ИИ для продаж: как бизнес закрывает 60% сделок без менеджера

Большинство компаний, когда хотят продавать больше, нанимают ещё одного менеджера. Проблема в том, что менеджер не масштабируется так же, как трафик. Трафик можно удвоить за один день. Менеджера — нет.

Дмитрий Сергеев, основатель Dashly и бывший CEO Carrot Quest, решал эту задачу иначе. Он выстроил систему ИИ-агентов, которая самостоятельно ведёт лида от первого визита на сайт до забронированной встречи с менеджером. По данным его компании, 60% сделок сейчас закрываются именно так — без участия живого сотрудника на ранних этапах воронки.

Такую же систему его команда строит у клиентов. Разбираем, как она устроена и с чего начать.

Почему чат-бот — это не ИИ для продаж

Многие компании уже пробовали чат-бот на сайте. Он отвечает на три стандартных вопроса, а при нестандартном — говорит «подождите, сейчас подключу менеджера» и исчезает. Конверсия низкая, клиенты раздражены, отдел продаж получил ещё один инструмент, который нужно вручную мониторить.

Это не ИИ для продаж. Это FAQ с кнопками.

Разница в том, что делает система в ответ на непредсказуемое поведение лида. Чат-бот застревает. ИИ-агент — переформулирует вопрос, ищет ответ в базе знаний, уточняет, что именно нужно клиенту, и продвигает разговор вперёд. Главное отличие: агент управляет диалогом, а не просто реагирует на него.

Но и один агент на всю воронку — тоже плохая идея. Именно здесь Дима Сергеев сделал свой главный методологический вывод.

Принцип декомпозиции: почему один агент не работает

Первые попытки построить «универсального агента», который умеет всё, давали слабые результаты. Агент путался в задачах, терял контекст, принимал неточные решения на разных этапах воронки.

Решение — декомпозиция. Вместо одного большого агента — несколько специализированных, каждый с узкой зоной ответственности:

Консультационный агент знает продукт. Отвечает на вопросы о функционале, ценах, кейсах. Работает на этапе, когда лид изучает, подходит ли продукт его задаче.

Квалификационный агент оценивает лида. Задаёт вопросы о размере компании, процессах, бюджете. Определяет: это целевой клиент или нет. Если нет — вежливо завершает диалог. Если да — передаёт дальше.

Booking-агент — одна задача: забронировать встречу. Предлагает слоты, согласовывает время, отправляет приглашение в календарь. Всё.

Каждый агент действует в своём контексте и передаёт управление следующему только когда выполнил свою часть. Это и есть принцип декомпозиции.

Почему это работает лучше? Специализированный агент принимает более точные решения в своей зоне, потому что его контекст и инструкции заточены именно под эту задачу. Универсальный агент пытается жонглировать слишком многим одновременно — и ошибается там, где узкий специалист не ошибается.

Как выглядит воронка без менеджера

Вот как работает полная цепочка у клиентов Dashly:

Посетитель заходит на сайт → Консультационный агент начинает диалог, рассказывает о продукте, отвечает на вопросы → Квалификационный агент определяет, целевой ли лид → Booking-агент предлагает время и бронирует встречу → Менеджер получает готовый лид с заполненной карточкой и историей диалога.

Менеджер подключается только на финальный звонок. До этого — вся работа на агентах.

Плюс к этому: после каждой встречи система автоматически генерирует коммерческое предложение на основе того, что обсуждалось. Notion работает как база знаний и хранилище истории — туда падают конспекты встреч, КП, история диалогов.

Реальные цифры: что получают компании

Dashly работает с B2B SaaS и компаниями с длинным циклом продаж. Вот конкретные результаты:

1. 60% сделок закрываются через ИИ-агентов у клиентов Dashly
2. В недвижимости — 40% сделок проходит через агентов (более осторожный клиент, длиннее цикл)
3. Скорость ответа: агент реагирует мгновенно, 24/7 — без задержки до утра понедельника

Для контекста: по данным Salesforce, более 80% команд продаж уже используют или тестируют ИИ-инструменты. По оценке СберПро, внедрение ИИ-агентов — тренд №1 для российского бизнеса в 2026 году. Разрыв между теми, кто внедрил, и теми, кто ещё только изучает, будет расти.

Сам Дима проверил подход на собственном опыте: Carrot Quest, его предыдущий продукт, вырос с нуля до $3 млн ARR и 1 000+ клиентов без внешних инвестиций. Это человек, который умеет строить системы продаж — и теперь перестраивает их с ИИ.

Инструменты: на чём строится система

Нет одного «правильного» стека. Dashly использует то, что даёт лучший результат под конкретную задачу. Но несколько инструментов появляются в большинстве проектов:

LLM-модели — Claude и GPT-4 используются как «мозг» агентов. Claude — для задач, где нужна точность формулировок и длинный контекст. GPT — для скорости.

Оркестрация — n8n для автоматизации цепочек, кастомный код когда логика сложная. Агенты не работают в вакууме — им нужна инфраструктура, которая передаёт данные между шагами.

Notion — база знаний: описание продукта, скрипты, сценарии квалификации, история диалогов, конспекты встреч. Агент берёт информацию оттуда, туда же записывает результаты.

Claude Code — инструмент для команды разработки Dashly. Senior-разработчик после перехода: «Я больше не буду кодить без Claude. Никогда». Дима сам перешёл с Cursor на Claude Code для работы со сложной архитектурой агентов.

Три вещи, которые ломают систему на старте

Они появляются почти в каждом проекте — независимо от инструментов.

Слабая база знаний. Агент настолько хорош, насколько хороша информация, которую ему дали. Если в Notion нет чёткого описания продукта, сценариев ответов на возражения и критериев квалификации — агент будет галлюцинировать или давать размытые ответы. Перед запуском: потратить день на структуру базы знаний.

Один агент на всю воронку. Это самая частая ошибка. Универсальный агент пытается быть консультантом, квалификатором и планировщиком встреч одновременно — и плохо справляется с каждой ролью. Декомпозиция — это упрощение: каждый агент делает одно и делает хорошо.

Запуск без eval-аналитики. Как понять, что агент работает хорошо, если не смотреть на диалоги? Dashly встраивает систему оценки качества разговоров с первого дня: агент сам помечает, где диалог пошёл не по плану. Это позволяет улучшать систему на реальных данных, а не на догадках.

С чего начать внедрение ИИ в продажи

Не с полной автоматизации воронки. С одной задачи.

Вопрос, который стоит задать: где в твоей воронке продаж больше всего теряется время или теряются лиды?

Типичные варианты:

1. Лид заполнил форму в 22:00 в пятницу — менеджер позвонил в понедельник в 10. Лид уже у конкурента.
2. Менеджер тратит 30 минут на звонок, который заканчивается «нам это не подходит» — квалификация не срабатывает на входе.
3. После встречи КП готовится три дня — лид остывает.

Каждая из этих задач закрывается одним агентом. Начни с той, где боль сильнее всего.

Шаг 1. Описать задачу так, как её делает человек — шаг за шагом, со всеми решениями и исключениями.

Шаг 2. Выбрать инструмент под задачу: для простых диалогов — Claude Projects, для интеграций — n8n, для сложной мультиагентной архитектуры — Dashly или подрядчик.

Шаг 3. Запустить, собрать данные за две недели, итерировать.

Если хочешь сначала разобраться, что такое ИИ-агент и зачем он нужен — начни с базовой статьи. Для тех, кто уже понял суть и выбирает инструмент — разбирали, с чего начать без технического бэкграунда в блоге. Там же — конкретный пример запуска за один вечер.

FAQ

Может ли ИИ полностью заменить менеджера по продажам?

На ранних этапах воронки — да, уже сейчас. На финальных переговорах, в нестандартных сделках, при работе с крупными клиентами — нет. Система Dashly устроена именно так: агент берёт на себя всё до встречи, менеджер закрывает сделку.

Сколько стоит внедрить ИИ в продажи?

Диапазон широкий. Claude Projects для простых сценариев — около $20-100 в месяц на LLM. Полная система с агентами, оркестрацией и аналитикой — от $2 000 до $15 000+ за разработку и настройку, плюс инфраструктурные расходы. Лучший вопрос: сколько стоит каждый потерянный лид, который ушёл к конкуренту в 23:00 в субботу, пока менеджер спал? При 60% сделок через агентов ROI считается быстро.

Нужна ли команда разработчиков?

Для базового агента — нет. Claude Projects или n8n с готовыми коннекторами настраивает один человек без кода. Для мультиагентной архитектуры с декомпозицией, как у Dashly — нужна техническая компетенция. Можно нанять подрядчика или обратиться к командам, которые специализируются на ИИ-агентах для продаж.

С каких задач начать, если агентов никогда не было?

Квалификация входящих лидов — самая частая точка входа. Агент задаёт три-пять вопросов и определяет, целевой ли лид. Менеджер получает уже отфильтрованный пайп. Экономия времени заметна с первой недели.

ИИ-агенты в продажах освобождают людей от рутины — чтобы они занимались тем, где человек незаменим: строили доверие, разбирались в нестандартных ситуациях, закрывали сложные сделки. Квалификация, первичные ответы, бронирование — всё это агент. Финальный разговор — человек.

Хочешь разобраться, с чего начать именно в своём бизнесе? 

Подписывайся на наш Telegram-канал и вступай в закрытый клуб AI Practiq — вместе пройдёмся по воронке и найдём точку входа.