Не тренд, а инструмент: как сделать ИИ‑ассистента реально полезным для бизнеса

В интервью изданию Артем Новоселов, сооснователь ONELAB, выделил три направления, где такие инструменты можно применять уже сейчас. Для компаний это важный сдвиг: оценивать нужно не «умность» модели, а конкретный результат — скорость ответа, качество маршрутизации и сокращение ручного ввода данных.

Три задачи с понятным результатом

Первый сценарий — ответы клиентам и распределение обращений. При наличии актуальной базы знаний ИИ-ассистент может работать круглосуточно, отвечать на типовые вопросы, собирать исходные данные, квалифицировать обращение и заполнять поля CRM. Если запрос сложный или неоднозначный, система передает его менеджеру вместе с историей диалога.

Здесь ключевой параметр — не красота генерации, а лимит самостоятельности. Ассистент должен уверенно работать только в пределах доступных прайсов, каталогов, условий доставки и внутренних регламентов. Всё, что выходит за эти рамки, лучше отправлять на ручную проверку. Иначе автоматизация превращается в дополнительный канал для галлюцинаций.

Второй сценарий — анализ звонков. ИИ может расшифровывать разговор, составлять резюме и проверять работу менеджера по чек-листу: соблюдено ли приветствие, выявлены ли потребности, отработаны ли возражения и зафиксирован ли следующий шаг. Такие результаты можно использовать как сигнал для обучения и выборочной проверки.

Третий сценарий — рутинные операции в CRM. Система способна анализировать переписку, заполнять карточки клиентов, фиксировать итоги встреч и создавать задачи по итогам разговора. Это не отдельная «магическая» функция, а цепочка действий: распознать данные, сопоставить их с полями CRM и запустить нужную операцию.

Где автоматизация уже дает эффект

The Tech приводит оценку SPOTIO State of Field Sales: административные задачи и ввод данных занимают около 21% рабочей недели специалиста по выездным продажам. Для команды из 10 человек это эквивалентно примерно 4368 рабочим часам в год. В таком сценарии ценность ИИ-ассистента измеряется не количеством токенов и не длиной контекстного окна, а объемом операций, которые он выполняет без повторного ввода человеком.

Отдельный пример связан с маршрутизацией обращений из WhatsApp. У компании с двумя отделами продаж в разных городах сообщения раньше попадали случайному менеджеру: сотруднику приходилось уточнять город и вручную переводить диалог. Команда ONELAB внедрила ИИ-бота в связке с WhatsApp и Битрикс24. По оценке клиента, ошибочная маршрутизация исчезла, а время передачи диалога менеджеру сократилось примерно на треть.

Этот кейс показывает, что первый шаг во внедрении — не выбор самой модной модели, а поиск узкого участка процесса с измеримым узким местом. Если проблема описывается как «менеджеры тратят время на распределение лидов», для нее можно задать входные данные, правило маршрутизации и проверяемый результат. Если формулировка звучит как «хотим внедрить ИИ», параметров для оценки пока нет.

Что проверить до запуска

Начинать стоит с трех итераций.

1. Описать процесс. Зафиксировать, откуда приходят данные, какие поля нужно заполнить, какие действия разрешены ассистенту и в какой момент подключается сотрудник.

2. Ограничить базу знаний. Прайсы, каталоги и регламенты должны быть актуальными. Без этого даже корректно настроенная генерация будет опираться на устаревшие сведения.

3. Задать контрольные метрики. Для чат-ассистента это может быть скорость первого ответа и доля обращений, переданных нужной группе. Для анализа звонков — полнота расшифровки и число диалогов, которые требуется проверить вручную. Для CRM — количество автоматически заполненных карточек и задач.

Оценку менеджеров по звонкам не стоит полностью отдавать алгоритму. В источнике отдельно отмечено: результаты BitrixGPT разумнее использовать как сигнал для обучения и выборочной проверки, а не как единственное основание для оценки сотрудника. Это важное ограничение сценария: ИИ может подсветить проблемную зону, но финальная итерация контроля остается за человеком.

Практический вывод простой: полезный ИИ-ассистент — это связка модели, базы знаний, CRM и четких правил эскалации. Начинать следует с одной повторяющейся операции, где есть заметный ручной лимит и понятный результат. Только после проверки качества можно расширять контекст, подключать новые сервисы и передавать системе следующие действия.