Решения приняты, но работа стоит: как AI-фасилитация меняет один процесс продаж
В первой статье цикла мы показали, что AI становится частью рабочего процесса и личная производительность сотрудника перестаёт автоматически превращаться в результат компании. Во второй разобрали, что должен изменить сам бизнес, чтобы решения о людях влияли на скорость и качество исполнения. Эта статья показывает тот же подход, но на конкретном процессе продаж: разберём, как устроена работа и на каких этапах можно внедрить AI.
Компания и события в кейсе вымышлены. Финансовые результаты и проценты улучшения реальному проекту не приписываем.
Кейс: решения приняты, работа стоит
Компания продаёт оборудование корпоративным клиентам. Потенциальные покупатели обращаются, менеджеры ведут переговоры, однако сделки всё чаще зависают на подготовке коммерческого предложения. Клиенты напоминают о себе, но затем перестают отвечать.
На совещании коммерческий директор показывает снижение продаж. Маркетинг приносит отчёт о выполненном плане обращений. Руководитель продаж объясняет ситуацию качеством заявок и медленной работой технических специалистов. Технический отдел отвечает, что менеджеры присылают неполные запросы и постоянно меняют требования. Версии по отдельности звучат убедительно, при этом историю конкретной клиентской заявки целиком никто не восстанавливает.
Руководство принимает несколько решений: выделить дополнительный бюджет на рекламу, запустить подбор менеджеров, заказать обучение переговорам, усилить контроль скидок через дополнительное согласование и ввести ежедневную отчётность по зависшим сделкам. У каждого решения есть ответственный. Протокол разослан, поручения на контроле.
После увеличения рекламы заявок становится больше. Технические специалисты получают новые запросы поверх незавершённых. Менеджеры торопят коллег в личных сообщениях и обещают клиентам сроки, которые никто не подтверждал. Дополнительное согласование скидок создаёт ещё одну очередь. Быстрее обрабатываются те запросы, о которых руководитель настойчивее напоминает.
Постепенно отделы перестают доверять друг другу. Продажи не верят срокам, которые называет технический отдел. Технические специалисты считают, что менеджеры недоговаривают о сложности клиентских запросов. Финансы сомневаются в обоснованности скидок. В переписку всё чаще добавляют руководителей, чтобы в случае чего доказать свою правоту. Вместо того чтобы заранее предупредить коллег о проблеме, каждый старается подстраховаться: «Со своей стороны всё передали».
А компания тем временем продолжает тратить деньги на привлечение новых заявок, нанимать и обучать сотрудников, хотя с обработкой уже поступивших запросов по-прежнему не справляется.
Если добавить AI прямо сейчас
В этой версии кейса компания решает ускориться с помощью AI. Каждое подразделение внедряет его самостоятельно, а правила работы между подразделениями остаются прежними.
Пример: руководитель просит AI объяснить падение продаж по презентациям подразделений. В материалах много упоминаний нехватки людей и слабых заявок. Модель воспроизводит эти объяснения, придаёт им связную форму и предлагает расширить команду. Сведения о времени ожидания согласования в исходных материалах отсутствуют. AI помогает оформить решение, для которого компания ещё не собрала доказательства.
Как перестроить работу
Для начала нужно разобраться, как сейчас обрабатывают клиентские запросы и что мешает доводить их до результата. Где не хватает подходящих инструментов, где сотрудникам нужны дополнительные навыки, где сам процесс не оптимизирован, а где у людей просто нет полномочий принять решение.
После этого можно определить, какие задачи передать AI, какие оставить сотрудникам и как организовать работу по-новому. Подробнее этот подход мы описали в первой статье¹, а здесь покажем, как применить его к нашему примеру.
Рассматривать будем весь путь от обращения клиента до готового, проверенного предложения, на основании которого он сможет принять решение. Совещание станет одной из точек, где команда обсуждает возникающие проблемы, устраняет задержки и договаривается о дальнейших действиях.
Начинаем с пути конкретной заявки
Назначаем владельца сквозного процесса, уполномоченного согласовывать изменения между подразделениями. В разбор включаем исполнителей, которые действительно готовят и проверяют предложения. Собираем материалы по сопоставимым завершённым заявкам: исходный запрос и уточнения, записи в CRM, версии предложения, переписку по согласованию, время передачи, начала работы и возврата, причину завершения сделки или отказа.
На карте отдельно отмечаем выполнение работы, ожидание и переделки. Если временная отметка или причина неизвестна, сохраняем пробел.
AI-компонент. Помощник расшифровывает записи звонков с клиентом и внутренних созвонов, собирает предварительную хронологию из разрешённых источников, связывает версии документов и выделяет противоречия. Каждое событие сопровождается ссылкой на исходную запись. Спорные связи подтверждают люди.
Технический специалист получил запрос, но не мог рассчитать предложение без обязательного параметра. Менеджер считал запрос переданным в работу. Уточнение осталось в переписке. После получения параметра расчёт подготовили, однако типовая скидка ожидала решения руководителя. Пока шло согласование, клиент изменил состав заказа. Расчёт пришлось переделать.
Так мы получаем историю заявки, которую можно проверить по документам и переписке. На её основе можно разобраться в причинах задержек и понять, что действительно нужно менять.
Сначала проверяем причины, потом инвестируем в изменения
AI-компонент. Помощник группирует подтверждённые причины возвратов и ожидания, находит похожие случаи и показывает исключения. Он может предложить гипотезу; вывод о причине команда проверяет по исходным материалам. По итогам разбора в нашем кейсе выбираем предмет изменения: неполный входящий запрос, правила приоритизации и согласование типовых условий.
Выстраиваем новый порядок работы
Определяем, какой путь проходит каждая заявка. Сначала проверяем, достаточно ли информации предоставил клиент. Если всё необходимое есть, заявка попадает в очередь, доступную участникам процесса. Затем специалисты готовят коммерческое предложение, проверяют условия и отправляют его клиенту. После этого отслеживают результат.
На каждом этапе заранее договариваемся, кто за что отвечает, при каких условиях заявку можно передать дальше и что делать, если возникла проблема.
Генеративному AI поручаем работу с текстом и речью: расшифровку, извлечение данных, черновики, саммари. Расчётам и установленным правилам поручаем арифметику и проверку порогов. Ответственность за обещания клиенту и расходование бюджета закрепляем за людьми.
При недостатке данных или сбое помощника сохраняется ручной маршрут. До автоматических записей в рабочие системы проверяем доступы, качество извлечения и возможность отменить ошибочное действие.
Меняем правила управленческих решений
Вернёмся к предложению увеличить рекламу. В новом порядке инициатор оформляет краткую карточку: какое отклонение наблюдаем, чем оно подтверждено, какие причины проверили, какое действие предлагаем и при каком результате его остановим. AI собирает проект карточки из подтверждённых источников и отмечает недостающие доказательства. Решение проходит через владельца процесса и ответственного за бюджет.
В нашем сценарии карточка показывает: существующие обращения уже ожидают обработки. Руководство откладывает расширение рекламной кампании и запускает ограниченную проверку нового порядка подготовки предложений. Для каждого этапа заранее определены разрешённый бюджет и условие продолжения. Появляется связь между обнаруженной причиной, выбранным действием и основанием для следующего вложения.
Помогаем сотрудникам работать по-новому
Чтобы новый процесс заработал, нужно изменить привычные способы работы и договориться, кто за что отвечает.
Обучение завершается самостоятельным прохождением рабочего сценария с проверкой результата. Посещение занятия само по себе не подтверждает готовность.
Для восстановления доверия вводим отдельную договорённость: раннее сообщение о препятствии запускает помощь и решение. Ошибку разбираем по обстоятельствам и действиям. AI-сводки и расшифровки звонков не используем для автоматического ранжирования «виноватых» сотрудников.
Следующий уровень: что строить после пилота
Расшифровка, извлечение данных, черновики и саммари дают эффект быстро и почти не требуют инженерной работы. Когда новый порядок устоялся, появляется основание для более сложных конструкций. У каждой есть условие допуска: без него инструмент ускорит прежний беспорядок, как в разделе «Если добавить AI прямо сейчас».
Последовательность имеет значение. Базу знаний и анализ журналов можно подключить уже через несколько недель после начала пилота, когда появятся первые данные. А вот с конфигуратором и ИИ-агентом, который сопровождает заявки, лучше не спешить. Сначала нужно описать правила работы и проверить новый процесс на практике. Иначе есть риск автоматизировать те же неэффективные способы взаимодействия, от которых команда пытается уйти. Прогнозные модели и модель мощности появляются последними, когда накоплена история с подтверждёнными исходами.
Вернёмся к вопросу из предыдущего раздела: справится ли команда, если компания увеличит расходы на рекламу и получит больше обращений? Теперь ответ можно подкрепить расчётами. Модель загрузки покажет, как вырастет очередь заявок, анализ журналов поможет определить, на каких этапах возникнут задержки, а прогнозная модель оценит, какие заявки компания рискует потерять. Руководители смогут опираться на общие данные и понятные допущения, а не на противоречивые оценки разных подразделений.
При этом у AI-зации остаются ограничения. Агенту разрешают самостоятельно вносить изменения в системы только после того, как его действия несколько недель проверяли вручную. Прогнозную модель не используют для оценки сотрудников или расчёта их вознаграждения. А если нельзя проверить, на основании каких данных AI сделал вывод, использовать его для решений о клиентах и бюджете нельзя.
Как доказать эффект
Спроектированный процесс ещё предстоит проверить. Сильный кейс показывает способ доказательства, а не придуманный процент успеха. Для пилота выбираем ограниченный тип предложений и сохраняем исходные измерения. По возможности отдельно проверяем изменение правил и последующее подключение AI.
Критерии продолжения и остановки утверждаем до пилота. При опасной ошибке в условиях предложения соответствующую автоматизацию приостанавливаем и выясняем причину. Высвобождённое время учитываем как дополнительную мощность команды. Денежную экономию заявляем, когда подтверждено изменение расходов.
Как заканчивается история
Коммерческий директор снова поднимает вопрос о дополнительной рекламе. На экране видны заявки, ожидающие обработки, причины задержек и результаты проверки нового порядка. Техническому отделу больше не приходится доказывать свою занятость количеством писем. Продажи видят, какие сведения нужны для продолжения работы. Типовое предложение проходит по установленным правилам; спорное условие поступает человеку, который вправе его согласовать. AI заранее расшифровал звонки, собрал материалы по исключениям и подготовил саммари. Участники проверяют основания и принимают решение о следующем шаге.
Вопрос о рекламе остаётся открытым до проверки способности команды обработать дополнительный спрос. AI получает полезную работу в каждом участке изменённого процесса, а люди получают проверяемые основания для решений и понятные полномочия.
Сделать самим или доверить нам
Этот путь можно пройти самостоятельно. Для этого нужны владелец сквозного процесса с реальными полномочиями, две-три недели на разбор завершённых заявок, готовность руководителей смотреть на хронологию вместо версий подразделений и дисциплина, чтобы не выбирать решение до проверки причины. Если эти условия есть, схема из статьи достаточна для старта.
В Formatta такую работу мы называем AI-фасилитацией. Мы приходим, когда у компании нет времени или внутреннего арбитра между подразделениями: проводим разбор реального процесса, помогаем договориться о границе процесса, правилах, точках проверки и показателях, формулируем требования к данным и к следующему решению. Готовые AI-продукты мы не разрабатываем и техническую команду не заменяем. Наша задача — помочь компании понять, какие изменения действительно нужны, почему и как проверить их результат.
Начать можно с малого. Если сотрудники уже используют ИИ, но на совещаниях по-прежнему выясняют, кто виноват в задержках, возьмите одну заявку и восстановите всю её историю. Посмотрите, где и почему возникали проблемы. Уже такой разбор может показать, что именно мешает команде работать быстрее.
Источники
Formatta. «Как AI меняет работу людей и что теперь придётся изменить в HR», 03.09.2026.
Открыть статью ↗Formatta. «Внедрение AI: почему без изменения процессов бизнес замедляется».
Открыть статью ↗Кейс, периодизация и трактовка AI-фасилитации являются интерпретацией автора и Formatta.