CRM и 1С

Нейросеть в amoCRM: как ИИ помогает со сделками, перепиской и задачами

Коротко
  • ИИ в amoCRM заполняет поля сделки из переписки, готовит черновики ответов и резюме диалогов, ставит задачи на следующий шаг.
  • Подключение — через API и вебхуки: amoCRM сообщает о событии, например о новой сделке или смене этапа, сервис обрабатывает его и пишет результат обратно.
  • Ответы клиентам ИИ готовит как черновики. Отвечать самостоятельно ему стоит только на простые вопросы по базе знаний.
  • Перед запуском сценарий прогоняют на истории сделок: так видно, где модель путает сроки, бюджет и договорённости.

Нейросеть в amoCRM полезна в трёх местах: в сделках она заполняет поля и помогает квалифицировать клиента, в переписке готовит черновики ответов и резюме длинных диалогов, в задачах следит, чтобы у каждой сделки был следующий шаг. Подключается она через API amoCRM и вебхуки: amoCRM сообщает о событии, внешний сервис обрабатывает его с помощью модели и возвращает результат в сделку.

Что amoCRM даёт для интеграции с ИИ

ИнструментЧто позволяетКак использует ИИ
REST APIЧитать и менять сделки, контакты, компании, задачи, примечания, дополнительные поляЗапись результата: поля сделки, примечание с резюме, задача
ВебхукиПолучать уведомления о событиях в аккаунте, например о новой сделке или смене этапа; полный список — в документации amoCRMЗапуск обработки сразу после события
Интеграция с OAuth 2.0Доступ внешнего сервиса к аккаунту без передачи пароляБезопасное подключение с нужными правами
ВиджетыКнопки и блоки в интерфейсе карточки«Предложить ответ» или «Сделать резюме» прямо в сделке
Salesbot и цифровая воронкаВстроенные сценарии и действия на этапахЖёсткие шаги остаются в amoCRM, ИИ подключается там, где нужен разбор свободного текста

До разработки проверьте, нет ли под вашу задачу встроенных ИИ-функций amoCRM или готовых решений в маркетплейсе: их набор со временем меняется. Собственная интеграция оправдана, если требуются ваша база знаний, конкретная модель, данные из других систем или свои правила квалификации.

Если ваша CRM — Битрикс24, логика та же, но инструменты другие; они разобраны в статье о нейросети в Битрикс24.

Сделки: квалификация и заполнение полей

Клиент пишет: «Нужно оснастить два склада под Казанью, бюджет согласуем к концу месяца, сейчас сравниваем три предложения». Менеджер обычно переносит это в поля частично или не переносит вовсе. Модель разбирает сообщение и заполняет дополнительные поля сделки: потребность, объём, регион, бюджет, срок решения, наличие конкурентов.

Дальше по этим полям считается квалификация — по вашим критериям, а не по общему представлению модели о «хорошем клиенте». Правила задаёт руководитель продаж: например, сделка горячая, если известны бюджет и срок решения в пределах месяца. Модель извлекает факты, код применяет правила.

Этап сделки ИИ может предлагать, но переносить сделки автоматически стоит только на ранних шагах воронки — например, из первичного контакта в квалифицированные. Закрытие сделки и отказ остаются за менеджером.

Отдельная польза — порядок в контактах. Один и тот же клиент пишет в мессенджер, звонит и оставляет заявку на сайте, и в amoCRM появляются три контакта. Сервис ищет совпадения по телефону и почте, а модель помогает там, где формальных совпадений нет: «Иван, снабжение, Ромашка» и «Иван Петров, ООО Ромашка» с другого номера. Объединять контакты автоматически не стоит — система предлагает пары, решает менеджер.

Переписка: черновики ответов и резюме диалога

В amoCRM переписка — центральная часть работы: сообщения из мессенджеров и почты собираются в карточке сделки. Когда приходит входящее сообщение, сервис узнаёт о нём через механизмы интеграции amoCRM и готовит черновик ответа с учётом истории сделки, прайса и базы знаний. Менеджер видит черновик в карточке, правит и отправляет.

Отвечать клиенту полностью автоматически стоит только на простые вопросы: часы работы, наличие, статус заказа, адрес. И только при условии, что ответ опирается на базу знаний, а при любой неуверенности диалог уходит менеджеру. Как готовить такую базу, разобрано в статье о базе знаний для ИИ-бота.

Второй сценарий — резюме. Если переписка растянулась на недели, модель пишет в примечание к сделке сжатый пересказ: потребность клиента, сделанные ему предложения и открытые вопросы. Новому менеджеру или руководителю не нужно читать весь диалог.

Третий сценарий — контроль качества переписки. Модель раз в день просматривает диалоги и отмечает случаи, которые руководитель обычно находит слишком поздно: вопрос клиента остался без ответа, менеджер не предложил следующий шаг, клиент упомянул конкурента или недовольство, а в сделке это никак не отражено. Руководитель получает не оценку «по ощущениям», а список конкретных диалогов со ссылками и цитатами.

Задачи: следующий шаг не теряется

Сделки часто теряются не из-за отказа клиента, а потому, что никто не перезвонил. ИИ помогает с этим двумя способами.

Первый — задачи из договорённостей. После звонка или переписки модель находит обещания вроде «пришлём расчёт до пятницы» или «клиент вернётся после совещания в среду» и ставит ответственному менеджеру задачу с конкретным сроком. Даты модель переводит в календарные с учётом текущей даты и часового пояса, а неоднозначные формулировки вроде «на днях» помечает для менеджера.

Второй — контроль. Раз в день сервис находит сделки без открытых задач, клиентов, которым давно не отвечали, и сделки, которые застряли на одном этапе, и отправляет руководителю короткую сводку с причинами, извлечёнными из переписки.

Больше сценариев для продаж — квалификация лидов, ответы клиентам, подсказки менеджеру — в статье об ИИ для отдела продаж.

Как подключить нейросеть к amoCRM технически

  1. В аккаунте amoCRM создаётся интеграция, сервис получает доступ по OAuth 2.0 и подписывается на нужные вебхуки.
  2. amoCRM отправляет событие, например о новой сделке или смене этапа.
  3. Сервис ставит событие в очередь и через API забирает контекст: сделку, контакт, последние сообщения и примечания.
  4. Модель получает контекст вместе с инструкцией и отвечает в заранее описанном формате, например JSON с нужными полями.
  5. Код проверяет результат и записывает его: поля сделки, примечание, задачу.
  6. В журнал пишется каждое действие: входное событие, ответ модели и внесённые изменения.

Две технические детали стоит учесть заранее. Интеграция сама создаёт примечания и меняет поля, а это тоже события: сервис должен отличать свои изменения от чужих, иначе начнёт обрабатывать собственные записи по кругу. Кроме того, API amoCRM ограничивает число запросов в секунду, поэтому массовую обработку, например разбор архива сделок, растягивают по времени.

Где ИИ ошибается в amoCRM и как это контролировать

ОшибкаПримерЗащита
Неверно понятая дата«Наберите в начале следующего месяца» записано как первое число текущегоНеоднозначные даты помечаются, задача создаётся с отметкой «проверить срок»
Придуманная договорённостьВ резюме появилось обещание скидки, которого не былоРезюме опирается на цитаты, менеджер может открыть исходное сообщение
Бюджет не того порядка«Полтора» понято как полторы тысячи вместо полутора миллионовПроверка на правдоподобие по типичным суммам сделок, сомнительное не записывается
Ответ не по базе знанийЧерновик обещает срок поставки, которого нет в регламентеЧерновики проверяет менеджер, автоответы только по закрытому списку тем
Перезапись данных менеджераИИ заменил поле, заполненное вручнуюИИ заполняет только пустые поля или свои отдельные поля

Общее правило: ИИ действует через отдельную интеграцию с минимально нужными правами, все его действия видны в истории сделки, а необратимые шаги требуют подтверждения человека. Как выстроить права и подтверждения, разобрано в статье о контроле ИИ-агента.

Когда ИИ в amoCRM не окупится

  • Сделок мало, цикл короткий. Менеджер и так помнит каждого клиента.
  • Переписка идёт мимо amoCRM. Если менеджеры общаются с клиентами с личных телефонов, модели нечего читать.
  • Воронка не устоялась. Если этапы и поля меняются каждую неделю, сценарии придётся постоянно переделывать.
  • Хватает встроенных средств. Если сценарий жёсткий и без свободного текста, его закрывают Salesbot или цифровая воронка.

Прежде чем начинать, прикиньте эффект в часах.

Условный пример: 8 менеджеров ведут по 40 активных сделок, на ручное заполнение полей, чтение истории перед звонком и постановку задач уходит в среднем 10 минут на сделку в неделю. Это около 53 часов в неделю на весь отдел. Если ИИ сокращает эту работу вдвое, высвобождается около 27 часов. Цифры условные: замерьте свои до запуска и после пилота.

С чего начать

  1. Определите стартовый сценарий: заполнение полей из первого сообщения, резюме переписки или задачи по договорённостям.
  2. Соберите историю 50–100 сделок с перепиской — на ней сценарий проверяют до запуска.
  3. Опишите поля и этапы, которые затрагивает ИИ, и правила квалификации.
  4. Разделите действия ИИ на автоматические и те, что требуют подтверждения менеджера.
  5. Назначьте со стороны продаж ответственного за правила.

Прототип на истории ваших сделок собирается за 1–2 недели. ИИ-сценарии для amoCRM входят в нашу услугу интеграции ИИ с CRM и 1С: бюджет определяется количеством сценариев и систем, которые нужно связать, и считается после бесплатного аудита, который занимает от 30 минут.

Частые вопросы

Чем это отличается от Salesbot?
Salesbot выполняет заранее заданные шаги и хорошо подходит для жёстких цепочек. Нейросеть нужна там, где клиент пишет свободным текстом и ответ зависит от смысла сообщения и истории сделки. На практике их часто сочетают.
Можно ли так же разбирать звонки?
Да, если записи звонков попадают в amoCRM через телефонию. Расшифровка и резюме добавляются в примечание к сделке, а качество зависит от записи и от того, насколько чётко звучат договорённости.
Что будет с интеграцией, если поменять воронку или поля?
Сценарии привязаны к этапам и полям, поэтому изменения в воронке согласуют с тем, кто сопровождает интеграцию. Хорошая интеграция сообщает об ошибке, а не пишет молча в несуществующее поле.
Какие данные переписки видит модель?
Только те, что нужны для задачи: карточку сделки и последние сообщения, а не всю базу. Если персональные данные нельзя передавать во внешний сервис, используют российские облачные модели или модель на своих серверах.