ИИ в B2B-продажах: три рабочих кейса из нашей статьи в журнале «Управление сбытом»

После выставки или конференции у менеджера обычно оказывается 50−100 визиток и фото экранов с контактами. Если заводить их вручную — проверять, не ошиблись ли в телефоне, искать должность, привязывать к событию — на каждую уходит минут 5−7. Итого примерно два рабочих дня просто на ввод данных. За это время горячий лид остывает.

Мы создали ИИ-ассистента для продаж. Сотрудник фотографирует визитку и отправляет в корпоративный чат. Бот через ИИ распознаёт имя, компанию, должность, телефон, почту — проверяет на ошибки и сразу создает карточку лида в Битрикс24. Пользователю приходит ссылка на готовый лид.

Можно дополнительно указать название выставки, чтобы все контакты автоматически привязывались к нужному источнику. Бот показывает статистику: сколько обработано, сколько создано, где ошибки. И даже считает токены ChatGPT — финансовый отдел видит, что один контакт обходится примерно в 2 рубля.
На практике это значит, что менеджеры перестают заниматься набором текста и быстрее выходят на связь с теми, кто действительно ждет звонка. При желании систему можно доработать: пусть ИИ сам обогащает карточку данными из открытых источников, подтягивает историю прошлых сделок или предлагает инфоповод для разговора.

Контакты получили, теперь нужно готовиться к диалогу. В B2B это часто значит найти подходящий кейс, коммерческое предложение или техническое описание. Проблема не в том, что информации нет, а в том, что она разбросана по сетевым папкам, личным почтовым архивам и закладкам в браузере.

Знакомая ситуация: продавец помнит, что такой проект у компании уже был, но потратил полдня на поиски. Ответ клиенту уходит с задержкой, а сам клиент чувствует, что к нему не подготовились.

Мы сделали корпоративного ИИ-ассистента на основе базы знаний, который встроен в обычный рабочий мессенджер. Продавец пишет простым языком: «найди кейсы по производственным компаниям с численностью от 500 человек» или «покажи коммерческое предложение, которое мы отправляли клиенту N». Система ищет по всем документам с учетом прав доступа, выдаёт структурированный ответ со ссылками на источники. И если нужно — сразу черновик ответа или КП на основе найденного.

По времени: вместо 2−3 часов поиска и сборки — 15−20 минут. Плюс ответы становятся точнее, потому что опираются на реальные документы, а не на память сотрудника. И новички входят в курс дела гораздо быстрее — им не приходится собирать знания по крупицам.

В сложных проектах клиенту часто трудно сформулировать, что именно ему нужно. А продавцу — быстро и наглядно показать, как будет выглядеть решение. Начинаются долгие обсуждения, меняются требования, растёт риск недопонимания.

Раньше прототип делали по классической схеме: дизайн-спринт, аналитик, дизайнер, несколько недель работы. Для пресейла такой роскоши часто нет — важна скорость.

Мы начали привлекать генеративный ИИ для пресейла. Теперь на первой встрече можно перейти от слов клиента к черновому визуальному прототипу. ИИ помогает сформировать структуру экранов, пользовательские сценарии и базовую логику интерфейса. Клиент видит не абстрактные обещания, а конкретную картинку, может сразу уточнить детали. Для команды тоже плюс: становится понятно, что именно разрабатывать.

На практике этап пресейла сокращается в разы, количество правок на последующих этапах снижается. Диалог быстрее переходит к конкретике, и сделка закрывается с большей вероятностью.

В статье Александр формулирует три простых правила, которые вывели из собственных ошибок. Они того стоят, чтобы их запомнить.