Где заканчивается работа AI-менеджера и начинается управление продажами

Всё началось с достаточно конкретного предложения. Менеджер Suvvy нашёл меня в Битрикс24 Marketplace через одно из наших популярных приложений - “Автоматическое заполнение реквизитов компании”.

Он предложил подумать о совместном сценарии.

Клиент пишет компании. AI-менеджер Suvvy принимает сообщение, задаёт несколько вопросов, запрашивает название или реквизиты организации, создаёт лид в Битрикс24 и запускает наше приложение, которое получает и заполняет данные компании.

На уровне схемы всё выглядело логично.

Один сервис ведёт коммуникацию.
Другой выполняет конкретное действие внутри CRM.
Клиент получает более цельный процесс.

Сам сервис Suvvy к этому моменту уже был мне знаком.

Его использует один из наших клиентов. Кроме того, я несколько раз видел команду Suvvy на мероприятиях для интеграторов, где они рассказывали о платформе, на базе которой специалисты по внедрению и консультанты могут создавать AI-менеджеров для своих клиентов.

Тема AI-менеджеров мне близка. В 2025 году такие запросы стали всё чаще появляться в разговорах с нашими клиентами.

Компании хотели, чтобы AI общался с клиентами, отвечал на вопросы, квалифицировал обращения и переводил человека на следующий этап. Мы запустили несколько пилотных проектов.

И достаточно быстро увидели, что самая сложная часть такого внедрения находится не в подключении языковой модели.

AI-менеджеру недостаточно дать несколько документов

Чтобы агент мог нормально общаться с клиентом, ему нужно объяснить:

• что именно продаёт компания;
• кому подходит продукт;
• какие вопросы нужно задать;
• какие обещания можно и нельзя давать;
• как вести себя в спорной ситуации;
• когда продолжать диалог самостоятельно;
• когда подключать человека;
• что считать хорошим результатом разговора;
• какой следующий шаг нужно получить.

Фактически компании нужна не просто база знаний. Ей нужна формализованная модель собственной коммуникации с клиентами. А такой модели часто нет.

Есть сайт, презентации, регламенты, скрипты и отдельные сильные менеджеры. Но нет единого материала, из которого можно уверенно собрать поведение AI-агента.

Поэтому внедрение быстро превращается в консалтинговый проект.

Нужно изучать бизнес, собирать знания, разбирать реальные разговоры, согласовывать логику ответов, проверять спорные случаи и постоянно корректировать результат.

В наших пилотах себестоимость подобной работы могла значительно превышать 300 тысяч рублей. Это не рыночная оценка всех подобных проектов. Это наш опыт конкретных внедрений. Далеко не каждая компания готова столько инвестировать.

Но более важная проблема заключалась даже не в цене. У многих клиентов не было готовой базы, на которой агента можно было учить. Нам сначала приходилось помогать компании понять, как она сама должна разговаривать с клиентами.

Как из этой задачи появились “Нейрозвонки”

Именно в этот период появилась первая версия приложения, которое называлось “Нейрозвонки”.

Оно решало достаточно понятную техническую задачу:

• массово загружало звонки;
• транскрибировало их;
• позволяло обработать выбранный период;
• поддерживало исторические записи.

Исторический массив был принципиально важен. Если нужно обучить агента или понять, как в компании разговаривают с клиентами, недостаточно взять несколько случайных звонков за последнюю неделю.

Нужен объём. Нужно увидеть разные типы клиентов, ситуации, вопросы, возражения, успешные разговоры и провалы.

Мы сделали несколько проектов массовой транскрибации. Клиенты получили расшифровки. А потом ушли. Это был важный продуктовый урок…

Транскрибация решала разовую задачу клиента, но не создавала регулярной причины возвращаться в платформу. Компания один раз получала массив текста.

Дальше ей всё равно нужно было самостоятельно понять:

• что в этих разговорах важно;
• какие действия менеджеров повторяются;
• что отличает успешные сделки от проваленных;
• какие критерии считать правильными;
• что менять в работе команды.

Мы отдали сырьё, но не собрали управленческий цикл вокруг него. Именно после этого начали появляться следующие версии продукта, которые постепенно переросли в “Дожми Продажи”.

Платформа стала двигаться от разовой транскрибации к другой работе:

превращать звонки, переписки, письма и CRM-след в проверяемые факты, гипотезы и управленческие действия.

Зачем мы встретились с Suvvy

Мы договорились о встрече, чтобы познакомиться и понять возможные точки взаимного усиления.

Менеджер рассказал, что основной аудиторией Suvvy со стороны продвижения являются интеграторы, а конечными пользователями - компании малого и среднего бизнеса с входящими сообщениями и звонками.

По его словам, на платформе было создано более 20 тысяч агентов, а с компанией работали более 400 партнёров.

Публичная партнёрская страница Suvvy на дату написания статьи использовала более осторожную формулировку - 300+ партнёров. Поэтому число 400 я рассматриваю именно как заявление представителя на встрече, а не как независимо подтверждённый показатель.

Мы обсуждали наших клиентов, процессы, продажи и задачи, которые решают обе платформы. Я пытался сходу найти комбинацию, в которой продукты усиливают друг друга. И не смог.

Зато почти сразу увидел другое:

Мы работаем рядом с коммуникациями, но выполняем для клиента разные работы.

Какую работу выполняет Suvvy

Основной контур Suvvy - текущая коммуникация с клиентом.

Официальная документация описывает сервис как платформу для создания AI-сотрудников, которые используют языковые модели и базу знаний компании.

Платформа подключается к CRM, мессенджерам, социальным сетям, маркетплейсам, чатам для сайта, helpdesk- и booking-системам. В документации отдельно описана работа с Битрикс24.

На встрече менеджер сформулировал основной сценарий ещё проще.

Исторически главный продукт работает с чатами.

AI принимает входящую коммуникацию, разбирает запрос и дальше:

• решает вопрос в переписке;
• квалифицирует обращение;
• создаёт или обновляет сущность в CRM;
• переводит диалог на следующий этап;
• вызывает человека, если вопрос оказался сложным.

Голосовые звонки на момент встречи были относительно новым направлением. Основной объём работы оставался в чатах, CRM, мессенджерах, социальных сетях, маркетплейсах и helpdesk.

Клиент покупает здесь не языковую модель как таковую. Он покупает стабильную первую линию:

• быстрый ответ;
• работу ночью и в выходные;
• обработку большого количества обращений;
• отсутствие потерь между каналами;
• первичную квалификацию;
• снижение нагрузки на людей;
• передачу собранного контекста дальше.

Моя гипотеза после исследования заключается в том, что наиболее сильная работа Suvvy находится там, где бизнес теряет обращения из-за медленного ответа, большого объёма повторяемых вопросов и неполной передачи данных в CRM или человеку.

Это интерпретация доступных сигналов, а не заявление самой компании о единственном целевом сегменте.

Какую работу выполняет “Дожми Продажи”

“Дожми Продажи” не ведёт вместо менеджера текущий диалог с клиентом.

Платформа работает с уже возникшим коммуникационным следом:

• звонками;
• переписками;
• письмами;
• данными CRM;
• историей касаний и сделок.

Её задача - не просто пересказать разговор и не объявить, что AI знает идеальный сценарий.

Нам важно помочь руководителю увидеть:

• что реально происходит в коммуникациях;
• выполняет ли команда выбранный фокус;
• где теряется следующий шаг;
• какие возражения повторяются;
• чем успешные цепочки отличаются от проваленных;
• какие действия могут быть рабочими паттернами;
• какие выводы пока остаются гипотезами;
• что нужно откалибровать с руководителем.

Это другой объект управления.

Suvvy помогает исполнить коммуникационный сценарий. «Дожми Продажи» помогает понять и откалибровать коммерческую систему, внутри которой этот сценарий существует.

У меня разные клиенты или разные работы

Во время встречи я сформулировал это через разные типы клиентов.

У Suvvy я увидел компании с большим входящим потоком, где нужно быстро и достаточно стандартно обрабатывать обращения.

У нас чаще встречаются более длинные B2B-продажи, подготовленные исходящие коммуникации и сделки, в которых существенная часть результата зависит от человека.

Менеджер Suvvy подтвердил, что исторически их основной контур ближе к входящим чатам и первой линии. Примеров совместной работы с продуктами для длинного B2B-цикла в разговоре оказалось немного.

Но после встречи я бы сформулировал точнее.

Не обязательно говорить, что у меня всегда разные компании. Одна компания может использовать оба продукта.

Различаются работы внутри её коммерческого процесса.

Представим компанию с большим количеством обращений из сайта, мессенджеров и площадок.

На первом этапе Suvvy:

• отвечает;
• консультирует по базовым вопросам;
• собирает информацию;
• квалифицирует;
• создаёт лид;
• передаёт его менеджеру.

Дальше начинается человеческая часть:

• выявление сложной потребности;
• встреча;
• подготовка решения;
• обсуждение условий;
• работа с несколькими участниками;
• коммерческое предложение;
• повторные касания;
• движение по длинной сделке.

И уже здесь “Дожми Продажи” может анализировать, что происходило после передачи:

• какие лиды дошли до встречи;
• где менеджер потерял инициативу;
• был ли зафиксирован следующий шаг;
• какие вопросы чаще встречались в успешных сделках;
• где путь клиента начал ломаться;
• одинаково ли команда понимает критерии качества.

То есть потенциальная связка выглядит не так:

Suvvy закончила работать, и автоматически начинается “Дожми Продажи”.

Точнее:

Suvvy выполняет часть коммерческой коммуникации, а “Дожми Продажи” помогает увидеть и улучшать всю цепочку, если после первой линии остаётся содержательная человеческая продажа.

Почему такая комбинация встречается не в каждой компании

Для реального взаимного усиления одновременно нужны несколько условий.

У компании должен быть достаточно большой входящий поток. Первая линия должна содержать повторяемые действия, которые разумно автоматизировать.

После неё должна начинаться более сложная работа человека. Результат не должен заканчиваться простой записью или ответом на вопрос.

Коммуникации агента и менеджеров должны сохраняться в связанном контуре данных. У руководителя должен существовать запрос не только на автоматизацию, но и на улучшение всей коммерческой цепочки.

Если продажа полностью заканчивается внутри простого диалога, глубокая аналитика может быть избыточна. Если компания работает с небольшим числом подготовленных B2B-контактов, автоматизация массовой первой линии может быть не нужна.

Поэтому пересечение существует, но оно уже, чем общее пересечение слов “AI”, “CRM” и “продажи”.

Они уже идут в аналитику. Значит ли это, что граница исчезает

Нет, но граница становится менее очевидной. На встрече представитель Suvvy рассказал, что компания анализирует диалоги, целевые действия, негативные ответы и планирует развивать автоматическую оптимизацию работы агентов.

На основном сайте также заявлен просмотр анализа диалогов и этапов ведения клиента по воронке. То есть Suvvy не ограничивается отправкой ответов. Она строит контур улучшения собственного AI-исполнителя.

Но объект управления пока остаётся другим. Условно вопрос Suvvy звучит так:

Как сделать этого агента эффективнее в его сценарии?

Наш вопрос шире:

Что происходит во всей коммерческой системе, какие действия людей и AI повторяются перед целевым результатом и какой стандарт руководитель готов подтвердить?

Поэтому корректнее не говорить, что Suvvy “априори не может” решать аналитические задачи. Точнее сказать:

Аналитика Suvvy в первую очередь улучшает работу AI-агента. “Дожми Продажи” строит управленческий слой поверх коммуникаций, ролей и цепочек сделки.

Что я понял о платформенном партнёрстве

До этой встречи я смотрел на партнёрство в первую очередь через совместный сценарий.

Одна платформа вызывает другую. Один сервис передаёт данные следующему. Клиент получает более длинную автоматизацию.

Но этого недостаточно. Хорошее партнерство начинается не с интеграции и не с совпадения аудиторий. Оно начинается с конкретной проблемы клиента. На встрече мы отдельно обсуждали совместные эфиры, обучение и обмен аудиториями.

И пришли к выводу, что мероприятие нельзя строить как последовательную рекламу двух платформ. Сначала должна быть реальная проблема компании. И только затем нужно показывать, какие инструменты решают разные части этой проблемы.

Поэтому вопрос к возможному партнёрству должен звучать не так:

У меня похожие клиенты. Что мы можем продать им вместе?

А так:

В каком процессе клиент сейчас вынужден самостоятельно соединять две работы, и можем ли мы сделать этот переход надёжнее?

Для Suvvy и “Дожми Продажи” потенциальный ответ выглядит так:

• AI принимает и квалифицирует большой входящий поток;
• человек ведёт содержательную часть сделки;
• коммуникационный след связывается с CRM;
• руководитель видит, что происходит на всей цепочке;
• найденные закономерности возвращаются в работу людей и AI.

Но пока это продуктовая гипотеза. Мы не доказали, что такой сценарий массово нужен общим клиентам.

Что имеет смысл проверить на одном клиенте

Я бы не начинал с большого партнёрского соглашения, взаимных рассылок или обещаний общей аудитории.

Правильнее найти одну компанию, где уже есть:

• большой поток входящих обращений;
• Suvvy или похожий AI-менеджер;
• человеческий отдел продаж после квалификации;
• единая CRM;
• возможность связать первую линию с дальнейшим исходом сделки.

На таком кейсе можно проверить:

• что происходит после передачи лида;
• какие данные теряются между агентом и человеком;
• отличается ли качество дальнейшей работы по типам диалогов;
• есть ли закономерности, которые можно вернуть в менятройки агента;
• появляется ли у руководителя дополнительная ценность от объединённой картины.

Только после этого можно говорить о подтверждённом взаимном усилении.

Главный вывод

Suvvy и “Дожми Продажи” не выглядят прямыми конкурентами. Но и формула “мы дополняем друг друга” сама по себе ещё ничего не доказывает. Suvvy автоматизирует коммуникационное исполнение там, где сценарий уже можно достаточно хорошо описать. «Дожми Продажи» помогает понять, что происходит в более широкой коммерческой системе, какие действия повторяются и какой стандарт стоит проверить или откалибровать.

Иногда эти работы встречаются внутри одной компании. Иногда одной из них там просто нет.

Поэтому реальное платформенное партнёрство начинается не с одинаковой аудитории. Оно начинается с места, где клиенту действительно приходится переходить от одной работы к другой.

Частые вопросы

Чем Suvvy отличается от “Дожми Продажи”?

Suvvy в первую очередь исполняет коммуникационный сценарий: отвечает, квалифицирует, собирает данные и выполняет действия в подключённых системах. “Дожми Продажи” анализирует коммуникационный след и помогает руководителю проверять гипотезы, сравнивать цепочки и калибровать управленческий стандарт.

Могут ли AI-менеджер и аналитическая платформа работать вместе?

Да, если после автоматизированной первой линии остаётся содержательная человеческая продажа, а коммуникации агента и менеджеров связаны с одной сделкой или клиентским процессом.

В каких компаниях такая комбинация может быть полезна?

В компаниях с большим входящим потоком, типовой первой линией и более сложной продажей после квалификации. Например, в недвижимости, образовании, дорогих услугах и некоторых B2B-сервисах.

Почему нельзя сразу считать платформы партнёрами?

Потому что совпадения технологий и аудитории недостаточно. Нужно доказать конкретный совместный сценарий, в котором клиент получает дополнительную ценность, а не просто две интеграции рядом.

Что нужно проверить первым?

Один реальный клиентский контур: качество передачи лида, сохранение контекста, дальнейшую работу менеджера и возможность вернуть найденные закономерности в менятройки AI-агента.

Отдельно я восстановил возможный путь Suvvy к product-market fit: как компания двигалась от прямых внедрений к партнёрской сети и почему интеграторы могли стать частью продуктовой модели.

Исследование Suvvy на vc.ru: https://vc.ru/growth/3027956-kak-suvvy-iskala-product-market-fit-ot-pryamyh-vnedrenii-k-seti-integratorov