Haiku dev сделала ИИ-копилот продаж для компании коммерческой недвижимости, где менеджеры ведут больше 3 000 переписок в день. С ним персональное коммерческое предложение готово за минуту вместо двух недель, а отдел продаж работает в 10 раз быстрее.
Наш клиент продавал коммерческую недвижимость преимущественно в текстовой переписке с клиентами. Клиент пишет в мессенджер или в чат на сайте с размытым запросом, и за десятки сообщений менеджер выясняет сегмент, бюджет, назначение помещения, сроки и готовность к сделке.
У компании была сильная методика продаж. Скрипты, правила общения, работа с возражениями и стандарты для каждого этапа воронки были описаны в документах. Но при 3 000+ диалогов в день открывать их посреди разговора никто не успевал.
С ростом потока менеджеры иногда называли устаревшие цены, пропускали шаги скрипта и теряли требования, которые клиент назвал в начале переписки. Персональное коммерческое предложение собирали из CRM вручную две недели, поэтому большинство клиентов получали типовую презентацию.
Мы сделали ИИ-копилот продаж для менеджеров. Он читает переписку, понимает, кто перед ним, подсказывает ответ по сценарию компании и собирает коммерческое предложение. Систему построили в два слоя: разбор диалогов и генерация предложений.
Система забирает сообщения из мессенджеров менеджеров и склеивает их в единый контекст диалога. В рабочем окне видно каждый активный разговор, оценку лида, контекст клиента и следующий шаг.
Разговор остаётся за менеджером. Система предлагает ответ, а менеджер проверяет его, правит и отправляет.
ИИ-агент читает историю переписки и определяет тип запроса, этап воронки и готовность клиента к сделке. Под этот класс система выбирает один из корпоративных сценариев продаж со своими вопросами, аргументами и следующими шагами.
Менеджер видит короткое содержание диалога, следующее действие и готовый ответ в тоне компании.
Из переписки система сама собирает требования клиента, то есть тип помещения, назначение, бюджет, площадь, район и сроки. По этому профилю она подбирает подходящие объекты, и менеджеру не нужно листать весь каталог.
Цены и площади система берёт из актуальной базы объектов по строгим правилам. Поэтому цифры в ответе совпадают с базой, даже если цены поменялись вчера.
Из профиля клиента и выбранных объектов система собирает персональное коммерческое предложение в PDF. Оно сделано по утверждённым шаблонам и в фирменном стиле.
В предложении есть объекты под запрос клиента, точная цена за месяц, объяснение, почему подходит каждый вариант, и следующие шаги.
Менеджеры весь день работают в CRM, поэтому мы сделали расширение для браузера. Оно показывает внутри CRM приоритетные диалоги, подсказки ответов и карточку клиента.
Готовый ответ переносится в мессенджер одной кнопкой, без переключения окон.
Сообщения из мессенджеров приходят волнами, а цепочка запросов к модели для одного сообщения занимает десятки секунд. Поэтому приём и обработку мы разделили очередью Apache Kafka. Сообщение принимается сразу, а при сбое система повторяет попытку и сохраняет сообщения клиентов.
Сценарий продажи описан в LangGraph как граф состояний. Агент классифицирует клиента, проверяет уникальность лида в CRM, ведёт разговор по скриптам компании, отвечает из базы знаний и подводит к встрече. Состояние каждого чата сохраняется, поэтому диалог продолжается с того места, где остановился.
Ответ пишет GPT-4.1, а поиск по базе знаний выполняет GPT-4.1-nano. Указаны модели исходного стека, с релизом новых моделей мы пересматриваем и оптимизируем инструменты. Сервис коммерческих предложений берёт актуальные цены, планировки и наличие из фида застройщика и собирает PDF в фирменном стиле.
Опыт лучших продавцов теперь хранится в системе. Каждый диалог, классификация и исход сделки пополняют базу того, как компания продаёт на самом деле.
Мы делаем ИИ-ассистентов, которые работают по методике самой компании и на её данных. Последнее слово в каждом сообщении остаётся за менеджером.
Живое демо ИИ-копилота продаж есть на странице кейса на сайте Haiku.