Сотрудники коммерческих подразделений используют генеративные языковые модели, чтобы ускорить работу и оптимизировать рутину, но оказывается, что общедоступные нейросети не просто бесполезны, но даже ведут к прямому ущербу для бизнеса. Обсудим, какое место занимают ИИ-инструменты в длинных проектных сделках с технически сложным продуктом.
Почему нельзя полагаться на чат-боты в B2B-продажах
Менеджеры привыкли использовать инструменты искусственного интеллекта для подготовки коммерческих предложений, писем и анализа клиентов. На экране появляется стройный, гладкий и убедительный текст. Продавец испытывает ложное облегчение, отправляет документ заказчику или идет на встречу, а через месяц выясняется, что контракт отдан конкуренту.
Дело в том, что нейросеть обучена воспроизводить статистически вероятные фразы. Текстовый генератор охотно выдает общие рассуждения о надежности, взаимной выгоде и партнерстве, но совершенно не учитывает реального положения дел на объекте заказчика: скрытые конфликты интересов, риски срыва сроков, кассовые разрывы или наличие дешевого серого аналога, который снабжение уже внесло в план закупки.
Стремление переложить подготовку решений на универсальный алгоритм усыпляет бдительность. Менеджер перестает глубоко исследовать ситуацию, полагаясь на связный текст, лишенный предметного содержания. Чтобы технологии не плодили иллюзии, коммерческому блоку необходимо разделить работу с данными на два методически обоснованных контура: глубокую доказательную разведку реального рынка и практический переговорный полигон.
Ограничения открытых алгоритмов: вера в декларации вместо фактов
Проблема в том, что типовые языковые модели воспринимают любые публичные заявления компаний за доказанную истину. Если на сайте поставщика написано «ведущий производитель» или «собственный завод полного цикла», нейросеть принимает эту информацию за чистую монету и транслирует ее как объективный факт.
В реальном промышленном секторе маркетинговые декларации и действительность регулярно расходятся. Для объективной оценки рыночного поля требуются жесткие аналитические правила, исключающие домысливание:
- Полная изоляция самодеклараций. Любые сведения с сайтов, брошюр и каталогов обязаны классифицироваться как неподтвержденные гипотезы самого низкого уровня доказательности. Статус производителя или разработчика подтверждается исключительно независимыми реестрами, техническими свидетельствами профильных ведомств, протоколами испытаний и сертификатами соответствия.
- Разделение цифровой видимости и реальной доступности. Наличие наименования продукта в онлайн-каталогах не доказывает возможность его системной поставки. В B2B-сегменте критично отслеживать статус канала: официальная дистрибуция, параллельный импорт с нерегулярным плечом доставки или единичные складские остатки. Предлагать клиенту решение без гарантированного канала поставок – прямой путь к срыву проектных обязательств.
- Понимание центров влияния и риска пересогласования. Включение бренда в проектную документацию на этапе проектирования не гарантирует фактической покупки. Подрядчик или специалист по закупкам на любом этапе предпримет попытку заменить позицию на более маржинальный аналог. Без понимания финансовой мотивации каждого участника сделки продавец неизбежно столкнется с внезапным сломом спецификации.
Инженерный и доказательный подход к анализу рынка позволяет очистить воронку продаж от домыслов сотрудников. Однако даже самая точная доказательная база не принесет результата, если менеджер теряется при прямом контакте с оппонентом.
Зачем нужна жесткая практика переговоров
Корпоративные тренинги в аудиториях часто страдают академизмом. Менеджеров обучают методикам выявления потребностей, техникам работы с возражениями, но в переговорной комнате под давлением жесткого оппонента продавец мгновенно сваливается в оправдания и раздачу скидок. Знать теорию и применять ее в условиях стресса – разные компетенции. Настоящим профессионалам неинтересны абстрактные задачи или вымышленные кейсы. Развитие переговорной устойчивости строится на совершенно других принципах:
- Привязка к реальной сделке. Практика эффективна только тогда, когда предметом разбора становится настоящий проект, который прямо сейчас буксует на этапе согласования. Продавец раскладывает реальную карту влияния, отделяет проверенные факты от собственных предположений и намечает следующий измеримый шаг.
- Спарринг с профессиональным сопротивлением. Тренировочная среда не должна поддакивать сотруднику. Модель диалога обязана отыгрывать циничного и недоверчивого стейкхолдера: главного инженера, метролога, финансового директора или руководителя закупки. Задача оппонента – атаковать слабые места в расчетах, указывать на эксплуатационные риски и проверять границы ценовых уступок.
- Безопасное право на ошибку. Продавцу необходимо место, где он может совершить десяток промахов, проверить разные варианты формулировок и увидеть последствия неверных шагов, не рискуя контрактом на десятки миллионов рублей.
Регулярная калибровка переговорных навыков до выезда к заказчику радикально снижает процент проигранных сделок. Менеджер выходит на встречу не с заученными фразами из презентации, а с четким пониманием рисков клиента и набором аргументов.
Как оценивать зрелость управления сделками
Ключевой задачей для руководителей становится перевод работы отдела продаж из плоскости эмоциональных отчетов в плоскость измеримых операционных фактов:
- Прекращение работы по догадкам. Запись в CRM «клиент лоялен, все нравится» должна расцениваться как отсутствие данных. Единственным подтверждением прогресса являются встречные действия заказчика: согласование технического задания, предоставление исходных данных, назначение совместной защиты сметы или подписание протокола разногласий.
- Сохранение маржинальности вместо борьбы скидками. Если продавец понимает ограничения проекта и риски клиента, он защищает базовую цену технологическими аргументами, а не торгуется за процент уступки с закупочным комитетом.
- Контроль квалификации сделки на ранних этапах. Отсечение бесперспективных запросов и проверка доступности оборудования до выставления коммерческого предложения экономят сотни рабочих часов инженеров и сметчиков.
Выводы
Сложные B2B-продажи не прощают поверхностного отношения и слепой веры в алгоритмы. Технологии приносят измеримую отдачу, когда встроены в строгую систему: сначала проводится бескомпромиссный аудит фактов по сделке, а затем переговорная позиция проходит стресс-тест в безопасной тренировочной среде. В таком тандеме коммерческая служба перестает надеяться на удачу и начинает системно управлять результатом.
Также читайте:
Николай, здесь я бы всё-таки разделил две вещи.
«Красиво и логично» — это про форму подачи. «Доказуемо» — про качество основания.
В продажах первое действительно важно. Но оно не должно подменять второе.
И с «показывать обе версии» тоже осторожно. Если одна версия подтверждена данными, а вторая просто выглядит правдоподобно, я бы не ставил их рядом как равнозначные.
Можно показать:
— вот что мы знаем;
— вот что предполагаем;
— вот чего пока не знаем.
Для меня как раз в этом и есть нормальная работа и человека, и ИИ.
А если неподтверждённую версию просто красиво упаковать рядом с доказанной, мы снова возвращаемся к той же проблеме — человек перестаёт видеть, где факт, а где хорошая история.
Дети часто повторяют мысли, высказанные взрослыми, а взрослые повторяют за другими взрослыми, а другие взрослые — за еще более известными взрослыми и так далее.
В итоге получается коллективная пустота, заполненная за счет некоторого первичного наполнения кем-нибудь из древних философов.
Причем зачастую существование этого философа мало чем подтверждено.
С точки зрения моей гипотезы о том, что этот мир виртуальный, программисты могут прямо сейчас «закопать» где-нибудь данные (папирусы, таблички, целые города и еще что-либо), которые будут выглядеть как древние.
С программистской точки зрения — это просто убедительный вброс новых данных.
А люди после этого откроют новые цивилизации и офигенные доказательства чего-либо.
Думаю, людям пора задуматься о настоящем происхождении данных на Земле.
Впрочем, многим лучше и не задумываться, а то крышу снесет от подобных усилий.
Пусть лучше «классиков» цитируют и учатся, чему им положено учиться в их жизни.
Вот и попробуйте проанализировать данные, которыми пользуются люди на Земле.
Если подойти критично, то вся история цивилизации может оказаться красивым фейком, основанным на предположениях.
Хотя, конечно, археологические находки трудно не учитывать.
Я вот помню с детства такую поговорку: "хочешь испортить важный разговор - проведи его по телефону!".
Мало кто тогда мог смотреть в застрашний день, а он таков:
как только ты пишешь в какую-нибудь контору через сайты типа авито, по почте, в мессенджерах, и хочешь осуществить закупку, допустим, на 50-100тыс.р., считается хорошим тоном подключить тебе бота, чтобы ты не потратил рабочего времени серьезных людей, допустим, минуты 2, а то и все 5, причинив конторе затраты из расчета зп 100тыщ ФОТа 52 рубля 08 копеек.
Электорнный болван пытается распознать, какой у меня вопрос и в 90% случаев, не угадывает, потому что если б он был простой, я бы например сделал заказ через форму на сайте. После пары попыток я уже с трудом контролирую раздражение.
И далее, если после фразы "оператор" меня не подключают на живого человека, я перестаю общаться с такой конторой НАВСЕГДА, потому что эти люди просто не понимают, как вести дела - и скорее всего им недолго осталось их вести.
А может, это просто мамкины посредники, которые собирают перс данные, торгуя "лидами".
На примере общения с одним желтым банком, даже на тарифе "премиум", поддержка от внедрения ИИ понесла огромный ущерб, люди отупели вслед за ИИ, и не могут решить оперативно ни один вопрос. А в принципе они уже близки к мудрому современному решению выключить опцию "позвать оператора", после чего начнется массовый отток клиентов, во время которого менеджеры продолжат носить наверх жизнерадостные отчеты о "замещении работников ИИ", вплоть до момент когда по итогам года просядет прибыль и топы начнут чесать затылок с вопросами "что же мы делаем не так?".
Если же говорить о +- сложных продажах, где попытка плотно пообщаться с ЛПР и произвести первое впечатление будет ровно 1 и все должно быть ИДЕАЛЬНО (некоторые для этого даже с самолетах от еды отказываются, чтоб не обляпаться и не сидеть на встрече в непотребном виде), то я бы на пушечный выстрел туда не подпускал людей с ИИ, ни для подготовки презентаций, ни тем более, прости Госсподи, для принятия каких-либо судьбоносных решений.
Впрочем, описанное в статье все же укладывается в рамки относительно понятных и строгих алгоритмов CRM, СППР (ну допустим "все сделки от 500т.р. согласовавать с гендиром, и сопровождать нач. технического отдела"), и вот этих знаменитых мудрых LLM, там пока еще можно избежать, хотя без элемента непредсказуемости, наверное, не так весело работать. )
Потому что, либо ты эксперт в предметной области и тебе LLM излишни, ты и так знаешь на какой странице какой справочник открыть, либо ты в ней профан и к участию в серьезных продажах тебя допускать нельзя.
Третьего не дано. )
Ну и все помнят вопрос о покупке в качестве первого оружия гладкоствольной противотанковой пушке Т-12, на который LLM ответила положительно - а что, цифра 12 есть (какая разница что это не калибр), гладкоствольное, все сходится, по закону можно владеть. LLM не рассуждает, она формирует наукообразный ответ, похожий на другие, и в этом никогда ничего не изменится.
Николай, здесь мы, кажется, уже ушли от темы ИИ и проверки данных в философию устройства мира.
Я всё-таки говорил о более прикладной вещи: если мы используем данные для решения в бизнесе, инженерии или продажах, должно быть понятно, откуда они взялись, чем подтверждаются и где заканчивается факт и начинается гипотеза.
А является ли весь мир виртуальной системой — это уже совсем другая дискуссия. Там, боюсь, моего критического цикла validation не хватит.
Николай, вот здесь мы уже окончательно ушли в другую дискуссию.
Моя тема гораздо приземлённее: какие данные мы используем для конкретного решения, откуда они получены, чем подтверждены и что в них является фактом, а что гипотезой.
Версию «вся история цивилизации может быть фейком» проверить в рамках такого разговора невозможно. А значит, для прикладной работы она мало что даёт.
Я бы здесь как раз держался простого правила: если утверждение нельзя проверить, его нельзя ставить в один ряд с подтверждённым фактом.
Иначе под видом критического мышления мы очень быстро получим ситуацию, где сомневаться можно вообще во всём — а принимать решения уже не на чем.
Никита, добрый день!
Эмоционально, но сам пример очень показательный.
Здесь, на мой взгляд, проблема не в самом ИИ, а в том, какую задачу ему поставили.
Если задача — сократить количество обращений к живым сотрудникам любой ценой, очень легко получить именно то, что вы описали: бот формально «обработал» клиента, а фактически только увеличил раздражение и вероятность ухода.
Для меня нормальная автоматизация должна уметь не только отвечать, но и понимать момент, когда она уже не справляется и должна передать разговор человеку.
И особенно это критично в сложных B2B-вопросах. Если клиент пришёл не с типовым запросом, а с нестандартной задачей, попытка любой ценой удержать его внутри бота уже начинает работать против продаж.
Поэтому я бы мерил здесь не «сколько обращений заместили ИИ», а сколько клиентских задач реально решили без потери доверия.
Полностью согласен и поддерживаю.
Пусть фирмы, использующие тупые чат-боты, побыстрее вымрут.
Мне уже надоело выслушивать их рекламу и пытаться дозваться оператора.
P.S. От желтого банка я тоже уже отписался.
И у него нет офисов, то есть, если что, то до человека можешь вообще не докричаться.
Очевидно.
Гипотезы тоже можно рассматривать, но как гипотезы.
Гипотезы как раз нужны для более глубокого понимания данных и их разнообразного использования.
Я так понимаю, что основная идея статьи в том, что «ИИ врет».
Не могу сказать, что это для меня большая новость.
Люди тоже врут, и не только из-за исходных данных.
У них еще ошибки в системах вывода.
У ИИ тоже ошибки в системах вывода, но непонятно, у кого они фатальнее.
Вот и приходится людям и ИИ как-то сосуществовать, договариваться.
И это только начало этой истории.
Николай, здесь я всё-таки поправлю рамку.
Основная идея статьи не в том, что «ИИ врёт». Более того, я бы вообще не использовал здесь слово «врёт»: у модели нет намерения кого-то обмануть.
Проблема в другом: модель может уверенно сформировать правдоподобный ответ там, где данных недостаточно, контекст неполный или вывод нельзя подтвердить. А человек потом может принять этот ответ за экспертизу и понести его дальше — клиенту, руководителю, в расчёт или в решение.
Поэтому для меня вопрос не «кто врёт больше — человек или ИИ». Вопрос в том, как построить систему, в которой видно, где факт, где гипотеза, где пробел в данных и где модель вообще не должна делать вывод.
Если всё свести к «люди тоже ошибаются», мы как раз потеряем самое интересное. Человеческая ошибка обычно ограничена одним человеком или одной ситуацией. Ошибка, встроенная в ИИ-процесс, может масштабироваться на сотни решений почти мгновенно.
А вот с последней мыслью соглашусь полностью: это действительно только начало истории. И последствия, думаю, будут намного глубже, чем просто замена части сотрудников или ускорение работы. Мы ещё только учимся понимать, как меняется само принятие решений, когда рядом появляется система, которая всегда готова что-нибудь убедительно ответить.