ИИ-агент для продаж: лиды, CRM и закрытие сделок 2026

Что такое ИИ-агент для продаж

ИИ-агент для продаж — это программа на базе большой языковой модели, которая проводит заявку по всей воронке: ловит лид, квалифицирует его, наводит порядок в CRM, отправляет фоллоу-апы, собирает досье к встрече и черновик коммерческого предложения. В отличие от чат-бота из 2010-х, который отвечал по жёсткому скрипту, современный агент читает контекст сделки, сам обращается к CRM и внешним источникам и принимает решения в рамках заданных правил. Это не замена продавца: агент снимает рутину, которая съедает рабочий день, а переговоры и закрытие сделки остаются за человеком.

В 2026 году «ИИ для продаж» — это уже не эксперимент, а штатная функция крупных CRM. У HubSpot линейка Breeze включает предиктивный скоринг лидов (модель анализирует 12 месяцев данных вовлечённости — открытия писем, визиты на сайт, заявки) и Prospecting Agent, который сам собирает досье и пишет outreach (HubSpot). У Salesforce Einstein Lead Scoring машинным обучением присваивает лиду балл от 1 до 99 на основе исторических конверсий, а агенты Agentforce работают поверх Data Cloud (Salesforce). Ниже — где агент реально ускоряет выручку, а где без человека не обойтись, и как собрать такого агента под свою воронку без единой строчки кода.

Как ИИ-агент ведёт лиды по воронке продаж?

Воронка продаж — это путь заявки от первого касания до подписанного договора: привлечение, квалификация, встреча, предложение, закрытие. На каждом этапе есть механическая работа, которую продавец делает через силу и которая тормозит сделку. ИИ-агент для продаж встраивается именно в эти узкие места.

Захват и квалификация. Когда лид оставляет заявку на сайте, в Telegram или WhatsApp, агент за секунды отвечает, уточняет бюджет, сроки и потребность, а затем скорит обращение. Скоринг бывает двух видов: предиктивный (модель учится на ваших закрытых сделках и предсказывает вероятность конверсии — как Einstein Lead Scoring у Salesforce) и rule-based (баллы за соответствие вашему ICP: отрасль, размер компании, география). Дальше агент маршрутизирует лид — отправляет нужному менеджеру или кладёт в очередь для прогрева.

Обогащение данных. До звонка у продавца обычно только имя и почта. Агент за пару минут подтягивает сайт компании, сферу, численность, недавние новости и должность контактного лица — то, на что у менеджера ушло бы полчаса гугления.

Маршрутизация и приоритизация. Известная боль продаж — горячие лиды остывают в общей очереди. Агент сортирует обращения по баллу и срочности: кто-то готов купить сейчас, кому-то нужно ещё три касания. Продавец начинает день не с «куда бы позвонить», а с проранжированного списка.

Увеличить

Важно понимать границу: агент квалифицирует и греет, но финальный «закрывающий» звонок и согласование условий — за человеком. ИИ не чувствует сомнение в голосе клиента и не предложит нестандартную скидку, которая решит сделку. Про то, как агенты эволюционируют от первичной поддержки к более сложным сценариям, мы подробно писали в разборе ИИ-агенты: от пилотов к продакшену.

Что ИИ делает с CRM лучше человека?

CRM — сердце отдела продаж и одновременно его боль. Карточки заполняются кое-как, стадии не двигаются, поля устаревают, а отчётность по воронке из-за этого врёт. По нашему опыту, именно грязная CRM, а не отсутствие звонков, чаще всего топит прогноз выручки.

ИИ-агент закрывает три задачи, которые человек делает медленно и через силу.

Автозаполнение карточки. После каждого касания — звонка, переписки, встречи — агент сам раскладывает суть по полям: что обсудили, какие договорённости, что обещали прислать, когда следующее касание. Менеджеру остаётся проверить, а не печатать с нуля. Это снимает главную причину пустых CRM — лень и нехватку времени.

Обогащение и обновление. Агент следит за актуальностью данных: должность сменилась — обновит; компания выросла — добавит; email перестал доходить — пометит. Без этого воронка забивается мёртвыми лидами, по которым «вроде работаем», а по факту — нет.

Движение стадий. По сигналам из переписки (клиент согласовал КП, назначена встреча, пришёл аванс) агент предлагает сдвинуть сделку на следующую стадию — а у руководителя появляется честная воронка для прогноза.

Отдельный плюс — обогащение извне. У крупных платформ для этого есть собственные базы: например, Breeze Intelligence у HubSpot тянет данные по профилям покупателей, чтобы сразу понимать, кто стоит за заявкой (HubSpot). В российском поле логика та же, но источники другие — данные о контрагенте подтягиваются из открытых реестров и сервисов проверки. Суть не меняется: агент собирает карточку автоматически, а продавец получает её готовой, а не собирает по крупицам после звонка.

Чистая CRM — не цель, а побочный эффект хорошего агента. Если карточки заполняются сами, менеджер перестаёт сопротивляться учёту, а прогноз выручки наконец совпадает с реальностью.

Под капотом это умение модели читать текст и раскладывать его по структуре — та же способность, что и при разборе таблиц и договоров. Как приучить модель извлекать поля из хаотичных данных и не ломать структуру, мы разбирали в гайде ИИ для Excel, таблиц и PDF. А про общую автоматизацию рутины в малом бизнесе — в статье автоматизация бизнес-процессов с ИИ-агентами.

Зачем автоматизировать фоллоу-апы и подготовку к встречам?

Две зоны, где агент окупается быстрее всего, — это фоллоу-апы (напоминания и прогрев) и подготовка к встречам. Обе критичны для выручки и обе делаются из рук вон плохо, потому что конкурируют за то же время, что и новые звонки.

Фоллоу-апы и восстановление no-show. Лид редко покупает после первого касания. Агент ведёт цепочку: благодарность за заявку → полезный материал → проверка, подходит ли → призыв к встрече. Если клиент не пришёл на демо (no-show), агент сам отправляет до трёх напоминаний и предлагает два-три слота для переноса. У HubSpot Breeze именно сценарий «захватить, квалифицировать и назначить встречу мгновенно, даже когда менеджер недоступен» выделен как отдельный use-case, потому что медленный фоллоу-ап — главная причина, по которой лиды «утекают» (HubSpot).

Подготовка к встрече. Перед звонком агент собирает досье: чем занимается компания клиента, какие новости, чем занимается собеседник, какие похожие кейсы у вас уже есть, и черновик повестки. Менеджер заходит в звонок уже понимая контекст, а не импровизирует первые пять минут.

Черновик КП. После встречи агент из её итогов и вашего шаблона собирает черновик коммерческого предложения: состав, цены, сроки, следующий шаг. Редактура и тон остаются за человеком, но не набор с нуля.

Коучинг по возражениям. Самая ценная и при этом деликатная зона. Агент может слушать звонок в реальном времени и подсказывать продавцу в соседнем окне: клиент дважды вернулся к слову «бюджет» — предложите рассрочку; прозвучал конкурент Х — вот наше сравнение. Подсказку читает человек, и фразу произносит тоже он — ИИ здесь не ведёт переговоры, а работает вторым пилотом. Это снимает с новичков часть ошибок и ускоряет выход на результат, но только если продавец готов принимать подсказки, а не спорить с подсказчиком.

Коучинг работает в одну сторону: ИИ подсказывает, человек решает. Если перенести стрелку в обратную сторону и позволить агенту самому отвечать на возражения, сделка быстро превратится в торг робота с живым клиентом — а это почти всегда проигранный торг.

Шаблон промпта для квалификации лида, который можно вставить в любого агента:

Действуй как SDR. Я передам переписку с лидом и его карточку из CRM.
Верни: 1) скоринг от 0 до 100 по критериям ICP (отрасль, размер, бюджет,
срочность) с разбивкой по каждому; 2) стадия воронки (новый / квалифицирован
/ демо / КП); 3) два следующих шага; 4) что непонятно и требует уточнения у
клиента — отдельным списком. Ничего не додумывай: если данных нет, пиши
«нет данных». В финальный КП цифры и цены не ставь.

Правило фоллоу-апа: агент ведёт цепочку и назначает встречу, но закрывает сделку человек. Если агент начинает сам обещать скидку или сроки — это уже сбой, его надо ловить.

Что оставить человеку, а что отдать ИИ?

Главная ошибка при внедрении ИИ в продажи — делегировать агенту то, что трогает деньги и отношения. Разделение зон не произвольное, а следует из того, где цена ошибки выше всего. Сравнение по ключевым задачам:

Логика простая: чем ближе к деньгам и переговорам, тем больше человека. Агент блестяще ведёт верх воронки и поддерживает середину, но на финальном отрезке — возражения «дорого», торг, согласование нестандартных условий — продавец незаменим. То же касается и коучинга: ИИ может подсказать менеджеру прямо во время звонка «клиент дважды упомянул бюджет — предложи рассрочку», но саму фразу произносит человек.

Отдельный риск — галлюцинации. Модель уверенно выдумывает детали, которых не было: в тестах Vectara уровень выдумок у моделей с рассуждениями доходил до 14,3%, и грамотный текст с придуманным фактом выглядит неотличимо от правдивого (Коммерсантъ, 2025). Поэтому никакой информации о клиенте, которую агент «придумал», а не нашёл в источнике, в КП быть не должно — только то, что можно подтвердить.

Третья зона, где без человека не обойтись, — конфиденциальность. Реальные имена клиентов, обороты, условия договоров и коммерческие тайны нельзя отправлять в публичный чат модели: данные могут попасть в логи и на дообучение. Для продаж нужен изолированный агент, который работает по принципу «свои данные остаются у вас». Это особенно важно для сделок B2B, где утечка информации о воронке или цене конкурентоспособна по ущербу с проигранной сделкой. Про финансовую сторону той же проблемы — где утечки данных в модель стоят реальных денег — мы разбирали в гайде ИИ для финансов и бухгалтерии; для отдела продаж правила те же.

Как собрать своего агента для продаж без кода?

Не обязательно покупать enterprise-CRM, чтобы получить перечисленное. На AgentHere агента под свою воронку можно собрать визуально, без программирования. Порядок из практики:

1. Опишите роль и правила. Задайте агенту цель («квалифицировать входящие лиды и назначать встречи») и ограничения: никогда не называет цену, всегда предлагает слот из календаря, передаёт сделку менеджеру при возражении.
2. Подключите CRM и каналы. Дайте агенту доступ к карточкам сделок и входящим каналам — сайт, Telegram, WhatsApp. Без доступа к данным агент не заполнит CRM и не квалифицирует лид.
3. Настройте скоринг. Опишите ваш идеальный профиль клиента (ICP): отрасль, размер, география, триггеры. Агент будет баллить каждое обращение.
4. Соберите цепочку фоллоу-апов. Пропишите шаги прогрева и условие эскалации на менеджера. Это убирает «забытые» лиды.
5. Запустите на холодных данных. Сначала прогоните агента на старых закрытых сделках и сверьте его оценки с реальностью. Посчитайте, сколько ручной работы он снял и где ошибся.
6. Расширяйте по одной задаче. Когда квалификация стабильна — добавьте автозаполнение CRM, затем подготовку к встречам, затем черновики КП.

Этот же подход — «опиши роль, подключи инструменты, проверь на холодном» — работает не только для продаж. Про быстрый запуск агента за пять минут мы писали в гайде как создать ИИ-ассистента за 5 минут. Кому важнее именно первичный контакт с клиентом, полезен разбор как создать чат-бота для бизнеса на ИИ.

Готового «ИИ-агента для продаж» под чужую методологию на рынке нет — есть умные блоки внутри крупных CRM и отдельные агенты под собственную воронку. Собрать такого под процессы именно вашей команды, без единой строчки кода, можно в галерее /agents; попробовать бесплатно — начав с /signup.

Часто задаваемые вопросы

Заменит ли ИИ-агент менеджера по продажам?

Нет. Агент снимает рутину верха воронки — захват, квалификацию, скоринг, фоллоу-апы, заполнение CRM и подготовку к встрече. Закрытие сделки, торг, работа с возражениями и согласование нестандартных условий остаются за человеком: цена ошибки здесь напрямую бьёт по выручке и отношениям с клиентом.

Чем ИИ-агент для продаж отличается от обычного чат-бота?

Чат-бот 2010-х работал по жёсткому скрипту и не понимал контекста. Современный агент на языковой модели читает смысл переписки, обращается к CRM и внешним источникам, принимает решения в рамках правил и сам двигает сделку по стадиям. Он не «отвечает по шаблону», а ведёт диалог и заполняет данные.

Нужна ли интеграция с CRM, чтобы агент работал?

Да, для полноценной работы — обязательна. Без доступа к сделкам и контактам агент не сможет ни квалифицировать лиды, ни заполнять карточки, ни двигать стадии. Если CRM пока нет, агент может работать в формате квалификации и фоллоу-апов с выгрузкой в таблицу, но это половинчатое решение.

Безопасно ли давать агенту данные о клиентах?

Зависит от того, где работает модель. Публичный чат обучается на ваших данных — реальные имена клиентов, обороты и контакты туда вставлять нельзя. Для продаж нужен изолированный агент: закрытая инсталляция или тариф, где провайдер прямо запрещает использование данных для обучения. Конфиденциальность коммерческой информации — не перестраховка, а требование.

С какого этапа воронки начинать автоматизацию?

С квалификации входящих лидов и фоллоу-апов — это самая механическая и самая дорогая по времени работа, где агент быстрее всего окупается. Когда она стабильна, переходите к автозаполнению CRM и подготовке к встречам. Черновики КП и коучинг по возражениям добавляйте в последнюю очередь — там выше доля человека.

Источники

• HubSpot AI: Agent Hub, Breeze, Prospecting Agent — https://www.hubspot.com/products/artificial-intelligence
• Breeze: AI Lead Capture and Qualification (use-case) — https://www.hubspot.com/products/artificial-intelligence/use-cases/capture-and-qualify-sales-leads
• Salesforce AI for Sales: Einstein Lead Scoring, Agentforce — https://www.salesforce.com/sales/ai/
• «Алгоритм обмана»: галлюцинации нейросетей (Коммерсантъ, 2025) — https://www.kommersant.ru/doc/7737738