Владелец компании по металлообработке пришёл с болью: 15 запросов на расчёт в день, инженер тратит по часу на каждое КП, клиенты ждут ответа сутками и уходят к конкурентам. Через три недели после внедрения AI-агента в WhatsApp компания получает +6 дополнительных сделок ежемесячно, экономит зарплату инженера и зарабатывает на 530 тысяч больше. Вложения окупились за 17 дней.
Покажу, как мы собрали автоматическую систему расчёта коммерческих предложений, сколько это стоило и почему B2B-бизнесу в производстве AI нужен не меньше, чем e-commerce.
Что за компания и почему упёрлись в ручной труд
Клиент — производственная компания, металлообработка. Команда около 20 человек, делают детали и конструкции на заказ для других бизнесов. Средний чек сделки — приличный, прибыль с одного заказа около 90 тысяч рублей.
Входящих запросов — примерно 15 в день. Звучит не много, но каждый запрос — это не "купить диван". Это B2B: клиент присылает чертежи, технические требования, объёмы, сроки. Нужно посчитать стоимость материалов, работы, доставки, собрать всё в коммерческое предложение и отправить.
Проблема была жёсткая:
Инженер или менеджер по продажам тратил на один расчёт КП по часу, а то и больше. Открывает прайс в Excel, смотрит формулы, считает вручную, собирает документ в Word, отправляет клиенту. 15 запросов × 1 час = весь рабочий день уходил только на расчёты.
Клиенты ждали ответа по 24-48 часов. За это время многие просто уходили к конкурентам, которые отвечали быстрее. Плюс человеческий фактор: инженер мог ошибиться в формулах, забыть учесть какой-то параметр, потерять запрос в переписке.
Владелец понимал: либо нанимать ещё одного инженера на расчёты (а это дефицитный специалист + зарплата от 80-100 тысяч), либо автоматизировать процесс.
На созвоне я предложил решение: AI-агент в WhatsApp, который будет собирать параметры заказа у клиента, считать КП автоматически по формулам из прайса и отправлять готовое предложение. Плюс создавать сделку в CRM и делать follow-up, если клиент не ответил.
Если тебе заходят такие кейсы с реальными цифрами, переходи по ссылке: https://t.me/turing23_bot?start=dz. Я собрал туда видео-инструкцию с топ-3 AI-инструментами для бизнеса, которые помогают увеличивать доход — от автоматизации расчётов до лидогенерации. Плюс куча живых кейсов внедрения AI в производство, B2B-продажи и саппорт. И честные обзоры платформ — что реально работает, а на что не стоит тратить бюджет. Забирай бесплатно, пока доступно.
Что мы сделали: AI-агент на всю цепочку продажи
Задача была автоматизировать весь путь клиента: от первого сообщения в WhatsApp до создания сделки в CRM.
Шаг 1: Сбор параметров через WhatsApp
Раньше клиент писал хаотично: "Привет, нужны детали, вот чертёж, посчитайте". Инженер сам выяснял все нюансы, задавая уточняющие вопросы.
Мы научили AI-агента собирать всю нужную информацию по чёткому сценарию.
Как работает диалог:
Клиент: "Здравствуйте, нужен расчёт на фланцы"
Бот:
"Добрый день! Помогу рассчитать стоимость. Уточните, пожалуйста:
- Материал? (Сталь, нержавейка, алюминий)
- Диаметр фланца? (в мм)
- Количество? (шт)
- Срок изготовления? (Стандарт 10 дней или срочно 3 дня)
- Нужна доставка?"
Клиент отвечает, бот собирает все параметры и передаёт дальше в систему.
Шаг 2: Автоматический расчёт КП по формулам
Когда все параметры собраны, AI обращается к прайс-листу компании. Прайс лежит в Google Таблицах — там формулы расчёта стоимости материалов, работы, наценки, доставки.
Бот подставляет параметры клиента в формулы, считает итоговую цену и формирует коммерческое предложение.
Что попадает в КП:
- Название позиции (фланец DN100, сталь 09Г2С)
- Количество
- Цена за единицу
- Общая стоимость
- Срок изготовления
- Условия оплаты
- Контакты менеджера для вопросов
Всё это собирается автоматически и отправляется клиенту в WhatsApp в виде PDF-файла или текста.
Время ответа: 3-5 минут вместо 24-48 часов.
Шаг 3: Создание сделки в CRM
Одновременно с отправкой КП бот создаёт сделку в amoCRM (у клиента была эта система, но подойдёт и Bitrix, и любая другая).
В карточке сделки сразу вся информация:
- Контакт клиента (телефон из WhatsApp)
- Параметры заказа
- Сумма КП
- Статус: "Отправлено коммерческое предложение"
Менеджер видит все активные запросы в CRM и может подключиться в любой момент, если клиенту нужна консультация.
Шаг 4: Автоматический follow-up
Если клиент получил КП и не ответил в течение двух дней, бот автоматически напоминает:
"Добрый день! Отправляли вам коммерческое предложение на фланцы. Всё понятно? Есть вопросы? Готовы обсудить детали?"
Это увеличивает конверсию — многие клиенты просто забывают ответить, а напоминание возвращает их в диалог.
Какой стек использовали
Чтобы собрать такую систему, связали несколько инструментов.
Мессенджер:
WhatsApp Business API (основной канал общения с клиентами в этой сфере)
CRM:
amoCRM (у клиента была она, но можно Bitrix или другая)
Прайс-лист и формулы:
Google Таблицы (там хранятся цены на материалы, формулы расчёта, наценки)
Автоматизация:
n8n (платформа, которая связывает WhatsApp → AI → Google Таблицы → CRM)
AI-модель:
OpenAI (GPT-4) для понимания запросов клиентов и ведения диалога
Вся связка работает так: клиент пишет в WhatsApp → n8n ловит сообщение → передаёт AI → AI собирает параметры → считает по формулам в Google Таблицах → формирует КП → отправляет клиенту → создаёт сделку в CRM.
Сколько это стоило
Раскрываю бюджет полностью, без воды.
Внедрение (разовый платёж):
300 000 рублей
Сюда вошло:
- Настройка интеграций (WhatsApp API, CRM, Google Таблицы)
- Перенос прайса и формул в структурированный вид
- Обучение AI-модели под специфику бизнеса (терминология, типы заказов)
- Разработка сценариев диалога и логики расчётов
- Тестирование на реальных запросах
- Обучение команды работе с системой
Ежемесячная поддержка:
50 000 рублей
Это:
- Доработка сценариев и улучшение ответов
- Обновление прайса и формул (новые материалы, изменение цен)
- Технический мониторинг и исправление багов
- Расходы на API (WhatsApp Business, OpenAI)
Да, вложения серьёзные. Но смотрите на возврат.
Что получилось: цифры и выгода
Через месяц работы владелец прислал отчёт. Результаты впечатлили даже меня.
Результат №1: +6 дополнительных сделок в месяц
Раньше из 15 запросов в день конверсия в сделку была примерно 30-40%. Остальные либо не дожидались ответа и уходили к конкурентам, либо терялись в переписках.
После внедрения AI конверсия выросла до 50-55%. Почему?
- Бот отвечает за 3-5 минут (клиент не успевает остыть)
- Ни один запрос не теряется (всё фиксируется в CRM)
- Follow-up напоминания возвращают "забывчивых" клиентов
Дополнительная прибыль:
6 сделок × 90 000 рублей (валовая прибыль с каждой) = 540 000 рублей в месяц
Результат №2: Экономия зарплаты инженера/менеджера
Раньше один человек тратил весь день на расчёты КП. Теперь эту работу делает AI, а инженер занимается производством и сложными консультациями.
Экономия: примерно 40 000 рублей в месяц (часть зарплаты, которую можно не платить за рутину, или возможность не нанимать второго специалиста)
Итоговая выгода в месяц:
Дополнительная прибыль от сделок: 540 000 ₽
Экономия на зарплате: 40 000 ₽
Чистая прибавка: 580 000 ₽
Минус ежемесячная поддержка (50 000 ₽)
= 530 000 рублей в плюс каждый месяц
Окупаемость:
Разовое внедрение 300 000 ₽ ÷ 530 000 ₽/мес = 0,6 месяца (около 17 дней)
Через две с половиной недели система окупилась полностью. Дальше — чистая прибыль.
Где споткнулись и что пришлось доработать
Первые недели были непростыми. Ловили баги, дорабатывали логику, учили AI понимать специфику.
Проблема №1: Бот не понимал технические термины
Клиент пишет: "Нужна заготовка под токарку, сталь 45, Ø80, длина 500"
Бот: "Извините, уточните параметры"
AI не распознавал профессиональный жаргон: "Ø" вместо "диаметр", "под токарку" вместо "заготовка цилиндрическая".
Решение: Добавили в базу знаний все возможные варианты:
- "Ø", "диаметр", "D" = диаметр
- "Под токарку", "заготовка", "пруток" = цилиндрическая заготовка
- "Длина", "L" = длина детали
Переобучили модель — через несколько дней заработало.
Проблема №2: Формулы в прайсе были сложными
В Google Таблицах у клиента были многоуровневые формулы с условиями: "если материал нержавейка И диаметр больше 100 мм, то коэффициент сложности 1,5; если срочный заказ, то +30% к цене".
AI путался в этих условиях и выдавал неправильные цены.
Решение: Переписали прайс в более структурированный вид. Разбили сложные формулы на простые шаги:
- Базовая цена материала
- Коэффициент сложности (в зависимости от параметров)
- Доплата за срочность
- Доставка
Теперь AI обрабатывает каждый шаг последовательно — ошибок стало на порядок меньше.
Проблема №3: Клиенты хотели поговорить с инженером
Некоторые запросы были нестандартными: сложные конструкции, специфические требования, нужна консультация по технологии.
Бот пытался собрать параметры, но клиент писал: "Мне нужно сначала обсудить техническую часть с инженером".
Решение: Добавили кнопку "Связаться с инженером" и научили бота определять сложные кейсы. Если клиент упоминает что-то нестандартное ("по чертежу", "особые требования", "нужна консультация") → бот автоматом переключает на живого специалиста.
Это сработало идеально. Простые типовые заказы закрывает AI, сложные — идут к инженеру.
Выводы: что забрать себе
Прошло почти два месяца с момента запуска. Вот главные уроки из этого кейса:
1. B2B-продажи можно автоматизировать, даже если они кажутся сложными
Все боятся автоматизировать B2B, думают: "У нас индивидуальные заказы, всё сложно". Но 70-80% запросов — типовые. Их можно и нужно автоматизировать.
2. Скорость ответа в B2B = конкурентное преимущество
Раньше клиент ждал КП сутки-двое. Теперь получает за 5 минут. Это мощное отличие от конкурентов, которые до сих пор считают вручную.
3. AI окупается мгновенно, если считать упущенную прибыль
Да, внедрение стоит 300 тысяч. Но каждый потерянный клиент — это минус 90 тысяч прибыли. За месяц терялось 6+ клиентов из-за долгих ответов. AI вернул их → 540 тысяч в плюс.
4. Прайс-лист — это фундамент автоматизации
Без структурированного прайса с формулами AI не сможет считать. Потратьте время на нормальную таблицу — это окупится.
5. Follow-up работает даже в B2B
Автоматические напоминания возвращают "забывчивых" клиентов. Многие просто не успевают ответить сразу, а через два дня видят напоминание и возвращаются к диалогу.
6. Интеграция с CRM критична
Если запросы не фиксируются в CRM, менеджеры теряют контроль. AI должен автоматом создавать сделки — так ничего не потеряется.
7. Всегда оставляйте выход на живого специалиста
Нельзя запереть клиента в диалоге с ботом. Кнопка "Связаться с инженером" обязательна — это снимает стресс и повышает доверие.
8. Первые недели будут сложными
AI не работает идеально сразу. Нужно тестировать, ловить баги, дорабатывать сценарии и формулы. Но после отладки система работает стабильно.
9. Экономия на зарплате — бонус, а не главное
Да, можно не нанимать второго инженера. Но главное — рост количества закрытых сделок. Дополнительные клиенты приносят прибыль месяц за месяцем.
Если хочешь повторить этот кейс или внедрить AI-агента в свой B2B-бизнес, переходи по ссылке: https://t.me/turing23_bot?start=dz. Я собрал туда подробную видео-инструкцию с топ-3 AI-решениями для бизнеса — от автоматизации расчётов до лидогенерации и продаж. Плюс показываю реальные кейсы с расчётами (как этот) и делюсь честными обзорами платформ — какие работают, а какие просто выкачивают бюджет. Забирай инструменты и применяй в своём деле.