Новости ИИ для бизнеса и автоматизации c Komanda.ai

Как Speee сократила трудозатраты на передачу сделок на две трети с ИИ

Speee автоматизировала передачу сделок из продаж в Customer Success на основе записей встреч, расшифровок и более чем 20 ИИ-промптов. По заявлению компании, трудозатраты снизились на две трети, онбординг ускорился на 23 дня, а у каждого продавца появилось семь дополнительных возможностей в месяц. Независимый аудит и методика измерения не опубликованы.

Коротко о кейсе

  • Проблема:после закрытия сделки продавцы и Customer Success обменивались формами и уточнениями; одна передача занимала около 30 минут и иногда требовала десятков итераций.
  • Решение: все звонки стали записывать и расшифровывать в tl;dv(ИИ-инструмент для записи и транскрибации совещаний), а CS начал извлекать нужные сведения с помощью более чем 20 специализированных промптов и подтверждать итог у продавца.
  • Результат: по заявлению Speee, трудозатраты на передачу снизились на две трети, онбординг ускорился на 23 дня, использование функций продукта выросло на 15%, а у каждого продавца появилось семь дополнительных возможностей в месяц.

Почему текстовая передача сделки стала узким местом

До внедрения нового процесса продавец сообщал о закрытии сделки, CS отправлял ему форму, получал ответы и задавал дополнительные вопросы. По описанию Speee, цепочка могла разрастаться до десятков сообщений. Даже очная передача контекста занимала около 30 минут на клиента.

Главная проблема была не только во времени. Записи продавцов смешивали факты и личные интерпретации, отличались по детализации и попадали в CS через один-два рабочих дня. К этому моменту часть контекста забывалась. Иногда первая встреча Customer Success с клиентом показывала, что исходные сведения не соответствуют реальной ситуации, и онбординг приходилось начинать заново.

«Если бы мы просто делились фактами, проблема была бы решена», — объяснил Таики Минами, руководитель Customer Success продукта Budii в Speee.

Эта гипотеза стала критерием выбора инструмента: команде требовался не очередной шаблон заметок, а единый первичный слой данных, к которому можно вернуться и проверить вывод.

Как устроили процесс на основе записей и ИИ

1. Сохранили первичный контекст

Speee начала автоматически записывать звонки продавцов в Google Meet. tl;dv сохранял видео и расшифровку, а Customer Success мог обращаться к ним после закрытия сделки. В результате исходным материалом для передачи стали слова клиента, а не пересказ менеджера.

2. Перенесли извлечение информации на принимающую сторону

Вместо того чтобы заставлять продавца заново оформлять все детали, CS запускал заранее подготовленный промпт в Ask tl;dv AI. Система извлекала цели клиента, ограничения, сомнения и договоренности из расшифровки. Затем сотрудник показывал результат продавцу и просил подтвердить корректность. Человек оставался контрольной точкой процесса.

3. Создали библиотеку промптов

Таики Минами разработал более 20 сценариев: для передачи нового клиента, регулярных встреч, выявления риска оттока и других ситуаций. Каждый промпт проходил многократные тесты, иногда десятки итераций, прежде чем становился командным стандартом.

Для устойчивого результата команда использовала четыре правила:

  • заранее фиксировала формат ответа, вплоть до допустимой структуры и использования эмодзи;
  • добавляла варианты написания имен компаний и других собственных названий;
  • требовала короткую трехуровневую структуру вместо длинного пересказа;
  • просила указывать таймкоды исходных реплик, чтобы сотрудник мог проверить контекст и эмоциональный тон.

4. Проверили экономику на пилоте

Speee сравнивала tl;dv с двумя локальными сервисами. Один вариант не прошел требования по использованию клиентских данных для обучения моделей, другой был больше ориентирован на обучение продавцов, чем на передачу контекста. После выбора команда провела трехмесячный пилот на помесячном тарифе.

Для внутреннего согласования Минами оценил, сколько времени высвободит автоматизация и сколько дополнительных продаж может поддержать эта емкость. Только после пилота компания перешла на годовой контракт и расширила число лицензий. Это снизило риск долгосрочной закупки до проверки эффекта.

Какие результаты получили Speee

Показатель
Заявленный результат
Что известно о методике
Трудозатраты на передачу сделки
Снижение на 2/3
Абсолютные значения после внедрения и период измерения не раскрыты
Срок завершения онбординга
На 23 дня быстрее
Не указан исходный средний срок и размер выборки
Использование функций Budii
Рост на 15%
Источник не уточняет, относительный это рост или процентные пункты
Возможности в продажах
+7 на менеджера в месяц
Не раскрыты определение opportunity и последующая конверсия
Библиотека промптов
Более 20
Это показатель масштаба процесса, а не бизнес-результат
Компания связывает эффект с двумя изменениями. Customer Success стал раньше видеть опасения и цели клиента, поэтому мог начинать первую встречу с более точного уровня контекста. Продавцы перестали тратить время на ручное заполнение форм и направили высвободившуюся емкость на новые разговоры.

Однако кейс не доказывает, что весь эффект вызван только ИИ. На результат могли повлиять стандартизация передачи, обязательная запись звонков, дисциплина подтверждения данных и обучение команды. Практически это важная оговорка: ценность возникла из нового процесса, а ИИ ускорил извлечение информации внутри него.

Практическая схема внедрения для отдела продаж

1. Определите критическую точку передачи

Не начинайте с идеи «записать все встречи». Выберите один переход, где потеря контекста уже создает задержки: из SDR в sales, из sales в Customer Success или из поддержки в продуктовую команду. Зафиксируйте исходные показатели — минуты на передачу, число уточнений, задержку до первой встречи и долю повторного онбординга.

2. Разделите факты и интерпретации

Запись и расшифровка должны быть первичным источником, но не готовым решением. Определите, какие поля нужны принимающей команде: цель клиента, критерии успеха, текущий процесс, ограничения, участники решения, обещания продавца и открытые вопросы. Каждый вывод должен ссылаться на таймкод.

3. Сделайте промпт управляемым активом

Храните версию, владельца, дату обновления и тестовый набор разговоров. Изменение промпта должно проходить проверку на стабильность формата, пропуски и ложные выводы. Сотрудник обязан иметь возможность открыть исходную реплику, а не доверять резюме без проверки.

4. Оставьте человеческое подтверждение

В кейсе Speee результат Ask tl;dv AI показывали продавцу и подтверждали за один проход. Это полезная контрольная точка: она снижает риск того, что неполная расшифровка или неверная интерпретация попадет в CRM и станет «официальным» контекстом для следующей команды.

5. Считайте бизнес-эффект, а не число резюме

Для пилота достаточно четырех групп метрик:

  • скорость: время на подготовку и передачу контекста;
  • качество: число уточнений и доля исправленных полей;
  • результат клиента: срок онбординга и использование ключевых функций;
  • коммерческий эффект: высвободившиеся часы, новые возможности и их конверсия.

Такой набор помогает отделить удобство ИИ-инструмента от реального изменения в продажах и клиентском опыте.

Ограничения, безопасность и российский контекст

tl;dv заявляет на странице безопасности и в политике конфиденциальности, что не использует клиентский контент для обучения собственных или сторонних универсальных моделей. Поставщик также сообщает о SOC 2 Type II, соответствии GDPR, шифровании и возможности выбора региона размещения ИИ. Это заявления самого поставщика; при закупке их следует проверять по договору, DPA, отчетам аудита и настройкам конкретного тарифа.

Записи встреч создают новый массив чувствительных данных: коммерческие условия, персональные данные, планы клиента и потенциально конфиденциальные сведения. До автоматической записи компаниям нужны правила уведомления и согласия участников, доступа, сроков хранения, удаления, трансграничной передачи и использования данных в обучении сотрудников.

Для российских компаний дополнительно требуется отдельная юридическая и ИБ-проверка требований 152-ФЗ, фактической доступности сервиса, маршрута данных и допустимости облачной обработки. Этот кейс нельзя считать готовой инструкцией по соответствию российскому законодательству.

Вывод

Speee заявляет заметный эффект: на две трети меньше трудозатрат при передаче сделки и на 23 дня более быстрый онбординг. Эти цифры требуют осторожного отношения из-за отсутствия раскрытой методики, но сам подход можно проверить на небольшом пилоте с собственными базовыми метриками.
«Ценность ИИ в продажах — не в том, чтобы быстрее получить протокол встречи. Важно встроить его в процесс так, чтобы информация не терялась между командами, а высвобожденное время превращалось в дополнительную работу с клиентами».
— Аслан Батырбеков, руководитель маркетингового направления Команды, Komanda.ai

Что дальше

Команда тестирует идею «виртуального руководителя» на базе Claude: данные встреч из tl;dv должны регулярно передаваться модели, которая будет отмечать слабые места разговора и предлагать следующий шаг. Цель — не рейтинг продавцов, а обучение на реальных звонках без постоянного участия старшего коллеги.

Пока это эксперимент, а не подтвержденный результат. Перед масштабированием такой системы потребуются отдельные правила доступа, оценки качества советов, защиты сотрудников от ошибочных выводов и прозрачности критериев.
Источники:

Вопросы и ответы

Что именно автоматизировала Speee?

Компания автоматизировала извлечение контекста из звонков для передачи закрытой сделки из продаж в Customer Success. Встречи записывались и расшифровывались, а CS применял специализированный промпт, получал структурированное резюме и подтверждал его у продавца.

Какой результат заявила компания?

Speee сообщила о снижении трудозатрат на передачу на две трети, ускорении завершения онбординга на 23 дня, росте использования функций Budii на 15% и семи дополнительных возможностях на продавца в месяц. Методика и выборка публично не раскрыты.

Почему обычных заметок было недостаточно?

Ручные заметки различались по полноте и смешивали факты с интерпретацией продавца. Передача занимала один-два рабочих дня, поэтому часть контекста забывалась. Запись и расшифровка позволили принимающей стороне вернуться к исходной реплике клиента.

Как Speee контролировала ошибки ИИ?

Промпты требовали таймкоды, единый формат и короткую структуру. Полученный результат показывали продавцу для подтверждения. В опубликованном кейсе нет данных о точности распознавания или доле исправлений, поэтому эффективность этого контроля количественно не оценена.

Сколько промптов использовала команда?

Таики Минами подготовил более 20 промптов для передачи новых клиентов, регулярных встреч, риска оттока и других задач. Каждый сценарий тестировался многократно до того, как становился общим командным стандартом.

Можно ли повторить этот процесс в российской компании?

Организационную схему можно проверить на пилоте, но инструмент и обработку данных нужно оценивать отдельно. Потребуются юридическая и ИБ-проверка записи разговоров, персональных данных, доступа, хранения, трансграничной передачи и соответствия 152-ФЗ.
2026-08-11 05:31 Автоматизация бизнес-процессов ИИ в продажах и CRM