Решения приняты, но работа стоит: как AI-фасилитация меняет один процесс продаж
В первой статье цикла мы показали, что AI входит внутрь рабочего действия 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 на одном процессе: от разбора реальной работы до изменённого порядка, в котором у AI есть конкретные участки.
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. У каждого своя убедительная версия. Историю конкретной клиентской заявки целиком никто не восстанавливает.
Руководство принимает пять 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. Запрос, о котором громче напоминает руководитель, обгоняет остальные.
Напряжение превращается в недоверие. Продажи перестают верить срокам технического отдела. Специалисты считают, что менеджеры скрывают сложность запросов. Финансы подозревают продажи в необоснованных скидках. В переписку добавляют руководителей, чтобы зафиксировать свою правоту. Вместо раннего сообщения о риске появляется защитная формулировка: «Со своей стороны всё передали». Компания оплачивает дополнительный поток обращений, подбор и обучение, пока способность доводить существующие заявки до клиента остаётся ограниченной.
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.
Подготовка запросов техническому отделу
Менеджеры быстрее оформляют больше заявок
Неполные запросы быстрее попадают в перегруженную очередь
Генерация коммерческих предложений
Черновики появляются почти сразу
Непроверенные характеристики и сроки попадают в документы, объём проверки растёт
Расшифровка звонков и протоколы совещаний
Поручения и договорённости извлекаются автоматически
Предварительная идея о найме превращается в задачу до подтверждения причины перегрузки
Управленческие сводки
Отчёт выглядит цельным и убедительным
Разные определения статусов скрываются за одинаковыми словами
Напоминания исполнителям
Просрочки становятся заметнее
Людей чаще торопят, хотя данных или полномочий для продолжения работы у них нет
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
Основу берём из подхода, описанного в первой статье: разбор реальной работы, разделение причин на инструмент, навык, процесс и полномочия, затем проектирование связки человека и AI с закреплением изменений.¹ Дальше идёт его адаптация к нашему кейсу.
Граница процесса: от запроса клиента до отправленного и проверенного предложения, по которому клиент может принять решение. Совещание становится одной из точек управления этим процессом.
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.
Это проверяемая последовательность событий. По ней можно выбирать меры.
Проверяем причины до вложений
Не хватает технических специалистов
Разделить время расчёта, ожидания сведений и переделок; проверить загрузку по типам запросов
Расширять штат
Менеджеры плохо продают
Посмотреть, на каком этапе уходят клиенты, и разобрать подтверждённые причины отказов
Заказывать общее обучение продажам
Нужно больше обращений
Проверить очередь существующих заявок и возможность обработать дополнительный поток
Увеличивать рекламный бюджет
Скидки требуют усиленного контроля
Сопоставить спорные случаи с типовыми и определить, где проверка действительно меняла решение
Добавлять согласование для всех предложений
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.
Проектируем новый поток
Целевой порядок: запрос клиента → проверка достаточности данных → доступная очередь → подготовка предложения → проверка условий → отправка → разбор результата. Для каждого перехода фиксируем условие готовности, ответственного и действие при отклонении.
Приём запроса
Для каждого типа предложения определён необходимый минимум сведений
Расшифровывает звонок, извлекает данные из обращения, выделяет недостающее, готовит вопросы клиенту
Менеджер подтверждает требования; неизвестные значения остаются неизвестными
Постановка в работу
Неполные заявки видны отдельно; активную работу ограничивают доступной мощностью команды
Показывает возраст заявок, предполагаемые дубли и зависимости; напоминает о заявке только при выполненном условии готовности
Ответственный подтверждает приоритет; срочное исключение фиксируется с причиной
Подготовка
Используются утверждённые характеристики, условия и шаблоны
Собирает черновик с указанием источников и версий
Специалист проверяет соответствие решения запросу
Согласование
Типовые условия разрешены в установленном диапазоне полномочий; исключения передаются согласующему
Выделяет отклонения и готовит краткое обоснование
Уполномоченный сотрудник принимает решение; цены и пороги проверяются расчётными правилами
Управление
На встречу выносят препятствия и решения, требующие участия нескольких функций
Готовит саммари совещания и список исключений со ссылками на факты
Участники выбирают действие, исполнителя и критерий завершения
Проверка результата
Закрытие задачи требует подтверждения результата, а не отправки письма
Сопоставляет выполненные действия с согласованными условиями
Владелец результата подтверждает приёмку и необходимость дальнейших шагов
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.
Перенастраиваем работу людей
HR-компонент здесь виден непосредственно в действиях:
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».
База знаний с поиском по источникам (RAG)
Отвечает специалисту и менеджеру на вопросы о характеристиках, совместимости, прошлых предложениях и причинах отказов, с указанием документа и версии
Единый утверждённый каталог характеристик и условий; архив предложений размечен по типам и исходам
Решение о применимости аналога к текущему запросу
Непрерывный анализ процесса по журналам систем (process mining)
Строит карту пути заявок по событиям CRM, почты и документооборота; показывает, где растёт ожидание и на каких типах запросов копятся переделки
Временные отметки переходов пишутся в системы, а не в переписку; статусы определены одинаково для всех подразделений
Выбор, какое отклонение разбирать первым
Конфигуратор предложений с проверкой правил
Собирает состав решения из каталога, проверяет совместимость и пороги цены, формирует предложение в утверждённом шаблоне
Описанные правила совместимости и границы полномочий по скидкам; тестовый набор запросов с известным верным ответом
Подтверждение состава и условий перед отправкой; все исключения
Агент сопровождения заявки
Ведёт заявку по этапам: запрашивает недостающие сведения у клиента, ставит в очередь при готовности, собирает черновик, направляет отклонение согласующему, фиксирует результат
Сквозной процесс с условиями готовности уже работает в ручном режиме; у агента ограниченные права на запись и журнал действий с возможностью отката
Обещания клиенту, исключения из правил, остановка агента при сбое
Прогноз исхода и приоритизация очереди
Оценивает по истории вероятность переделки, риск потери сделки и ожидаемую маржу; предлагает порядок обработки
Несколько сотен завершённых заявок с подтверждёнными исходами и причинами
Утверждение приоритета; запрет на автоматическое понижение заявок конкретных менеджеров
Модель мощности команды
Считает, сколько заявок каждого типа команда способна провести за период, и показывает, что произойдёт с очередью при росте входящего потока
Измеренные трудозатраты по типам запросов из пилота
Решение о рекламе, найме и перераспределении людей
Последовательность имеет значение. База знаний и анализ журналов работают с данными, которые пилот уже начал собирать, и дают пользу через несколько недель. Конфигуратор и агент сопровождения требуют описанных правил и проверенного процесса; запущенные раньше, они закрепят неформальные договорённости, которые команда ещё не успела пересмотреть. Прогнозные модели и модель мощности появляются последними, когда накоплена история с подтверждёнными исходами.
Карточка решения из предыдущего раздела получает новое наполнение. Вопрос «выдержит ли команда дополнительную рекламу» перестаёт быть предметом спора: модель мощности показывает размер очереди при заданном росте обращений, анализ журналов показывает, где она застрянет, прогноз исхода показывает, какие заявки компания при этом потеряет. Руководство обсуждает один расчёт с известными допущениями вместо версий подразделений.
Границы сохраняются. Агент получает права на запись в системы после того, как его действия несколько недель проверяли вручную. Прогнозная модель не ранжирует сотрудников и не влияет на оплату. Конструкция, которая не может показать источник своего вывода, к решениям о клиентах и бюджете не допускается.
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.
Полный срок от запроса до проверенного предложения
Быстрее ли клиент получает результат
Ожидание на каждом переходе
Убрали ли задержку или переместили её
Возвраты и исправления
Сохранили ли качество при ускорении
Общие трудозатраты, включая проверку AI
Действительно ли стало меньше работы
Размер и возраст очереди
Справляется ли процесс с входящим потоком
Причины потери сделок и согласованная маржа
Улучшились ли бизнес-результаты без неприемлемых уступок
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 часть заканчивается там, где понятно, что именно нужно изменить, зачем и как это проверить.
Если у вас есть процесс, в котором сотрудники уже используют AI, а совещания по-прежнему обсуждают, кто виноват, начать можно с одной заявки и её полной хронологии.
Источники
Formatta. «Как AI меняет работу людей и что теперь придётся изменить в HR», 03.09.2026.
Открыть статью ↗Formatta. Вторая статья цикла: что должен изменить сам бизнес, чтобы решения о людях влияли на результат (ссылка добавляется после публикации).
Открыть статью ↗Кейс, периодизация и трактовка AI-фасилитации являются интерпретацией автора и Formatta.
