ИИ в CRM-системах: какие задачи могут решать нейросети

Материал подготовил руководитель образовательных проектов в «Битрикс24» Михаил Беляев.

ИИ в CRM — уже не новшество, а часть повседневного процесса продаж. Если в вашем отделе продаж ещё не используют нейросети, возможно, вы много теряете — и вам нужно прочитать эту статью.

В материале для редакции «Маркетинг» Skillbox Media рассказываю:

• почему уже пора внедрять ИИ в CRM;
• в решении каких задач могут помочь нейросети;
• что нужно учесть при внедрении;
• кто должен отвечать за внедрение и как им управлять.

Почему уже пора внедрять ИИ: стабильность — не повод откладывать перемены

Стабильность часто кажется весомым аргументом против перемен. Если сотрудники справляются с нагрузкой, процессы автоматизированы, а прибыль держится на приемлемом уровне, соблазн отложить внедрение новых технологий понятен. Но именно в этот период у компании есть ресурсы для экспериментов и время на адаптацию. В кризис такие шаги даются гораздо труднее.

Нейросети способны ускорять и упрощать работу, а ещё увеличивать выручку. Автоматическая расшифровка звонков, например, в десятки раз быстрее, чем расшифровка вручную, и она обходится почти в десять раз дешевле. При таком соотношении вопрос, внедрять или нет, не стоит, — это уже стандарт оптимизации.

Как показывает опыт «Битрикс24», делегирование процессов нейросетям действительно работает. Приведу в пример один из кейсов: ИИ-помощник сам проанализировал базу клиентов, готовых к новым покупкам, создал для них сделки и добавил рекомендации для менеджеров: что предложить клиенту и как выстроить разговор. Конверсия предложений в повторные сделки составила 23% — бизнес получил дополнительную выгоду.

Ещё начать работу с ИИ проще, чем кажется. Большинство инструментов уже встроены в популярные сервисы — их можно активировать без доработок и программистов. Low-code- и no-code-среды, вайб-кодинг дают возможность быстро собрать прототип, проверить гипотезу и получить результат в цифрах.

С чем ИИ может помочь в CRM‑системах

Все задачи, которые можно решать с помощью нейросетей в CRM, описать невозможно. Если говорить о базовом уровне, например, можно использовать ИИ для автоматической расшифровки звонков, тегирования обращений, классификации тем писем, сегментации клиентов. Эти функции уже сильно экономят время сотрудников.

Также нейросети можно использовать для решения задач, которые раньше считались небольшими или неподходящими для автоматизации. Пример задачи, которая могла показаться неподходящей, — обучение менеджеров. С помощью ИИ можно на основе реальных диалогов создать текстовый или голосовой тренажёр, который сыграет роль клиента, высказывающего типичные возражения. Другой сценарий — автоматическое создание коммерческого предложения на основе телефонного разговора. ИИ может проанализировать беседу и сформировать документ.

Ещё ИИ помогает с решением сравнительно сложных задач — например, с эмоциональным анализом. Сначала система делит звонки по типам: презентация, обсуждение условий, обратная связь, жалоба. Затем подключается анализ эмоций, и становится видно, какой тон преобладает при каждом типе разговора. Это помогает оценить, как менеджеры справляются с претензиями, как удерживают внимание клиента во время обсуждения условий и в каких случаях способны изменить тон беседы с негативного на нейтральный или позитивный.

В зрелых компаниях, где есть большие объёмы данных и их качеству уделяют особое внимание, также можно запускать сценарии прогнозирования. ИИ позволяет прогнозировать вероятность сделки, риск потери клиента, выбирать удачный момент для повторного контакта.

Что нужно учесть при внедрении нейросетей

Перед тем как задуматься о внедрении ИИ в CRM, важно узнать две вещи.

Первая: работа ИИ-сценариев напрямую зависит от качества данных. Поэтому CRM должна содержать полные, корректные и структурированные записи. Дубликаты, пропуски и разрозненные поля в карточках клиентов снижают точность алгоритмов и искажают результат. На подготовительном этапе важно убедиться, что все результаты коммуникации — из звонков, писем, чатов — фиксируются в едином формате и связаны с конкретным клиентом или сделкой.

Вторая: стоит выбирать нейросети, минимально подверженные галлюцинациям. Поскольку работа связана с критичными данными, любая ошибка может привести к финансовым потерям. Небольшие модели, склонные к неточностям, здесь не подойдут.

Модель должна уверенно обрабатывать большие объёмы данных. В CRM-системах взаимодействие с клиентами обычно представляет собой длинную цепочку сообщений, обсуждений и звонков, которые могут длиться десятки минут.

Для некоторых задач могут быть важны и другие параметры. Например, если вы планируете использовать нейросети для подсказок в режиме реального времени или общения с клиентами, крайне важна скорость отклика ИИ. Любое промедление может привести к тому, что подсказка станет неактуальна или ход диалога нарушится.

Кто должен отвечать за эксперимент и как им управлять

Любой эксперимент с ИИ требует управления. Без него даже полезный инструмент забывают. На верхнем уровне управления должен быть спонсор — руководитель, который устанавливает приоритеты и задаёт ожидания. Его задача — не управлять функциональностью, а определить смысл: зачем компании нужен эксперимент и какой бизнес-результат считается успехом.

На уровне подразделения роль менеджера на себя берёт владелец сценария — чаще всего руководитель продаж, руководитель клиентского сервиса или операционный директор. Он выбирает кейсы для теста, определяет параметры, контролирует использование инструментов, собирает отклики команды. Такая двухуровневая схема создаёт баланс — стратегический сигнал сверху и практическое управление снизу.

Как сделать внедрение нейросетей успешным? Роль лидера — создать среду, в которой эксперименты возможны. Важно не проверять каждое действие, а поддерживать инициативу и фиксировать результаты. Используйте для этого открытые метрики. Когда команда видит, какие показатели отслеживаются и как они меняются, эксперименты перестают восприниматься как временные «игры с технологиями».

Основные индикаторы успеха всегда связаны с клиентом и эффективностью процессов. Оценивайте, например, полноту обработки обращений — долю заявок, доведённых до конца без потерь. Также важна скорость первого ответа: это один из самых точных индикаторов качества сервиса. А конверсия первичных и повторных сделок покажет, насколько ИИ помогает выстраивать отношения, а не просто ускоряет операции.

Отдельное внимание уделите сокращению рутины. Время, которое сотрудники освобождают благодаря автоматизации, напрямую отражает эффект от применения инструментов.

Как внедрять ИИ? Применяется классический цикл «гипотеза — проверка — корректировка — запуск». Придумали идею, протестировали на ограниченной выборке, оценили эффект, привели к рабочему формату. Этот процесс не требует отдельной команды автоматизации.

Всё, что нужно сделать руководителю, — сформулировать задачу, выбрать сценарий и оценить эффект. Если идея подтверждается — сокращается время отклика, растёт конверсия, повышается качество обработки, — это станет аргументом, который повысит приоритет задачи в очереди на полноценное внедрение.

После внедрения базовых инструментов вроде автоматической расшифровки звонков появится зона, в которой могут родиться уникальные решения. Руководитель становится инициатором экспериментов — ищет пересечения возможностей ИИ с процессами команды.