Привет, Хабр! Меня зовут Георгий, руковожу продажами и маркетингом в Аспро.Cloud. За плечами больше пятнадцати лет в B2B-продажах — TELE2, Samsung, Whirlpool, команды до полусотни человек.

Истории про ИИ в продажах сейчас выходят в двух жанрах. В первом робот закрывает сделки лучше отдела и не спит ночами. Во втором он же увольняет менеджеров и оставляет компанию без выручки. Аудитория верит то одному, то другому — в зависимости от того, что случилось на последнем вебинаре.

Я полгода отдаю ИИ часть своей работы руководителя и расскажу, что из этого вышло. Где ассистент экономит отделу часы каждый день. Где он работает как полноценный сотрудник — сам берет данные из разных продуктов, готовит сводки и вносит изменения. И где я до сих пор отношусь к нему с недоверием.

ИИ в продажах — четыре года ничего не менялось, и все решили штурмовать

Начну с рынка. Шестое издание исследования State of Sales 2026 от Salesforce: продавцы тратят на собственно продажи 30% рабочего времени. Остальные 70% уходят на не-продающие задачи — ввод данных, подготовку КП, внутренние встречи. В издании 2022 года было 28%. Четыре года, десятки новых инструментов — и плюс два процентных пункта.

Реакция рынка предсказуема. По тому же исследованию девять из десяти команд продаж уже используют ИИ-агентов или планируют внедрить их в течение двух лет. В России картина похожая: по совместному опросу hh.ru и Touch Instinct 26% работников регулярно пользуются нейросетями, еще 35% — время от времени. Нейросети для бизнеса из пилотных проектов превратились в рабочие инструменты, и каждый четвертый работодатель уже планирует проверять владение ими при найме.

Всем рассказывают, как ИИ экономит время. Почти никто не рассказывает, как проверять его работу — хотя именно там, на мой взгляд, решается, был смысл внедрять или нет. Этому и посвящена статья.

Мое правило внедрения ИИ — дешевле проверить, чем сделать

Про то, что рутину надо отдавать роботу, написано уже столько, что повторять не буду. Мой фильтр другой.

Я отдаю ИИ задачу, только если проверить результат дешевле, чем сделать работу самому.

Сводка по шести метрикам делается руками за полтора часа. Проверить ее — две минуты: взглянуть на список сделок, из которых сложились цифры. Асимметрия в мою пользу, отдаю.

Стратегический план на квартал ИИ набросает за минуту. Проверять его придется неделю, и проверка потребует всей той экспертизы, ради которой я вообще получаю зарплату. Асимметрия против меня, оставляю себе.

Из этого правила сами собой выпадают три зоны:

• отдаю без раздумий — подсчеты, сводки, постановка задач по списку, ответы по документации: проверяются глазами за минуты;

• отдаю на предпросмотре — все, что меняет записи в системе: ассистент показывает, что собирается сделать, я подтверждаю;

• не отдаю никогда — решения по людям, стратегия, все, где ошибку узнаешь потом по деньгам.

И второе правило, выросшее из первого: доверие наращивается ступенями. Сначала ИИ только читает и считает. Потом ищет и сопоставляет. И лишь затем создает записи — с подтверждением каждого шага. Первое время я отклонял каждое третье предложение в предпросмотре. Мне было непонятно, как ассистент трактует мои формулировки, и отклонение стоило дешевле сюрприза.

Что изменилось в отделе

Сводка по продажам ушла ассистенту первой. Один запрос — и через несколько минут готов отчет по шести метрикам: лиды, демо, звонки, встречи, продления, новые продажи. По моим прикидкам, на управленческой рутине такого рода ИИ забрал больше половины времени.

Но главное изменилось не это. С шестью метриками в одной таблице стало видно то, что в разных разделах системы не видно никак: лиды растут, а демо просели. Заявки приходят, до встреч не доходят. Раньше такое всплывало через месяц, на срыве плана. Теперь — в ту же пятницу.

Статус проекта одним вопросом. Раньше, чтобы понять, что происходит в проекте, я открывал доску, заходил в задачи одну за другой, читал комментарии. Теперь спрашиваю ассистента: что выполнено по проекту? Он сам проходит по задачам и приносит выжимку — что закрыто, что в работе, где застряли. Пять минут чтения доски превращаются в один вопрос.

Работа с чужими описаниями задач. Описания у нас пишут по-разному: кто-то на страницу, кто-то телеграммой. Ассистент читает описание и собирает по задаче чеклист или сжимает его в пару предложений — что конкретно нужно сделать. Разработчику не приходится перечитывать простыню, мне не приходится выяснять, что имелось в виду.

Массовая постановка задач. Раз в месяц набирается пул однотипных задач на направление — тридцать-сорок штук. Раньше список летел ответственным в чат, через месяц выяснялось, что четверть задач потерялась, у остальных пустые поля. Теперь ассистент создает задачи с описаниями, автором и ответственным, заполняет направление, спринт, этап воронки, трудозатраты, категорию. Полдня сжимаются в пятнадцать минут. И поля, которые люди заполняли кое-как, заполнены всегда — а раз данные есть, тот же ИИ собирает по ним аналитику.

Развертка проекта. На запуске направления ассистент собрал каркас целиком: структуру, задачи с описаниями и сроками на доске, права доступа исполнителям. Два дня подготовительной работы — три часа, из которых большая часть ушла на мою вычитку.

Техподдержка. Больше половины обращений закрывает бот по нашей документации: рутинные вопросы решает сам, нетривиальные переводит оператору. Специалисты заняты сложными кейсами, клиенты получают ответ сразу.

Онбординг и соседние отделы. Новенький входит в продукт через вопросы вместо недельной программы ознакомления. Маркетологи перестали ходить за пояснениями в разработку, PR-менеджер готовит продукт к отправке на рейтинг, не разбираясь в технических деталях — ему нужен ответ на конкретный вопрос, и документация через ИИ дает его за минуту.

ИИ-агент, который работает как сотрудник

До ассистента и подключения внешних ИИ по MCP все мои эксперименты упирались в одно: модель не имела доступа к корпоративным данным. Классическая связка — выгрузил CSV из CRM, загрузил в ChatGPT, написал запрос. На разовых задачах работает, на регулярной рутине разваливается быстро:

• выгрузка устаревает в момент создания — сводка по вчерашнему экспорту сегодня врет, и неизвестно насколько;

• данные о клиентах улетают на зарубежные серверы;

• чат только советует — даже с идеальным анализом возвращаешься в систему и руками раскидываешь задачи.

Ключевой сдвиг случился, когда ИИ получил доступ к корпоративным данным. Ассистент внутри системы — по сути CRM с ИИ — работает с порталом напрямую: сам находит сделки, задачи, проекты и финансы в рамках моих прав, создает и изменяет записи после моего подтверждения. 

Внешний ИИ через MCP делает то же с другими сервисами и документами — собирает данные из разных продуктов, вносит в них изменения, удерживает общий контекст работы. Про MCP была отдельная статья, здесь зафиксирую главное: это уже не чат, к которому надо приносить данные. Это сотрудник, который берет их сам — и руками у него то, чего не было ни у одного чата: право вносить изменения в мои системы.

Результат возвращается туда же, откуда пришли данные: задачами, записями, сводками. Универсальный бот остался у меня для текстов без привязки к данным.

Галлюцинации ИИ и цена доверия

Первый пример — аналитика. Я попросил просмотреть данные за три года и предложить гипотезы. Получил гладкий структурированный документ с выводами уровня «летом продаж меньше, потому что отпуска». На узкий вопрос по конкретному сегменту — гипотезы, которые можно проверять: после какого события отваливаются продления, с чего начинается падение конверсии у клиентов одной отрасли. ИИ для аналитики данных хорош ровно настолько, насколько узок вопрос. Широкий всегда дает банальность, узкий — материал для решения.

Про выдуманные факты и цифры. У меня их оказалось меньше, чем ошибок границ: ассистент почти ничего не выдумывал, он слишком буквально решал, что считать продлением. Это самая коварная разновидность ошибки — цифры настоящие, интерпретация нет.

Второй — трактовки. Первый месяц я отклонял каждое третье предложение в предпросмотре: ассистент понимал мои формулировки иначе, чем я имел в виду. Не критично — при предпросмотре ошибка видна до исполнения. Но именно этот месяц объяснил мне, почему внедрять ИИ сразу с правами на запись опасно: пока не поймал его на расхождении несколько раз, ты не знаешь, где он врет.

И вот что важно: обе истории — не про слабый ИИ. Исследование Microsoft Research и Университета Карнеги-Мели 2025 года показало закономерность: чем выше доверие к инструменту, тем меньше усилий человек тратит на проверку его ответов. И обратный эффект: уверенные в собственных навыках люди проверяют активнее. Ошибки ИИ в моей практике были исправимы — опаснее моя собственная привычка переставать смотреть.

После этого у меня появилась железная процедура: первый месяц каждая новая автоматизация дублируется ручной сверкой. Каждая сводка, каждый отчет. После месяца расхождения становятся предсказуемыми, и сверка переходит в выборочный режим.

Чеклист недоверия

Все, что я узнал за эти месяцы, помещается в четыре пункта.

Просите список, а не число. В цифре не видно, из чего она сложилась. Тот же запрос с просьбой показать сделки, из которых получилась цифра — и ошибка в границах выборки видна сразу.

Первый месяц дублируйте руками. Каждую сводку — параллельной ручной выборкой. Это единственный способ узнать, какие расхождения водятся в ваших данных.

Подозревайте хорошие цифры. Плохая цифра вызывает проверку на автомате — она неприятна, и мозг хочет опровержения. Хорошая проскальзывает мимо критического взгляда: проверять приятное не хочется. Рост лучше плана в падающий месяц, ровная красивая динамика, улучшение без причины — вот что проверяется в первую очередь.

Решения оставляйте за собой. ИИ — ваш противник, которого вы обязаны проверять, искать в нем дыры, сомневаться. Чтобы не он использовал вас, а вы использовали его. И не ждите стратегии на первый запрос: до ИИ, который хорошо понимает вас и ваши данные, идет около полугода.

Вместо итога

Руководителю остается главное: думать и принимать решения — теперь на большем охвате данных, чем я мог собрать руками. Решение не становится правильным автоматически. Оно становится максимально приближенным к правильному, и ответственность за него по-прежнему моя.

Карта отдавать и не отдавать не привязана к нашему продукту — правило дешевле проверить, чем сделать сработает с любым ИИ, подключенным к вашим данным.

А что вы уже отдавали ИИ? Где сработало — и где он вас подвел так, что пришлось забирать обратно?