ИИ в продажах: какие задачи отдать нейросети, а какие оставить людям

Что показывают данные: какая работа с клиентами сокращается

В начале октября аналитическая компания Revelio Labs опубликовала исследование о занятости в колл-центрах. Это не опрос, а оценка по собственным данным Revelio о численности персонала, зарплатах и переходах между работами в крупнейших странах колл-центрового рынка. Главные цифры:

• число сотрудников колл-центров в мире на 5,3% ниже пика декабря 2023 года – после более чем десяти лет роста;
• из 70 квартальных замеров с 2009 года численность падала к прошлому году только восемь раз, и все восемь – в последние восемь кварталов подряд, причём последний квартал показал самое глубокое падение;
• снижение началось в странах с высоким доходом и постепенно дошло до стран со средним и низким доходом, хотя в Китае и Нигерии численность ещё растёт.

Важнее всего для руководителя продаж другое наблюдение. В 12 странах со средним доходом, которые Revelio разбирает отдельно, за последний год выросли смежные профессии: customer success и работа с клиентами – на 7,2%, техподдержка – на 2,6%. Customer success авторы описывают как «менее рутинную и более построенную на отношениях» часть клиентского сервиса. Сокращаются только колл-центры – самая массовая и скриптовая работа с клиентами.

Сокращение при этом идёт не через увольнения, а через найм: с ноября 2022 года, когда вышел ChatGPT, в этих 12 странах приток новых сотрудников в колл-центры упал с 25,1 до 17,2 на 100 работников. Компании просто меньше нанимают.

Почему это не доказательство и не российская статистика

Две оговорки, без которых цифры легко пересказать неверно.

Первая – причинность. Авторы прямо пишут, что снижение «наверняка многофакторное»: это может быть и коррекция после найма в пандемию, и общее сокращение расходов при высоких ставках. И признают, что «не могут увидеть, какие компании заменяют людей чат-ботами». Довод в пользу ИИ косвенный: до ChatGPT численность колл-центров шла вровень с остальной офисной работой, а после – отстала, хотя остальная офисная занятость продолжает расти.

Вторая – география. Данные мировые, по России отдельных цифр в исследовании нет, и это не статистика отделов продаж B2B. Мы используем её как ориентир, а не как прогноз для вашей компании.

Ориентир, по нашему мнению, понятный: первой уходит к автоматизации работа, которая состоит из повторяемых шагов по сценарию. Работа, где нужно понять клиента и выстроить отношения, пока растёт.

Искусственный интеллект в отделе продаж: что отдать, что оставить

Применим этот принцип к типовому B2B-отделу из 3-15 менеджеров. Мы делим задачи на три группы. «Отдать ИИ» – машина делает целиком, человек проверяет выборочно. «ИИ помогает» – машина готовит, решение принимает человек. «Оставить человеку» – ИИ здесь в лучшем случае подсказчик.

Задача	Кому	Кто проверяет результат
Расшифровка звонков и встреч	Отдать ИИ	Менеджер – в спорных местах
Краткий итог звонка и договорённости в карточку CRM	Отдать ИИ	Менеджер подтверждает перед отправкой клиенту
Задачи и напоминания по следующему шагу	Отдать ИИ	Руководитель – по просроченным задачам
Черновик письма или КП после разговора	ИИ помогает	Менеджер правит и отправляет
Первичная разметка входящих заявок (целевая или нет, тема, срочность)	ИИ помогает	Менеджер, который берёт заявку
Проверка звонков по чек-листу и поиск повторяющихся возражений	ИИ помогает	Руководитель – перед выводами о менеджере
Подготовка к переговорам: история клиента, прошлые договорённости	ИИ помогает	Менеджер
Переговоры о цене и условиях, сложные возражения	Оставить человеку	–
Решения о сотрудниках: премии, санкции, увольнение	Оставить человеку	–
Отношения с ключевыми клиентами	Оставить человеку	–

Почему так. В первой группе ошибка ИИ дешёвая и быстро видна: неточность в расшифровке менеджер заметит, задачу в CRM поправит за минуту. Во второй ошибка уже стоит денег или репутации – неверная цена в письме, неправильный вывод о менеджере, – поэтому финальное слово за человеком. В третьей ИИ не отвечает за последствия, а клиент и сотрудник ждут разговора с человеком.

Отдельно о проверке звонков. ИИ может прочитать все разговоры, а не только те, что руководитель успел послушать, и разметить их по чек-листу. Но вывод «менеджер плохо отрабатывает возражения» должен сделать руководитель, прослушав конкретные места. Как выстроить такой разбор, мы описали в статье об анализе звонков за месяц.

Нейросети для отдела продаж: с чего начать внедрение

Порядок, который мы считаем самым безопасным, – от задач, где ошибка дешёвая, к задачам, где она дорогая.

1. Посчитайте, куда уходит время. Неделю попросите менеджеров отмечать, сколько они тратят на заполнение CRM, письма после звонков и поиск истории клиента. Для ориентира: в опросе Salesforce State of Sales 2026 (4 050 сотрудников продаж из 22 стран, без России, опрос августа-сентября 2025 года) продавцы в среднем тратят на сами продажи 40% времени.
2. Начните с расшифровки и итогов звонков в CRM. Это первая группа таблицы: эффект виден сразу, риск минимальный.
3. Проверьте качество на своих звонках. Возьмите 20-30 разговоров, сравните итог от ИИ с тем, что помнит менеджер. Где расходится – почему: плохая связь, профессиональные термины, перебивания.
4. Подключите проверку звонков по чек-листу. Начните с 4-6 вопросов, ответ на которые – «да», «нет» или цитата клиента. Чем проще критерий, тем надёжнее его проверяет ИИ.
5. Только потом – помощь в переговорах и прогнозах. Когда данные в CRM стали полными и вы доверяете разметке звонков.

Если хотите увидеть, как выглядит разбор на вашем материале, можно загрузить свой звонок.

Как понять, что ИИ в продажах работает

Мерить стоит не «внедрили ИИ», а изменения в работе отдела. Через месяц-два сравните с исходной неделей:

• время менеджера на рутину – сколько часов в неделю ушло на CRM и письма;
• полнота CRM – у какой доли сделок после звонка есть итог и следующий шаг с датой;
• потерянные договорённости – сколько обещаний клиенту («пришлю расчёт», «перезвоню в четверг») не превратились в задачу;
• доля проверенных звонков – сколько разговоров руководитель видит в разборе, а не только по жалобам;
• конверсия по этапам – меняется ли переход из «первый звонок» в «предложение» у менеджеров, с которыми вы работали по разбору.

Если время на рутину сократилось, а конверсия не изменилась – освободившиеся часы ушли не в разговоры с клиентами. Это вопрос к организации работы, а не к ИИ.

Частые вопросы

Заменит ли ИИ менеджера по продажам?

По данным Revelio, сокращается прежде всего самая скриптовая работа с клиентами, а работа, построенная на отношениях, растёт. В B2B-продажах с длинным циклом сделки менеджер ведёт переговоры и отвечает за отношения – по нашему мнению, эту часть работы ИИ пока на себя не берёт. Меняется состав работы: меньше ручного заполнения, больше разговоров и проверки того, что подготовила машина.

С чего начать внедрение ИИ в отделе продаж?

С задачи, где ошибка дешёвая и эффект виден за неделю, – обычно это расшифровка звонков и итоги разговоров в CRM. Перед стартом зафиксируйте исходные цифры: время на рутину и полноту CRM. Иначе через месяц не с чем будет сравнить.

Можно ли доверять оценке звонка, которую сделал ИИ?

Как разметке – да, если критерии простые и проверяемые: назван ли следующий шаг, прозвучало ли возражение. Как основанию для решения о сотруднике – нет: прежде чем делать вывод, руководитель слушает конкретные фрагменты. Проверьте точность на 20-30 своих звонках, прежде чем опираться на автоматическую оценку.

Нужен ли программист, чтобы подключить нейросеть к продажам?

Для готовых сервисов, которые работают с вашей телефонией и CRM, обычно нет: подключение идёт через стандартные интеграции. Программист нужен, если вы строите собственное решение на моделях через API. Как устроена работа с записями звонков у нас, описано в разделе «Как это работает».