Андрей Гусаров – ИИ нашел мои процессы (страница 3)

Gong проанализировал, как лучшие менеджеры работают с возражениями. Ключевое отличие: они задают уточняющий вопрос вместо того, чтобы сразу давать ответ.

«Когда вы говорите "дорого" — относительно чего? Вы видели похожее решение по другой цене или дело в бюджете на этот квартал?»

Этот вопрос не продаёт. Он диагностирует. И именно он определяет, какой ответ нужен.

Как ИИ помогает с возражениями

Первый способ — классификация. Системы анализа звонков умеют распознавать возражение по типу: ценовое, временное, конкурентное, по полномочиям, по доверию. Это позволяет менеджеру не гадать, что имел в виду клиент, а работать с конкретной категорией.

Второй способ — база знаний в реальном времени. Во время звонка менеджер слышит возражение, которое не встречал раньше. ИИ-ассистент за секунды находит в базе аналогичные случаи и то, что в них сработало.

Третий способ — тренажёр. И это самое важное.

ИИ как тренажёр, а не автоответчик

Есть принципиальная разница между двумя применениями ИИ в работе с возражениями.

Применение первое: ИИ отвечает на возражение вместо менеджера — генерирует реплику, которую менеджер зачитывает. Это работает для простых транзакционных продаж. Для сложных — убивает сделку. Клиент в B2B слышит скрипт немедленно. И немедленно теряет доверие.

Применение второе: ИИ тренирует менеджера до звонка. Симулирует скептичного клиента, задаёт возражения, оценивает ответы — по критериям: понял ли менеджер суть возражения, задал ли уточняющий вопрос, предложил ли конкретный следующий шаг.

Симулированная практика даёт 50–75% удержания навыка. Чтение скриптов — 5–10%. Это данные по образовательной нейронауке, и они применимы к продажам напрямую.

Платформа Hyperbound обучает менеджеров на двух миллионах часов реальных B2B-разговоров. Результат их клиентов: менеджеры, прошедшие 30+ симуляций на конкретные возражения, в 4,2 раза чаще закрывают сделки на этапе работы с возражением по сравнению с теми, кто тренировался только на реальных клиентах.

Данные AmpUp (анализ ~1000 enterprise-взаимодействий, H2 2024).

Кейс из образования: белорусская EdTech

Лerna — образовательная платформа, эксклюзивный партнёр Skillbox и GeekBrains в Беларуси, 350 сотрудников — внедрила речевую аналитику через Imot.io и обнаружила кое-что неожиданное.

75% отказов от покупки были не из-за цены. Менеджеры годами отрабатывали возражение «дорого», которого у большинства клиентов не было. Реальная причина — страх не справиться с обучением.

После того как менеджеров переобучили работать именно с этим барьером — конверсия выросла в среднем на 10% по всем командам. Стоимость контроля качества упала в восемь раз.

Ключевой урок: ИИ ценен не тем, что пишет ответы на возражения. Он ценен тем, что вскрывает, какое возражение реально стоит за отказом.

Правило третье. Возражение — диагноз, не стена. ИИ классифицирует возражение. Менеджер лечит. Никакой автоответчик не заменит человека, который слышит, что за словами «нам нужно подумать» стоит страх.

* * *

Блок 6. Где живой человек незаменим

Прежде чем продолжать — остановлюсь на том, о чём обычно не говорят.

ИИ в продажах хорош. Но есть граница, за которой он становится проблемой.

Исследование Stanford + Carnegie Mellon (2025) показало: автономные ИИ-агенты в продажах работают быстрее и дешевле людей, но «производят работу более низкого качества и маскируют недостатки фабрикацией данных».

Конкретная цифра: автономные ИИ-звонилки конвертируют в квалифицированные возможности 15% против 25% у живых менеджеров. При чеке сделки до 10 000 долларов — разрыв несущественен, автоматизация оправдана. При чеке 100 000+ — разрыв критичен.

Schilke & Reimann в исследовании 2025 года провели 13 экспериментов на 5000+ участниках. Вывод: раскрытие использования ИИ в коммуникации статистически снижает доверие. Инвесторы доверяли компаниям на 18% меньше. Клиенты — на 20% меньше. Эффект сохранялся даже у тех, кто хорошо знаком с ИИ.

Это не значит «скрывать ИИ». Это значит понимать: в высокорисковых, дорогих, эмоционально сложных сделках — доверие строит человек. ИИ может его подготовить, поддержать, усилить. Но не заменить.

Что человек делает, чего ИИ не может

Директор по закупкам подписывает контракт на миллион — он не подписывает спецификацию. Он решает, верит ли он людям по ту сторону стола. Что они будут рядом, когда что-то пойдёт не так. Что они поняли его ситуацию глубже, чем написано в брифе.

Это не передаётся в промпт.

Менеджер замечает, что CFO на встрече молчит чуть дольше обычного, когда речь зашла о сроках. Это сигнал. Живой сигнал, из тела, из паузы. Ни один алгоритм не учится на паузах в переговорной комнате.

Клиент говорит «нам всё нравится, давайте чуть позже». Опытный продавец слышит: что-то случилось. Может, бюджет заморозили, может, сменился стейкхолдер, может, появился конкурент. И задаёт один вопрос, который разворачивает разговор.

ИИ не слышит «чуть позже». Он его записывает.

Граница по типу сделки

Правило, которое работает: транзакционные продажи — ИИ делает большую часть. Консультативные и стратегические — ИИ готовит, человек ведёт и закрывает.

Более конкретно. Если сделка закрывается за один контакт или в онлайне — ИИ-агент или автоматизированный флоу справляется. Если сделка требует нескольких встреч, нескольких стейкхолдеров и индивидуального предложения — каждый контакт ведёт живой человек, ИИ только усиливает его подготовку.

SaaStr в апреле 2026 сформулировал это прямо: «ИИ уже лучше 80% средних менеджеров по продажам. Но лучших менеджеров по продажам он не заменит ещё долго — потому что лучшие менеджеры продают не продукт, а уверенность».

Правило четвёртое. Отдайте ИИ всё, что повторяется. Оставьте человеку всё, что требует доверия. Граница проходит не по сложности задачи — по цене ошибки.

* * *

Блок 7. Как это выглядит как система

Отдельные инструменты — это не система. Система — это когда каждый элемент усиливает следующий.

Вот как выглядит полная ИИ-система в продажах для агентства или малого и среднего бизнеса (МСБ).

Верхняя часть воронки — сигналы и квалификация

ИИ мониторит входящих лидов и внешние сигналы. Лид заходит на страницу с ценами — триггер. Лид скачивает второй кейс за неделю — триггер. Компания из таргетного списка опубликовала вакансию на роль, связанную с вашим решением, — триггер.

Система скорит каждый лид по гибридной модели: кто этот человек + что он делает прямо сейчас. Только лиды выше порога уходят к менеджеру.

Менеджер не решает, кому звонить. Система говорит: вот три лида на сегодня. Вот почему они приоритетные. Вот что мы знаем о каждом.

Подготовка к контакту

За 5 минут до звонка менеджер открывает ИИ-бриф. Профиль компании, ключевые контакты и их роли в решении, вероятные боли, история взаимодействия с вашей компанией, вероятные возражения, предложенные вопросы для вводного звонка.

Сам разговор

Conversation intelligence пишет звонок. В реальном времени или после — транскрипт, ключевые моменты, настроение клиента в разных частях разговора, упоминания конкурентов, бюджетные сигналы.

Менеджер завершает звонок и за 2 минуты обновляет CRM — не вручную, а принимая или корректируя то, что ИИ уже зафиксировал.

После разговора

Если нужно отправить письмо после встречи — ИИ генерирует черновик на основе транскрипта. Менеджер правит под себя, отправляет. Если сделка идёт в стагнацию — система флагует и предлагает следующий шаг.

Аналитика

Раз в неделю менеджер и руководитель разбирают: какие лиды конвертировались, какие нет, на каком этапе застрял поток. ИИ показывает паттерны: у каких менеджеров провалы на этапе discovery, у каких — на этапе работы с возражениями. Не интуиция — данные.

Кейс: digital-агентство, Россия

Маркетинговое агентство — 50 человек, бюджет на внедрение 1,8 миллиона рублей — интегрировало amoCRM, UIS-телефонию с речевой аналитикой, коллтрекинг и сквозную аналитику по рекламным каналам.

Результат через год: успешные исходящие звонки выросли на 104%, стоимость обращения упала на 61%. Не потому что наняли лучших менеджеров — потому что перестали тратить их время на нецелевые контакты.

Срок окупаемости — 4 месяца.

* * *

Блок 8. Сколько это стоит и с чего начать

Одна из главных ошибок — думать, что ИИ-система продаж это дорого и долго.

Реальный диапазон входа для МСБ в 2026 году.

Уровень 1 — минимальный, $300–800 в месяц