Мы заменили SDR-менеджера на AI-агента — встречи выросли, а первый ответ клиенту стал приходить за 90 секунд

За три месяца AI-агент собственной разработки увеличил число назначенных встреч в 2,5 раза и сократил время первого ответа с 47 минут до полутора. Рассказываю, как мы к этому пришли, сколько это стоило и где агент провалился.

У нас не было проблемы с качеством продаж. Была проблема с рутиной. На обработку одного входящего лида менеджер тратил 12–18 минут: прочитать заявку, проверить CRM на дубли, написать первый ответ, предложить слоты для встречи, дождаться ответа, подтвердить, внести запись в систему.

При 30–40 лидах в неделю это 8–12 часов чистого времени на задачи, где экспертиза не нужна вообще. Менеджер работает как дорогой маршрутизатор: принял заявку, переложил данные из одного окна в другое, написал шаблонное сообщение.

Но главная боль была в другом — скорость. 23% лидов мы теряли просто потому, что отвечали слишком медленно. Клиент оставлял заявку в 20:00, а ответ получал на следующий день к обеду. По нашей внутренней статистике, конверсия в встречу падала на 40%, если первый контакт происходил позже чем через 30 минут после заявки. Каждый час задержки буквально стоил денег.

Мы посчитали стоимость ручной обработки одного лида — вышло около 800 рублей с учётом зарплаты, лицензий, времени. Гипотеза была простой: автоматизация первичного касания снизит эту цифру в 5–7 раз.

Мы не покупали готовое решение — написали агента сами на Python с роутингом между несколькими LLM. Это было осознанное решение: ни один готовый продукт не закрывал наш сценарий целиком, а собирать из трёх разных сервисов франкенштейна с интеграциями казалось дороже, чем сделать своё.

Агент закрывает три блока задач:

Первичный ответ и квалификация. Агент получает заявку, анализирует текст, квалифицирует лида и отвечает — задаёт уточняющие вопросы, отвечает на типовые вопросы по услугам, ценам, срокам. Всё это — на основе RAG-пайплайна по нашей базе знаний: описания услуг, FAQ, кейсы, прайсы.

Назначение встреч. Агент интегрирован с Google Calendar, видит слоты менеджеров, предлагает клиенту три варианта с учётом часового пояса, обрабатывает отказы и переносы, отправляет подтверждение. Средний диалог до назначенной встречи — 4 сообщения, 90 секунд. Вручную — 3–5 переписок и 2–4 часа с учётом задержек.

CRM-автоматизация. Каждое взаимодействие отражается в CRM автоматически: создание сделки, заполнение полей квалификации, скоринг лида от 1 до 5, перемещение по воронке, постановка задач менеджерам. Если клиент не отвечает 48 часов — автоматический follow-up.

Граница между агентом и человеком простая: агент делает всё, что описывается правилами. Человек подключается там, где нужны переговоры, нестандартные решения или экспертиза.

Покажу на реальном примере, как это выглядит в деле:

— Клиент: Хотели бы обсудить разработку мобильного приложения

— Агент: Добрый день. Расскажите в двух словах — приложение для внутреннего использования или для ваших клиентов? Это поможет подобрать нужного специалиста на встречу.

— Клиент: Для клиентов, B2C

— Агент: Понял, подключу коллегу с опытом в B2C-мобайле. Удобно созвониться на этой неделе? Есть слоты: среда 11:00, четверг 15:00 или пятница 10:00 (МСК).

— Клиент: Четверг 15 ок

— Агент: Отлично, встреча в четверг в 15:00 МСК. Отправил приглашение на почту. До встречи.

Четыре сообщения. Полторы минуты. Менеджер получает готовую задачу в CRM с кратким саммари: «B2C мобильное приложение, встреча четверг 15:00». Никакого ручного переноса данных.

Первая версия агента отвечала вежливо, но обезличенно. Клиенты это чувствовали — ответы были «ничьи», без характера. Это ключевая проблема, о которой мало кто говорит: внедрить AI в коммуникации с клиентами — не технологический вызов, а маркетинговый.

Решение — комбинация промпт-инжиниринга и RAG. В промпте мы описали наш tone of voice так же, как описываем его для копирайтеров: без восклицательных знаков, без «мы лучшие на рынке», конкретные ответы с цифрами, уважительный тон без подобострастия.

RAG-пайплайн при каждом сообщении ищет релевантные фрагменты в базе знаний и формирует ответ строго на основе найденного контекста. Если информации нет — агент не выдумывает, а честно говорит: «Уточню у коллег и вернусь с ответом» и эскалирует на человека. Это было принципиальное решение: галлюцинации в продажах стоят дороже, чем задержка ответа.

Вот что мы видим в метриках сейчас по сравнению с периодом до внедрения:

Важное уточнение: рост встреч — это не только скорость ответа. Агент работает 24/7, ловит вечерние и ночные заявки, которые раньше «остывали» до утра. Плюс он методичнее человека в follow-up: не забывает, не откладывает, не «ну я завтра напишу».

Разработка агента заняла около 6 недель силами двух разработчиков. Ежемесячные расходы на инфраструктуру и API — порядка 40–50 тысяч рублей. Это сопоставимо с 15–20% зарплаты одного SDR-менеджера.

При этом агент не заменил людей — он освободил их. Менеджеры, которые раньше тратили половину дня на первичную обработку, теперь занимаются тем, в чём реально хороши: ведут сложные переговоры, готовят персонализированные предложения, работают с ключевыми клиентами.

По нашим расчётам, агент окупился за 5–6 недель после запуска — просто за счёт конверсии лидов, которые раньше терялись.

Урок первый: сложные запросы. Агент отлично справляется с типовыми сценариями, но пасует перед нестандартными. Если клиент описывает задачу размыто или задаёт вопросы на стыке нескольких услуг — агент уходит в цикл уточняющих вопросов. Решение — жёсткий лимит: если за 3 сообщения квалификация не завершена, эскалация на человека.

Урок второй: эмоциональные клиенты. Один клиент пожаловался, что его «обслуживает робот». Формально агент ответил правильно, но не уловил раздражение в тоне. Мы добавили сентимент-анализ: при негативной тональности агент сразу передаёт диалог менеджеру.

Урок третий: галлюцинации первых дней. До внедрения RAG агент иногда придумывал цены и сроки. Один раз пообещал клиенту мобильное приложение за 200 тысяч — при нашем минимальном чеке в 1,5 миллиона. К счастью, поймали на этапе тестирования. После переключения на RAG с жёстким ограничением «отвечай только по контексту» — таких случаев не было.

Сейчас мы расширяем агента в сторону пост-встречного follow-up: автоматическое саммари встречи, отправка материалов, напоминания. По сути, двигаемся к тому, чтобы агент вёл клиента от первого касания до подписания договора — с подключением человека только в ключевых точках.

Главный вывод за три месяца: AI-агент в продажах — это не про замену людей. Это про то, чтобы люди перестали делать работу, которая не требует людей. 80% первичных коммуникаций — это шаблон. И этот шаблон машина отрабатывает быстрее, точнее и дешевле.

Вопрос не в том, нужен ли вам AI-агент в продажах. Вопрос в том, сколько встреч вы теряете каждую неделю, пока ваши менеджеры вручную копируют данные между окнами.

https://vibelab.ru

Подписывайся на Телеграм Вайблаб, чтобы наблюдать за тем, как мы строим AI-first компанию.

Напишите нам напрямую