Рынок металлопластиковых окон в России — один из самых конкурентных. Основной канал продаж для производителей здесь — дилерская сеть. Схема выглядит отлаженной: дилеры работают с конечными клиентами и отправляют заказы производителю. Но именно на стыке «дилер — производитель» многие компании теряют и время, и деньги.
Мы столкнулись с типичной для этого рынка ситуацией. Дилеры присылают заказы в произвольном формате: фотографии бланков с рукописными размерами, выгрузки из своих баз в Excel, отсканированные PDF-файлы, картинки в чатах. Производитель вынужден держать штат менеджеров, которые вручную разбирают этот поток, переносят данные в учётную систему, рассчитывают стоимость и только потом отправляют дилеру коммерческое предложение.
Ниже — история завода, который решил эту проблему с помощью ИИ, и цифры, к которым мы пришли.
Проблема: 9,6 миллиона рублей на ручной ввод
К нам обратилось производство металлопластиковых окон. Внешне всё выглядело благополучно: восемь менеджеров по продажам принимали заявки от дилеров, обрабатывали их и отправляли коммерческие предложения. Но при детальном анализе вскрылась системная проблема.
Входные данные:
- Штат отдела: восемь менеджеров.
- Годовой фонд оплаты труда: 9,6 миллиона рублей.
- Форматы входящих заявок: любые — Excel, PDF, сканы, фотографии от руки.
Заказчик сформулировал несколько ключевых болевых точек.
Долгий ответ. Дилеру нужно коммерческое предложение быстро, чтобы закрыть своего клиента. Пока менеджер вручную разбирает присланный файл, клиент дилера может уйти к конкуренту.
Ошибки в расчётах. Человеческий фактор никто не отменял: не тот профиль, не та комплектация, ошибка в количестве — всё это ведёт к переделкам и потере доверия.
Перегрузка персонала. Менеджеры выполняли механическую работу вместо того, чтобы заниматься продажами и развитием отношений с дилерами.
Неоптимизированный процесс. Формирование коммерческого предложения было «чёрной дырой» — невозможно было предсказать, сколько времени уйдёт на конкретную заявку.
Первоначальная задача от клиента звучала так: ускорить обработку заявок и сократить штат с восьми до шести человек. Цель — экономия 2,4 миллиона рублей в год на фонде оплаты труда.
Решение: ИИ в роли приёмщика заказов
Мы предложили не просто оптимизировать работу менеджеров, а полностью убрать рутину. Разработали облачное решение на базе искусственного интеллекта, которое взяло на себя всю первичную обработку заявок.
Как это работает.
Приём. Система принимает файл в любом формате — от фотографии до сложной таблицы Excel.
Распознавание. ИИ-модуль, обученный на продукции заказчика, извлекает ключевые данные: тип профиля, размеры, количество, дополнительные элементы (фурнитура, подоконники и так далее).
Расчёт. На основе извлечённых данных автоматически производится калькуляция стоимости по актуальным ценам.
Выдача. Система формирует готовое коммерческое предложение в нужном дилеру формате.
Весь процесс занимает менее трёх минут. Вместо нескольких часов ручного труда.
Результаты, которые мы получили
Цифры превзошли ожидания клиента.
Скорость. Время подготовки коммерческого предложения сократилось с нескольких часов до трёх минут. Это ключевой фактор для удержания дилеров и их клиентов.
Экономия. Штат удалось сократить не до шести, а до четырёх человек. Годовая экономия фонда оплаты труда составила 4,8 миллиона рублей — ровно в два раза больше первоначальной цели.
Конверсия. За счёт скорости ответа и отсутствия ошибок конверсия входящих заявок в состоявшиеся сделки выросла на 24 процента.
Точность. Риск ошибок при расчётах практически обнулился. ИИ не пропускает строчки и не путает размеры.
Нагрузка. Оставшиеся сотрудники переключились с рутины на реальную работу с дилерами: помощь в подборе, консультирование, развитие продаж.
Почему это сработало
На рынке окон и аналогичных производств (мебель, двери, кухонные гарнитуры) побеждает не тот, у кого мощнее станки, а тот, кто быстрее и безошибочнее даёт дилеру цену. Дилеру не важно, как устроен склад производителя. Ему нужно получить коммерческое предложение сейчас, пока клиент находится в салоне.
Автоматизация первичного приёма заявок — это не про хайп с искусственным интеллектом, а про обычную математику. Если вы обрабатываете заявку три минуты вместо трёх часов, ваша пропускная способность и лояльность дилеров вырастают кратно.
Отраслевой вывод
Этот кейс применим не только для производителей окон. Та же проблема встречается в производстве мебели, дверей, в компаниях, работающих с дизайн-проектами и сметами, в любых B2B-продажах, где заявки приходят в нестандартизированном виде.
Часто бизнес ищет сложные пути увеличения прибыли: новое оборудование, агрессивный маркетинг, расширение штата. Но иногда миллионы лежат на поверхности — в виде ручного труда, который можно автоматизировать за пару месяцев с понятным и измеримым возвратом инвестиций.
Как мы подходим к таким проектам
В нашей практике есть формат предпроектного обследования. Мы приезжаем на производство и не предлагаем «внедрить всё и сразу», а ищем конкретные узкие места, где автоматизация даст быстрый результат. Затем запускаем пилот, считаем эффективность и только после этого масштабируем решение.
Если вы хотите оценить, сколько ваших сотрудников заняты механическим переписыванием цифр и во что это реально обходится бизнесу, оптимальный первый шаг — диагностика процессов.
Полное описание этого кейса с детальными цифрами доступно на сайте