ИИ в CRM: топ-10 сценариев автоматизации для отдела продаж и маркетинга

Давайте мы продемонстрируем несколько интересных ИИ-интеграций в CRM (или ERP), которые Вы можете применить, тем самым увеличив общее качество работы отдела.

1. Первая обработка лида

Или «разбор входящего обращения».

Отлично подойдёт тем, у кого в лиде есть больше, чем просто номер телефона и имя человека. Например, посмотрите на скриншот ниже:

Тут есть источник заявки, описание, контактные данные и даже примерная цена. Благодаря этому ИИ-агент может определить специалиста, которому данную заявку нужно передать.

Источник со страницы «Разработка»? Тогда пусть это получит Александр или Максим. Они как раз обрабатывают заявки отдела разработки.

Также агент может посмотреть предпочтительный способ связи с сотрудником и сообщить ему о новом лиде. Например, в нашей системе есть профили пользователей, и у работников указаны их Telegram и Max, а также предпочтительный способ связи, поэтому ИИ-агент напишет через корпоративного бота куда надо.

А ещё агент может анализировать текущую нагрузку специалистов, если она заведена в системе, и не кормить одного и того же человека лидами до потери сознания, а равномерно их распределять.

2. Автоматическое заполнение карточки клиента

Сразу же, при попадании лида в систему, ИИ-агент может завести карточку клиента, заполнить её всеми имеющимися данными и оставить комментарий, например, про ценовые ожидания или пожелания по способу связи.

Или определить по контактным данным существование клиента в базе и связать лид и клиента. Тогда можно сразу понять, за кем закреплён данный человек, чтобы передать лид соответствующему менеджеру.

3. Подготовка к первому контакту

Продвинутая штука, опять же — если у Вас есть больше, чем просто номер телефона и имя человека.

Можно дать ИИ-агенту задачу изучить клиента: компанию, её сайт, посмотреть реквизиты и по ним сделать беглый анализ качества контрагента.

Да, не надо, чтобы агент на лету генерировал себе скрипты, которые он будет исполнять тут же. Для анализа контрагентов давным-давно есть API, можно заранее собрать все полезные скрипты, дать их агенту вместе с инструкцией по запуску. Так он будет работать быстрее и дешевле с точки зрения токенов.

4. Анализ встречи

Некоторые сервисы и IP-телефонии для звонков предоставляют текстовую расшифровку разговора. Вот эту расшифровку можно отправить в мощную ИИ-модель для анализа. Как минимум нейросеть сможет зафиксировать договорённости, возражения, участников дискуссии и дать рекомендации по следующему шагу.

5. Подготовка персонального коммерческого предложения

Тут есть два варианта использования: генерация красивого коммерческого предложения, генерация персонализированного красивого коммерческого предложения.

У скриптов для коммерческих предложений есть проблема: получаются однотипные, стандартные и шаблонные документы. Подключив ИИ-агента с мощной моделью под капотом (Claude, ChatGPT), можно добиться красивых и уникальных PDF-документов в фирменном стиле компании.

А подключение любой другой средней модели (Qwen, DeepSeek) может помочь быстро набросать потенциальные персональные условия. Это легко сделать, если у Вас есть вся история разговора в системе (пункт 4).

6. Постановка задач

Любимый способ постановки задач автора в этом году:

Для скриншота выбран ещё более-менее приемлемый материал, сейчас задачи ставятся исключительно голосом.

Вы можете использовать Codex (ChatGPT) или DeepSeek Harness. Или вообще OpenClaw или Hermes и общаться с агентом через Telegram. Во всех случаях Вы будете отправлять задачу агенту, а он сам её оформит, найдёт, на кого поставить, и оповестит исполнителя. И стоит это всё относительно недорого: $20 — средняя ежемесячная цена на токены для такой работы.

Если агенту дать возможность ставить задачи, то его потенциал работы с CRM лишь увеличится.

7. Контроль: зависшие сделки, невыполненные задачи

Агент находит сделки без активности, просроченные задачи и лиды, которым давно не отвечали. Объясняет, почему сделка попала в выборку: кто не взял в работу, хотя это была его зона ответственности; кто не позвонил, хотя обещал ещё вчера; кто затягивает задачу.

8. Умные подсказки

Можно анализировать лиды и заведённых клиентов, чтобы в специальном окне где-нибудь в углу экрана выводить подсказку от ИИ: предложить встречу, уточнить решение, отправить кейс или напомнить о себе, потому что клиент давно не писал.

9. Реактивация старой клиентской базы

Если храните много данных о своих клиентах, то можно проворачивать целые маркетинговые кампании.

ИИ-агент извлекает из базы старых клиентов, анализирует, выбирает тех, кому уместно вернуться с новым предложением, обновлением продукта или повторной услугой. Агент генерирует персональный повод, оформляет коммерческое предложение и даже может сам устроить рекламную рассылку: от письма на почту, отправки сообщения в Telegram и до телефонного звонка.

10. Анализ отказов

Если есть история переписок с клиентами или текстовая транскрипция большого количества разговоров, то можно попросить агента провести анализ всего этого массива данных и попытаться определить причину отказа: цена, сроки, недоверие к бренду, отсутствие нужных функций, проигрыш конкуренту по каким-то критериям.

Вопрос-ответ

Сколько стоит интеграция ИИ-агента в CRM?

Всё зависит от цели и задачи, но давайте попробуем всё свести к синтетическому примеру, отталкиваясь от наших цен и опыта.

Цена за час — 2 500 рублей. В среднем, чтобы понять бизнес, проанализировать задачи (редко бывает одна, обычно 2–3), техническую возможность, на всё это уходит около недели. Тут ведь надо ещё клиенту показать, как будет, то есть всякие зарисовки дизайнерские тоже включайте. Потом это надо реализовать: сейчас, с ИИ, код пишется за часы, остальное — это тестирование. Поэтому 2 недели на хорошую такую интеграцию ИИ в CRM мы точно закладываем, а это уже 200 000 рублей.

Как ИИ-агент учится работать с CRM?

Всё просто, мы разработаем API для агента, обернём в удобный MCP, с которым он сможет без проблем взаимодействовать. Никакие инструкции «как работать» в системе ему отправлять не нужно, всё будет в MCP.

Что такое MCP, читайте подробнее по ссылке выше.

Какие модели использовать?

Смотря какие цели и задачи. Мы как-то сравнивали DeepSeek и ChatGPT, где подробно разобрали стоимость и проговорили технические возможности. Поэтому, чтобы дать какой-то точный ответ Вам, нам надо понять сами задачи.

Для создания красивых презентаций и работы над 3D-моделями подойдут Claude Fable, ChatGPT Astra или Sol. Для простых операций с текстом хватит и ChatGPT Luna или DeepSeek. Для анализа можно выбирать как мощные модели, если предметная область сложная, так и модели попроще, если предметная область максимально понятная и сложность в основном в систематизации начальных данных.

А что с 152-ФЗ?

Отправлять данные в нейросети, которые находятся за пределами России, — опасное, с точки зрения законодательства, занятие. Обычно с каждым клиентом наша техническая команда и его юристы решают данный вопрос индивидуально. Но какие-то общие тезисы можно рассказать и тут.

Если ИИ-агент работает на модели, которая использует мощности Вашего оборудования, то Вы не зависите от зарубежных облачных сервисов и связанных с ними рисков трансграничной передачи данных. Можете обрабатывать данные как хотите, в рамках законодательства России. Но если модель облачная, то лучше отправлять туда только обезличенные клиентские данные, чтобы лишний раз не заниматься бумажной волокитой: уведомлением Роскомнадзора о трансграничной передаче данных.

Локальные модели или облачные?

Облачные модели дешевле, работать по API намного выгоднее огромному количеству предприятий.

Свои модели нужны лишь в тех случаях, когда хотите отправлять огромное количество персональных данных (которые Вы легально обрабатываете), государственных данных, секретных данных и хотите избежать утечек. Плюс у Вас на это есть деньги. Много денег.

Например, развернуть DeepSeek в его «истинном», неурезанном виде стоит около 40 000 000 рублей. Это 16 видеокарт RTX 6000. Пользоваться API DeepSeek «жёстко», каждый день, по многу запросов — ну это десятки тысяч рублей (у нас это 20 000 рублей в месяц).

Вот и думайте.

Подведем итог

Как видите, сценариев применения ИИ в CRM довольно много, и далеко не все требуют сложной и дорогой разработки. Начать можно с автоматизации одной-двух рутинных задач, оценить результат и уже потом расширять возможности системы.