ИИ-ассистент для отдела продаж

Что делает ИИ-ассистент отдела продаж: заявка, подбор, документ, заказ в 1С

День менеджера по продажам собран из повторяющихся действий: прочитать заявку, найти позиции, собрать документ, перенести всё в учётную систему. Эту часть дня забирает ИИ-ассистент отдела продаж. Спорная позиция, цена и разговор с клиентом остаются за человеком.

Заявка в любом виде: письмо, фото листа, пересылка из чата, PDF, Excel

Клиент присылает список без артикулов письмом, фотографирует рукописный лист, пересылает переписку из чата, отправляет PDF от снабженца или Excel со своими колонками. Все пять форм сводятся к одной структуре: строка, количество, характеристики — так же, как при извлечении данных из входящих документов.

Подбор позиций: что уходит в корзину сразу, а что менеджер подтверждает

У каждой найденной позиции есть уровень уверенности, и от него зависит судьба строки:

• высокая — позиция уходит в корзину сама;
• средняя — менеджер выбирает из 2⁠–⁠3 вариантов одним нажатием;
• низкая — ассистент задаёт уточняющий вопрос вместо догадки.

Замены ушедших брендов и кратность упаковки разбираются там же, где подбор позиций по каталогу.

Квалификация обращения: данные собраны до подключения менеджера

Управляемый диалог — сценарий, по которому ассистент сам задаёт вопросы, — собирает то, чего нет в первом обращении: объект, сроки, объём, кто принимает решение. Менеджер открывает заполненную карточку; часть обращений до него не доходит вовсе, если настроены ответы на типовые вопросы клиентов.

Документ по шаблону и заказ в 1С

Когда данные по сделке собраны, документ по корпоративному шаблону складывается из них — в вебе и в PDF. Готовая корзина переносится в 1С без ручного ввода; позиция, в которой ассистент не уверен, ждёт решения менеджера и в заказ не попадает.

Один стандарт работы на весь отдел

Правила подбора и сценарии диалога общие для всех: новичок в дальнем филиале ведёт заявку так же, как менеджер с десятилетним стажем. В проекте оптового дистрибьютора инженерных систем на едином каталоге держатся 60 филиалов.

У каждого значения есть ссылка на место в исходнике — строку письма или участок скана, подтверждения пишутся в журнал. За условиями договора и действующим прайсом работает поиск по внутренним документам компании.

Откуда приходит заявка и куда уходит результат

Данные ассистент берёт там, где они уже лежат. На пилоте хватает выгрузок, постоянное подключение настраиваем при полном внедрении. Какими способами нейросеть связывают с учётной системой и какие ещё задачи она решает рядом с учётом — сценарии ИИ для 1С.

Ответ с опорой на найденные записи называют RAG (Retrieval-Augmented Generation). Как модель отвечает по вашим данным, Dzeta AI разобрала в отдельной статье.

Наши проекты: дистрибьютор инженерных систем и производитель металлоконструкций

Портфель Dzeta AI — 50+ реализованных проектов в 8 отраслях. К работе отдела продаж ближе всего два из них.

Оптовый дистрибьютор инженерных систем: 300+ менеджеров проверяют подобранное

У оптового дистрибьютора инженерных систем с заявками ежедневно работают более 300 менеджеров, 60 филиалов держатся на едином каталоге, в поисковом индексе 389 тысяч позиций. Раньше заявка приходила четырьмя способами — список без артикулов, фото рукописного листа, пересылка из чата с артикулами ушедших брендов, вопрос на подбор, — и каждую позицию менеджер искал руками.

Команда Dzeta AI свела все четыре формы к единой структуре и положила поверх поиска правила дистрибьютора. Цифр эффекта по этому проекту у Dzeta AI нет, результат описан словами:

• более 300 менеджеров проверяют подобранное вместо ручного поиска;
• заявка любого из четырёх видов доходит до заказа в 1С по одному сценарию;
• правила подбора одни на все 60 филиалов.

Производитель металлоконструкций под заказ: бланк на 240 реквизитов заполняется сам

Заказы приходили в четырёх форматах: фото бланка с объекта, скан с печатью, PDF от снабженца, Excel от клиента. Менеджер расшифровывал каждый и вручную заполнял бланк в 1С на 240 реквизитов. Первый слой системы извлекает данные из документа, второй — движок правил компании: комплектация по типу изделия, единицы измерения, обязательные поля. Сомнительные значения попадают в очередь и в заказ не уходят. Базовое решение Dzeta AI внедрила за 30 дней.

Готового проекта по коммерческим предложениям (КП) в портфеле Dzeta AI нет. Ближайшая по механике работа — ИИ-платформа подготовки маркетинговых стратегий: она собирает структурированный документ — разбор рынка, конкурентов и медиаплан — и отдаёт его в вебе и в PDF. Срок подготовки стратегии там сократился с недель до часов, на КП он не переносится.

Сколько стоит ручной разбор заявок и как это посчитать

Ручной разбор заявок переводится в деньги тремя величинами: сколько заявок приходит в день, сколько минут уходит на разбор одной, сколько стоит час менеджера. В модельном примере Dzeta AI это 40 заявок и 30 минут, стоимость часа берут из фонда оплаты труда компании. Промежуточный итог — 20 часов ручной работы каждый день: столько же заняты примерно 2,5 менеджера на полной ставке, а за год набегает порядка 3,9 млн ₽. С ассистентом проверка одной заявки занимает 3⁠–⁠5 минут.

Расчёт модельный и показывает порядок величин: это метод счёта, достигнутым результатом Dzeta AI эти числа не называет. На аудите те же три величины заменяются цифрами заказчика — на них же строится управленческая аналитика по данным учётной системы.

Как внедряют ассистента продаж: аудит, пилот, приёмка

Внедрение идёт этапами, критерии успеха и целевое качество фиксируются до старта на данных заказчика.

Сначала пилот, чтобы проверить гипотезу на ваших данных, и только по его результатам — продуктив. Часть бюджета уходит на подготовку данных: разбор архива заявок, сведение разных написаний одной позиции. Из чего складывается стоимость внедрения — разбор в отдельной статье.

Где работает система и кто видит клиентскую базу

Систему на открытых моделях Dzeta AI разворачивает в контуре заказчика: заявки, цены и клиентская база остаются внутри компании, персональные данные её не покидают (152-ФЗ «О персональных данных»). Свой IT-отдел не нужен: достаточно человека, который может проверить подбор.

Когда ассистент продаж не нужен

Окупается ассистент там, где заявки сохраняются, номенклатура и условия ведутся как данные, а разбор одной заявки отнимает заметное время. Остальные случаи видны ещё на аудите:

• Заявки принимают голосом по телефону и нигде не фиксируют: проект начнётся со сбора данных.
• Номенклатуры и условий как данных нет, они живут в переписке и в головах двух человек.
• Корпоративных шаблонов документов нет, каждый менеджер пишет по-своему: сначала шаблоны, потом автоматизация.
• Задачу закрывает регламент или настройка учётной системы — так и напишем в отчёте по аудиту.
• Со стороны заказчика некому проверять подобранное.