Мы учим искусственному интеллекту — и специально не отдали ИИ разговор с клиентом

Больше 70% российских компаний уже применяют генеративный ИИ хотя бы в одном процессе, но измеримую отдачу получают единицы. Мы в отделе диагностики «Зерокодера» пошли другим путём: сначала описали методологию, потом обучились вайбкодингу и только после этого построили ИИ‑агентов. За первый полный месяц работы новой системы отдел выполнил план на 112,65%, работая вполсилы.

Рассказываю, что мы построили, что это дало в цифрах и почему сам разговор с клиентом мы не автоматизировали принципиально.

Кто к нам приходит: три типа запроса

Осведомленность, то есть что человек знает о мире технологий, ИИ, какой опыт работы с нейросетями уже имеет.

Техническая грамотность, то есть профессиональный опыт, управленческие компетенции, жизненный контекст работы с определенным техническим стеком.

Эмоциональная готовность — оценка готовности перед собой погрузиться в процесс обучения, который может вызывать преодоление, стресс и любопытство одновременно.

К нам не всегда приходит клиент из отдела продаж. Наш человек обладает неким ощущением или непроработанной проблемой, но выразить ее словами не может. Мы делим входящие обращения по тому, насколько далек заявленный запрос от настоящей задачи.

Тип 1. Запроса нет — есть ощущение. «Я хочу разобраться с искусственным интеллектом, но не понимаю, с чего начать». Человек чувствует, что прежняя модель перестает работать, но не знает, где именно. Осведомленность низкая, эмоционально — тревога отставания.

Тип 2. Запрос есть, но чужой. «Все вокруг говорят про ИИ. Кажется, мне тоже это нужно, но я не понимаю зачем». Импульс пришел не изнутри, а снаружи: услышал на конференции, увидел у конкурента, прочитал ленту новостей. Осведомленность поверхностная и собрана в основном из рекламных обещаний, эмоционально человек скорее любопытствует. Разница этих запросов принципиальная, хотя фразы похожи: в первом случае есть внутренний импульс, но нет четкого маршрута, конечной точки и самого импульса. Человек первого типа без карты пути обучения растеряется. Тип 2 — без оценки диагноста может приобрести не тот продукт, расстроиться и отвалится на первых модулях обучения. Такой клиент с нами не останется надолго, если ему не помочь с выбором.

Тип 3. Запрос назван, но это гипотеза, а не потребность. «Хочу научиться работать с Claude Code», «Хочу генерировать посты». Кажется, что здесь всё ясно: клиент назвал инструмент, назвал задачу — маршрут очевиден. Но названный инструмент — только часть запроса. Гораздо важнее понять цель: какой результат человек хочет увидеть, когда обучение закончится.

После честного откровенного общения с диагностом картина меняется. Оказывается, что имиджи нужны для раскрутки собственного дела на маркетплейсе, что на самом деле требуется оптимизировать работу отдела и масштабировать опыт на новые рынки. А часто выясняется главное: человек путается не только в инструментах, которыми можно закрыть его боль. Он ещё и не сформулировал, какой результат сочтет успешным.

Показательный случай из нашей практики. Предприниматель пришел с запросом «хочу научиться делать красивые картинки». Работай мы как классический отдел продаж, подобрали бы курс по генерации изображений. В разговоре выяснилось: картинки нужны для продвижения бизнеса его супруги. Но реальная проблема — не в продвижении и не в картинках, а в том, что нужно перестраивать бизнес‑модель: упаковку услуг, разделение аудитории, цифровую инфраструктуру. Ему понадобился не курс, а комплексная программа, которая учитывала индивидуальные консультации компании.

Главный вопрос, который мы задаем, не «Какой инструмент хотите использовать?», «Какую задачу хотите решить?»

Наше узкое место было не в рутине

Пять консультаций в день — предел, который диагност выдерживает. Но это предел по времени, а не по качеству. Оптимальной нагрузкой я всегда считал три: при ней диагност сохраняет внимание к человеку и успевает вести клиента после встречи.

Но главное ограничение было не в скорости и не в количестве ручных операций. Мы не могли масштабировать саму профессию.

К нам приходили менеджеры по продажам с 10–15 годами стажа — люди, которые умели выявлять потребность, презентовать продукт и закрывать сделку. Через несколько консультаций многие обнаруживали, что прежний опыт здесь не работает. В классических продажах путь короткий: потребность → продукт → сделка. У нас человек чаще всего не понимает своей потребности, поэтому сначала нужно помочь ему разобраться, зачем он вообще пришёл, вместе с ним увидеть, что изменится. И только потом говорить о продукте.

Методику мы могли объяснить, примеры — показать, регламенты — выдать. Всё это передаётся за неделю. А вот насмотренность, которая копится за сотни консультаций, не передаётся никак.

Опытный диагност слышит в разговоре то, чего нет в регламенте: где клиент повторяет модную формулировку, где боится признаться в технической неуверенности, где недооценивает собственный опыт. Каждая новая встреча добавляла к этому ещё одну деталь — удачный вопрос, точную формулировку, работающий сценарий разговора.

И всё это оставалось в головах отдельных экспертов. Передать можно было единственным способом: сесть вдвоем и вместе посмотреть часовую запись консультации. Формат работал, но упирался в арифметику: чем больше команда, тем меньше у меня часов на каждого.

Автоматизировать нужно не разговор с клиентом, а накопление и передачу экспертного опыта внутри команды.

CRM мечты или почему я взялся строить систему сам

Идея появилась у меня задолго до того, как в компании решили провести корпоративное обучение вайбкодингу на Claude Code. Я пришёл в “Зерокодер” будучи внешним студентом, только через несколько месяцев стал полноценным сотрудником, поэтому хорошо понимал и путь ученика, и внутреннюю механику отдела. Постепенно сложился образ того, что я называл «CRM мечты»: системы, которая не просто хранит карточки клиентов, а помогает эксперту вести диагностику, обучаться и принимать решения.

Долгое время эта идея оставалась мечтой. Еще в прошлом году вместе с командой я пробовал создавать GPT‑агентов для разбора консультаций, автоматической готовки резюме встреч, сбор библиотеки промптов под этапы диагностики. Все решения были полезны, но жили по отдельности: помогали в конкретных нюансах, но не меняли систему целиком.

Переломным моментом стало решение компании обучить вайбкодингу сотрудников всех грейдов. Для меня такое обучение стало моментом, когда «CRM мечты» впервые стала выглядеть реализуемой.

После обучения изменился не набор инструментов, а способ мышления

Что мы построили: AI Supervisor

Первым модулем стал AI Supervisor. Он не разговаривает с клиентом, а помогает мне обучать команду. Как это работает на практике:

1. После рабочего дня эксперт загружает транскрипцию консультации.
2. Система разбирает её с опорой на четыре источника: нашу методологию «Путь диагноста», внутренние регламенты, накопленные разборы и лучшие консультации отдела.
3. На выходе — аналитический отчёт и персональная обратная связь: что получилось, где диагност потерял важный сигнал, какой этап провёл слабее, что разобрать с ментором.
4. Я не начинаю с чистого листа — получаю готовый черновик и трачу внимание там, где нужно профессиональное суждение.

Когда AI Supervisor заработал, выяснилось, что старое бутылочное горлышко просто сменилось новым. Раньше система упиралась в меня: я физически не успевал просматривать все консультации. Теперь узким местом стал сам процесс запуска AI Supervisor вручную. Тогда идея «CRM мечты» и оформилась окончательно: AI Supervisor должен быть не отдельным инструментом, а одним из модулей единого контура.

Что изменилось: цифры

Итак, времени стало примерно вдвое меньше. Но главное не это: охват вырос кратно — с десяти консультаций до 150 за пару недель по каждой есть своя оценка качества работы сотрудника. Обратная связь от нас уже не казалась какой‑то уязвимостью или слабым местом отдела. Новую систему мы начали внедрять в середине мая.

К июлю результаты такие:

• конверсия отдела: 12,61% в мае → 14,37% в июне — рост почти на 14% в относительном выражении;
• план июня выполнен на 112,65%;
• при этом фактически работали месяц три диагноста: один из них через неделю ушел на больничный, а с середины месяца стали подтягиваться новички.

Старшие эксперты стали лучше выполнять планы продаж, часть перевыполняла план в 2 раза.Новички стали быстрее достигать плановой конверсии и раньше выходить на самостоятельную работу. Главный показатель для нас один: отдел стал зарабатывать больше, сокращения штата не было, даже пришло еще четыре специалиста.

Самый ценный результат — опровергнутая гипотеза

До AI Supervisor я был уверен, что деньги мы теряем из‑за слабых консультаций. Когда система начала разбирать почти все встречи, выяснилось, что это лишь часть картины.

Мы увидели сотрудников, которые проводят консультации практически образцово, но не выполняют план продаж. Значит, деньги теряются после консультации: на сопровождении клиента, ответах на вопросы, дожиме и доведении до оплаты.

Без тотального разбора такую закономерность заметить почти невозможно: видны отдельные сильные и слабые встречи, но не системная связь между качеством диагностики, сопровождением и деньгами. В результате мы поменяли систему обучения и сопровождения.

Система разрушила мою собственную управленческую гипотезу и показала, где на самом деле теряется выручка. Для меня это оказалось ценнее сэкономленных часов

Красная линия: что мы не отдали ИИ

Сам диагностический разговор мы не автоматизировали сознательно. Наши агенты существуют ровно для того, чтобы освободить эксперта от рутины и дать ему сосредоточиться на человеке.

Причина практическая. Диагностика — это постоянная проверка гипотез. Клиент говорит: «Хочу делать картинки» — для опытного диагноста это первая версия запроса, а не финальная. И важны не только слова: эксперт считывает, где появляется интерес, где сомнение, где меняется интонация, где человек оживляется. Момент, когда он понимает свое направление, редко выражается одной фразой — чаще это пауза, эмоция или новый вопрос.

При этом всё вокруг разговора мы автоматизируем активнее. В «CRM мечты» появляется интеллектуальный навигатор: во время консультации он подсказывает эксперту, какие программы подходят под запрос, какие маршруты встречались в похожих кейсах. Особенно это важно новичкам, которым трудно держать в голове десятки программ и тарифов. Но это рекомендация, а не решение.

Это похоже на медицину. Системы отлично анализируют снимки и предлагают возможные диагнозы. Но окончательный диагноз ставит врач, потому что именно он отвечает перед пациентом. В карьерной диагностике та же логика: ИИ может быть аналитиком, навигатором и вторым мнением, но за рекомендованный человеку путь отвечает эксперт.

Мы не строим систему, которая заменяет диагноста. Мы строим систему, которая делает каждого диагноста сильнее.

Что я советую предпринимателям

Я отвечу с двух позиций, как руководитель отдела и как предприниматель: до университета я больше двадцати лет занимался управлением, а потом развивал собственный семейный бизнес. Мне знакомы обе стороны, и заказчика автоматизации, и того, кто её теперь создает.

Шаг 2. Найдите, где теряется время. Ответ обычно ближе, чем кажется. Недавно знакомый предприниматель уверял меня, что автоматизировать ему нечего. Через полчаса разговора сам рассказал, что каждый понедельник тратит несколько часов на сбор отчетов от подразделений. Они приходят в WhatsApp*, на почту, в бухгалтерию и CRM. Я улыбнулся: «Полчаса назад ты говорил, что тебе нечего автоматизировать».

Шаг 3. Опишите процесс, прежде чем его автоматизировать. Нельзя автоматизировать хаос. Нельзя автоматизировать процесс, который никто не понимает. Мы сначала разработали методологию «Путь диагноста», а уже потом стали строить цифровых помощников. ИИ не придумывает процесс, он усиливает уже существующий.

Шаг 4. Автоматизируйте не действия, а накопленный опыт. Это главное, что мы поняли. Сначала казалось, что нужно автоматизировать отдельные операции. Настоящий эффект появился, когда стали автоматизировать то, как опыт копится и передаётся внутри команды.

Шаг 5. Проверьте себя по критерию. Процесс понятен, повторяем и описан — отдавайте машине. Нужно сначала понять, что вообще происходит, — работает человек. Появляется ответственность за решение — последнее слово за человеком.

За последние месяцы мы построили систему ИИ‑агентов: они разбирают консультации, помогают обучать новичков, аккумулируют лучшие практики, подсказывают мне, на что смотреть. И чем дальше мы продвигались, тем яснее становилось: всё это работает только потому, что сначала кто‑то создал этот опыт. ИИ отлично умеет его хранить, систематизировать и масштабировать. Но сам опыт по‑прежнему рождается только в живом взаимодействии человека с человеком.

Человек создает экспертизу. Искусственный интеллект помогает компании её не потерять

Конкурентное преимущество сегодня не у того, кто первым внедрил ИИ, а у того, кто научился превращать опыт своих людей в коллективный интеллект организации. Но не забывайте, что ИИ — не панацея: вы можете создать один раз методологию, но влияние внешних факторов, быстрые смены внутренних процессов никто не отменял. Точечные изменения с учетом новой реальности вносить потребуется.

* WhatsApp принадлежит компании Meta, суд признал компанию Meta экстремистской организацией и запретил ее деятельность в России.