В 2026 году ИИ в продажах перестал быть экспериментом. По данным Nodul, на продажи уже приходится 25% всех ИИ-вызовов — 2,4 млн операций. При этом большинство внедрений начинаются одинаково: подписка на ChatGPT, пара энтузиастов в команде и быстрое разочарование. Разбираем пять задач, где нейросети действительно экономят часы, и три ошибки, которые тормозят команду.
Почему ИИ в продажах часто разочаровывает
Проблема не в технологии. По данным опросов, менеджеры быстро перестают пользоваться ИИ-инструментами, потому что «оно пишет как робот», «тратит время на промпты вместо звонков» или «ответ вроде красивый, но клиенту такое не отправишь». ИИ пытаются использовать для задач, где он не нужен, и не используют там, где он реально экономит часы. Чтобы автоматизация с помощью ИИ заработала, нужно правильно выбрать сценарии.
1. Подготовка к звонку: 20 минут → 3 минуты
Перед звонком менеджеру нужно понять, с кем он разговаривает: чем занимается компания, какие последние новости, кто принимает решения, какие боли могут быть в их отрасли. Обычно это 15–20 минут поиска в Google, просмотра сайта, LinkedIn и новостей.
ИИ делает это за 2–3 минуты. Достаточно передать в ChatGPT или Claude название компании и попросить: «Подготовь брифинг перед звонком: чем занимается компания, последние новости, возможные боли, вопросы для первого разговора». Модель собирает информацию из своих знаний и выдаёт структурированную справку. Для небольших компаний, о которых модель может не знать, удобнее Perplexity — он ищет в интернете и даёт ответ со ссылками на источники.
2. Follow-up и письма: не генерация, а адаптация
Генерация писем с нуля — самый разочаровывающий сценарий. Менеджер просит «напиши письмо клиенту», получает безликий текст, который выглядит как спам, и тратит столько же времени на переписывание. Правильный подход — адаптация существующих шаблонов.
У каждого хорошего продажника есть набор проверенных шаблонов: письмо после первого звонка, письмо при отсутствии ответа, письмо с коммерческим предложением. Эти шаблоны работают, но их нужно адаптировать под конкретного клиента. ИИ подставляет релевантные примеры, перефразирует под отрасль, добавляет упоминание болей, которые клиент озвучил на встрече.
После встречи ИИ также полезен: можно скинуть заметки в черновом виде и попросить написать follow-up с подтверждением договорённостей, фиксацией следующих шагов и деловым, но не формальным тоном.
3. Анализ звонков: 50 записей за полчаса вместо 12 часов
Большинство компаний записывают звонки менеджеров, но почти никто их не слушает — 50 звонков по 15 минут требуют 12 часов работы. Сервисы вроде Otter.ai или российские SalesAI и Roistat решают эту проблему: транскрибируют звонок, выделяют ключевые тезисы, определяют тональность (где клиент был позитивен, где сомневался, где возражал), фиксируют обещания и следующие шаги.
Руководитель отдела продаж вместо прослушивания 50 звонков читает 50 саммари по 5 предложений каждое. За полчаса видно: этот менеджер не отрабатывает возражение «дорого», этот забывает предлагать доппродажу, а вот этот отлично работает с возражениями — можно масштабировать его подход на команду.
Для самого менеджера анализ звонков тоже полезен: можно скинуть запись разговора в ИИ, попросить выделить моменты, где клиент выражал сомнение, и предложить, как можно было ответить лучше. Получается персональный коуч, который анализирует каждый разговор.
4. Квалификация лидов: фильтр перед звонком
Менеджер получает 30 заявок в день. Из них 5 горячих, 10 тёплых и 15 нецелевых. На обработку каждой уходит 10–15 минут. На 15 нецелевых тратится 3–4 часа, которые можно было потратить на горячих.
ИИ помогает на этапе предварительной квалификации. Нужно взять данные из заявки — имя, компания, должность, комментарий, откуда пришёл — и попросить модель оценить лид по шкале 1–10, учитывая ваш ICP (идеальный профиль клиента). Модель не даст идеальную оценку, но отсеет очевидно нецелевые заявки и поможет приоритизировать остальные. Это не замена квалификационного звонка, а фильтр перед ним: сначала ИИ ранжирует заявки, менеджер начинает с тех, что получили 8–10 баллов.
5. Коммерческие предложения и работа с возражениями
ИИ не сделает КП целиком — результат будет неубедительным. Но он ускоряет отдельные этапы: подбор релевантных кейсов из базы компании, адаптацию описания продукта под отрасль клиента, формулировку выгод с конкретными цифрами экономии. Каждый из этих кусочков — 5–10 минут вместо 30–40. КП по-прежнему собирает менеджер, но вместо двух часов уходит 40 минут.
Для работы с возражениями ИИ полезен двумя способами. Первый — база ответов: собираются все типовые возражения и лучшие ответы опытных менеджеров, загружаются в ИИ как контекст, и новый сотрудник перед звонком получает конкретный ответ с цифрами. Второй — ролевая тренировка: ИИ играет роль скептически настроенного клиента, а менеджер тренируется отвечать на возражения без риска потерять реального покупателя.
Три зоны риска: где ИИ лучше не использовать без контроля
Первая зона — построение отношений. Продажи, особенно B2B, основаны на доверии. Доверие строится в живом разговоре, за обедом, через совместное решение проблем. Никакой ИИ это не заменит, а попытки автоматизировать «отношенческую» часть дают обратный эффект: клиент чувствует фальшь и теряет доверие.
Вторая зона — нестандартные ситуации. Если клиент выходит за рамки типового сценария — нестандартный запрос, сложная политика внутри компании, эмоциональный конфликт, — ИИ даёт общий совет, который не поможет. Опытный менеджер в такой ситуации импровизирует и считывает контекст. ИИ этого не умеет.
Третья зона — фактические ошибки. Если попросить ИИ подготовить брифинг по компании, он может приписать ей не тот оборот, не того руководителя или не ту отрасль. Особенно это касается небольших компаний, о которых мало информации. Всё, что подготовил ИИ, нужно проверять перед разговором с клиентом — ошибка в фактах на звонке убивает доверие мгновенно.
Мини-кейс: как это выглядит на практике
Типовой сценарий: команда из 10 менеджеров в B2B-компании начинает использовать ИИ не для общения с клиентами, а для внутренних задач. Перед каждым звонком менеджер получает брифинг по клиенту за 2–3 минуты. После встречи заметки превращаются в follow-up. Раз в неделю руководитель читает саммари звонков и видит системные проблемы. Результат: каждый менеджер экономит около 30 минут в день. При команде из 10 человек это 100 часов в месяц. При средней стоимости часа менеджера в 1500–2000 рублей экономия составляет 150–200 тысяч рублей в месяц. При этом ИИ не заменяет продавца — он убирает рутину, которая отнимает 30–40% времени. Освободившиеся часы уходят на то, что ИИ не умеет и в ближайшие годы не научится: разговаривать с людьми, строить отношения, закрывать сделки.
Чек-лист: как начать, не потратив месяц на «внедрение»
- Подпишитесь на ChatGPT Plus или Claude Pro (20 долларов в месяц).
- Перед следующим звонком попросите ИИ подготовить брифинг по клиенту. Оцените, сколько времени это сэкономило и насколько полезна информация.
- После следующей встречи скиньте заметки и попросите написать follow-up. Оцените, можно ли отправить результат клиенту — скорее всего, с минимальными правками.
- Перед следующим КП попросите подобрать кейсы и адаптировать описание продукта под отрасль клиента.
- Если хотя бы одна из трёх вещей сэкономит вам 30 минут в день — масштабируйте на команду.
Вывод
В 2026 году ИИ для продаж — это не замена менеджера, а инструмент для ускорения рутинных этапов: подготовки к звонкам, follow-up, анализа разговоров, квалификации лидов и подготовки коммерческих предложений. Главная ошибка — пытаться автоматизировать всё сразу, особенно клиентское общение. Практическая рекомендация: начать с трёх конкретных сценариев, измерить экономию времени и только потом расширять применение. Такой подход уже приносит командам по 150–200 тысяч рублей экономии в месяц при затратах на подписку в 20 долларов.
Подписывайтесь на канал, чтобы получать практические разборы применения ИИ в бизнесе, образовании и повседневной работе.
Вопрос в конце:
Какой этап продаж в вашей команде отнимает больше всего времени и мог бы быть автоматизирован с помощью ИИ уже сегодня? Поделитесь опытом в комментариях.