Директор по продукту, специалист в области автоматизации бизнес процессов и диджитализации бизнеса
Не секрет, что большинство бизнесов в России хотят внедрить ИИ для повышения своих показателей. Однако, к сожалению, многие не понимают, как использовать эту технологию по-настоящему эффективно. Чаще всего ИИ ассоциируют с генерацией мемов, текстов и других развлекательных элементов. Но на самом деле он может стать бесценным помощником и существенно улучшить показатели вашего бизнеса (например, продажи).
В этой статье разберем как с помощью искусственного интеллекта вывести ваш бизнес на новый уровень и для этого дадим детальную инструкцию по внедрению ИИ. Разберем на примере автоматизации прослушки и оценки звонков в нашем отделе продаж.
Шаг 1: Определяем задачу, которую нужно «отдать» искусственному интеллекту
Чтобы внедрение ИИ не стало очередной модной игрушкой руководства, а принесло реальную пользу вашему бизнесу (продажи, сокращение издержек, вставьте “сюда” любую боль вашего бизнеса), начинать нужно не с выбора инструментов, не с покупки подписки на ИИ сервис, а с самого главного — определения конкретной задачи, которую вы делегируете ИИ.
Другими словами — надо не «где бы нам воткнуть нейросеть», а что в вашем бизнесе жрёт время, деньги, нервные клетки и при этом выполняется по шаблону. Именно такие процессы стоит автоматизировать в первую очередь.
Я обычно начинаю с классической матрицы Impact-Frequency.
Модель IF очень проста.
Рисуем табличку с двумя осями. По одной — частота выполнения задачи, по другой — её значимость.
Частота — как часто вы это делаете? Каждый день? Раз в неделю? Только по понедельникам после планерки? Или раз в месяц, после бурного корпоратива с коллегами?=)
Значимость — насколько сильно выполнение этой задачи влияет на деньги? Если перестать делать — клиент уйдёт? Деньги потеряете? Или просто будет неудобно перед ним.
На пересечении этих двух параметров и появляются ваши приоритетные задачи для автоматизации. То, что:
выполняется часто;
и сильно влияет на выручку или экономит часы работы сотрудников.
В моём случае мы анализировали бизнес-процессы в отделе продаж. Там каждый день проходит до 40 звонков с клиентами. Руководителю отдела надо как-то понимать, кто из менеджеров реально работает, кто просто жмёт кнопку «ответить», а кто сливает клиента на первом же возражении.
До этого для контроля менеджеров вручную прослушивали звонки. Один звонок — 5–10 минут. 30 звонков — это 3–4 часа жизни. Каждый день. Плюс ещё кто-то должен выписать замечания, отправить их менеджеру, собрать аналитику.
Составление данной таблицы – помогло понять руководству – существует проблема и именно искусственный интеллект сможет нам помочь.
Шаг 2: Описываем, как должен выглядеть результат после внедрения искусственного интеллекта в бизнес
На этом этапе наша задача — спроектировать будущее, в котором AI (или, если хочется по-русски — искусственный интеллект) уже встроен в процесс и делает свою работу.
Если сказать проще — вы садитесь и описываете: «Вот у нас есть задача. А вот как она должна решаться после того, как туда зайдёт нейросеть».
Это как составить техзадание не программисту, а самому себе. Чтобы вы (и вся команда) понимали: что именно вы автоматизируете, зачем, и как поймёте, что система заработала.
Чем точнее будет описан желаемый результат – тем лучше.
Чтобы вы поняли – давайте пример.
Мы взяли задачу из отдела продаж: ежедневный анализ звонков менеджеров.
Задача выполнялась каждый день, влияния на деньги — максимальное. Но делалась вручную. Кто-то слушал звонки, делал пометки, писал обратную связь. И тратил на это 2–4 часа в день. Причём с большим риском субъективности — что услышал, то и записал.
Прежде чем внедрить ИИ, мы с руководителем Ларисой Владимировной сели и честно описали: каким должен быть идеальный результат. Вот каков был наш план:
Все звонки автоматически распознаются и превращаются в текст.
Искусственный интеллект (мы использовали GPT-4 через n8n) анализирует текст и ставит оценки по заданным критериям.
Результат попадает в таблицу Google Sheets — с комментариями, оценками, цитатами.
Руководитель отдела продаж каждое утро открывает таблицу и видит, кто работает хорошо, кто — не очень, и какие ошибки были в речи.
Шаг 3: подбираем инструменты и проектируем бизнес процесс
Когда у нас уже есть сформулированная задача (см. шаг 1) и чёткое представление, каким должен быть результат (см. шаг 2), мы подходим к самому вкусному — архитектуре решения. Это этап, на котором вся магия искусственного интеллекта становится работающей системой, экономящей время и деньги.
Но если действовать без системы — легко уйти в лес (такой же дремучий как Запретный Лес в Гарри Поттере) запутаться в интеграциях и в итоге сдаться. Поэтому в этом шаге всё начинается не с кода — а с бумаги, блокнота, мира или доски в Notion (я лично использую Miro).
Для автоматизации бизнес процессов с помощью ИИ обычно используется система N8N или make.com (в некоторых случаях можно обойтись Zapier).
Эти системы разворачиваются на сервере вашей компании, и с помощью “Api” вытягивают необходимые Вам данные (например, звонки). Далее отправляют данные в ИИ (например, в Chatgtp или DeepSeek) и затем возвращают обратно (например, прикрепляя расшифровку звонка в Bitrix).
Давайте на нашем примере.
Я решил автоматизировать анализ звонков менеджеров — рассказал об этом в предыдущих шагах. Вот как выглядела архитектура:
- Звонки клиентов записываются в системе телефонии (у нас была UIS).
- Mango отправляет ссылку на mp3-запись и имя менеджера в webhook n8n.
- При отправке звонки и данные шифруются для обхода возможности утечек.
- n8n сохраняет запись, передаёт её в Whisper (open-source модель от OpenAI) — расшифровка речи.
- Текст проходит очистку от мусора, мы добавляем вводные (например: «ты — супервайзер по продажам, оцени звонок по 5 параметрам…»). Для этого отправляем промпт и текст звонка в GPT-4
- Другой модуль (DeepSeek) мы просим проверить качество расшифровки и оценки звонков перед публикацией.
- После оценки все данные отправляются в Google Sheets, а расшифровка конкретной сделки отправляется в Битрикс (в сделку, из которой “достали” звонок). Для безопасности все данные шифруются, что минимизирует риск утечек.
- Руководитель открывает таблицу каждое утро, видит оценки и принимает управленческие решения (а именно вызывает к себе менеджеров и разбирает с ними “проблемные” сделки и лиды, где менеджеры допустили ошибки в коммуникации с клиентом.
Ниже схема работы:
Теперь по стоимости. Оплата осуществляется за платформу автоматизации (например, n8n) и за “токены” нейросети. Токены – это автоматическая оценка нейросети загрузки, которую она несет для выполнения задачи. В месяц расшифровка порядка 40 звонков в день обходится нам примерно в 30 долларов США (да, все современные нейросети кроме Яндекс Gtp – просят оплачивать свои услуги в долларах США).
Однако, если Ваш бизнес боится американского ПО как огня (а все мы понимаем, что спецслужбы получают доступ к данным западных сервисов), то можно вместо ChatGtp и других западных нейросетей можно использовать DeepSeek (развернув его на вашем сервере).
Особенности внедрения ИИ
Прежде чем запускать ИИ на весь отдел или все процессы — сделаете MVP (это минимально жизнеспособную версию вашего решения). В моём случае это был один звонок, вручную переданный в n8n, обработанный и загруженный в Google Sheets. На этом этапе важно убедиться, что
ИИ (ChatGtp/DeepSeek/Grok) понимает, что вы от него хотите (а не несёт чушь)
Ответ понятный, структурированный, по шаблону
Еще момент – очень важен правильный промпт.
Промпт — это инструкция, которую вы даете нейросети. Это и есть 80% результата.
Он может выглядеть как одна строчка:
Например: «Проанализируй звонок и дай оценку».
А может — как полноценное техническое задание:
Пример :«Ты — супервайзер отдела продаж в области проектирования. Получаешь текст звонка между менеджером и клиентом. Твоя задача — по пяти критериям (открытие, выявление потребностей, аргументация, работа с возражениями, завершение сделки) выставить оценки от 1 до 5, кратко пояснить каждый балл и дать рекомендации. В конце составь общий вывод».
Разница в результате будет колоссальной. Чтобы вы понимали как придумать подходящий промпт распишу правила.
Промпт для бизнеса - как придумать
Вот несколько принципов, которые помогут вам настраивать ИИ так, чтобы давал конкретный и измеримый результат для бизнеса:
Правило 1 – Задайте роль и цель
ИИ работает лучше, если знает, кем он должен быть и зачем он это делает. Не бойтесь формулировок вроде:
«Ты — эксперт по коммерческим переговорам»
«Твоя задача — выявить ошибки в разговоре и предложить улучшения»
Это помогает нейросети сфокусироваться. Можете также попросить ИИ сыграть роль.
Например, “Ты — эксперт по коммерческим переговорам 40 лет, проработавший более 15 лет в коммерческих B2B продажах и ставший руководителем отдела”.
Правило 2 – Опишите структуру ответа
Если вы хотите получить конкретный отчёт, таблицу, текст в определённом виде — пропишите это.
Например:
«Ответ должен содержать: 1) Таблицу с оценками по 5 критериям. 2) Пояснения к каждой оценке. 3) Общий вывод в конце»
Чем четче будут критерии – тем лучше.
Правило 3 – Уточните требования к тону, стилю, длине
В некоторых задачах важно, чтобы ИИ писал «по-деловому», в других — коротко и дружелюбно. Всё это нужно указывать:
«Пиши кратко, без воды. Максимум 500 символов на каждый блок. Стиль — экспертный, деловой»
Правило 4 – Не забудьте контекст
Если у вас есть своя специфика (например, свои термины, особенности бизнеса, целевая аудитория), обязательно добавьте это в инструкцию. Чем больше вводных — тем точнее результат.
Правило 5 – Тестируйте, улучшайте, уточняйте
Промпт — не догма. Он рабочий инструмент, который нужно тестировать и допиливать. Получили результат — подумайте, чего не хватает. И добавьте в инструкцию.
А куда вставлять промпт?
Если вы используете n8n + OpenAI API — просто вставляете промпт в соответствующее поле внутри node с GPT.
Если вы работаете через чат-бота (например, в Telegram или на сайте) — промпт задаётся в описании роли бота (в SaluteBot, ChatGPT Custom GPT и других).
Если вы делаете сложную систему с разными запросами — можно создавать отдельные шаблоны промптов, хранить их в базе и подставлять автоматически в зависимости от задачи.
Шаг 4: Тестирование
Продолжаем — и сейчас мы подошли к Шагу 4 – тестированию. На бумаге всё звучит красиво — ИИ должен анализировать, структурировать, подсказывать. Но на практике любая система сначала ведёт себя как новичок на новой работе: вроде обученный, но пока путается в терминах и не понимает, кто здесь главный.
Поэтому как только вы настроили промпт и подключили ИИ к бизнес-процессу, не спешите радоваться. Начинается период тестирования — и именно он определяет, будет ли ваша система реально полезной или уйдёт в папку «воткнули ради галочки».
Первое, что нужно сделать — относиться к ИИ не как к магии, а как к новичку на испытательном сроке. Вы даёте ему задачу, проверяете, что он делает, и… настраиваете дальше.
Итак, что же нам надо тестировать:
Вот список ключевых параметров, которые обязательно надо проверить:
Правильно ли ИИ понимает вводные?
Распознаёт ли он нужные данные?
Не путает ли роли, контекст, имена?
Корректно ли интерпретирует задачи?
Выставляет ли оценки адекватно?
Даёт ли ценные рекомендации или просто дублирует текст?
Соблюдает ли структуру ответа?
- Есть ли в ответе все нужные блоки?
- Указаны ли оценки, пояснения, общий вывод?
Срабатывает ли система автоматизации?
- Запускается ли она в нужный момент (например, после загрузки расшифровки звонка)?
- Уходит ли результат туда, куда нужно (в Telegram, Google Sheets, CRM и т. д.)?
- Работает ли всё без сбоев?
- Не рвутся ли цепочки в n8n или других сценариях?
Напомню, в нашем примере мы внедряли систему анализа звонков с помощью N8N + Chatgtp. Расшифровки загружались в Google Таблицу, промпт анализировал звонки по пяти критериям, а результат отправлялся руководителю отдела продаж.
Вот как мы тестировали:
Загрузили 3 реальных расшифровки — с разными менеджерами и разным уровнем общения.
Сравнили оценки ИИ с оценками живого супервайзера — и на первых итерациях GPT завышал баллы.
Уточнили промпт — добавили фразу: «Оцени строго. 3 — это допустимый уровень, 4 — хорошо, 5 — только если идеально».
Прогнали те же звонки снова — оценки стали ближе к реальности.
На этапе тестирования выявилась проблема – ИИ очень плохо понимает термины в экологии. Например, СЗЗ (санитарно-защитную зону) он называет СЭЭЗ, а ПДК (предельно-допустимые концентрации выбросов на границе рабочей зоны) – называет – СДК (как сервис доставки).
Пришлось, добавлять модуль DeepSeek, который проверяет расшифровку звонков, внося правильные изменения, чтобы конечный анализ должным образом учитывал расшифровку звонков с терминами.
В какие процессы можно внедрить ИИ?
Если кратко – практически в любые. Благодаря системами по типу N8N мы можем вытягивать любые данные в ИИ (шифруя их через специальные модули), а далее выстраивать цепочку работы с данными.
Например, одна нейросеть расшифровывает звонки, другая на основании расшифровки определяет кто клиент, третья создает для него уникальные КП, которые содержат решение потребности клиента, четвертая – создает рекламные баннеры, затем система автоматизации отправляет все клиенту в формате email письма, а баннеры отправляет в Яндекс Директ для рекламы (ретаргетинга).
Фактически настройка систем автоматизации является ex-machinа бизнеса 21 века (кто смотрел фильм Алекса Гарленда – поймет).
С помощью внедрения ИИ можно решать практически любые задачи в вашем бизнесе, поднимая показатели вверх и снижая издержки.
Бизнесы, которые в ближайшие пару лет внедрят ИИ в бизнес процессы будут “богатеть”, а скептики – “беднеть” и Киосаки Роберт с его книгами тут не причем.
Очень советую уже сейчас начинать внедрять ИИ в ваш бизнес. Если хотите – обратитесь к нам за бесплатной консультацией. Мы поможем.
Наши эксперты написали для вас более 30 статей по автоматизации бизнес процессов с помощью искусственного интеллекта. Их прочтение поможет Вашему предприятию найти точки роста.
