Ко мне все чаще приходят с одной и той же болью: РОП физически не успевает прослушать больше десятка звонков в день, а ошибки менеджеров всплывают только на разборе по итогам месяца, когда сделка уже слита. Ии помощник для отдела продаж закрывает именно этот разрыв: слушает каждый звонок, сверяет его со скриптом, ищет пропущенные вопросы и возражения, на которые менеджер не ответил, и присылает разбор, пока клиент еще теплый. Ниже показываю, как я собираю такую систему на практике, из каких частей она состоит и сколько занимает внедрение под конкретный отдел продаж.
Что делает ии помощник для отдела продаж на реальных звонках
На входе у системы аудиозапись разговора и метаданные из телефонии: кто звонил, какому менеджеру, к какой сделке в CRM привязан звонок, сколько он длился. На выходе я хочу получить не просто текст разговора, а структурированный разбор: что менеджер сделал по скрипту, что пропустил, какие возражения прозвучали и как на них ответили, упоминался ли конкурент, и куда в итоге сдвинулась сделка.На практике чаще всего просят три вещи. Первое, автоматическую проверку чек-листа: спросил ли менеджер про бюджет, сроки, лицо принимающее решение. Второе, детекцию возражений и того, отработаны они или менеджер их просто пропустил мимо ушей. Третье, короткую сводку для карточки сделки в CRM, чтобы РОП не пересматривал звонок целиком, а прочитал три строки и понял, нужно ли вмешаться.Отдельно стоит частая просьба: пометка, если клиент упомянул конкретного конкурента или назвал цену, которую ему предложили в другом месте. Это тот сигнал, который вручную менеджеры почти никогда не фиксируют в CRM, а для планирования скидок и контраргументов он критичен.
Как я собираю архитектуру для разбора звонков
Телефония (Mango Office, UIS, Zadarma и похожие сервисы для отдела продаж) после завершения звонка отправляет вебхук со ссылкой на запись и метаданными: id сделки, id менеджера, длительность, направление звонка. Это событие я ловлю в n8n и дальше веду весь процесс через один воркфлоу.Дальше запись уходит на распознавание речи. Здесь можно использовать как встроенную транскрибацию некоторых телефоний, так и отдельные модели распознавания речи вроде Whisper, если нужна русская речь с плохим качеством связи и перебиванием собеседников. Из аудио получаю текст с разметкой по репликам: кто говорил, менеджер или клиент.Транскрипт вместе с промптом, где расписан чек-лист компании и список типовых возражений, я отправляю в Claude API. На выходе получаю JSON с оценкой по пунктам скрипта, списком найденных возражений и пометкой, отработаны они или нет, кратким саммари и рекомендацией менеджеру на будущее. У меня в библиотеке есть ИИ-чатбот на Claude, и логика анализа звонков строится по тому же принципу: на входе произвольный текст, на выходе строго структурированный ответ, который дальше можно скормить в CRM или Telegram без ручной обработки.Готовый JSON n8n раскладывает по двум каналам: пишет заметку и обновляет кастомные поля сделки в CRM, и параллельно отправляет короткую версию менеджеру в Telegram через бота на aiogram или через телеграм-ноду прямо в n8n. РОП получает то же самое агрегированно раз в день по всем звонкам отдела.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Подсказки в реальном времени или разбор после звонка
Здесь два принципиально разных проекта, и я всегда проговариваю разницу до старта работ, потому что цена и сложность отличаются в разы.
| Критерий | Разбор после звонка | Подсказки в реальном времени |
|---|---|---|
| Что нужно на входе | Готовая запись целиком | Потоковое аудио прямо во время разговора |
| Задержка ответа | От нескольких секунд до пары минут после завершения звонка | Должна укладываться в секунды, иначе подсказка приходит уже после того, как момент упущен |
| Инфраструктура | Веб-хук плюс очередь на обработку, без постоянного соединения | Потоковое распознавание речи и постоянное соединение с менеджерским интерфейсом |
| Где чаще применяю | Скоринг звонков, обучение менеджеров, аналитика для РОПа | Сложные переговоры, крупные сделки, холодные звонки с высокой ценой ошибки |
Для большинства отделов продаж я рекомендую начинать с разбора после звонка. Он проще, дешевле и уже закрывает основную боль: РОП физически не может прослушать все звонки, а система делает это за него и подсвечивает проблемные разговоры. Подсказки в реальном времени имеет смысл добавлять отдельным этапом, когда пост-анализ уже отлажен и понятно, какие сигналы действительно важны менеджеру именно в моменте разговора, а не через час.
Что именно проверяет ассистент в скрипте и возражениях
Скрипт и обязательные пункты
Чек-лист я формирую вместе с отделом продаж на старте: какие вопросы обязательны на каждом этапе воронки, что должно прозвучать до отправки коммерческого предложения, какие фразы недопустимы. Ассистент сверяет транскрипт с этим списком и помечает каждый пункт: выполнено, пропущено, выполнено частично.
Возражения и триггеры
Отдельно ищу типовые возражения: дорого, подумаю, работаем с другими, нет времени сейчас. Для каждого проверяю, ответил ли менеджер по методичке компании или просто согласился и свернул разговор. Это самый частый источник слитых сделок, который РОП годами видит только интуитивно, а не в цифрах.
Итоговая карточка для руководителя отдела продаж
В конце формируется короткая карточка: оценка звонка по чек-листу, список пропущенных пунктов, найденные возражения и как они закрыты, тон разговора и упоминание конкурентов или цены у других поставщиков. РОП получает не запись на два часа, а сводку на минуту чтения по каждому проблемному звонку.
Интеграция с CRM, телефонией и хранение данных клиентов
Для amoCRM обычно веду интеграцию через кастомные поля сделки и создание заметок через API, для Bitrix24 через вебхуки и обновление полей сделки тем же способом. В обоих случаях РОП видит результат разбора прямо в привычной карточке, не переключаясь в отдельный сервис аналитики.Отдельный момент, про который часто забывают на старте: записи звонков и транскрипты содержат персональные данные клиентов, и по 152-ФЗ их нужно хранить на серверах в России. Я не кладу такие данные в иностранные облачные таблицы или похожие сервисы для быстроты, а веду их через CRM и базы, которые физически размещены на российских серверах. Это не только вопрос закона, но и банальной безопасности: в этих данных телефоны, имена, суммы сделок и переписка о ценах.Если звонки идут не через IP-телефонию, а с мобильных менеджеров, интеграция усложняется: нужен либо экспорт записей из приложения записи звонков, либо перевод линии на виртуальный номер с записью через одного из сервисов телефонии. Без этого шага пайплайн просто не получит аудио на вход.
Сроки и стоимость внедрения ии помощника для отдела продаж
Типовой проект складывается из трех частей: автоматизация приема и маршрутизации звонков в n8n, интеграция с Claude API для анализа и генерации подсказок, и доставка результата в CRM и Telegram. Автоматизацию в n8n я оцениваю от 25 000 ₽, AI-интеграцию с Claude API от 50 000 ₽, отдельного телеграм-бота для уведомлений менеджеров от 30 000 ₽, если его еще нет.MVP на один типовой сценарий звонка, с одним чек-листом и уведомлением в Telegram, я обычно собираю примерно за 2 недели. Дальше добавляются чек-листы под разные этапы воронки, интеграция с конкретной CRM клиента и донастройка промптов под реальные звонки, это уже отдельный этап после того, как видно, как система ведет себя на живых разговорах. Техническую поддержку системы после запуска веду отдельно, от 15 000 ₽ в месяц.
Модели и тарифы Claude API быстро меняются, поэтому перед запуском я проверяю актуальные условия у провайдера.
Частые вопросы
Нужно ли предупреждать клиентов, что звонок анализирует ИИ
Стандартная фраза о записи разговора в начале звонка, которую и так использует большинство call-центров, покрывает и последующий анализ записи, включая автоматический. Отдельно я рекомендую прописать в политике обработки персональных данных компании, что записи звонков могут анализироваться автоматизированными средствами, и хранить сами записи и транскрипты на серверах в России.
Можно ли обучить помощника на моих скриптах продаж
Да, и обычно это не дообучение модели, а подготовка промпта: я загружаю действующий скрипт, список возражений и примеры хороших и плохих ответов менеджеров прямо в контекст запроса к Claude API. Модель работает с этим как со справочником на каждый разбор, а не запоминает его один раз навсегда, поэтому обновить чек-лист можно в любой момент без пересборки системы.
Сколько времени занимает разбор одного звонка
При постфактум-анализе результат обычно готов в течение одной-двух минут после окончания звонка, время зависит от длительности записи и скорости распознавания речи. Для подсказок в реальном времени счет идет на секунды, и это отдельная, более требовательная к инфраструктуре задача.
Что если в отделе продаж уже есть речевая аналитика от телефонии
Многие сервисы телефонии и коллтрекинга уже считают базовые метрики вроде процента речи менеджера и наличия стоп-слов. Ии помощник для отдела продаж я обычно подключаю поверх этого как второй слой, заточенный под конкретный скрипт и продукт компании, потому что готовая речевая аналитика телефонии, как правило, не знает деталей вашей воронки и не отработанные у вас возражения.