AI-ассистент для отдела продаж: что подготовить до старта проекта

Короткий ответ: проект внедрения AI-ассистента в продажах на 60–70% состоит из работы с данными, а не с моделью. Если у компании нет ответа на вопрос «какая система является источником истины по ценам», ассистент будет уверенно выдавать неверные цифры — и доверие к нему исчезнет за первую же неделю.

Разберём, что имеет смысл привести в порядок до того, как подписан бюджет.

Почему проект начинается не с модели

Выбор модели — самое обсуждаемое и самое незначительное решение в таком проекте. Современные модели, и облачные, и локальные, достаточно хороши, чтобы связно отвечать на русском по вашим документам. Разница между ними проявляется на границах, а не в типовых сценариях.

Ломается другое. Ассистент отвечает по тому, что нашёл в вашей базе. Если в базе три версии прайса без указания актуальной, он процитирует любую. Если номенклатура в CRM и в учётной системе называется по-разному, он не свяжет одно с другим. Если регламент отменён полгода назад, но лежит в той же папке, ассистент будет ссылаться на отменённый.

Ни одна из этих проблем не решается заменой модели. Все решаются до начала разработки — или не решаются вовсе.

Что должно быть готово: пять вещей

Первое: перечень источников. Не «у нас всё в 1С», а список: где лежат прайсы, где технические характеристики, где договорные условия, где переписка с клиентами, где презентации. Обычно источников оказывается больше, чем помнит руководитель.

Второе: мастер-система по каждому типу данных. По каждой сущности — номенклатура, цены, клиенты, договоры, остатки — должен быть один ответ на вопрос «где правда». Остальные копии либо приводятся к мастеру, либо явно исключаются из индекса.

Третье: доступы. Технические учётки для чтения из каждой системы, согласованные со службой безопасности. На практике это самый долгий пункт: согласование доступа к почтовому архиву или к базе договоров занимает недели, и начинать его стоит одновременно с discovery, а не после.

Четвёртое: правила актуальности. Как понять, что документ устарел? Дата в имени файла, поле в системе, папка «архив»? Если формального признака нет, его придётся придумать — иначе фильтровать нечего.

Пятое: набор реальных вопросов. Двадцать–тридцать запросов, которые менеджеры задают чаще всего, с правильными ответами. Это и техническое задание, и способ измерить качество. Без него «ассистент отвечает хорошо» остаётся вопросом вкуса.

Аудит источников: кто мастер по каким данным

Самая частая исходная ситуация в среднем бизнесе — несколько систем, накопленных за годы, где одни и те же данные живут в двух-трёх местах и расходятся.

Типичный пример: после присоединения компании остались две CRM. В одной актуальные сделки, в другой — исторические, но с более полными карточками клиентов. Правильное решение здесь не «проиндексировать обе», а разделить: клиенты берутся из первой, история — из второй, и ассистент знает, какое поле откуда.

Отдельная категория — данные, которых в системах нет вообще. Договорные условия конкретного клиента, устные договорённости, причины прошлых отказов. Это живёт в головах менеджеров, и ассистент их не заменит. Честная граница проекта проходит здесь.

Как понять, что данные не готовы

Несколько признаков, по которым видно, что подготовку недооценили:

• на вопрос «какая система главная по ценам» разные люди отвечают по-разному;
• в архиве документов нет способа отличить действующую редакцию от старой, кроме как открыть и прочитать;
• номенклатура сопоставляется между системами вручную, и таблицу соответствия ведёт один человек;
• существенная часть знаний передаётся при устном вводе новых менеджеров в курс дела.

Каждый пункт не блокирует проект, но добавляет к нему работу. Обнаружить их лучше на этапе оценки, а не на приёмке.

Что можно начинать, пока данные не готовы

Ждать идеального порядка не нужно, и это важное уточнение. Разумный порядок такой: берём один срез документов — например, только актуальный прайс и техническую документацию по одной товарной группе — и собираем на нём работающий прототип.

Прототип отвечает на три вопроса. Насколько модель справляется с вашей предметной терминологией. Насколько менеджерам удобно спрашивать. И сколько времени реально занимает подготовка данных — на маленьком срезе это видно и масштабируется на остальное.

Это дешевле и честнее, чем сначала месяцами приводить в порядок весь архив, а потом выяснять, что формат ответа менеджерам неудобен.

Требование, которое стоит поставить сразу

Каждый ответ ассистента должен сопровождаться ссылкой на источник — конкретный документ и раздел.

Это не украшение интерфейса. Без ссылки менеджер не может переслать ответ клиенту, руководитель не может проверить, а разработчик не может разобрать жалобу «ассистент врёт». С ссылкой все три сценария закрываются, а доверие к системе перестаёт зависеть от веры в неё.

И обратная сторона того же требования: если релевантного фрагмента в базе нет, ассистент обязан сказать «не нашёл», а не собрать правдоподобный ответ из соседних документов. Это поведение нужно тестировать отдельно — на вопросах, ответа на которые в базе заведомо не существует.

Сроки и порядок

Ориентиры для проекта такого класса: аудит источников и сбор эталонных вопросов — 2–3 недели, прототип на одном срезе данных — 3–4 недели, промышленный контур с интеграциями в CRM и мессенджеры — от 2 месяцев.

Согласование доступов идёт параллельно и часто оказывается критическим путём. Если служба безопасности не согласует чтение из почтового архива, это меняет объём проекта — и узнать об этом лучше на второй неделе, чем на втором месяце.

Подробнее про выбор между облачной и локальной моделью — в разборе бюджета и сроков локальной LLM, а про то, почему подготовка документов съедает большую часть работы, — в статье про парсинг корпоративных документов.

Итог

Внедрение AI-ассистента в продажах — проект про данные, а не про нейросети. Компания, которая до старта знает свои источники, определила мастер-систему по каждому типу данных и собрала три десятка реальных вопросов с правильными ответами, получит работающий инструмент. Компания, которая начинает с выбора модели, получит демонстрацию.

Если задача близка — посмотрите услугу разработки AI-ассистента и разбор такого проекта по ролям: что меняется в работе менеджера, РОПа и IT-директора.