«ИИ помог сэкономить около $ 80 тысяч на зарплатах менеджеров и почти вдвое поднял конверсию». Как и зачем бизнес использует ИИ в продажах и клиентской поддержке

Искусственный интеллект прочно закрепился в клиентской поддержке и продажах крупных корпораций, обеспечивая скорость и эффективность. Однако малый и средний бизнес только начинает осваивать этот инструмент, который способен радикально изменить их взаимодействие с клиентами. Евгений Ланин, основатель компании MindLab, убежден: «Через пару лет, обращаясь в белорусский интернет-магазин или клинику, вы, скорее всего, будете общаться с ИИ». Его компания помогает предпринимателям эффективно внедрять ИИ в бизнес-процессы и увеличивать конверсии за счет скорости и содержания ответов. «Про бизнес» поговорил с Евгением о том, как использовать ИИ, чтобы бизнес получил конкурентное преимущество и зарабатывал больше.

«В среде малого и среднего бизнеса ИИ подходит не всем»

— Моя карьера стартовала в области продаж для аутсорсинговой ИТ-компании на втором курсе университета. Там за годы работы я провел около тысячи переговоров с клиентами и даже закрыл самую крупную сделку в их истории — на сумму свыше $ 120 тысяч. Этот опыт помог понять, на чем строятся продажи и как закрывать сделки с любыми клиентами. Параллельно я помогал своему знакомому внедрять искусственный интеллект в его бизнес — компанию, занимающуюся чисткой штор: корректировал воронку продаж, разрабатывал скрипты общения и адаптировал ИИ под бизнес-процессы. Это и есть ключ к успеху: ИИ работает только тогда, когда он полноценно встроен во внутренние процессы. Мы интегрировали стороннее решение, которое для простоты можно назвать чат-ботом, хотя на деле это гораздо более сложный инструмент. Система подключалась к Instagram, куда шел поток заявок от рекламных кампаний, и обрабатывала входящие сообщения вместо менеджера. Мы подключили ее к CRM-системе Bitrix24, чтобы все данные о клиентах автоматически попадали в нужные процессы. Результат оказался впечатляющим: клиенты стали записываться на снятия штор в 2 раза чаще, а время на ответ снизилось с часов до минуты. Конверсия в запись на выезд выросла почти вдвое. Именно тогда я понял, что искусственный интеллект — это не просто технология, а инструмент, который радикально меняет взаимодействие между бизнесом и клиентом. Этот опыт вдохновил на создание собственной компании, которая занимается внедрением ИИ в бизнес-процессы.

Я думаю, что через 3−5 лет ИИ охватит до 70% рынка интеграций в CRM-системы, таких как Bitrix24, где целевая аудитория — малый и средний бизнес. Остальные 30% не смогут использовать потенциал технологии, так как не в каждом бизнесе готова инфраструктура для внедрения ИИ. Это значит, что если через пару лет вы напишете в интернет-магазин или клинику, скорее всего, вам ответит ИИ. По мере развития технологий доверие к таким системам будет только расти, и клиенты станут предпочитать их за скорость и качество. Крупные корпорации также не останутся в стороне от тренда, но я не вижу в этом сегменте коммерческого потенциала для своей компании, так как им проще разрабатывать собственные продукты для внутреннего пользования. Но и в среде малого и среднего бизнеса ИИ подходит не всем. В проектах, где нет входящих обращений, например, в B2B с холодными продажами пока нет смысла полагаться на чат-боты. Аналогичная ситуация с проектами, где присутствуют длинные и сложные бизнес-процессы, например, менеджеры для ответа клиенту сверяют информацию из 5 разных систем (наличие, скидки, программа лояльности, календарь и т.д.) или ведут постоянное общение с одними и теми же клиентами, где важны личные отношения. ИИ идеально работает в B2C-сегментах с высокой импульсивностью и коротким циклом сделки: интернет-магазины, образовательные услуги, HoReCa, туризм, салоны красоты, клиники, автосервисы. В B2B он тоже может быть полезен, если клиенты сами пишут и нужно сэкономить время менеджера, например, для первичной квалификации и записи на встречу. В нашем случае в работу идут только те проекты, где поступает минимум 1000 обращений в месяц от клиентов и в компании находится 5−6 менеджеров отдела продаж. При таких вводных бизнес окупает проект в среднем через 3−4 месяца.

«Часто компании пытаются загрузить в модель огромный объем данных, ожидая, что она сама разберется»

Каждая компания, которая захочет внедрить себе ИИ на первую линию продаж\поддержки, вероятно, столкнется с одной и той же проблемой — ошибки со стороны ИИ. Причина — технология не встраивается в бизнес-процессы. Например, если клиент присылает фото украшения и спрашивает о его наличии и стоимости, менеджер обычно выполняет ряд действий: идентифицирует товар, проверяет его в учетной системе (например, 1С или на физическом складе), а затем дает ответ. ИИ должен пройти тот же путь, но для этого ему нужны структурированные данные и доступ к системам. Если у компании нет оцифрованных процессов, регламентов или инфраструктуры, ИИ начинает ошибаться: путает сроки, стоимость или условия. Это приводит к недоверию клиентов и потере всех преимуществ технологии. Например, многие сталкивались с банковскими чат-ботами, которые часто вызывают раздражение из-за своей неспособности решать сложные запросы. Почему так происходит? Такие системы либо не имеют доступа к нужным данным, либо не могут выполнять нетривиальные действия. Если клиент просит перевести его из одного филиала в другой, то бот просто не адаптирован под такие задачи. Чтобы избежать подобных проблем, необходимо изучить историю переписок, кластеризовать вопросы и подготовить базу знаний, которая покрывает реальные потребности клиентов. В таком случае ИИ действительно сможет встроиться в процессы компании, а не будет простым чат-ботом с кучей ошибок.

Еще одна вероятная сложность — перегрузка контекста моделей. Часто компании пытаются загрузить в модель огромный объем данных, ожидая, что она сама разберется. Но это не так: чем больше информации, тем чаще ИИ теряет фокус, путается в приоритетах и ошибается. Необходимо тщательно отбирать и структурировать данные, чтобы модель работала с ограниченным, но точным набором информации. ИИ работает на основе теории вероятностей, и даже при одинаковых запросах он может давать разные по форме ответы. Иногда это приводит к ошибкам, например, пропуску какой-то функции. Здесь задача — минимизировать такие сбои, чтобы точность ответов была максимально высокой, хотя 100%-й точности не бывает даже у лучших моделей. Контроль за работой ИИ зависит от подхода компании-клиента. Некоторые пытаются проверять каждый ответ, но это ошибка: если система отрабатывает 95−98% запросов корректно, это уже в разы эффективнее, нежели обработка со стороны человека. Важно психологически подготовить бизнес к тому, что ИИ может ошибаться, но при правильной настройке ошибки минимальны. Чрезмерный контроль превращает ИИ в обычный чат-бот с жесткими сценариями, что лишает его гибкости.

«Исследования показывают, что если клиент сразу узнает, что говорит с ИИ, конверсия падает на 80%»

Процесс внедрения ИИ в бизнес занимает в среднем около 6 недель и состоит из трех ключевых этапов. Первый — анализ бизнес-процессов компании. Проводится аудит текущих процессов в компании: сценарии действий, цели бота, точечные ситуации в работе с клиентами. Второй этап — создание базы знаний. Анализируются переписки с клиентами за последний год, кластеризуются вопросы клиентов (стоимость, сроки или программы) и готовятся структурированные ответы именно под те запросы, которые задают клиенты. Третий этап — интеграция с CRM-системой, чтобы бот мог создавать карточки сделок, двигать их по статусам, заполнять информацию и уведомлять менеджеров о совершении целевых действий. В некоторых проектах используются мультиагентная система: например, один бот в образовательном проекте отвечает за летний лагерь, другой — за обучение взрослых, третий — за детей. Это позволяет избежать путаницы и повысить точность ответов.

Результаты внедрения ИИ могут быть впечатляющими. Например, для крупной школы английского языка мы увеличили конверсию в получение номера телефона с 25% до 39% — это почти двукратный рост. Такой результат стал возможен благодаря двум факторам: во-первых, мы улучшили их воронку продаж, сделали ее более продающей. Во-вторых, были переработаны скрипты общения, став более убедительными и мотивирующими к целевому действию. В другом проекте, связанном с компанией в сфере клининга, мы интегрировали ИИ для обработки входящих заявок через Instagram, подключив систему к Bitrix24. Если раньше среднее время ответа составляло 2−3 часа, то после внедрения оно сократилось до минуты, а конверсия в запись на выезд выросла почти в два раза. Это позволило компании обрабатывать до 500 обращений в месяц без необходимости расширения штата. Окупаемость проекта составила всего 2−3 недели, а ежемесячная экономия за счет отказа от найма дополнительных менеджеров достигла около 10 тысяч BYN в месяц или примерно $ 40 тысяч в год.

Но главный пример, который я всегда упоминаю в ходе переговоров, — проект для компании из сферы e-commerce с ярко выраженной сезонностью. Обычно в высокий сезон она нанимала до 40 менеджеров технической поддержки, которых нужно было обучить за три месяца до старта сезона, а после его окончания — уволить. Затраты на зарплаты этих сотрудников составляли около $ 700 на человека в месяц, что за пять месяцев сезона приводило к расходам в $ 100 тысяч. После внедрения ИИ количество менеджеров удалось сократить до 5−10, оставив их только для решения сложных вопросов, а основную часть рутинной работы передали системе. Это позволило компании сэкономить до 80% этих затрат, т.е. около 80 тысяч за сезон, при этом сохранив высокий уровень клиентского сервиса, так как ИИ работает 24/7, не устает и не допускает ошибок из-за человеческого фактора.

Важнейший аспект внедрения ИИ — восприятие конечного потребителя. Исследования показывают, что если клиент сразу узнает, что говорит с ИИ, конверсия падает на 80%. Общение должно быть естественным, с человеческим именем и тоном, который вызывает доверие. Для клиента главное — решить свою задачу быстро и качественно, и, если такая возможность предоставляется, ему по большому счету, уже неважно, кто отвечает: человек или ИИ. Вопрос безопасности данных часто волнует клиентов, однако внутренне ядро в этом плане полностью защищено. Персональные данные шифруются, хранятся на белорусских серверах и не передаются в LLM-модели, что делает решение надежным даже для таких чувствительных ниш, как медицинские клиники.

«Мы развиваемся только на собственные средства, и это заставляет нас быть максимально эффективными»

Стоимость наших услуг начинается от $ 5000. Бизнес-модель состоит из двух частей: сначала мы делаем внедрение и адаптацию ИИ в бизнес-процессы, а далее начинаем сопровождать проект, где клиент покупает у нас результат. Например, клиента, согласившегося на пробное занятие и оставившего свой номер телефона. Таким образом, наша мотивация завязана на том, чтобы повышать показатели эффективности продаж, а все расходы на обслуживание и сопровождение ИИ мы берем на себя. По сути, у нас не клиенты, а долгосрочные партнеры, для которых мы приносим ценность, и получаем % от этого. До конца года мы стремимся достичь выручки в $ 100 тысяч. Это наша стартовая точка. В долгосрочной перспективе хочется превратить компанию в AI-лабораторию, которая будет создавать более сложные продукты, возможно, даже международные стартапы. Но основное направление — внедрение ИИ в продажи и поддержку — останется ключевым.

Одна из болей, которую я вижу на рынке, — сочетание завышенных ожиданий и демпинга. Многие подрядчики обещают клиентам невозможное, не объясняя, что ИИ требует тщательной настройки и структурированных процессов. При этом некоторые компании демпингуют, предлагая решения за $ 300, но, естетственно, они работают плохо. Клиент, столкнувшись с таким, делает вывод, что ИИ не работает, хотя на самом деле проблема в отсутствии профессионального подхода. Это омрачает репутацию технологии, которая при правильном использовании может быть эффективной.

Хотя на старте проекта я был полон иллюзий о том, как все будет развиваться. Думал, что достаточно хорошей идеи и понимания бизнес-процессов, чтобы быстро запустить успешный проект. Однако реальность оказалась иной. Одной из главных сложностей стало формирование продукта, который был бы не только эффективным, но и масштабируемым. Делать один проект четыре месяца за $ 2000 — это не бизнес: невыгодно и неинтересно. Мы сделали несколько «пивотов», и, кажется, сейчас нащупали рабочую и выгодную долгосрочно бизнес-модель. Этот опыт научил тому, что успех компании зависит не только от идеи, но и от того, как выстроены процессы и насколько они устойчивы к масштабированию.

Еще одно важное решение — отказ от привлечения инвестиций на старте. Мы развиваемся только на собственные средства, и это заставляет нас быть максимально эффективными. Когда ресурсов мало, мы учимся искать самые выгодные решения в продажах, маркетинге и разработке продукта. Если бы мы взяли чужие деньги, могли бы компенсировать недостаток знаний инвестициями, что привело бы к большим ошибкам и потерям. Ограниченность ресурсов заставляет думать стратегически и действовать с умом, что, на мой взгляд, укрепило нашу компанию.