ИИ в продажах: что работает, что проваливается и как посчитать окупаемость

ИИ-агент сам закроет сделки, нейросеть разберёт звонки, ассистент заполнит CRM — так обычно продают ИИ для продаж.

На деле ИИ хорошо снимает рутину и подсвечивает то, что руководитель не успевает проверить. Но он не чинит процесс, которого нет, и не принимает решения за человека. Ниже — где ИИ даёт эффект, где проваливается и как посчитать окупаемость до покупки.

Что называют «ИИ в продажах» и почему это четыре разные вещи

Под одним словом продают решения, которые отличаются и по цене, и по риску. Разберём по порядку.

Речевая аналитика. Записывает звонки, расшифровывает в текст, размечает по темам и правилам: поздоровался, выявил потребность, отработал возражение, назначил следующий шаг. Ничего не решает сама, только показывает. Самый дешёвый и предсказуемый тип.

Ассистент внутри CRM. Подсказывает менеджеру, пересказывает длинную переписку коротко, заполняет карточку сделки, готовит черновик письма. Работает рядом с человеком, человек проверяет.

ИИ-агент в продажах. Ведёт диалог с клиентом сам: обзванивает базу, квалифицирует, отвечает в чате. Здесь ответственность передаётся машине, и здесь же начинаются основные провалы.

Копилот для руководителя. Собирает сводку по отделу, подсвечивает отклонения, готовит выжимку к планёрке. Пока самый редкий тип на российском рынке.

Разница принципиальная. Первые два помогают человеку и почти ничем не рискуют. Третий человека заменяет, и вместе с работой забирает ответственность за результат.

Когда вам предлагают купить ИИ в отдел продаж, первым делом уточните, о каком из четырёх типов идёт речь. От этого зависит и ценник, и то, чем вы рискуете.

Где ИИ действительно помогает отделу продаж

Начнём с неприятного: проверяемых цифр на рынке гораздо меньше, чем обещаний. Мы искали независимые исследования на каждое применение ИИ в продажах, и большая часть красивых чисел из презентаций вендоров не подтверждается ничем: ни выборкой, ни методикой.

Один сценарий доказан по-настоящему, хотя и на соседней профессии. Исследование «Generative AI at Work» (Бриньольфссон, Ли, Реймонд) вышло в The Quarterly Journal of Economics в мае 2025 года.

Учёные отследили 5 179 сотрудников клиентской поддержки при поэтапном внедрении ИИ-ассистента. Производительность выросла на 14% в среднем: считали решённые обращения в час.

Сразу оговорим: это поддержка, а не продажи, и метрика там своя. Переносить проценты один в один на конверсию отдела продаж нельзя. Но механизм переносится, и он важнее процентов.

Но интереснее распределение. У новичков и слабых сотрудников прирост составил 34%. У самых опытных эффект оказался близок к нулю.

Для собственника это переворачивает логику покупки. Помощь ИИ в продажах окупается там, где много новичков и высокая текучка. На сильном опытном отделе он почти ничего не добавит.

Проще говоря: ИИ в работе менеджера по продажам заменяет не мастерство, а его отсутствие.

Что до остальных сценариев, картина такая:

• Расшифровка и разбор звонков. Экономика прозрачна, цены публичны (об этом ниже). Проверяемых цифр прироста конверсии именно от речевой аналитики в российском B2B мы не нашли: всё, что попадалось, это кейсы на сайтах самих вендоров без методики.
• Квалификация лидов, подготовка к встрече, заполнение CRM, отчётность. Независимых данных об эффекте нет. Числа вроде «847 встреч вместо 312» гуляют по блогам без указания выборки, и проверить их невозможно.

Это не значит, что сценарии не работают. Это значит, что покупать их придётся на свой риск, а не по доказанной статистике. И считать эффект на своих цифрах.

Где ИИ проваливается

Здесь данных, наоборот, много, и они неприятные.

Отчёт MIT Project NANDA, лето 2025: 95% организаций не увидели отдачи от генеративного ИИ при вложениях в 30–40 миллиардов долларов.

Воронка отсева там же: 60% компаний оценивали такие системы, 20% дошли до пилота, 5% довели до промышленной эксплуатации. Отчёт предварительный и рецензирование не проходил, его выводы в отрасли спорят, но порядок величин совпадает с российскими данными ниже.

McKinsey опросила летом 2025 года 1 993 респондента из 105 стран. ИИ используют 88% организаций, но хоть какое-то влияние на прибыль относят к нему 39%, а полностью масштабировали внедрение только 7%.

В России картина жёстче. По данным исследования, опубликованного «Коммерсантом» в мае 2026 года, до промышленной эксплуатации доходят 7–10% проектов с языковыми моделями и ИИ-агентами.

Около 90% остаются пилотами или закрываются. До половины пилотов свернули потому, что они не дали ожидаемого экономического эффекта.

Опрос 140 российских ИТ-руководителей в марте 2026 года добавляет деталь: ощутимый экономический эффект получили 8% компаний, а 24% прямо говорят, что затраты на ИИ превышают измеримую пользу.

Отдельно про то, что вам продают. Gartner прогнозирует, что больше 40% проектов агентного ИИ отменят до конца 2027 года.

Там же введён термин «agent washing»: из тысяч вендоров, продающих «ИИ-агентов», реальными аналитики считают около 130. Остальное — переименованные чат-боты и старая автоматизация в новой упаковке.

Почему так происходит, если технология работает? Механизмов несколько, и ни один из них не про качество нейросети:

• Пилот запускают без анализа процесса. Инструмент внедряют в то, что не описано, и он повторяет неописанное.
• Система не накапливает контекст. MIT формулирует прямо: дело не в модели и не в регулировании, а в подходе.
• Организация не готова отдать ответственность. По опросу 603 руководителей для Harvard Business Review Analytic Services, лишь 6% полностью доверяют ИИ-агентам ключевые процессы, 43% допускают только к рутине, 39% требуют надзора. Проект, спроектированный в расчёте на автономию, упирается в это и не даёт заявленной экономии.
• Движок распознавания выбран наугад. Разница между моделями огромна: в открытом сравнении на русском ошибка распознавания у топовых движков около 3–4%, а у самых маленьких моделей доходит до 56%. Замер сделан на синтезированной речи, то есть в тепличных условиях; на реальной телефонной записи с шумом и перебиваниями точность у всех ниже. Аналитика на плохом распознавании выдаёт мусор, и разбирать её никто не станет.

У нас есть и свой пример, обратный привычному. Компания, продающая сувенирную продукцию, дожимала клиентов автоматической системой. Мы переработали скрипты под тип запроса, разделили вопросы предзакрытия, добавили работу с возражениями и перевели дожим с бота на живых менеджеров.

Конверсия выросла с 14% до 29%, то есть больше чем вдвое (кейс). Результат дала связка изменений, а не одна замена бота: инструмент был и раньше, не было процесса вокруг него.

Сколько это стоит на самом деле

Тут рынок разделился надвое, и это само по себе полезный сигнал.

Речевая аналитика публикует цены. Ставка за минуту сходится у независимых друг от друга вендоров и держится около рубля:

Здесь важна ловушка, из-за которой сравнивать по одной цифре нельзя. Минута стоит около рубля, но сама по себе она не продаётся: расшифровка это модуль поверх платформы, и абонентскую плату вы заплатите в любом случае.

У ИИ-агентов с ценами сложнее. Часть вендоров публикует ставку за минуту разговора, часть на месте прайса пишет про индивидуальный расчёт: зависит от числа звонков, сложности сценария и интеграций.

Собрать сопоставимую картину по сегменту труднее, чем по речевой аналитике. Это стоит учитывать при выборе.

Теперь посчитаем, что это значит для отдела. Считать будем осторожно: два часа разговоров в день на менеджера, 21 рабочий день. Это 2 520 минут в месяц на человека.

Отдел из десяти менеджеров наговорит 25 200 минут. По ставке рубль за минуту это 25 тысяч рублей, плюс абонентская плата за платформу: с самым скромным тарифом выходит порядка 30 тысяч рублей в месяц.

Сравните с зарплатой. Медианный доход менеджера по продажам — около 125 тысяч рублей в месяц (обзор зарплат за первое полугодие 2026 года; методика построена на вакансиях, то есть на предложениях работодателей, а не на фактических выплатах).

Получается, слушать весь отдел из десяти человек стоит примерно четверть дохода одного сотрудника. Ощутимо, но подъёмно.

А теперь главное. К этому счёту добавьте время того, кто будет разбирать результаты, и вот тут суммы начинают расходиться сильно. Час руководителя стоит дороже часа расшифровки, и его нужно много.

Если ваши менеджеры говорят больше, считайте по своим цифрам: при трёх часах разговоров в день тот же отдел даст уже около 38 тысяч рублей только за минуты.

Как посчитать окупаемость до того, как подпишете счёт

Считать нужно на своих конверсиях из CRM, а не на бенчмарках из презентации: у вендора другая ниша, другой цикл сделки и другой средний чек.

Какие цифры отдел должен видеть каждый день, чтобы такой расчёт было на чём строить, — в статье «Показатели отдела продаж».

Формула простая. Берёте текущую конверсию из квалифицированного лида в оплату, средний чек и маржу. Прикидываете, на сколько процентных пунктов инструмент способен сдвинуть конверсию. Умножаете на поток лидов и маржу, вычитаете стоимость инструмента и стоимость времени того, кто будет разбирать результаты.

Ключевой множитель здесь не цена софта, а время разбора. Заложите на разбор хотя бы 3–5 звонков на менеджера в неделю.

Как это выглядит на трёх размерах отдела при ставке 1 ₽/мин и двух часах разговоров в день:

Обратите внимание, как меняется структура расходов. На пяти менеджерах вся история стоит около 12 тысяч рублей за минуты, абонплату платформы и несколько часов руководителя в неделю: подъёмно почти для любой компании.

На сорока счёт за одни только минуты перекрывает зарплату менеджера, и вам вдобавок нужен человек, который будет всё это разбирать. Здесь уже недостаточно решить «попробуем»: нужен расчёт, какой прирост конверсии оправдает три статьи расходов сразу.

Нормативы времени на разбор в таблице — наши, из практики регулярного менеджмента, а не отраслевой стандарт. Ваши могут отличаться, но порядок величин именно такой: чем больше отдел, тем быстрее разбор перестаёт быть задачей «между делом».

Горизонт оценки — 8–12 недель. Столько перестраивается поведение людей. Две недели пилота не показывают ничего, кроме того, что технически всё подключилось.

Почему ИИ не спасает отдел, в котором нет системы

Здесь мы подходим к главному. Внедрение ИИ в продажи почти всегда обсуждают как покупку, хотя это вопрос про процесс.

Есть правило, которое мы повторяем каждому клиенту: автоматизируешь хаос, получаешь быстрый хаос.

Инструмент не создаёт процесс. Он ускоряет тот, который уже есть. Если половина договорённостей живёт в голове менеджера, а не в системе, ИИ не наведёт порядок. Он разберёт звонки и переписку, по которым никто не примет решение, и построит отчёт, которому никто не поверит.

В наших диагностиках это видно постоянно. Возьмём 50 отделов продаж, которые мы разбирали подробно: CRM уже стояла у 15 с лишним, обычно Битрикс или amoCRM. И почти в каждом таком случае она не работала как система: купили, настроили, дальше не пошло.

Поля не заполняются, этапы не отражают реальных действий. Система есть, данных нет. Добавьте сюда ИИ, и получите те же пустые поля, только заполненные автоматически и с ошибками.

Почему CRM сама по себе не наводит порядок и что нужно закрыть до неё — в статье «Зачем вашему отделу продаж CRM».

Отдел продаж работает, когда собраны пять элементов сразу:

• Скрипт и этапы разговора. Что именно менеджер говорит и в какой последовательности.
• Воронка с критериями перехода. По какому признаку сделка идёт на следующий этап. Не «отправил КП», а завершённое действие клиента.
• Операционный отчёт. Лиды, квалификации, КЭВ, счета, оплаты. Каждый день, а не в конце месяца.
• Портрет клиента. С кем работаем в первую очередь, кого отдаём в последнюю.
• Регулярный менеджмент. Разбор работы менеджеров по чек-листу, а не по настроению.

Это не меню, где выбирают два пункта из пяти. Держится на всех сразу.

КЭВ — это ключевой этап воронки. Действие, после которого клиент покупает с вероятностью 20–40%: встреча, диагностика, замер, демонстрация. Не «отправить коммерческое на почту». КЭВ работает как КПП на дороге: мимо не проедешь.

Так вот, ИИ подключается к пятому элементу и немного к третьему. К первым двум он не подключается никак. Их пишут руками, на своём материале.

Что должно быть готово до того, как вы что-то купите

Короткий чек-лист. Если хоть один пункт не закрыт, деньги на ИИ уйдут в стол.

Воронка описана, и этапы означают действия клиента. Проверка простая: спросите двух менеджеров, что означает этап «в работе». Если ответы разные, воронки нет. Есть названия.

CRM заполняется без напоминаний. Чего нет в CRM, того не было. Сделка без следующей задачи потеряна. Если данные заносят по пятницам перед планёркой, речевая аналитика будет разбирать вымысел.

Есть операционный отчёт, и его смотрят ежедневно. В тех же 50 разборах операционного отчёта не оказалось у девяти компаний вовсе, а у многих он существовал в виде двух строк: «лидов в работе» и «сумма оплат». Это не отчёт, по нему нельзя понять, на каком этапе рассыпается сделка.

Известны свои конверсии по этапам. Не средние по рынку, а свои. Без них вы не посчитаете, что даст инструмент. Придётся верить его продавцу на слово.

Есть тот, кто разбирает результат. Про это дальше отдельно, потому что именно здесь ломается большинство внедрений.

С чего начинается наведение порядка, если чек-лист не закрывается, — в статье «Аудит отдела продаж».

Кто будет разбирать то, что найдёт ИИ

ИИ-контроль в отделе продаж сам по себе ничего не меняет. Речевая аналитика находит отклонения. Дальше происходит одно из двух: либо с менеджером разбирают конкретный звонок и он меняет поведение, либо отчёт копится в папке.

Мы ведём это как регулярный менеджмент: 3–5 звонков на менеджера в неделю, разбор по чек-листу, развивающая обратная связь. Подчиняется контроль качества не РОПу, а коммерческому директору или собственнику, иначе руководитель проверяет сам себя.

Штрафы за ошибки не работают: люди начинают прятать проблемные звонки, и вы теряете именно те записи, ради которых всё затевалось.

Поведение перестраивается 8–12 недель. Это и есть реальный горизонт, на котором стоит мерить эффект от инструмента. Не две недели пилота.

Логистическая компания пришла к нам с конверсией 3% и уверенностью, что спасёт только маркетинг. Мы не покупали им софт: разобрали воронку, дали речевые модули, поставили еженедельный разбор звонков.

Конверсия выросла до 13%, средний чек прибавил 37,5 тысячи рублей (кейс целиком). Слова клиента: результатов достигли без дополнительных затрат на маркетинг, за счёт оптимизации внутренних процессов.

Как использовать ИИ в продажах, если попробовать всё-таки хочется

По одному инструменту. Лучше один работающий, чем пять для галочки.

Порядок такой: сначала процессы, потом CRM, потом автоматизация рутины, и только последним ИИ. Не потому что ИИ плохой. Потому что каждый следующий слой опирается на предыдущий, и без нижнего верхний висит в воздухе.

Что имеет смысл автоматизировать до того, как думать про ИИ, — в статье «Автоматизация отдела продаж».

Если нижние слои закрыты, решайте, как внедрить ИИ в продажи, от самого дешёвого и обратимого. Расшифровка звонков стоит копейки за минуту и отключается за день. Кастомный агент за миллион с интеграциями отключается вместе с процессом, который на него успели завязать.

И считайте на своих цифрах. Планировать нужно по своим конверсиям из CRM, а не по бенчмаркам из презентации вендора: у него другая ниша, другой цикл сделки и другой средний чек.

Что в итоге

Соберём коротко.

ИИ в продажах не миф и не панацея. В длинных сделках, где решает переговорная работа, ИИ в продажах B2B тем более не заменит человека.

Доказанный эффект есть там, где он подтягивает слабых: новичкам он даёт заметный прирост, опытным почти ничего.

Расшифровка звонков отдела из десяти человек обойдётся примерно в 25 тысяч рублей в месяц: пятая часть дохода одного менеджера. Но главная статья расходов не она, а время того, кто будет разбирать результаты.

Проваливаются проекты не из-за нейросетей. До промышленной эксплуатации в России доходят 7–10% внедрений, и причины всегда организационные: нет описанного процесса, некому разбирать выводы, никто не готов отдать машине ответственность.

Поэтому порядок такой: сначала процессы, потом CRM, потом автоматизация рутины, и только последним ИИ. Инструмент усиливает систему, но не заменяет её. Если системы нет, вы получите автоматизированный хаос: тот же хаос, только быстрее и за деньги.

Проверьте себя по чек-листу из статьи. Если воронка описана, CRM заполняется, операционный отчёт смотрят ежедневно и есть кому разбирать звонки, можно пробовать: начните с расшифровки, она дешёвая и обратимая. Если хоть один пункт не закрыт, начинать нужно не с ИИ.

Пара слов о том, почему мы говорим об этом именно так. Мы не продаём внедрение ИИ и не получаем процент от вендоров: мы строим отделы продаж, за плечами 300+ построенных.

Поэтому видим последствия с обеих сторон: и когда инструмент сработал, и когда компания купила дорогую игрушку вместо того, чтобы починить воронку.

Не уверены, на каком вы этапе? Запишитесь на бесплатную диагностику отдела продаж: разберём вашу ситуацию и покажем, где теряются деньги и что исправить в первую очередь.

Поделиться статьей: