Развитие ИИ-ассистентов в продажах: тренды, заблуждения и реальность

Цель статьи

В этой статье мы рассмотрим ключевые аспекты внедрения ИИ-ассистентов в сферу продаж.
Мы проанализируем преимущества технологий искусственного интеллекта, реальные кейсы их применения в российских компаниях, а также обсудим основные тенденции развития ИИ в продажах.
Кроме того, обратимся к распространенным заблуждениям среди предпринимателей относительно возможностей ИИ-ассистентов и выделим ключевые вызовы, с которыми они сталкиваются на практике.
Статья направлена на предоставление объективной картины текущего состояния и перспектив развития данной технологии.

1. Преимущества ИИ-ассистентов в продажах

ИИ-ассистенты уже доказали свою эффективность в автоматизации рутинных задач различных сфер, персонализации взаимодействия с клиентами и прогнозировании спроса. В России компании активно внедряют такие решения для обработки входящих запросов, анализа клиентской базы и даже проведения холодных звонков.

Несколько примеров:

Sberbank Assistant от Сбербанка — это виртуальный ассистент, который консультирует клиентов по финансовым вопросам, оформляет заявки на кредиты и обслуживает карты. Внутри отдела продаж он автоматизирует обработку заявок и взаимодействие с клиентами.
Робот-консультант М.Видео-Эльдорадо — это ИИ-ассистент, который помогает покупателям выбирать бытовую технику и электронику, отвечает на вопросы, рекомендует товары и ведет переговоры о цене.
AI-помощник X5 Retail Group — это ИИ-система, которая помогает продавцам эффективно взаимодействовать с покупателями, предлагая подходящие продукты и улучшая общение на основе анализа покупательского поведения.
Виртуальный стилист Lamoda — это ИИ-ассистент, предлагающий покупателям модные образы на основе их предпочтений и размера одежды, что увеличивает количество покупок благодаря персональным рекомендациям.

Какие преимущества мы можем выделить на основе всех примеров?

Автоматизация рутинных задач

ИИ-ассистенты берут на себя обработку заказов, ответы на часто задаваемые вопросы и сбор данных о клиентах, освобождая время менеджеров для более сложных задач.

Персонализация взаимодействия

С помощью анализа данных ИИ-ассистенты предлагают клиентам персонализированные предложения, что повышает конверсию.

Круглосуточная поддержка

Чат-боты и голосовые ассистенты работают 24/7, обеспечивая мгновенную реакцию на запросы клиентов.

Интеграции

Ассистенты автоматизируют интеграции с различными системами, такими как CRM, ERP, ITSM и проч.

Самостоятельная генерация контента

Ассистенты могут самостоятельно создавать уникальный контент, помогая менеджерам по продажам

Все преимущества уже активно используются в России. Давайте рассмотрим реальные примеры внедрения ИИ-ассистентов в продажах.

2. Реальные примеры использования ИИ-ассистентов в России

ИИ-ассистенты активно внедряются в розничной торговле, банковской сфере и электронной коммерции. Рассмотрим несколько кейсов компаний с примеров выше по результативности.

Сбербанк и виртуальный ассистент "Салют"

Применение:
Помогает клиентам банка с вопросами по услугам, переводам и оплате счетов.
Результаты:
Снижение нагрузки на колл-центры на 30%, увеличение скорости обработки запросов в 2 раза.

Wildberries и чат-боты для поддержки клиентов

Применение:
Чат-боты обрабатывают до 70% запросов клиентов, связанных с отслеживанием заказов и возвратами.
Результаты:
Уменьшение времени ожидания ответа до 1 минуты, повышение удовлетворенности клиентов.

X5 Retail Group и прогнозирование спроса

Применение:
ИИ-ассистенты анализируют данные о покупках и прогнозируют спрос на товары.
Результаты:
Снижение излишков на складах на 15%, увеличение оборачиваемости товаров.

Все примеры показывают, что ИИ-ассистенты уже меняют рынок и делают это очень даже результативно. Но какие тренды будут определять их развитие в ближайшие годы?

3. Тренды развития ИИ-ассистентов в продажах

Технологии ИИ быстро развиваются, и в продажах появляются новые тренды, которые помогают компаниям оставаться конкурентоспособными. Рассмотрим несколько реальных примеров, уже вам знакомых, а также выделим основные направления.

Интеграция с голосовыми помощниками

Одним из ключевых трендов является интеграция ИИ-ассистентов с голосовыми интерфейсами. Например, компания Яндекс активно развивает голосового помощника Алису, который уже используется для автоматизации звонков и напоминаний. Это позволяет компаниям взаимодействовать с клиентами более естественно и эффективно.

Генеративный ИИ для создания сценариев продаж и персонализированных маркетинговых кампаний.

Генеративный ИИ, такой как ChatGPT, становится все более популярным в продажах. Например, российские компании начинают использовать его для создания персонализированных email-кампаний и сценариев продаж. Это позволяет экономить время и повышать качество взаимодействия с клиентами.

Прогнозная аналитика.

Еще одним важным трендом является развитие прогнозной аналитики. ИИ-ассистенты становятся более точными в прогнозировании поведения клиентов и спроса. Например, компания М.Видео использует ИИ для анализа данных о покупках и прогнозирования спроса на товары. Это позволяет оптимизировать запасы и повышать удовлетворенность клиентов.

Основными направлениями для GPT-решений в продажах мы можем выделить следующие:

Голосовые ассистенты

Внедрение голосовых технологий для обработки заказов и консультаций.

Гиперперсонализация

Использование ИИ для создания индивидуальных предложений на основе анализа поведения клиентов.

Интеграция с CRM

Автоматическое обновление данных о клиентах на основе заключений ИИ-ассистента, а также использование клиентских данных для поддержания контекста беседы с клиентами (чат-боты).

Эмоциональный интеллект

ИИ-ассистенты, способные распознавать эмоции клиентов и адаптировать стиль общения.

Классификация лидов и клиентов

На основе паттернов поведения и общения в чате классификация входящих лидов.

Создание планов продаж

На основе исторических данных, трендов, данных о клиентах и сезонности создание плана продаж различных видов товаров.

Создание коммерческих предложений

Подготовка и создание КП на основе исторических данных и контекста, данных о клиенте и сделке.

Создание персонализированных e-mail рассылок

Генерация текстов и осуществление рассылок.

Создание продающих презентаций
Создание продающего контента
Анализ конкурентов
ИИ-агенты для автоматизации взаимодействия с лидами и клиентами.
Учет психологических аспектов

Учет психологических аспектов клиентов, психотипа и др. врожденных особенностей для повышения удовлетворения клиентов и конверсии.

Однако, несмотря на все преимущества, про которые мы говорили, многие предприниматели допускают ошибки при внедрении ИИ-ассистентов.

4. Заблуждения и ошибки предпринимателей

Внедрение ИИ-ассистентов требует четкого понимания их возможностей. Несмотря на все преимущества, вокруг ИИ-ассистентов существует множество мифов.

Менеджеры больше не нужны — так ли это?

Одно из самых распространенных заблуждений — это мнение, что ИИ заменит менеджеров по продажам. На самом деле, ИИ-ассистенты не заменяют людей, а помогают им работать эффективнее и выполняют основную часть рутинных операций за менеджеров, освобождая им тем самым много времени на решение более наукоемких задач, требующих больше мыслительных и аналитических навыков. Ассистенты, в свою очередь, берут на себя рутину, но сложные переговоры и стратегические решения остаются за менеджерами.

Результат не приходит сразу, а внедрение — небыстрый процесс.

Еще одна ошибка — это ожидание мгновенных результатов. Внедрение ИИ требует времени, ресурсов и экспертизы. Без качественных данных и правильной настройки системы результаты могут быть разочаровывающими, зачастую негативно влияющими на текущий процесс продаж и конверсию. Например, очень часто видим желание многих компаний внедрить ИИ-ассистента без предварительной подготовки данных и проектирования архитектуры системы. В результате система выдавала некорректные рекомендации, модель галлюционировала, что, в конечном счете, привело к снижению конверсии.

Низкое качество данных — большая боль многих организаций.

Также одной из главных проблем при внедрении ИИ-ассистентов является качество данных. ИИ работает только с теми данными, которые ему предоставляют — в контекст или же как дополнительные данные для дообучения модели. Некорректные или неполные данные снижают эффективность системы — “Garbage in, garbage out”. Действительно, данная фраза будет применима и для GPT-моделей — если хотим получить результат хорошего качества, то и данные для обучения модели или контекст — должны быть хорошего качества, достоверны и их должно быть много. Например, многие часто сталкиваются с тем, что ИИ-ассистент неправильно классифицировал клиентов из-за ошибок в базе данных или недостатка информации, галлюцинациях. В итоге это приводит к снижению уровня обслуживания клиентов и уменьшении конверсии.

Еще одна проблема — это недостаток экспертизы.

Многие компании не имеют специалистов для внедрения и поддержки ИИ-решений на базе GPT. Например, зачастую компании недооценивают уровень требуемой экспертизы и рассчитывают, что написав несколько промптов к GPT-моделям возможно быстро интегрировать ИИ-ассистента на базе ChatGPT либо другой модели. Однако практика показывает, что решений с использованием промптов обычно недостаточно - нужны более сложные системы с поддержкой RAG-подхода, Fine-tuning моделей или же самых современных с применением GraphRAG, чтобы чат-боты могли быть более “умными” и меньше галлюционировать.

Наша рекомендация
Не пытаться полагаться полностью на ИИ и строить самостоятельно процессы с применением GPT-моделей для разных бизнес-процессов, в том числе продаж.

Данная область требует как экспертизы в работе ИИ-ассистентов, различных GPT-моделей, типовых архитектур решений, понимания основных точек оптимизации системы и повышения точности ответов, а также инфраструктурных знаний и настройке мониторинга и логирования запросов-ответов к моделям для дальнейшего эволюционирования моделей и повышения точности их ответов.

Немного обобщим вышесказанное:

Ожидание мгновенных результатов

Заблуждение:
Предприниматели считают, что ИИ-ассистенты сразу увеличат продажи.
Реальность:
Для эффективной работы решений на базе GPT требуется время на обучение и интеграцию, разработку механизмов повышения точности GPT-моделей, а также апробацию решения, период ОПЭ, исправление всех недочетов работы ИИ-ассистента (как правило, галлюцинаций или недостаточно полных ответов). И только затем ассистент начнет работать как задумывалось с приемлемым качеством.

Полный отказ от менеджеров

Заблуждение:
ИИ-ассистенты могут полностью заменить менеджеров.
Реальность:
Ассистенты облегчают работу менеджеров и автоматизируют рутинные операции, интеграции с СРМ и прочее, но не заменяют менеджеров по продажам.

Игнорирование качества данных

Заблуждение:
ИИ-ассистенты могут работать с любыми данными.
Реальность:
Низкое качество данных приводит к некорректным результатам, зачастую выраженными в снижении конверсии.

Эти ошибки приводят к тому, что предприниматели сталкиваются с реальными трудностями при внедрении ИИ - они приносят нужного результата, а иногда и вовсе, негативно влияют на текущий процесс.

5. Реальность, с которой сталкиваются предприниматели

Внедрение ИИ-ассистентов — это сложный процесс, требующий ресурсов и экспертизы. Обсудим некоторые аспекты внедрения ИИ-ассистентов.

Технические аспекты

С технической точки зрения внедрение ИИ-ассистента связано с необходимостью адаптации существующих IT-систем предприятия под новые требования. Это включает в себя модернизацию оборудования, обновление программного обеспечения и обучение персонала работе с новыми инструментами. Важно учитывать, что большинство современных ИИ-систем требуют наличия высокопроизводительных вычислительных мощностей на базе GPU, которые могут оказаться недоступными для малых и средних предприятий. Более того, интеграция ИИ-технологий требует высокой квалификации специалистов, обладающих знаниями в области машинного обучения и анализа данных, наличия архитекторов для проектирования систем такого класса.

Выходом здесь может послужить использование облачных SaaS решений — нет необходимости приобретать дорогие GPU, а обслуживание системы и поддержка ее работоспособности останется на сервис-провайдере.

Экономические факторы

Экономическая сторона вопроса также играет важную роль. Внедрение ИИ-ассистентов зачастую сопровождается значительными первоначальными инвестициями, которые могут окупаться лишь через несколько лет эксплуатации в некоторых обстоятельствах. Многие предприниматели опасаются рисковать своими ресурсами, особенно когда речь идет о технологии, потенциал которой еще недостаточно изучен или не до конца рассчитана его экономическая окупаемость. Помимо этого, существуют дополнительные расходы, связанные с поддержкой, обновлением и оплатой лицензий ИИ-системы, что делает этот проект долгосрочным финансовым обязательством.

Здесь можно порекомендовать пытаться всегда посчитать экономическую окупаемость ИИ-проекта, чтобы иметь представление об эффективности инвестиций. Окупаемость 2-3 года может считаться хорошим числом, в то же время инвестиция будет хорошим заделом на будущее как стратегический нематериальный актив компании. А так как ИИ-ассистенты набирают активную популярность и развиваются семимильными шагами, значит применяемые технологии будут современными и эффективными.

Организационные трудности

Организационная структура компаний также сталкивается с серьезными вызовами при внедрении ИИ-ассистентов. Часто возникает необходимость пересмотра внутренних процедур и стандартов работы, чтобы адаптироваться к новым условиям. Сотрудники могут испытывать сопротивление изменениям, особенно если чувствуют угрозу своей профессиональной позиции. Руководству приходится решать вопрос мотивации работников, обеспечивая их участие в процессе внедрения и адаптацию к новой реальности.

Не бойтесь идти в сторону изменений — это неизбежно, а современная реальность и автоматизация диктует необходимость адаптироваться к изменениям как можно быстрее. И те, кто поймут это быстрее, получат конкурентные преимущества над другими организациями, где процесс буксует из-за данных сложностей.

Риски и неопределенности

Не стоит забывать и о потенциальных рисках, связанных с использованием ИИ-ассистентов. К ним относятся возможные сбои в работе системы, утечка конфиденциальной информации, нарушение законодательства о защите персональных данных и другие юридические последствия. Эти риски усиливают общую неуверенность предпринимателей относительно целесообразности инвестиций в ИИ-технологии.

Здесь мы рекомендуем использовать следующий подход: базово стартовать пилоты с облачных моделей и облачной SaaS-подхода, а также простых задач, которые можно быстро автоматизировать. В случае наличия чувствительных данных, которые по внутренним политикам нельзя передавать в облачным провайдеров (хотя многие имеют необходимые сертификат ФСТЭК по защите персональных данных в облаке по 115 ФЗ), использовать On-Prem установки и небольшими 7-миллиардными моделями, которые могут хорошо работать на сравнительно небольших видеокартах.

Коротко говоря, внедрение ИИ-ассистентов представляет собой многогранную задачу, требующую комплексного подхода. Для успешного перехода на новый уровень автоматизации необходимы значительные ресурсы, инфраструктура, правильное проектирование архитектуры системы, приемлемое качество данных, экспертная поддержка и готовность к преодолению организационных и технических трудностей.

Тем не менее, правильно спланированное и реализованное внедрение ИИ-ассистентов способно значительно повысить эффективность бизнеса, открывая новые горизонты для развития и конкурентоспособности. Компании, кто уже начали этот процесс, несомненно получат конкурентные преимущества.

6. Заключение

ИИ-ассистенты — это мощный инструмент для повышения эффективности продаж. Они помогают автоматизировать рутинные задачи регистрации заявок, улучшать взаимодействие с клиентами и повышать точность классификации лидов.
Однако их внедрение требует тщательной подготовки, инвестиций и понимания реальных возможностей существующих технологий.

Ниже перечислены наши кейсы по разработке ИИ-ассистентов:

→ Кейс 1: Автоматизация обработки резюме с помощью DUC SmartSearch — HRTech
Задача: преобразование резюме сотрудников в единый корпоративный формат, независимо от исходного типа файла (.rtf, .doc/.docx, .pdf).

В 5 раз экономия времени HR на обработку резюме
Точность модели генерации резюме — 93%

→ Кейс 2: Автоматизация сопоставления номенклатур товаров ресторанов и поставщиков с помощью LLM
Задача: по заданному наименованию товара от клиента (ресторана) необходимо осуществлять автоматический поиск аналогов в общей базе товаров поставщиков.

В 15 раз сократилось время на поиск
На 50% уменьшились издержки на замены и возвраты товаров

→ Кейс 3: Ансамблирование экспертных оценок вендеров по прогнозированию пола и возраста с камер видеонаблюдения
Задача: повышение точности прогнозирования пола и возраста на основе ответов 4 вендоров по изображениям с камер видеонаблюдения.

На 7% увеличилась точность прогнозирования пола
На 5% увеличилась точность прогнозирования возраста

→ Кейс 4: Исследование по прогнозированию динамики план-графиков для роста эффективности и производства
Задача: Разработка прототипа системы прогнозирования для заблаговременной реакции на отставание сроков производства.

на 20% повысилась эффективность планирования
на 10% снизилось количество просроченных план-графиков

→ Кейс 5: Умный чат-бот помощник сотрудника технической поддержки
Задача: Разработка чат-бота для ответов на «типовые» вопросы жителей.

>70% составила точность ответов
х2 экономия времени 2-х сотрудников техподдержки одного филиала УК

→ Кейс 6: Проектирование и разработка цифрового помощника на базе искусственного интеллекта
Задача: Проектирование и разработка цифрового помощника на базе искусственного интеллекта. Помощник должен отвечать на вопросы об условиях участия в крупной всероссийской акции.

более 90% составила точность ответов
в 3 раза снизилась нагрузка на техподдержку

→ Все наши кейсы: ознакомиться со всеми кейсами компании!

ИИ-ассистенты — это не будущее, а настоящее.
Те компании, которые уже сегодня внедряют эти технологии, получают значительное конкурентное преимущество.

Развитие ИИ-ассистентов в продажах: тренды, заблуждения и реальность