AI для продаж
AI-ассистент для отдела продаж под ключ
Делаем ассистента, который ищет по каталогу, собирает КП, подсказывает менеджеру аргументы и работает внутри привычных каналов: CRM, Telegram, корпоративный портал.
Стек и интеграции
Python FastAPI Qdrant PostgreSQL GigaChat YandexGPT локальные LLM
Кратко (TL;DR)
- Что делаем
- AI-ассистент для отдела B2B-продаж: поиск по каталогу, черновики КП, интеграция с CRM.
- Кому
- Компании с каталогом от 500 SKU, где менеджеры тратят часы на поиск и подготовку КП.
- Стек
- Python, FastAPI, Qdrant, GigaChat / YandexGPT или локальная LLM (Saiga, Mistral).
- Сроки и бюджет
- MVP 4–8 недель, production 3–4 месяца. Бюджет от 3 млн ₽.
Когда подходит
- → Каталог большой, менеджеры долго ищут позиции и аналоги
- → КП собирается вручную из Excel, PDF, 1С и переписок
- → Нужно цитировать источники, а не просто генерировать уверенный текст
- → Коммерческие данные нельзя отправлять во внешние AI-сервисы
Что делаем
- → RAG-поиск по каталогу, базе знаний, КП и технической документации
- → Черновики КП и писем с источниками и проверяемыми ссылками
- → Интеграция с amoCRM, Bitrix24, 1С, Telegram или внутренним порталом
- → Логи ответов, роли доступа, fallback на человека и оценка качества
Процесс
- 01 Discovery: разбираем каталог, типовые запросы и источники данных
- 02 Прототип: собираем поиск и первый сценарий КП на реальных документах
- 03 Production: роли, мониторинг, безопасность, обучение менеджеров
Почему не коробка
Кастомная разработка нужна там, где важны ваши процессы.
Готовые SaaS хороши для типовых сценариев. Но когда бизнес-логика завязана на специфичные роли, документы, интеграции, безопасность или данные, стоимость обходных путей быстро становится выше стоимости нормальной архитектуры.
Мы начинаем с discovery: отделяем то, что действительно нужно разрабатывать, от того, что дешевле закрыть готовым сервисом. Поэтому проект получается меньше, понятнее и проще в эксплуатации.
Связанные кейсы
Похожие задачи из портфолио.
FAQ
Частые вопросы
Можно ли не отправлять данные в облачные LLM?
Да. Для чувствительных данных разворачиваем локальную модель и векторную базу внутри периметра клиента.
Сколько занимает MVP AI-ассистента продаж?
Обычно 4–8 недель, если есть доступ к каталогу, примерам КП и 20–50 типовым запросам менеджеров.
Как контролировать ошибки AI?
Ответы строятся с цитированием источников, журналом запросов и проверкой критичных полей перед отправкой клиенту.
Сколько стоит AI-ассистент под ключ?
Полный проект — от 3 до 6 млн ₽ в зависимости от объёма каталога, числа интеграций и требований к безопасности. Оценку даём после Discovery-встречи.
Пример реального внедрения есть?
Да — кейс «AI-ассистент для B2B-продаж»: 12 000 SKU, локальная LLM, сократили время подготовки КП с 2 часов до 12 минут. Разбор на странице кейсов.
Есть ли готовое коробочное решение вместо разработки?
Коробки под B2B-каталог с локальной LLM и вашей ролевой моделью нет. Готовые SaaS-обёртки работают на публичных LLM и не подходят для чувствительных данных.
Как измерять эффект от AI-ассистента?
Три метрики: время на поиск и КП (снижение 60–90%), конверсия лид → сделка (обычно +5–15 п.п.), выручка на менеджера. Считаем ROI в первые 3 месяца после запуска.
Какие интеграции с CRM возможны?
amoCRM, Bitrix24, RetailCRM, 1С:CRM — через официальные API. Для нестандартных CRM пишем адаптер. Telegram и корпоративный портал — через bot API и SSO.
Кто владеет исходным кодом после релиза?
Заказчик, если это оговорено в договоре (стандартный вариант). Полные права на код и модели передаём после финальной оплаты.
Следующий шаг
Разберём вашу задачу за 60 минут.
На встрече покажем возможную архитектуру, риски, порядок бюджета и что можно проверить на MVP.
Записаться на встречу