ИИ-агенты в продажах: сценарии, кейс и расчёт окупаемости

Краткое резюме

По оценке McKinsey за 2025 год, технологии генеративного ИИ способны добавить от 0,8 до 1,2 трлн долларов ежегодной ценности именно в функциях маркетинга и продаж — больше, чем в любой другой бизнес-функции. При этом исследование Salesforce показывает, что менеджеры по продажам тратят на саму продажу меньше 30% рабочего времени; остальное уходит на занесение данных в CRM, поиск информации и рутинные письма. Именно в этот разрыв и встраивается ИИ-агент: он берёт на себя повторяемые операции вокруг сделки и возвращает менеджеру время на разговор с клиентом.

ИИ-агент в продажах — это программа на основе языковой модели, которая получает цель (например, «квалифицировать входящую заявку и назначить следующий шаг»), сама планирует действия, обращается к CRM, почте и базе знаний и доводит задачу до результата. От сценарного бота он отличается тем, что работает со свободным текстом и нестрогими ситуациями; от живого менеджера — тем, что не устаёт на рутине и одинаково отрабатывает каждый лид.

Главная мысль: ИИ-агент в продажах окупается на повторяемых операциях вокруг сделки — квалификации, follow-up, сводках звонков, гигиене CRM. Сам торг, выстраивание отношений и закрытие крупных сделок остаются за менеджером.

Эта статья — практический разбор сценариев и экономики. Если вы только знакомитесь с темой агентов, начните с обзорного гайда ИИ-агенты для бизнеса: что это и где применять, а выбор конкретного процесса под первый запуск считается по скорингу из гайда как выбрать первый ИИ-проект в бизнесе.

Что ИИ-агент реально делает в продажах

Вокруг ИИ в продажах много обещаний «робота, который сам продаёт». На практике сила агента — в подготовке и сопровождении сделки, а саму продажу как искусство он пока не вытягивает. Полезно сразу разделить, что он делает хорошо, а что отдавать ему рано.

Где агент даёт эффект сразу:

• разбирает входящую заявку, достаёт из неё суть, бюджет, сроки и контакт;
• задаёт уточняющие вопросы по заранее заданной логике квалификации;
• заносит данные в CRM без пропусков и опечаток;
• сам ведёт цепочку касаний (follow-up), пока клиент не ответил или не отказался;
• слушает запись звонка и отдаёт менеджеру короткую сводку с договорённостями;
• готовит черновик коммерческого предложения по шаблону и данным сделки.

Где агент пока слаб и нужен человек:

• живой торг по цене и условиям;
• сложные многоступенчатые сделки с несколькими лицами, принимающими решение;
• эмоционально заряженные ситуации, удержание недовольного клиента;
• нестандартные договорённости, которые меняют экономику сделки.

Простой ориентир: чем выше повторяемость операции и ниже цена ошибки, тем безопаснее отдать её агенту. Чем больше в задаче человеческих отношений и денег на кону в одном решении — тем дольше человек остаётся в контуре. Эту же логику мы применяли к процессам в целом в гайде какие бизнес-процессы автоматизировать с помощью ИИ.

Пять сценариев ИИ-агентов в продажах

Ниже — карта типовых сценариев для малого и среднего бизнеса в России с оценкой зрелости и риска. Оценки усреднены; в конкретной компании баллы сместятся, но порядок устойчив.

Квалификация входящих лидов

Самый частый стартовый сценарий. Агент читает заявку из любого канала, задаёт два-три уточняющих вопроса, отсекает явно нецелевые обращения и передаёт менеджеру только готовые к разговору лиды с заполненной карточкой. Эффект — менеджер перестаёт тратить время на разбор «холодных» и нерелевантных заявок.

Автоматический follow-up по сделкам

Большая часть продаж теряется из-за молчания: менеджер просто не успел вовремя напомнить о себе. Агент ведёт заранее согласованную цепочку касаний по сделкам в нужном статусе, пишет персональные напоминания на основе истории общения и поднимает менеджеру только тех, кто ответил или готов к следующему шагу.

Сводки и разбор звонков

Агент получает запись или расшифровку звонка и отдаёт короткую структурированную сводку: о чём договорились, какие возражения прозвучали, какой следующий шаг и срок. Это экономит менеджеру время на конспект и одновременно даёт руководителю прозрачность по воронке.

Гигиена и обогащение CRM

Пустые и противоречивые карточки — главная боль отдела продаж. Агент дозаполняет поля по переписке и звонкам, проставляет статусы, отмечает «зависшие» сделки и подсвечивает дубли. Это та самая рутина, на которую у менеджеров не хватает дисциплины.

Подготовка коммерческих предложений

По данным сделки и шаблону агент собирает черновик КП: подставляет позиции, цены, условия и сопроводительный текст. Менеджер проверяет и отправляет. Сценарий уже «жёлтый»: цена ошибки в цифрах выше, поэтому обязательна проверка человеком перед отправкой клиенту.

«Красные» сценарии — холодный исходящий и автономное закрытие сделки — как первый проект почти всегда проваливаются: высокая цена ошибки, репутационный риск и регуляторные ограничения на массовые рассылки. К ним возвращаются после нескольких удачных «зелёных» запусков.

Кейс: ИИ-агент квалификации и follow-up в B2B-продажах (Редакционный пример)

Источник: редакционный пример, собранный из обзорных кейсов TAdviser и CNews по B2B-сегменту. Конкретная компания не называется; цифры репрезентативны для компаний на 40–80 человек с входящим потоком лидов.

Ситуация

Компания продаёт оборудование для общепита, штат 60 человек, отдел продаж — 6 менеджеров. Поток около 600 входящих лидов в месяц через сайт, маркетплейсы и почту. Менеджеры тратят в среднем 15 минут на первичный разбор каждого лида, при этом до 40% обращений — нецелевые (частные лица, не та география, неподходящий бюджет). До 25% сделок «зависали» без своевременного follow-up: менеджер просто не успевал вернуться к клиенту в нужный момент.

Что делает ИИ-агент

Запустили агента уровня автономности 2–3 («помощник с подтверждением» на спорных, «исполнитель в рамке» на типовых). Агент:

• читает входящий лид, извлекает компанию, потребность, объём и географию;
• задаёт один-два уточняющих вопроса в том же канале;
• отсекает явно нецелевые обращения с пометкой и причиной;
• заполняет карточку сделки в amoCRM и ставит менеджеру задачу только по целевым;
• ведёт follow-up по молчащим сделкам: до трёх касаний по согласованному сценарию.

Рамки и контроль:

• агент не обсуждает цену и условия договора — только квалификация и напоминания;
• любое отнесение лида в «нецелевые» можно откатить одной кнопкой;
• лимит расходов на модель — 20 тыс ₽/мес с алертом;
• все действия пишутся в журнал, раз в неделю выборочная проверка 30 лидов.

Что нужно для пилота

База знаний по продуктам и критериям квалификации, доступ к amoCRM по API, согласованные сценарии follow-up и две недели на разметку «целевой / нецелевой» на исторических лидах.

Метрики и итог за 60 дней

• время первичного разбора лида менеджером: 15 мин → 4 мин;
• доля нецелевых, дошедших до менеджера: 40% → 9%;
• сделок, потерянных из-за отсутствия follow-up: 25% → 11%;
• конверсия лида в первую встречу: +6 п.п.

Бизнес-логика. Высвобождение времени менеджеров и возврат «зависших» сделок дали около 5,5 млн ₽ дополнительной выручки за два месяца при среднем чеке сделки. Запуск обошёлся в 320 тыс ₽, сопровождение — 28 тыс ₽/мес. Окупаемость наступила внутри второго месяца.

Worked example: расчёт окупаемости агента квалификации лидов

Возьмём гипотетическую компанию с входящим потоком 800 лидов в месяц и отделом продаж из 5 менеджеров. Цель — оценить, имеет ли смысл агент квалификации и follow-up.

Исходные данные.

Текущие затраты на разбор. 800 × 14 мин = 11 200 минут ≈ 187 часов × 700 ₽ = 131 000 ₽/мес только на первичный разбор, причём треть этого времени уходит на нецелевые обращения.

Сценарий с агентом. Агент берёт на себя весь первичный разбор и квалификацию, отсекает нецелевых и отдаёт менеджерам только готовые лиды с заполненной карточкой. Менеджеры тратят время лишь на разговор по целевым 520 лидам, в среднем по 6 минут на проверку и старт работы:

• ручная нагрузка: 520 лидов × 6 мин = 3 120 минут ≈ 52 часа × 700 ₽ = 36 400 ₽/мес;
• стоимость модели и инструментов: ≈ 16 000 ₽/мес;
• сопровождение и проверка: ≈ 22 000 ₽/мес;
• итого с агентом: 74 400 ₽/мес.

Эффект. Прямая экономия около 56 000 ₽/мес при запуске за 300 тыс ₽. Окупаемость только по экономии времени — примерно 5–6 месяцев. Но основной эффект здесь даёт возврат выручки, а не сэкономленные часы: даже один спасённый follow-up в месяц при крупном чеке окупает агента быстрее любой экономии времени.

Когда расчёт разворачивается в минус. Если лидов меньше 200 в месяц, доля нецелевых ниже 15%, а CRM ведётся бессистемно — экономия не покрывает стоимость сопровождения, и проект уходит в минус. В этом случае стартовать с агента рано: сначала порядок в данных и процессе.

Когда ИИ-агенты в продажах не стоит внедрять

Несмотря на интерес рынка, есть ситуации, в которых агент в продажах гарантированно не окупится — каким бы хорошим ни был подрядчик.

1. Поток лидов слишком мал. Если входящих меньше 150–200 в месяц, настройка и сопровождение агента съедят всю экономию. На малом потоке менеджер справляется руками, и автоматизация здесь преждевременна.
2. Продажи держатся на личных отношениях и крупном чеке. Когда сделок мало, но каждая большая и сложная, ценность создаёт именно человек. Агенту здесь остаётся максимум подготовка сводок, а не ведение сделки.
3. CRM ведётся бессистемно. Если данные о сделках неполные и противоречивые, агент будет уверенно работать с мусором и портить воронку. Сначала дисциплина в CRM, потом агент.
4. Нет понятной метрики продаж. Если цель звучит как «продавать лучше», результат пилота нечем измерить. Нужна конкретная метрика: время разбора лида, доля нецелевых, конверсия в встречу, потери на follow-up.
5. Ставка на холодный исходящий как первый проект. Массовые холодные письма и обзвон агентом — высокий регуляторный и репутационный риск. Это не стартовый сценарий, к нему возвращаются позже и осторожно.

Если вы попадаете под пункты 1–2, отложите агента и используйте человека там, где он сильнее. Под пункты 3–4 — сначала наведите порядок в данных и метриках. Под пункт 5 — начните с «зелёного» входящего сценария. Подробный разбор типовых провалов собран в гайде об ошибках внедрения ИИ.

Российский контекст: 152-ФЗ, локальные модели, каналы

Для российских компаний внедрение ИИ-агента в продажах упирается в три практические темы.

• 152-ФЗ и выбор модели. Агент в продажах постоянно работает с персональными данными: имена, телефоны, переписка, история сделок. Это значит, что модель берётся из российского контура — GigaChat от Сбера или YandexGPT от Яндекса, договор на российское юрлицо, хранение данных в РФ. Передавать клиентские персональные данные в зарубежные модели нельзя.
• Тарификация в рублях. GigaChat API и YandexGPT оплачиваются по счёту в рублях, без VPN и валютных карт. Для квалификации лидов, извлечения данных из переписки, сводок звонков и черновиков КП их качества обычно достаточно.
• Каналы и интеграции. В российском сегменте агента продаж подключают к amoCRM и Bitrix24, к Telegram и ВКонтакте, к почте и маркетплейсам (Wildberries, Ozon, Авито). Связки собираются через российские (Albato) или универсальные (Make, n8n) конструкторы интеграций.

Отдельно стоит помнить про ограничения на массовые рассылки и обзвон: холодные касания без согласия клиента создают регуляторный риск, поэтому исходящие сценарии проектируются с юристом. Свежие российские внедрения и регуляторные новости удобно отслеживать в разделе ИИ в России, а сравнение зрелости рынка — в категории «ИИ-индустрия».

Вывод Malakhov AI

ИИ-агент в продажах — это сильный инструмент для повторяемых операций вокруг сделки: квалификации лидов, follow-up, сводок звонков и гигиены CRM. Сам торг, отношения и закрытие крупных сделок остаются за менеджером, а агент возвращает ему время, которое раньше уходило на рутину.

Рабочий порядок запуска первого агента продаж:

1. Выберите один повторяемый сценарий из «зелёной» зоны — лучше квалификацию входящих лидов или follow-up.
2. Сформулируйте одну метрику и её текущее значение (время разбора лида, доля нецелевых, потери на follow-up).
3. Запустите агента на уровне автономности 1–2 с обязательным подтверждением человеком и лимитом расходов.
4. Проверяйте журнал и выборку действий первые 4–8 недель.
5. Повышайте автономность до уровня 3 только после стабильной статистики ошибок.
6. На контрольной точке примите решение stop/go по метрике и масштабируйте поэтапно.

Один аккуратный агент в одном сценарии с измеримым результатом приносит отделу продаж больше, чем амбициозная «платформа продаж на ИИ», запущенная без метрик и контроля.

FAQ

Что такое ИИ-агент в продажах простыми словами?

Это программа на основе языковой модели, которая получает цель вокруг сделки — например, квалифицировать лид или вести follow-up — и сама выполняет шаги: читает обращение, задаёт уточняющие вопросы, заносит данные в CRM, пишет напоминания. От сценарного бота она отличается тем, что работает со свободным текстом и нестрогими ситуациями, а от менеджера — тем, что не устаёт на рутине и одинаково отрабатывает каждый лид.

С какого сценария начать внедрение ИИ-агента в продажах?

С «зелёного» повторяемого сценария: квалификации входящих лидов или автоматического follow-up. У них высокая частота, понятная метрика и низкая цена ошибки. Холодный исходящий обзвон и автономное закрытие сделки как первый проект почти всегда проваливаются по цене ошибки и регуляторике.

Заменит ли ИИ-агент менеджеров по продажам?

Прямой замены не происходит. Агент берёт на себя рутину вокруг сделки — разбор лидов, занесение в CRM, напоминания, сводки звонков. Сам торг, выстраивание отношений и закрытие крупных сделок остаются за человеком. На практике агент перераспределяет время менеджеров с рутины на разговоры с целевыми клиентами, и сокращения штата для этого обычно не требуется.

Сколько стоит ИИ-агент для отдела продаж в России?

Запуск типового агента квалификации или follow-up — 200–400 тыс ₽, сопровождение — 20–40 тыс ₽/мес. Для сценариев с несколькими интеграциями и большими объёмами — до 1–1,5 млн ₽ запуска. Основная статья расходов — интеграции с CRM, сбор базы знаний и сопровождение, а сама модель стоит меньше.

Какую модель выбрать для агента продаж в России?

Поскольку агент продаж работает с клиентскими персональными данными, модель берётся из российского контура — GigaChat или YandexGPT: они тарифицируются в рублях, хранят данные в РФ и соответствуют 152-ФЗ. Зарубежные модели для клиентских персональных данных использовать нельзя.

Можно ли поручить агенту холодный обзвон и рассылки?

Это «красный» сценарий и не стартовый проект. Массовые холодные касания без согласия клиента создают регуляторный и репутационный риск, поэтому исходящие сценарии проектируются с юристом и запускаются только после нескольких удачных «зелёных» внедрений на входящем потоке.

Сколько времени занимает запуск агента в продажах?

Обычно 4–8 недель до рабочего результата на узком сценарии: 1–2 недели на постановку задачи, сбор базы знаний и разметку лидов, 2–4 недели на настройку и интеграцию с CRM, 1–2 недели на обкатку под контролем. Сроки растут, если CRM ведётся бессистемно или требуется несколько интеграций.

По теме

Связанные статьи

Лаборатории

The Decoder·8 часов назад

OpenAI обсуждает 10-гигаваттный дата-центр в Огайо при поддержке Nvidia

Индустрия

TechCrunch AI·7 часов назад

Niteshift привлёк $7 млн на ИИ-кодинг без привязки к моделям

Инвестиции

Crunchbase News·11 часов назад

Полупроводниковые стартапы привлекли $10,7 млрд с начала 2026 года

Индустрия

The Verge AI·5 часов назад

Microsoft ограничил внутреннее использование Claude Fable 5 из-за хранения данных

Россия

CNews·9 часов назад

65% российских компаний увеличили ИТ-бюджеты, ИИ стал главным направлением

Стартапы

vc.ru AI/стартапы·вчера

SpaceX показала спутник AI1 для ИИ-вычислений в космосе