Почему 94% компаний проваливают внедрение ИИ в продажи

McKinsey выпустил отчет про ИИ в бизнесе: 88% компаний пытаются внедрить ИИ, но 94% из них не получают желаемый результат. Я разобрался, что и как делают эти 6% счастливчиков, у которых получилось — и делюсь с вами инсайтами и лайфхаками.

В конце статьи — ссылка на бесплатный тест, определяющий ваш уровень готовности к внедрению ИИ.

За последние полгода ко мне обратилось несколько десятков компаний с запросом помочь внедрить ИИ в продажи.

Сегодня расскажу, как я научился определять, кому ИИ действительно поможет, а кому пока рано об этом думать. И что делать, если вы во второй категории.

Держите ультра-краткое содержание:

Разница между "пытались" и "получилось" — примерно в 15 раз. Это много.

Но интереснее не сами цифры, а то, что именно делают по-другому эти 6%, у которых взлетело.

Это, по данным McKinsey, дает результат в 3,6 раза чаще, чем попытки просто оптимизировать текущие процессы.

Большинство компаний думают примерно так: у нас есть какой-то процесс, давайте прикрутим к нему ИИ, чтобы делать то же самое, но быстрее. А лидеры думают иначе: давайте с помощью ИИ делать то, что раньше казалось нереальным.

Пример 1: одна компания автоматизировала отправку писем после звонков. Результат — 100% клиентов перестали читать письма, тк понимают, что это просто "отписка" от ИИ. Иными словами, компания хотела повысить эффективность, но по факту обесценила свое касание с клиентом.

Другая компания сделала так: ИИ анализирует транскрипт звонка, изучает сайт клиента, новости про него, соцсети ключевых людей — и пишет персонализированное письмо с инсайтами про их бизнес, тренды и интересные факты. Причем можно включать опцию юмора (этот подход часто недооценивают).

Результат во втором случае оказался явно лучше.

Это дает результат в 2,8 раза чаще, чем попытки прикрутить ИИ сверху к тому, что уже есть.

Самая частая ошибка выглядит так: компания берет свой текущий процесс продаж и думает, куда туда можно воткнуть ИИ. Обычно это не работает, потому что процесс изначально был построен под людей, а не под связку "люди + ИИ" (и тем более, не под "чистый ИИ").

Пример 2: У меня был клиент: продавец тратил 30 минут на изучение компании, 50-60 минут на звонок, 20 минут на summary, 30 минут на КП.

Мы перестроили так: ИИ-агент готовит досье за 5 минут, продавец ведет звонок с готовой повесткой, ИИ генерирует отчет по встрече и КП со структурой звонка для его презентации (а почему бы просто не отправлять КП? Потому что в B2B-продажах вы рискуете, что клиент будет "уходить подумать" навсегда и вы останетесь без денег: подробнее).

Итого час вместо двух. Но главное — изменилась роль продавца: теперь он фокусируется на отношениях с клиентом и управлении разговором, а не на "обдумывании и делании" того, что может обдумать и сделать ИИ.

Важный момент: это не про покупку ChatGPT за $20 в месяц и радостное объявление "мы внедрили ИИ!".

Речь про три вещи одновременно: сами инструменты (это обычно от $500 до $2,000 в месяц в зависимости от сложности и размера компании), внедрение этих инструментов (от $5,000 на быстрый микропроект до $20,000+ на глубокую интеграцию) и обучение команды работе с этим всем.

Пример 3. Компания А купила Gong.io (мощная и дорогая платформа для анализа звонков продавцов) за $1,000+ в месяц. Через 3 месяца отказались — "не увидели ценности". Результат — потерянные деньги и (самое болезненное) время.

Компания Б купила тот же Gong, но провела обучение, назначила ответственного, встроили в процесс. В итоге команда некоторое время сопротивлялась, но на горизонте полугода все усилия окупились с запасом.

Видите разницу? Одна и та же платформа, но разный подход к внедрению.

Это про переход от "каждый раз вручную спрашивать ChatGPT о чем-то" к "система автоматически решает сложные задачи без вашего участия".

Давайте я покажу на примере трех уровней использования ИИ:

Первый уровень — продавец копирует текст письма в ChatGPT, пишет промпт типа "сделай это письмо лучше", копирует результат обратно в свой email и отправляет. Экономия времени — минут 5-15, может быть. Качество — случайное, зависит от того, как он сформулировал запрос. Плюс неочевидный риск: продавец уже "расслабился" и перестал сильно вникать в нюансы сделки ("у меня есть же ИИ, камон"), но ИИ еще не дал нужный эффект.

Второй уровень — продавец использует встроенный AI в своем email-клиенте. Нажал кнопку "улучшить письмо", получил результат, отправил. Экономия времени — чуть больше (промпты не нужны). Качество — стабильное, но довольно шаблонное, нужно сильно править перед отправкой.

Третий уровень — система сама делает всю работу. Она читает всю историю переписки с этим клиентом, анализирует контекст последнего звонка с ним, проверяет, что нового появилось на сайте клиента за последнее время, генерирует персонализированное письмо с конкретными next steps и либо отправляет его на одобрение продавцу, либо отправляет само, если уверенность в правильности высокая и/или сделки транзакционные. Экономия времени — как в предыдущем кейсе, но качество — высокое и персонализированное.

Я, например, использую кастомного GPT-агента для подготовки к звонкам с клиентами. Я даю ему только название компании клиента, а он собирает всю информацию о компании, генерирует структуру звонка, список вопросов, которые мне стоит задать, предполагает, какие возражения могут быть, и готовит варианты ответов на них.

И да, главное: в B2B-продажах обычно выгоднее усиливать людей с помощью ИИ, а не заменять их. Т.е. по возможности улучшать интерфейс "человек-человек", а не заменять на "человек-робот".

Это, кстати, самый сильный предиктор успеха. Если руководитель сам не использует ИИ — максимум, что будет в компании, это купленный доступ к ChatGPT для тех, кто сам проявил инициативу.

Если руководитель каждую неделю показывает команде что-то типа "смотрите, какую крутую штуку я сделал с помощью ИИ" — команда видит реальную пользу на примере человека, которому доверяет, и начинает экспериментировать сама.

Культура использования чего угодно идет сверху вниз. Это работает всегда, не только с ИИ.

За последние полгода я разобрал десятки провалов и увидел паттерн: компании пытаются строить дом, когда фундамент не залит. На основе этих кейсов я выделил четыре уровня готовности компаний к ИИ.

Признаки: Нет CRM, или он есть, но половина команды им не пользуется. Процесс продаж в головах, каждый делает по-своему. ICP (профиль идеального клиента) размыт — "продаем всем, кто интересуется".

Почему ИИ не поможет: ИИ — это усилитель. Если нет процесса, он усилит хаос.

Что делать: 30 дней на создание фундамента. Выбрать CRM (HubSpot Free, Pipedrive, AmoCRM, Битрикс24 — на этом этапе главное простота) и использовать ежедневно. Задокументировать хотя бы 5 этапов процесса движения сделки по воронке. Определить один четкий ICP.

Рекомендация по ИИ: Только ChatGPT или аналоги как личный ассистент для разовых задач, не более.

Признаки: CRM есть, но дисциплина хромает — 30%+ записей с пустыми полями. Процесс задокументирован, но соблюдается не всегда. Данные грязные — дубли, нет стандартизации. Звонки и письма не синхронизируются с CRM.

Почему ИИ не поможет: Любой ИИ работает с данными. Если на входе мусор — на выходе тоже мусор.

Что делать: 30 дней на дисциплину и чистку. Внедрить правило "если чего-то нет в CRM — этого не сущетсвует". Две недели на чистку: дубли, пробелы, стандартизация записей и полей. Настроить автосинхронизацию: CRM + email + календарь как минимум.

Рекомендация по ИИ: Готовые простые инструменты. Например, Fathom/Fireflies для транскрипции звонков ($10-30/месяц). Zapier для автоматизации. Пока не смотреть на дорогие и/или сложные платформы.

Признаки: CRM — единственный источник правды, все пользуются им ежедневно. Процесс четкий, соблюдается в 80%+ случаев. Данные чистые. Инструменты (почта, календарь и прочее повседневное связаны между собой, данные ходят туда-сюда). Команда уже использует ИИ для базовых задач.

Что делать: Определить главные узкие места в процессе. Подобрать готовые (это важно) ИИ-инструменты на рынке под ваши конкретные проблемы, не "вообще внедрить ИИ". Измерять ROI безжалостно.

Рекомендация по ИИ: Работа со звонками (Gong, Chorus), ИИ-скоринг лидов (Apollo, Clay, но можно и что-то встроенное в СRM, если оно там есть и функционал отвечает вашим задачам), персонализированный и одновременно массовый аутрич лидов, прогноз продаж.

(вряд ли вы окажетесь в этой группе, но мало ли)

Признаки: Зрелая инфраструктура, все процессы отлажены. Есть технические ресурсы — инженеры или data-специалисты. Команда активно использует ИИ, есть культура экспериментов. Бюджет на эксперименты тоже есть.

Что делать: Проектировать ИИ-архитектуру продаж. Анализировать сценарии "сделать самим" и "купить готовое и настроить". Задуматься о безопасности: рассмотреть возможность создания своей собственной ИИ-платформы.

Рекомендация по ИИ: Кастомные AI-агенты, обученные на ваших данных. Предиктивная аналитика под вашу специфику. Повседневный рутинный ИИ-коучинг для команды. Полная автоматизация типовых процессов.

На этом уровне конкретно ваш ИИ становится не просто инструментом для оптимизации или роста, а непреодолимым барьером для конкурентов. Почему непреодолимым? Потому что такая система будет построена на ваших данных и ваших задачах, за пределами которых она не работает, и ее нет смысла копировать.

Если дочитали — вы впереди 90% рынка, что уже хорошо.

Теперь вы знаете, как поступают лидеры, какие условия нужны для этого, и что нужно делать на каждом уровне готовности.

Следующий шаг — оценить этот самый уровень готовности.

Я сделал тест на 13 вопросов — за 3 минуты он покажет ваш уровень по классификации выше (🔴 → 🟡 → 🟢 → 🔵) и даст план на 30 дней. Пройти тест.

Если хотите разобрать конкретно вашу ситуацию — пишите в личку (найдете в описании канала).

Мир переворачивается с головы на ноги: ИИ превращается из диковинки в обыденность. Автомобили вытеснили лошадей как средство транспорта. То же происходит с ИИ и привычными инструментами. Те, кто быстрее освоит новое, обгонят остальных навсегда.

Но начинать нужно с фундамента. А не с покупки Ferrari, когда не умеешь водить.

Я Владислав Буянов — эксперт по B2B-продажам, с 2005 года работал в международных компаниях (IBM, SAP, XEROX, Microsoft), до середины 2021 — коммерческий директор дочерней компании Сбербанка. Выпускник МФТИ.

С 2021 помогаю компаниям и венчурным фондам выстраивать системные продажи по всему миру, живу в Аргентине, пишу разное умное (и не только) в своем телеграм-канале.