ИИ в CRM: чатбот, скоринг лидов, RAG по базе знаний
ИИ в CRM в 2026 году - это уже не «бот на сайте для шуток», а три рабочих сценария: чатбот, который пишет лиды и ответы в карточку сделки; скоринг лидов, который ранжирует заявки по вероятности оплаты; RAG по базе знаний, который отвечает менеджеру и клиенту по регламентам, прайсам и кейсам без галлюцинаций «из воздуха». Если у вас уже есть CRM, ИИ усиливает скорость и качество, а не заменяет воронку. Ниже - что подключать первым, сколько это стоит и где реальная отдача.
- Чатбот - квалификация 24/7, запись в CRM, эскалация живому менеджеру
- Скоринг лидов - приоритет «горячих» заявок, меньше времени на пустые диалоги
- RAG - ответы по вашей документации, а не общие фразы модели
- Старт - один канал + одна воронка, потом масштабирование
- Риск - плохие данные в CRM делают любой ИИ бесполезным
- Эффект - минус 30-60% времени на первичную обработку при чистых данных
Зачем ИИ в CRM именно сейчас
Пока заявки приходят вечером и в выходные, менеджер отвечает утром - и лид уже ушёл конкуренту. Пока в воронке 200+ активных сделок, продавец тратит часы на «кто горячее». Пока ответы на типовые вопросы живут в PDF и головах сотрудников, новичок отвечает медленнее и с ошибками.
ИИ закрывает эти три боли, если CRM - единый источник правды: контакт, сделка, история переписки, этап, сумма, источник. Без порядка в карточке модель усиливает хаос.
| Сценарий | Что делает ИИ | Что остаётся человеку |
|---|---|---|
| Чатбот | Принимает диалог, квалифицирует, пишет в CRM | Сложные возражения, цена, закрытие |
| Скоринг | Оценивает вероятность сделки | Выбор приоритета и стратегия |
| RAG | Ищет ответ в базе знаний | Проверка критичных обещаний клиенту |
Чатбот в CRM: не «болталка», а первая линия продаж
Хороший CRM-чатбот делает пять вещей:
- Ловит лид в Telegram, WhatsApp, на сайте, в Instagram.
- Задаёт 3-7 квалифицирующих вопросов (бюджет, сроки, задача, регион).
- Создаёт или обновляет сделку в CRM с полями и тегами.
- Назначает менеджера или ставит задачу при «горячем» сигнале.
- Передаёт контекст - история чата должна быть в карточке, а не в личном мессенджере сотрудника.
Что спрашивать ботом
Короткий скрипт лучше длинного «опросника»:
- кто вы / компания;
- какая задача (купить / внедрить / консультация);
- бюджетный диапазон или объём;
- желаемый срок;
- удобный канал связи.
Если бот собирает UTM и источник рекламы - это уже база для скоринга и аналитики.
Типичные ошибки чатбота
- Нет эскалации: клиент злится, бот отвечает шаблоном.
- Дубли карточек: бот каждый раз создаёт нового контакта.
- Ответы «от модели» без жёстких границ (скидки, сроки поставки, юридические обещания).
- Чат не попадает в CRM - менеджер работает вслепую.
Правило: чатбот имеет право собирать и маршрутизировать. Обещать цену и срок без подтверждённого прайса - нет (это зона RAG + менеджер).
Скоринг лидов: кому звонить первым
Lead scoring - оценка лида по баллам или вероятности. Цель не «магическая цифра», а очередь: менеджер открывает утро с топ-20, а не с случайной сортировки.
Какие сигналы учитывать
| Сигнал | Пример | Вес (ориентир) |
|---|---|---|
| Поведение | Открыл КП, зашёл на цену, вернулся на сайт | Высокий |
| Фита | Подходит сегмент, бюджет, регион | Высокий |
| Источник | Реклама бренда vs холодный парсинг | Средний |
| Вовлечённость | Ответил боту за 5 минут, оставил телефон | Высокий |
| Негатив | «Только узнать цену», spam-паттерн, неверный сегмент | Штраф |
Можно начать правилами (if-then) встроенными роботами CRM, затем перейти к ML-модели на истории закрытых сделок. Для команды до 10 менеджеров правила часто дают 80% пользы за 20% сложности.
Как внедрить за 2 недели
- Выгрузить 3-6 месяцев сделок: выигранные / проигранные.
- Найти 5-8 признаков, которые отличают оплату от отказа.
- Собрать простой скоринг (0-100) и колонку «приоритет» в воронке.
- Научить команду: «сначала A, потом B, холодные - в nurture».
- Через 30 дней сравнить конверсию до/после по сегментам.
Скоринг бесполезен, если менеджеры не заполняют поля и закрывают сделки без причины отказа - сначала дисциплина данных, потом ИИ.
RAG по базе знаний: ответы из ваших документов
RAG (Retrieval-Augmented Generation) - схема «сначала найди фрагменты из вашей базы, потом сгенерируй ответ». Модель не выдумывает прайс из интернета: она опирается на ваши регламенты, FAQ, КП, инструкции по продукту.
В контексте CRM RAG нужен для:
- ответов менеджеру внутри карточки («как оформить возврат для тарифа X»);
- помощи чатботу по разрешённым формулировкам;
- внутреннего ассистента поддержки и онбординга новичков;
- генерации письма клиенту с цитатой из актуальной политики.
Из чего собрать базу знаний
- PDF и Notion/Confluence с продуктом;
- таблица цен и условия (с датами версий!);
- скрипты продаж и FAQ;
- успешные кейсы и возражения;
- внутренние SLA, гарантии, ограничения.
Каждый документ: версия, владелец, дата обновления. Иначе RAG будет уверенно цитировать устаревшую скидку.
Архитектура простого RAG для CRM
- Нарезка документов на чанки.
- Эмбеддинги + векторный индекс (или поиск в штатном AI-модуле CRM).
- Запрос менеджера / бота → топ-k фрагментов.
- Ответ модели только на основе найденного + пометка «источник».
- Лог вопросов без ответа - очередь на доработку базы знаний.
Без логов «не нашли» база знаний загнивает за квартал.
Как связать чатбот, скоринг и RAG в одну цепочку
Оптимальная схема 2026 года:
- Лид пишет → чатбот квалифицирует и пишет поля в CRM.
- Система считает скоринг и ставит приоритет / задачу.
- Менеджер открывает карточку → RAG-ассистент подсказывает ответ по базе.
- После звонка результат и причина фиксируются → скоринг учится (или правила уточняются).
Так ИИ не «живёт отдельно от CRM», а ускоряет уже существующую воронку - ту же, что вы настраивали при выборе Bitrix24, amoCRM или HubSpot.
Сколько стоит и с чего начать
| Этап | Срок | Ориентир бюджета |
|---|---|---|
| Чатбот на 1 канал + запись в CRM | 1-3 недели | $500-3 000 |
| Скоринг на правилах | 1-2 недели | $300-1 500 |
| RAG по 50-200 документам | 2-4 недели | $1 500-8 000 |
| ML-скоринг + доводка | 1-2 месяца | $3 000-15 000+ |
Порядок запуска: чистота данных → чатбот на главный канал → скоринг → RAG. Иначе вы автоматизируете беспорядок.
Пилот на 2-4 недели: один источник лидов, одна команда, 3 метрики - скорость первого ответа, доля квалифицированных лидов, конверсия в следующий этап.
Частые ошибки внедрения ИИ в CRM
- Ждать «умную CRM из коробки» без обучения на ваших данных.
- Дать боту отвечать на юридически и финансово чувствительные вопросы без RAG и утверждённых текстов.
- Считать скоринг заменой менеджеру, а не инструментом приоритизации.
- Не логировать эскалации и «дыры» в базе знаний.
- Подключать пять моделей и три платформы до того, как стабилизирована одна воронка.
Итог
Чатбот, скоринг лидов и RAG - три самых практичных сценария ИИ в CRM на 2026 год. Чатбот ускоряет захват, скоринг - фокус продавца, RAG - точность ответов по вашей экспертизе. Начинайте с одного канала и чистых полей в карточке: без данных ИИ лишь красиво оформляет хаос. С данными - это измеримый рост скорости и конверсии.
Часто задаваемые вопросы
Нужна ли отдельная ИИ-платформа или хватит встроенного ИИ в CRM?
Часто хватит встроенного для чатбота и простого скоринга - если CRM уже закрывает каналы и роботов. Отдельная платформа (или Python/n8n + LLM) нужна, когда важны свой RAG по большому корпусу, кастомные модели скоринга и интеграции вне экосистемы. Старт с штатных средств, кастом - по боли.
Чем RAG лучше обычного чат-бота с промптом?
Обычный бот с длинным промптом путает факты и не знает обновлений прайса. RAG сначала достаёт актуальные фрагменты из вашей базы и только потом формулирует ответ. Для цен, SLA, возвратов и регламентов это обязательный слой, а не «nice to have».
Можно ли внедрить скоринг без истории сделок?
Да, на правилах: сегмент, бюджет, источник, скорость ответа, заполненность полей. История нужна для ML и точной калибровки. На старте правила + ручная проверка топ-лидов менеджером дают быстрый эффект без датасаентистов.
Безопасно ли пускать ИИ к данным клиентов в CRM?
Только с политикой доступа: какие поля уходят в модель, маскирование ПДн, корпоративный/on-prem вариант LLM при жёстких требованиях, запрет на обучение публичных моделей на ваших диалогах. Юридический и security-чек - до боевого трафика, не после инцидента.
Что внедрять первым: чатбот, скоринг или RAG?
Если теряете лиды ночью и в выходные - чатбот. Если менеджеры тонут в потоке - скоринг. Если много ошибок в ответах и долгий онбординг - RAG. Универсальный порядок для большинства SMB: чатбот на главный канал → скоринг → RAG по топ-документам.