Компания запустила ИИ, через некоторое время руководитель разводит руками: "не работает, всё это хайп". Если разобрать такие истории, причина почти всегда не в технологии. Разбираем типовые ошибки внедрения ИИ в бизнес: что ломается, как это выглядит и как исправить до запуска, особенно в малом бизнесе.
Ролик: как работает ИИ-отдел продаж, от поиска клиентов до отчёта руководителю
Вот неудобный вопрос. Почему две компании подключают одну и ту же систему, а через некоторое время одна говорит "это лучшее, что мы сделали для продаж", а другая "деньги на ветер"? Технология у них одна. Различается всё остальное.
Когда спрашивают, почему не работает ИИ в продажах, чаще всего ищут виноватого в алгоритмах. Но если разобрать неудачные внедрения, они похожи друг на друга как близнецы. Причины повторяются: нет базы знаний, нет порядка в учёте, нет человека, который отвечает за процесс, от системы ждут волшебства и не слушают записи разговоров.
Хорошая новость: каждую из этих ошибок можно увидеть заранее. Разберём их по порядку. Для каждой покажем, как она выглядит, почему мешает и что делать.
Как выглядит. Компания подключила ИИ-менеджера, а база знаний ограничилась парой страниц с сайта. Клиент спрашивает про условия, сроки, отличия от конкурента, и ИИ-менеджеру нечего ответить. В лучшем случае он передаёт разговор человеку, в худшем отвечает общими словами, от которых клиент уходит.
Почему так. ИИ-менеджер отвечает по базе знаний компании. Чего в ней нет, того он не скажет. Хороший продавец годами впитывает знания о продукте, ИИ-менеджер получает их только от вас.
Что делать. Собрать не рекламные тексты, а живые ответы: что говорят лучшие менеджеры на частые вопросы и возражения, какие условия можно обсуждать, а какие нельзя. Попросите самых опытных сотрудников надиктовать, как они разговаривают. Затем дорабатывайте базу по записям: каждый вопрос без ответа становится новым пунктом.
Небольшое предупреждение: не пытайтесь описать вообще всё перед стартом. Это путь к бесконечной подготовке. Соберите самое частое, запустите на части потока и дополняйте по реальным разговорам.
В ИИ-отделе продаж всё держится на цепочке. Заявка создаёт карточку с источником. Итог разговора, статус, следующее действие и дата нового контакта записываются в неё. Готового клиента ставят на встречу, а ответственному приходит задача. Если учёта нет, он живёт в таблицах или заполнен как придётся, цепочка рвётся.
Как выглядит. Часть клиентов в таблице, часть в мессенджере у менеджера, этапы воронки называются по-разному. ИИ-менеджер хорошо поговорил, а результату некуда лечь.
Что делать. До запуска навести порядок. Единый список этапов с понятными названиями, обязательные поля, ответственные за каждый этап. Без этого невозможно ни проанализировать воронку, ни понять, с кем перспективнее работать. ИИ-помощник по базе анализирует учёт клиентов, и качество его выводов равно качеству ваших данных.
Особенно это касается автоматизации отдела продаж в малом бизнесе. Там часто всё держится на личной памяти владельца и нескольких менеджеров, и записи ведутся "для себя". Начните с малого: один способ фиксировать каждое обращение, одна карточка на клиента, три-четыре понятных этапа.
Как выглядит. Внедрение поручили "всем понемногу". Маркетолог думает, что это дело продажников, продажники ждут указаний директора, директор считает, что поставщик всё сделает сам. Очень скоро никто не знает, кто решает спорные вопросы.
Почему это убивает проект. У внедрения постоянно возникают вопросы. Что сказать клиенту про скидку? Когда передавать разговор человеку? Как отвечать на неожиданное возражение? Если решать некому, вопросы копятся, сценарии не меняются, а ИИ-менеджер повторяет одни и те же слабые места.
Что делать. Назначить одного человека, обычно руководителя отдела продаж или собственника, и дать ему полномочия и время. Он слушает записи, правит базу знаний, согласует границы передачи. Если такого человека нет, откладывайте запуск, пока он не появится. Это неприятный совет, зато честный.
Как выглядит. Ожидание такое: подключили, и клиенты сами пошли, а менеджеры стали не нужны. Первая же неудача, будь то неточный ответ или потерянная заявка, воспринимается как провал всей идеи.
В чём заблуждение. ИИ-менеджер не заменяет продуманную работу, он её усиливает. Он звонит и переписывается круглосуточно, забирает рутину, фиксирует результат. Но если предложение слабое, условия неубедительные, а продукт не нужен клиентам, никакая технология этого не исправит. Менеджеры никуда не деваются: они занимаются подтверждёнными, квалифицированными клиентами, которым нужен живой человек.
Что делать. Относиться к запуску как к настройке нового сотрудника. Первая версия не идеальна, и это нормально. Запустите на части потока, сравните с остальным, дорабатывайте. Ждите не чуда, а понятного улучшения: быстрее реакция на заявку, меньше потерянных обращений, прозрачность в карточках.
Как выглядит. Систему запустили и забыли. Никто не открывает записи, отчёты читают по диагонали. Через месяц выясняется, что ИИ-менеджер всё это время неправильно отвечал на один и тот же вопрос.
Почему это опасно. Записи разговоров главный источник улучшений. В них видно, где клиент переспросил, где разговор сорвался, где ответ оказался слабым. Без прослушивания вы настраиваете систему вслепую.
Что делать.
Запуск сразу на весь поток. Если переключить всех клиентов в один день, сравнивать не с чем, и любые выводы остаются ощущениями. Запуск на части потока даёт два потока рядом, и разницу можно измерить.
Нет границы передачи человеку. Если не описано, когда разговор уходит менеджеру, клиенты либо застревают у ИИ-менеджера дольше нужного, либо всё валится на людей. Граница задаётся письменно и уточняется по записям.
Нет замеров до старта. Без исходной точки через месяц невозможно сказать, стало лучше или хуже. Посчитайте формулами: время от заявки до первого контакта, долю обращений без ответа, долю дошедших до встречи. Результат запишите.
Почти за каждой неудачной историей стоит одно и то же: ожидания собрались из рекламы и разговоров на конференциях, а не из практики. Звучит красиво: ИИ сам найдёт клиентов, сам позвонит, сам закроет сделки. Руководитель мысленно уже планирует сократить расходы и ждёт отчёта о победе.
Реальная картина другая, и она не хуже, просто устроена иначе. ИИ-менеджеры звонят и переписываются с клиентами круглосуточно, отвечают по базе знаний, фиксируют результат и предлагают следующий шаг. ИИ-помощник по базе находит, с кем сейчас перспективнее работать. Лидогенерация ищет компании по сигналам и пишет каждой персонально. ИИ-руководитель отдела продаж держит воронку и готовит отчёты. Но каждая из этих частей работает на том материале, который вы ей дали: на вашей базе знаний, вашем учёте и ваших правилах.
Чтобы остудить ожидания, помогает один приём. Перед запуском запишите, каких изменений вы ждёте, и привяжите каждое к замеру: время до первого контакта, доля обращений без ответа, доля дошедших до встречи. Через некоторое время сравните. Это возвращает разговор с уровня "кажется, работает" на уровень "вот что изменилось, а вот что ещё нет".
Чтобы не оставаться в теории, представьте две гипотетические компании, которые запускают одну и ту же систему.
В первой собственник поручает запуск менеджеру "по совместительству", даёт ему пару страниц с сайта вместо базы знаний, не трогает учёт и радуется, что запуск занял мало времени. Через некоторое время клиенты жалуются на странные ответы, менеджеры говорят, что ИИ-менеджер ничего не понимает, и собственник делает вывод, что технология сырая.
Во второй собственник сначала фиксирует исходные замеры, назначает хозяина процесса с выделенным временем, просит лучших менеджеров надиктовать разговоры, приводит в порядок этапы воронки и запускает систему на одном потоке заявок. Каждую неделю хозяин процесса слушает выборку записей, закрывает замечания и расширяет базу знаний. Первые разговоры тоже далеки от идеала, но каждая ошибка превращается в правку, а не в разочарование.
Технология в обеих историях одна. Разница в том, что во второй компании её встроили в работу людей, а в первой повесили рядом.
Ответьте честно, лучше письменно. Каждое "нет" это не запрет, а задача.
Если хотя бы на один вопрос ответ "нет", начните с него. Так лучше, чем запустить внедрение ИИ в бизнес, разочароваться и сделать вывод, что технология бесполезна.
Чтобы оценить, с чем вы будете работать, позвоните на демо-линию, ответит ИИ-менеджер. Задайте обычный вопрос, потом неудобный, перебейте, смените тему.
Позвоните на демо-линию, где отвечает ИИ-менеджер, и посмотрите на странице ИИ-отдела продаж, какие шаги нужны от компании, чтобы запуск не споткнулся.
Или позвоните на демо-линию +7 980 976-90-03 — ответит ИИ-менеджер. Задайте вопрос не по сценарию, перебейте, попробуйте сбить с темы.
Чаще всего причина в самом внедрении: нет базы знаний, нет порядка в учёте клиентов, нет ответственного за процесс, от системы ждут чуда и не слушают записи разговоров.
Пять главных: пустая база знаний, беспорядок в учёте, отсутствие хозяина процесса, ожидание волшебства и игнорирование записей. Реже встречаются запуск сразу на весь поток и отсутствие замеров до старта.
С замеров текущего состояния, назначения ответственного и сборки базы знаний. Затем приводят в порядок учёт, описывают границу передачи человеку и запускают систему на части потока.
Подходит, если есть хозяин процесса и хотя бы минимальный порядок: один способ фиксировать обращения и понятные этапы. Малому бизнесу ИИ-менеджер особенно полезен, потому что менеджеров мало и рутина съедает их день.