> ## Content Index
> Fetch the complete content index at: https://admin.kod.ru/llms.txt
> Use this file to discover other available public pages before exploring further.

# Что поручить ИИ после разговора с клиентом — и где он уже лишний
- URL: https://admin.kod.ru/chto-poruchit-ai-posle-razgovora-s-klientom/
- Published: 2026-09-04T11:00:42.000Z
- Updated: 2026-09-04T11:00:42.000Z
- Description: Какие задачи после общения с клиентом действительно можно передать ИИ, а где решение всё равно должно оставаться за менеджером и руководителем отдела продаж.
- Author: Слетать.ру
- Tags: Блоги

Михаил Иванов, руководитель B2B-продаж «Слетать.ру», рассказывает, какие задачи после общения с клиентом действительно можно передать ИИ, а где решение всё равно должно оставаться за менеджером и руководителем отдела продаж.

Когда компании начинают экспериментировать с ИИ в продажах, первым делом обычно показывают что-нибудь эффектное. Нейросеть пишет письмо, делает саммари звонка, предлагает скрипт или за несколько секунд превращает длинный разговор в аккуратный текст.

Выглядит убедительно. Но в реальной работе продавца **есть более приземлённая проблема**.

Допустим, клиент обозначил условие. Менеджер пообещал прислать расчёт. Ещё договорились вернуться к вопросу после внутреннего совещания клиента.

Проходит день. В CRM написано «думает». Задача есть, но без даты. Прогноз по сделке не изменился. Сам разговор при этом мог пройти хорошо.

И вот здесь ИИ становится интересен не как «виртуальный продавец», а как инструмент, который помогает не потерять то, о чём люди только что договорились.

## После одного звонка нужны два разных результата

У менеджера и руководителя отдела продаж после клиентского контакта разные задачи.

Менеджеру нужен понятный рабочий итог: что важно клиенту, какие условия уже подтверждены, что осталось открытым, кто и что должен сделать дальше.

РОПу совершенно не обязательно читать расшифровку каждого разговора.

**Ему интереснее другое: где что-то пошло не так**.

Например:

- клиентская задача понятна, а следующего события нет;
- менеджер обещал отправить материал, но срок уже прошёл;
- изменилась сумма или дата, а прогноз остался прежним;
- решение зависит от человека, которого ещё даже не подключили;
- одна и та же проблема повторяется сразу у нескольких сотрудников.

Источник при этом один: звонок, встреча или переписка. Но результат из него нужен разный.

Для менеджера ИИ может сократить путь от разговора до следующего действия. Для руководителя — подсветить места, где реальные договорённости уже разошлись с тем, что происходит в процессе. 

Это принципиально разные задачи.

![](https://admin.kod.ru/content/images/2026/09/-------1.jpg)

## Мы сначала попытались свести всё к одному баллу. Не получилось

В одном из внутренних проектов мы калибровали пилотный стандарт качества B2B-диалогов сразу для двух направлений.

Первая версия была довольно очевидной: взять разговор и дальнейшее ведение сделки и свести всё к одной итоговой оценке. На практике **эта логика быстро начала ломаться**.

Один пропущенный следующий шаг мог несколько раз снижать итоговый результат. Отметка «не применимо» трактовалась по-разному. Хорошо заполненная CRM могла скрывать слабый разговор. А качественный разговор, наоборот, соседствовать с плохо оформленным следующим шагом.

В итоге один средний балл не объяснял, что именно сломалось. Поэтому **методику разделили на два независимых контура**.

- Первый — качество самого диалога: задача клиента, критерии выбора, договорённости, открытые вопросы.
- Второй — то, что произошло после: запись в CRM, действие и дата, ответственный, изменение прогноза.

**Для разных типов звонков появились свои профили**. Для «не применимо» стало обязательным пояснение. Один дефект учитывается один раз. Часть выборки проходит двойную проверку.

И **важный момент**: пилот нужен для калибровки правил, а не для рейтинга сотрудников или санкций. Смысл такого разделения простой: сначала понять причину сбоя, а уже потом решать, что с ней делать.

![](https://admin.kod.ru/content/images/2026/09/------.jpg)

## Что ИИ может сделать для менеджера

До разговора помощник может собрать контекст из разрешённых источников: предыдущие договорённости, открытые вопросы, обещания сторон, изменения в карточке клиента.

При этом задача не в том, чтобы написать менеджеру жёсткий сценарий разговора. **Полезнее подсветить пробелы**.

Кто на самом деле принимает решение? Какое событие определяет срок? Что клиент уже отверг? Какие данные ещё нужно уточнить?

После разговора хороший результат тоже довольно конкретный.

- Во-первых, факты со стороны клиента: его задача, ограничения, критерии выбора, участники и сроки. Только то, что действительно прозвучало.
- Во-вторых, обязательства сторон: что пообещал менеджер и какое действие подтвердил сам клиент.

Дальше — следующий шаг: что сделать, когда, кто отвечает и по какому каналу продолжить общение. Плюс открытые вопросы и риски, которые нельзя закрыть догадкой. И только после этого — черновики резюме, follow-up и изменений в CRM.

Здесь для меня ключевое слово — **черновики**. Если модель неправильно распознала сумму, дату или участника сделки, автоматическая запись не исправит проблему. Она просто быстрее перенесёт ошибку дальше.

Поэтому последнее подтверждение остаётся за человеком.

## А руководителю не нужен ещё один архив расшифровок

С РОПом ситуация другая.

Если ИИ просто собирает для него все разговоры менеджеров в одну большую папку, ценность довольно сомнительная. Руководитель и без того не страдает от нехватки информации.

Ему нужна короткая очередь ситуаций, где действительно требуется внимание.

По каждой из них должно быть понятно: что произошло, как это может повлиять на сделку или прогноз, кто отвечает за следующий шаг и до какого момента вмешательство вообще имеет смысл.

В этом случае **ИИ снимает с руководителя не саму управленческую работу, а поиск материала для неё**.

Решение всё равно остаётся за РОПом: подключаться ли к переговорам, менять ли приоритет, пересматривать ли прогноз, какой навык разбирать с сотрудником.

ИИ здесь полезен до момента принятия решения. Не вместо него.

## Голосовые сообщения: хороший пример границы

Один из случаев был совсем бытовым.

Потенциальный партнёр прислал четыре голосовых сообщения с вопросами о формате работы, документах и условиях. ИИ локально расшифровал сообщения, собрал вопросы в одну структуру и подготовил черновик ответа.

Для менеджера это уже ощутимая экономия времени: не нужно несколько раз переслушивать голосовые и вручную собирать из них список вопросов. Но на проверке в черновике обнаружилась формулировка об отсутствии штрафов при досрочном прекращении.

Она не была подтверждена. Такую вещь уже нельзя просто отправить клиенту — сначала нужно свериться с договором. В итоге ИИ сделал полезную часть работы: разобрал входящий материал и подготовил структуру ответа. Но обещание клиенту от своего имени не дал.

Именно так, на мой взгляд, и должна проходить граница.

## Ещё одна проблема — когда сами данные устарели

Другой внутренний проект был связан с управленческим экраном, который собирал данные из нескольких источников. В какой-то момент система дала сразу два ложных сигнала.

Устаревший срез CRM показал отсутствие продаж в одном направлении. А изменившаяся структура еженедельной таблицы привела к тому, что факты разных продуктов объединились.

Если смотреть только на итоговую цифру, можно было сделать вполне убедительный — и неправильный — вывод. Пришлось развести источники.

Денежный факт берётся из рабочей таблицы. Воронка и действия — из CRM. Рядом показывается актуальность данных.

Если информация устарела, система не подставляет ноль и не пытается решить за руководителя, что произошло. Она показывает, что есть ограничение или расхождение.

Для ИИ-помощника это особенно важно. Любой управленческий сигнал должен отвечать хотя бы на два вопроса: откуда взялись данные и насколько они актуальны.

Если источники расходятся, задача системы — показать расхождение, а не замаскировать его красивым выводом.

## Что я бы точно не отдавал ИИ

Есть задачи, где автоматизация выглядит особенно соблазнительно, но риск ошибки уже слишком дорогой.

ИИ может найти нужный фрагмент разговора, сопоставить его с правилами процесса, подготовить текст или обратить внимание на отклонение.

- Но самостоятельно обещать клиенту скидку — нет.
- Менять коммерческие условия — нет.
- Переносить сумму в прогноз без подтверждения — тоже нет.

Так же как приписывать клиенту мотивы или делать кадровые выводы о сотруднике по одному разговору.

Есть и **отдельный вопрос доступа к информации**.

Записи разговоров, контакты и коммерческие условия должны обрабатываться только в утверждённом контуре. Для аналитики имеет смысл использовать минимально необходимый набор данных, а не размножать полные расшифровки и персональную информацию по таблицам и рабочим чатам.

## Как начать без большого «ИИ-проекта»

Я бы вообще не начинал с покупки универсального «ИИ-продавца». Проще взять одно конкретное событие: закончился содержательный разговор с клиентом. И посмотреть, что должно произойти после него.

**Менеджеру нужен проверяемый рабочий итог. Руководителю — список отклонений, где его вмешательство ещё может что-то изменить**.

Дальше можно зафиксировать обязательный формат: факты, обязательства сторон, следующий шаг, открытые вопросы, изменение прогноза.

Перед записью в CRM и отправкой сообщения клиенту оставить подтверждение менеджера. РОПу показывать не все разговоры подряд, а только отклонения.

А первые недели отдельно смотреть, что сотрудники исправляют в предложениях модели и с какими выводами не согласны. Это хороший материал для настройки правил. И уже после этого считать эффект.

Например, смотреть, сколько времени проходит от разговора до содержательной записи в CRM. У какой доли сделок есть согласованный следующий шаг. Выполняется ли обещанный follow-up. Насколько быстро изменения попадают в прогноз. И как часто сотрудникам приходится исправлять то, что предложил ИИ.

**Это куда полезнее, чем просто считать количество сгенерированных текстов**.

## Главный критерий довольно простой

Если после внедрения ИИ текстов стало больше, а после разговора с клиентом всё ещё непонятно, кто, что и когда должен сделать, большого смысла в такой автоматизации нет. Это просто ещё один сервис генерации контента.

**Полезный инструмент начинается в другом месте**: когда после контакта остаются проверенные факты, обязательства и следующий шаг. А руководитель узнаёт об отклонении не тогда, когда сделка уже потеряна, а пока ещё может на неё повлиять.