ИИ нашел мои процессы

Кейс: digital-агентство, Россия

Маркетинговое агентство — 50 человек, бюджет на внедрение 1,8 миллиона рублей — интегрировало amoCRM, UIS-телефонию с речевой аналитикой, коллтрекинг и сквозную аналитику по рекламным каналам.

Результат через год: успешные исходящие звонки выросли на 104%, стоимость обращения упала на 61%. Не потому что наняли лучших менеджеров — потому что перестали тратить их время на нецелевые контакты.

Срок окупаемости — 4 месяца.

* * *

Блок 8. Сколько это стоит и с чего начать

Одна из главных ошибок — думать, что ИИ-система продаж это дорого и долго.

Реальный диапазон входа для МСБ в 2026 году.

Уровень 1 — минимальный, $300–800 в месяц

CRM с базовой ИИ-функциональностью (amoCRM, Bitrix24, HubSpot). Речевая аналитика для записи и транскрипции звонков. ИИ-ассистент для написания писем после встреч.

Что получаете: фиксацию всех контактов, данные по звонкам, экономию времени на рутинной документации. Окупаемость — 1–2 месяца при команде от 3 менеджеров.

Уровень 2 — средний, $800–2500 в месяц

Добавляете предиктивный скоринг лидов, интеграцию с сигналами (посещения сайта, активность в LinkedIn), conversation intelligence с детальной аналитикой паттернов.

Что получаете: +20–40% к конверсии при том же числе менеджеров. Окупаемость — 3–6 месяцев.

Уровень 3 — продвинутый, от $2500 в месяц

Полная интеграция: CRM + телефония + сигнальный скоринг + аналитика звонков + сквозная аналитика + ИИ-тренажёр для менеджеров.

Что получаете: систему, в которой каждый элемент усиливает следующий. Окупаемость — 6–12 месяцев, но эффект кумулятивный.

Три ошибки, которые убивают результат

Первая: внедрять без чистых данных. Если CRM заполнена наполовину или с дублями — ИИ-скоринг отразит этот мусор в точных цифрах. Сначала гигиена данных, потом модели.

Вторая: покупать инструмент и думать, что он сам заработает. ИИ усиливает процесс — не заменяет его. Если у вас нет процесса квалификации лидов — ИИ-скоринг добавит автоматическую путаницу к ручной.

Третья: автоматизировать весь цикл продаж сразу. Начинайте с одного узкого места: либо квалификация, либо подготовка к встречам, либо аналитика звонков. Один инструмент, одна метрика, один месяц пилота. Потом расширяете.

* * *

Блок 9. Чеклист: проверьте свои продажи

Прежде чем идти дальше, ответьте на эти вопросы.

Знаете ли вы, какой процент ваших лидов реально квалифицирован — не по ощущению, а по данным?

Сколько времени ваши менеджеры тратят на подготовку к одной встрече?

Есть ли у вас данные о том, на каком этапе разговора чаще всего срываются сделки?

Когда вы последний раз слушали записи звонков своих менеджеров и анализировали паттерны?

Знаете ли вы, чем отличаются три ваших лучших сделки прошлого года от трёх проигранных?

Если на четыре из пяти вопросов ответ «нет» или «не знаю» — у вас не проблема с продажами. У вас проблема с данными о продажах.

И именно здесь ИИ даёт больше всего.

Не потому что умнее ваших менеджеров. Потому что видит то, что вы не видите — просто потому что смотрите в другую сторону.

* * *

Что дальше

Продажи — это точка входа денег в бизнес.

Но деньги не начинаются там, где клиент сказал «да». Они начинаются там, где правильный человек в нужный момент встречается с нужным предложением. А это начинается с команды.

Следующая глава — о найме и о том, как ИИ меняет не кого нанимать, а как видеть реального человека за резюме.

Потому что воронка продаж работает ровно настолько хорошо, насколько хороши люди, которые в ней работают.

И сейчас большинство нанимают по резюме. А резюме — это тот же демографический скоринг. И у него те же проблемы.

* * *

* * *

Глава 2. Найм и команда

Вы нанимаете резюме. И это именно та проблема.

В предыдущей главе я показал, что 67% сделок проигрываются до первого контакта с менеджером. Причина — демографический скоринг лидов: смотрим на профиль, а не на сигналы.

В найме происходит ровно то же самое.

Только 27% лидов, которые попадают к вашим менеджерам, реально квалифицированы. Теперь добавьте к этому другую цифру: только 23% новых сотрудников, которых нанимают по резюме и стандартному интервью, реально соответствуют роли через шесть месяцев. Это данные Leadership IQ — исследование 20 000 найма в 312 компаниях.

Два процесса. Одна проблема. Вы смотрите на профиль, а не на поведение.

В продажах ИИ помог перейти от демографического скоринга к сигнальному. В найме — та же история. Только ставки выше.

Плохой лид стоит 30–40 минут менеджера. Плохой найм стоит от половины до двух годовых окладов сотрудника. Это Gallup. Консервативная оценка.

Для менеджера с зарплатой 150 000 рублей в месяц — это от 900 000 до 3 600 000 рублей прямых и косвенных потерь при уходе в первый год. Не считая времени на поиск замены, упущенных задач и демотивации команды.

И большинство предпринимателей совершают эту ошибку раз за разом. Не потому что не умеют нанимать. Потому что нанимают по инструментам, которые не работают.

* * *

Блок 1. Почему резюме — это плохой предиктор

Резюме — это маркетинговый документ. Его цель — произвести впечатление, а не показать реальность.

Это не цинизм. Это структура инструмента.

Кандидат пишет резюме так, чтобы пройти скрининг. HR читает резюме так, чтобы быстро сократить список. Ни один, ни другой не пытается найти правду — они оба пытаются пройти фильтр.

Что реально предсказывает успех на позиции?

Метаанализ Сакетта и соавторов (Journal of Applied Psychology, 2022) — крупнейшее на сегодня исследование валидности методов отбора — ответил на этот вопрос по 85 годам данных.

Структурированное интервью: корреляция с успехом r = 0,42. Это сильнейший одиночный предиктор.

Рабочая проба (дать кандидату реальную задачу): r = 0,37.

Общие когнитивные способности: r = 0,31.

Образование: r = 0,10.

Опыт работы по годам: r = 0,09.

Резюме как таковое: r = 0,03–0,07.

Посмотрите на эти цифры. Образование и «лет опыта» — это те критерии, на которые большинство смотрят в первую очередь. Они предсказывают успех хуже всего.

Структурированное интервью и реальная задача — это то, что работает. Но именно их чаще всего пропускают, потому что «нет времени».

У ИИ другая позиция по этому вопросу.

Что меняет ИИ в скрининге

Первое и самое очевидное: скорость. Ручной скрининг 200 резюме на одну вакансию — это 10–15 часов рекрутера. ИИ делает то же самое за минуты.