirstVDS (проверено 2 ноября 2026 года), стартовая стоимость аренды сервера с виртуальным разделением видеокарты (vGPU L40S) начинается от 299 ₽ в сутки, а выделенной видеокарты целиком (GPU Passthrough в линейке L4 / RTX 4090 / RTX 5090 / L40S) — от 1150 ₽ в сутки (минимальный срок — 1 сутки, бесплатного теста нет). В пересчете на условные 30 суток это дает нижнюю планку от 8 970 ₽ и от 34 500 ₽ соответственно — точная цена зависит от конкретной модели карты, объема памяти и налоговых условий при заказе.

Наконец, самая весомая статья на старте — работа специалистов по настройке сценариев, промптов и интеграций. В качестве рыночного ориентира можно привести открытый прайс подрядчика Goose AI (проверено 2 ноября 2026 года): внедрение готового ИИ-агента из каталога со сценариями, интеграциями и тестированием оценивается этой компанией в диапазоне 150 000–300 000 рублей. У каждого интегратора собственная смета, которая зависит от состояния вашей CRM и сложности базы знаний.

Отдел продаж ежедневно работает с персональными данными: ФИО контактных лиц, личными телефонами, адресами доставки, записями голоса и реквизитами индивидуальных предпринимателей. Передача этих сведений во внешние нейросети без юридической подготовки нарушает Федеральный закон № 152-ФЗ «О персональных данных». Ниже приведены ключевые требования закона (проверено по официальному тексту 152-ФЗ на ресурсах Минтруда и Росгвардии 2–3 ноября 2026 года), которые руководителю нужно обсудить с юристами до запуска:

1. Локализация баз данных (часть 5 статьи 18 152-ФЗ). В актуальной редакции (с учетом изменений, внесенных 23-ФЗ от 28.02.2025) закон запрещает при сборе персональных данных граждан РФ осуществлять запись, систематизацию, накопление, хранение, уточнение и извлечение таких данных с использованием баз данных, находящихся за пределами территории РФ (за исключением случаев, прямо предусмотренных законом). Не стоит полагаться на устаревшие трактовки о том, что данные якобы достаточно «сначала сохранить в России, а потом свободно отправлять в любое зарубежное облако».
2. Трансграничная передача (статья 12 152-ФЗ). Если бизнес-процесс все же предполагает передачу данных иностранному лицу или на зарубежный сервер (например, при вызове иностранного LLM API), оператор обязан подать в уполномоченный орган отдельное предварительное уведомление о намерении осуществлять трансграничную передачу. Обычное уведомление о начале обработки персданных его не заменяет, а сама по себе подача документа не отменяет возможных ограничений со стороны регулятора.
3. Правовые основания и поручение обработки (статьи 6 и 9 152-ФЗ). Передача записей звонков или переписок российскому облачному провайдеру (Яндекс, Сбер и др.) также требует законного основания. Привлечение внешнего подрядчика или облачного сервиса оформляется договором поручения обработки персональных данных с четким перечнем действий и требований к защите. Если обработка строится на согласии субъекта (статья 9), оно должно оформляться отдельно от иных документов, которые подписывает или подтверждает клиент.
4. Иллюзия простого обезличивания (статья 3 152-ФЗ). Распространенный миф среди разработчиков — «мы удалим имя клиента регулярным выражением перед отправкой в зарубежную нейросеть, и это больше не персональные данные». По статье 3 закона обезличивание — это действия, в результате которых без использования дополнительной информации невозможно определить принадлежность данных конкретному субъекту. Если в тексте звонка остался номер телефона, ИНН физлица, адрес квартиры или уникальный контекст заказа, связь с человеком сохраняется.
5. Автоматизированные решения и безопасность (статьи 16, 18.1 и 19 152-ФЗ). Статья 16 ограничивает принятие решений, порождающих юридические последствия для человека или иначе затрагивающих его права и законные интересы, исключительно на основании автоматизированной обработки (с предусмотренными законом исключениями). А статьи 18.1 и 19 обязывают оператора принимать организационные и технические меры защиты. Поэтому даже покупка локального сервера с запуском открытой модели внутри офиса автоматически не делает компанию законопослушной — без утвержденных локальных актов, разграничения прав доступа и аудита договоров с подрядчиками риски сохраняются.

Перед переводом любого ИИ-сценария из тестового режима в промышленную эксплуатацию обязательно передайте схему потоков данных, список используемых API и проекты договоров профильному юристу для сверки с текущей редакцией законодательства.

Чтобы проект не превратился в бесконечный эксперимент, двигайтесь от простых внутренних инструментов к внешним клиентским коммуникациям:

1. Зафиксируйте одну измеримую проблему. Не ставьте цель «внедрить ИИ для роста продаж». Сформулируйте задачу конкретно: например, «сократить время ответа на входящую заявку в нерабочие часы с 10 часов до 2 минут» или «добиться того, чтобы в 95% карточек CRM после звонка были заполнены поля "бюджет" и "срок закупки"».
2. Приведите в порядок исходные данные. Если ваши актуальные прайс-листы хранятся в личных переписках менеджеров, а в базе знаний лежат устаревшие PDF за позапрошлый год, языковая модель будет уверенно транслировать клиентам неверные цены. Выделите ответственного за актуализацию текстовой базы.
3. Начните с внутреннего контура (Copilot, а не Autopilot). Первым шагом запустите сценарий, где ИИ помогает продавцу, но не общается с покупателем напрямую: суммаризацию звонков в CRM, внутренний поиск по техническим каталогам или генерацию черновиков КП. Ошибка алгоритма внутри CRM легко исправляется менеджером, тогда как ошибка чат-бота на первой линии сразу бьет по репутации.
4. Выберите российскую или локальную инфраструктуру под требования 152-ФЗ. Заранее определите, какие данные останутся внутри вашего сервера, а какие пойдут по договору поручения обработки в сертифицированное российское облако (например, Yandex AI Studio или GigaChat). Отключите логирование чувствительных запросов на стороне провайдера там, где это предусмотрено документацией.
5. Ограничьте пилот по времени и метрикам. Запустите решение на 3–6 недель на одной товарной категории или одной группе из 3–5 продавцов. Замеряйте не только долю автоматических ответов, но и процент случаев, когда менеджеру пришлось переписывать результат за нейросетью.

---

Нужна помощь с внедрением?

Если вы хотите автоматизировать обработку заявок, настроить умный поиск по технической документации или подключить речевую аналитику с автозаполнением CRM без рисков для клиентской базы, команда ЭйАй Бизнес поможет спроектировать и запустить систему под ваши процессы. Мы подбираем архитектуру под требования 152-ФЗ, связываем языковые модели с 1С и CRM-системами и настраиваем жесткий контроль качества ответов.

Ознакомиться с подходами к разработке и оставить заявку на разбор вашей задачи можно на странице услуги: Разработка и внедрение ИИ-агентов для бизнеса.