Смежная тема — повод для вопроса, не вывод
В автоматизации отдела продаж полезно поручать ИИ не поиск «готового к допродаже» клиента, а подготовку к разговору. Модель может заметить, что в обращении названа задача, связанная с другой областью, и предложить продавцу уточнение. Например, просьба ускорить ответ на входящие заявки может навести на вопрос о том, как обращения распределяются между сотрудниками. Но сама задержка не говорит ни о её причине, ни о потребности в отдельном продукте. Это различие задаёт правильную роль модели: она помогает сформулировать возможную тему, а не определяет намерение клиента.
Я считаю важным разделять точные слова клиента, рабочую гипотезу продавца и подтверждённую задачу. Вместо «Вам нужна автоматизация распределения?» можно спросить: «Как сейчас определяется, кто отвечает за новую заявку?» Ответ позволит понять, есть ли смысл продолжать. Сотрудник видит, на какой фрагмент опирается рекомендация, и решает, задать ли вопрос, изменить его или закрыть тему. В простом обращении вопрос можно составить без модели; ценность ИИ появляется при работе с неодинаково сформулированным контекстом.
Смежность процессов не означает, что обе задачи актуальны одновременно. Рекомендация не должна ранжировать людей по предполагаемой готовности купить. Она лишь предлагает тему, а продавец выясняет, относится ли она к ситуации. Если клиент говорит, что порядок распределения уже работает и сейчас важнее скорость подготовки ответа, разговор следует вести о названной им задаче.
Важен и момент: даже точная связь между процессами может быть неуместна, если клиент пришёл решить срочную проблему. Сначала стоит закрыть прямой запрос, а затем, если разговор естественно перешёл к смежному процессу, задать уточнение.
От текста обращения к нейтральному вопросу
- Ограничьте входные данные
Передавайте обращение и только разрешённый контекст, который меняет формулировку: например, этап разговора, известную задачу и предыдущий ответ. Не предлагайте модели угадывать бюджет или срочность, если этого нет во входе.
- Попросите показать основание
Задайте формат: фрагмент исходного текста, возможная смежная тема и один вопрос. Если связать тему с конкретной фразой нельзя, результатом должно быть отсутствие предложения.
- Проверьте вопрос
«Как сейчас назначаете ответственного за заявку?» оставляет пространство для ответа. «Вам мешает ручное распределение?» уже подсказывает проблему и причину. Выберите формулировку, позволяющую подтвердить, уточнить или отвергнуть предположение.
- Разделите гипотезу и ответ
Сохраните исходную фразу, предложенную тему и слова клиента отдельно. Следующий ход разговора должен опираться на фактический ответ, а не на внутренний план допродажи.
Как превратить предположение в рабочее уточнение
| Фраза или черновик | Что можно заключить | Более точный ход |
|---|---|---|
| «Не успеваем разбирать заявки». | Причина задержки пока не названа. | Уточнить, на каком шаге накапливаются обращения. |
| «Вам нужна автоматизация распределения?» | Вопрос заранее предлагает решение. | Спросить, как назначают ответственного за новую заявку. |
| «Распределение уже настроено». | Предполагаемая тема может не относиться к ситуации. | Закрыть эту ветку и выяснить, какая задача сейчас важнее. |
| «Заявки приходят из нескольких каналов». | Есть конкретный процесс, который можно прояснить. | Спросить, где сотрудник видит новое обращение и его историю. |
Когда ИИ полезнее готового сценария
Готовый набор вопросов разумен, если обращения похожи и связь между формулировкой и уточнением заранее понятна: его проще поддерживать, а продавцы знают, чего ожидать. ИИ может быть полезен, когда клиенты описывают сходный процесс разными словами и вопрос нужно подстроить под контекст. Выбор зависит от того, добавляет ли работа с текстом что-то к простому сценарию. Для подготовки вопросов о возможных смежных задачах можно рассмотреть ИИ-автоматизацию продаж.
Я предпочитаю системное внедрение набору инструментов. Сравните оба подхода на небольшой подборке обезличенных обращений: для каждого подготовьте вариант по действующему сценарию и вариант с ИИ. Оценивайте связь вопроса с исходной фразой, необходимость правки и то, помогает ли он выяснить следующий шаг. Заранее определите существенную правку: исправление грамматики не равно изменению смысла, а удаление предположения о несуществующей проблеме — важная корректировка. Записывайте причины: нет основания в тексте, вопрос закрытый, выбран неподходящий момент или не хватает контекста. Это покажет, где улучшить инструкцию, а где расширить библиотеку сценариев.
Если фиксированный сценарий справляется не хуже, усложнять процесс незачем. Если контекстный вариант лучше учитывает разные формулировки, можно выделить только этот участок для ИИ. Просмотрите, не цепляется ли модель за второстепенную фразу и умеет ли отказаться от подсказки при недостатке основания. Решение локальное: кому и при каких обращениях удобнее готовить первую формулировку. Как проверить, что контекст не теряется при передаче обращения по воронке, разбираем в материале о передаче обращения между этапами продаж.
В запросе к модели удобно разделить результат на три поля: исходный фрагмент, предполагаемая связанная тема и нейтральный вопрос. Руководитель может периодически проверять результаты по одним критериям, а продавец — исправлять формулировку перед разговором. Я верю, что ИИ существенно изменит бизнес в ближайшие 2–5 лет; поэтому внедрять его стоит последовательно, проверяя конкретную задачу, а не впечатление от одной удачной подсказки.
Для сравнения зафиксируйте не только итоговую оценку, но и затраченное продавцом время на подготовку и правку. Эти показатели отвечают на разные вопросы: удачный текст ещё не означает, что процесс стал удобнее, а небольшая экономия времени не оправдывает вопрос, который искажает смысл обращения. Разберите отдельно случаи, где сценарий и модель дали одинаковый результат: они покажут, для каких типовых ситуаций генерация ничего не добавляет. И наоборот, неоднозначные обращения полезно обсудить вместе с продавцами — они могут заметить рабочий контекст, который не отражён в короткой записи.
Перед тестом договоритесь, кто и как будет оценивать варианты. Например, два сотрудника независимо отмечают, есть ли в вопросе опора на исходную фразу, можно ли ответить свободно и понятен ли дальнейший ход после ответа. Если оценки расходятся, не усредняйте их механически: выясните, по-разному ли поняты критерии или действительно неоднозначен исходный текст. Такой разбор превращает тест в улучшение процесса, а не конкурс красивых формулировок. Итогом может стать смешанный подход: библиотека для повторяющихся случаев и подготовка черновика ИИ только там, где контекст заметно меняется.
Ещё один полезный критерий — возможность проследить путь от исходных слов до готового уточнения. Если сотрудник не может быстро указать, какой фрагмент обращения породил тему, стоит упростить запрос к модели или не показывать эту подсказку. При разборе результатов сохраняйте несколько последовательных примеров: исходное обращение, черновик, правку продавца и выбранный вопрос. Так команда увидит, где теряется смысл — при выделении темы, при формулировке или при передаче заметки коллеге. На основании этих наблюдений можно менять только нужный элемент процесса, не переписывая всю библиотеку вопросов и не добавляя лишний шаг там, где обычный шаблон уже работает.
При разборе отдельного случая полезно сохранить последовательность без оценочных ярлыков: исходная фраза, предложенная тема, вопрос модели, редактура продавца и ответ клиента. Например, если фраза указывает на несколько возможных причин задержки, продавец может сначала спросить, на каком этапе возникает ожидание, а не выбирать одну причину за собеседника. Такая запись позволяет отличить неудачное выделение темы от неудачной формулировки вопроса. В первом случае меняют правило, по которому модель связывает процессы; во втором — образец открытого вопроса. Это помогает исправлять конкретное звено работы, не превращая каждую правку в повод переписывать весь сценарий.