ИИ-бот для продаж окупается на первой линии. Там, где обращений много, а разговор повторяется: заявки с сайта, квалификация, реактивация старой базы, ответ на «а сколько это стоит» в одиннадцать вечера. На длинных сделках с комитетом и торгом он менеджера не заменяет.
ИИ-бот для продаж — один из самых частых запросов, которые к нам приходят. Первый вопрос заказчика почти всегда про цену. Второй: а он не наговорит клиенту лишнего? Второй вопрос правильнее.
Полгода назад я собрал собственный замер, потому что готового не нашёл. Лидербордов «кто умнее» десятки: математика, код, длинный контекст. Замера «кто лучше продаёт по-русски» не было ни одного. Устройство простое: одна модель играет продавца, вторая — покупателя, который принципиально не соглашается с первого раза, третья судит диалог по продажной рубрике. Я хотел выбрать движок для клиентских проектов, а получил список причин, по которым такие проекты разочаровывают заказчика.
Ниже — то, что из этого замера следует заказчику ИИ-бота для продаж: когда он окупается, где начинает врать и что спросить у подрядчика.
Когда ИИ-бот для продаж окупается, а когда только мешает
Окупается там, где однотипных первых разговоров много, а вторая линия перегружена. Мешает там, где каждый разговор уникален.
Работает хорошо:
- входящие заявки с сайта и из рекламы, которые сейчас ждут ответа до утра;
- квалификация: понять бюджет, сроки и задачу до того, как на разговор потратится менеджер;
- реактивация базы, до которой у людей никогда не доходят руки;
- первая линия поддержки, где 60–80% вопросов повторяются;
- ночь, выходные и пиковые часы, когда живых людей просто нет.
Работает плохо:
- сложная сделка, где решение принимает комитет и всё держится на отношениях;
- разговор, в котором нужно взять на себя обязательства и отвечать за них;
- позиция «поставим бота вместо отдела продаж» — так не выходит ни у кого;
- ситуация, когда обращений мало: настройка не отобьётся.
Осторожность заказчиков здесь оправдана. По исследованию MIT Project NANDA около 95% корпоративных пилотов с генеративным ИИ не доходят до измеримого результата. Вывод из этой цифры делают обычно неверный. Авторы прямо пишут, что причина во внедрении, а качество моделей тут ни при чём. И что покупка решения у профильной команды окупается заметно чаще, чем попытка собрать всё самому.
Мой собственный опыт совпадает. Модель сегодня почти никогда не бывает узким местом. Узким местом бывает то, что вокруг неё.
Что значит «умеет продавать»: шесть вещей, которые мы измеряем
Продавать — это шесть отдельных навыков, и они складываются в оценку с разными весами. Веса я расставлял под то, что ломается в работающих проектах, а не под красивую методологию.
| Что смотрим | Вес | Почему столько |
|---|---|---|
| Работа с возражениями | 25 | Продажа живёт и умирает на «дорого», «подумаю», «пришлите на почту» |
| Выявление потребности | 20 | Спросил ли, прежде чем предлагать |
| Техника продажи | 15 | Видна осознанная линия разговора, а не реакция на последнюю реплику |
| Честность | 15 | Не выдумывал кейсы и гарантии. Штраф за вранье тяжелее, чем за потерянную сделку |
| Доведение до шага | 15 | Превратил отказ в конкретное следующее действие |
| Тон | 10 | Экспертная уверенность без давления |
Покупателя играет отдельная модель, и она обязана хотя бы раз за диалог отказать по-настоящему. Не «а можно скидку», а «не вижу смысла, воздержимся». Причину сразу не объясняет — пусть продавец раскопает. Отказ откатывается только если продавец честно переосмыслил ценность, а не надавил.
Без этого правила замер бесполезен. Первая версия была мягкой, покупатель из вежливости соглашался, и все модели выглядели молодцами. Такой рейтинг не отвечает на единственный нужный вопрос: кого брать в проект, а кого нет.
Для заказчика тут практический вывод. Если подрядчик показывает бота на дружелюбном сценарии — вы ничего не узнали. Просите показать разговор, где клиент упирается, требует скидку и грозит уйти.
Самый дорогой риск ИИ-бота для продаж — вранье под торгом
Под давлением торга модель начинает выдумывать факты. Это обходится дороже любого непонятого вопроса.
В нашем замере одна из моделей выдумала клиентский кейс, когда закупщик надавил по цене. Модель умная и технически грамотная: на сценариях финдиректора и техдиректора она шла на 80 из 100. А тут сочинила проценты и срок окупаемости. Покупатель, как и положено, потребовал доказательств: назовите компанию, дайте контакт. И вместо честного «обычно в таких проектах» модель добавила ещё цифр: столько-то процентов заявок, восемь секунд на ответ, минус сорок процентов нагрузки. «Это не из воздуха, логи, статистика, отчёты».
Из воздуха. Ровно то, что инструкция запрещала прямым текстом.
Итог: честность просела почти вдвое, оценка по этому клиенту — 52 из 100, покупатель ушёл. Средний балл модели рухнул с уровня верхушки до предпоследнего места.
Меня в этой истории цепляет другое. Без штрафа за вранье модель прошла бы как крепкий середняк. И встала бы в клиентского бота, который от имени заказчика наобещает людям несуществующих гарантий.
Что с этим делают на практике:
- отдельный слой проверки фактов между моделью и клиентом; запрета в инструкции мало;
- готовые формулировки на случай «не знаю точную цифру»: «обычно в пределах», «зависит от объёма»;
- цифры и кейсы бот берёт из справочника, а не из головы;
- логи всех диалогов и выборочный человеческий просмотр с первого дня.
И контрпример, который меня удивил. Другая модель на том же торге отказалась дать 30% скидки и сказала прямо: «Если единственный критерий — бюджет, я вас отговаривать не буду. Идите, попробуйте. Это не сарказм». А потом развернула уход в недорогой первый шаг с понятным результатом на выходе. Доверие в оценке — 8 из 10, следующий шаг согласован. Честность продаёт лучше, чем натиск, и модели это доступно.
Средний балл врёт: смотрите на разброс
Выбирать движок по среднему баллу лидерборда — ошибка. У верхушки нашей когорты разница в 1–2 балла, это ничья. Разница, которая видна в работе, лежит в другой колонке.
| Что сравниваем | Самая ровная модель | Самая неровная |
|---|---|---|
| Средний балл | 91 | 70 |
| Худший тип клиента | 90 | 52 |
| Разброс между лучшим и худшим | 2 балла | 29 баллов |
Бот, который блестит на тёплом клиенте и сыпется на торге, — это бизнес-риск. Средний балл такое прячет.
Отдельная история — модель, которой автоматический судья поставил 96 из 100 и высший разряд. Я не поверил: покупателя я только что сделал жёстче, а под жёстким клиентом баллы не растут. Открыл транскрипт и увидел, что бот взял свой финальный ответ и скопировал его восемь раз подряд в одном сообщении. Автосудья это заметил и снял ровно один балл.
У живого клиента это не «бот подвис» в кавычках. Клиент спрашивает цену, а в ответ ему прилетает одна и та же простыня восемь раз. Любой живой человек закроет чат.
Я снизил оценку руками. Похожая история у нас была и в проверке образовательного контента: автоматическому судье нужен живой надзор, иначе он аккуратно подтверждает то, что от него хотят услышать.
Мелочь, которая в работе не мелочь: две модели протекли посторонним языком прямо в русскую реплику — китайские иероглифы внутри фразы, испанское слово, знаки деванагари. Балл это почти не двигает. В окне чата у клиента это лицо бренда.
Сколько стоит один диалог и почему модель не главная статья расходов
Один диалог стоит от четырнадцати сотых цента до семи с половиной центов, в зависимости от модели. Разница между крайними точками нашей когорты — 53 раза при почти одинаковом качестве продажи.
| Вариант | Балл | Цена диалога |
|---|---|---|
| Лучшее соотношение цена/качество | 94 | $0.0014 |
| Самая предсказуемая, дорогая | 91 | $0.0743 |
| Бюджетная открытая | 88 | $0.0017 |
Но счёт за модель — обычно не то, что убивает экономику проекта. Убивают две крайности.
Первая: поставить самую дорогую модель и получить на потоке диалогов счёт, после которого заказчик решает, что ИИ безумно дорог. Вторая: взять что-то из дешёвого подвала, сэкономить и получить бота, который тупит на ровном месте.
Решает не цена модели, а обращение с ней. Две базовые вещи, которые пропускают чаще всего:
- Кэширование. Почти все API умеют кэшировать повторяющуюся часть запроса. Это резко удешевляет каждый ход диалога.
- Управление контекстом. Не гнать модели всю историю переписки на каждом сообщении, а сжимать её и хранить вытащенные факты отдельно.
Сделаете это нормально — сможете взять модель дороже и платить меньше, потому что контекст не растёт с каждым ходом. Сверху — маршрутизация по задаче: простой вопрос уходит дешёвой быстрой модели, расчёт и подготовка предложения поднимаются на сильную.
Что я вижу вместо этого: обрезание истории до последних трёх сообщений, будто факты из начала разговора не нужны. А клиент в продажах их как раз помнит и проверяет. Или расчёт на то, что у модели миллион токенов в окне и она сама разберётся. Не разберётся.
Ещё одна ловушка на стороне бизнеса: надежда держать рабочий сервис на обычной подписке. Почти все подписки это прямо запрещают.
Модель — половина дела. Вторая половина — инженерия вокруг неё: память, справочник фактов, инструменты, ограничения.
Как мы выбираем движок под конкретный проект
Движок под ИИ-бота для продаж мы выбираем не по лидерборду. Порядок такой.
Сначала описываем реального клиента заказчика: кто возражает, как именно и на чём разговор обычно ломается. У нас в замере четыре характера — финдиректор, который не верит в окупаемость; техдиректор, который боится, что ИИ ускорит их бардак; закупщик, который требует минус тридцать процентов; тёплый клиент, который вежливо уходит думать с партнёром.
Потом гоняем короткий список моделей через эти характеры и смотрим не средний балл, а поведение на худшем. Затем читаем транскрипты руками — именно там видно повтор, натиск и выдуманные цифры, которые автоматическая оценка пропускает.
И перепрогоняем регулярно. За последний год цены на сильные модели падали в разы, расклад по деньгам едет вместе с ними. То, что сегодня лучшее соотношение цена/качество, через месяц может сместиться на другую строчку. Живой рейтинг с оценками по каждой модели у нас открытый — он лежит на странице бенчмарков.
В своих продажах мы держимся того же принципа: часть работы отдела продаж у нас закрыта агентами и скиллами. Рутину снимаем, решение оставляем человеку.
Что спросить у подрядчика до старта
Перед запуском ИИ-бота для продаж я бы задал подрядчику семь вопросов.
- Покажите диалог, где клиент отказал и бот развернул отказ. Не демо на дружелюбном сценарии.
- Что произойдёт, если бот не знает цифру? Хочется услышать про справочник и формулировки, а не «модель умная, разберётся».
- Где логи диалогов и кто их читает в первую неделю?
- Как считается стоимость диалога и что будет со счётом при удвоении потока?
- Есть ли кэширование и сжатие истории — или всю переписку гоняют в модель на каждом сообщении?
- Что бот делает при странном вопросе: передаёт человеку или пытается ответить сам?
- Как меняют модель, если через полгода выйдет дешевле и лучше? Проект должен быть готов к замене движка.
Последний пункт для меня решающий. Модель в продукте стоит держать заменяемой: она устаревает быстрее, чем ваш бизнес-процесс.
Что я об этом думаю
Нейросети уже ведут диалог на уровне крепкого менеджера первой линии. Только одна врёт под торгом, вторая зависает на повторе, третья роняет иероглифы в русскую реплику. Это инструмент, который при нормальной инженерии вокруг снимает рутину и усиливает отдел продаж.
Обе крайности вредят одинаково. «ИИ заменит весь отдел продаж» и «всё это хайп, не буду тратить время» — оба вывода стоят денег. Живой продавец, который помогает такого бота собрать, настроить и проверить, стал ценнее, а не наоборот.
Замер я гоняю заново каждый раз, когда выходят новые модели, — цены и расклад едут быстро. Свежие прогоны, транскрипты диалогов и разборы вроде «эта модель сломалась вот здесь» я выкладываю в своём канале @maslennikovigor: в статьи такое не влезает.
Если собираете ИИ-бота для продаж и думаете над движком, напишите. Сверим опыт.