AI-агент для B2B-продаж: квалификация и персонализация лидов

Как AI-агент автоматизирует квалификацию лидов

Каждый день SDR-менеджеры тратят часы на квалификацию «холодных» лидов, отвечая на однотипные вопросы и выясняя бюджет, полномочия и потребности. Скриптовые чат-боты здесь бессильны — они пасуют перед нестандартными ответами и многоходовыми возражениями. Мы разработали AI-агента на базе LLM, который берёт на себя первую линию общения, квалифицирует лидов по методологии BANT и передаёт тёплые контакты менеджерам с полным контекстом диалога. Наш опыт показывает: такой агент сокращает время первого ответа с часов до минут и увеличивает pipeline на 20–30%.

Что решает AI-агент: типичные проблемы продаж

• Долгий first response. Лиды ждут ответа часами — за это время они уходят к конкурентам. Агент отвечает за 2–3 минуты, 24/7.
• Низкая квалификация входящего потока. Менеджеры тратят 60% времени на «пустые» лиды без бюджета или полномочий. Агент отсеивает их на старте.
• Неперсонализированный outreach. Массовые рассылки дают <1% конверсии. Агент генерирует письма с учётом данных о компании: отрасль, размер, последние новости.

Сравним AI-агента с традиционным чат-ботом:

Как AI-агент квалифицирует лидов?

Агент начинает диалог, задавая естественные вопросы, встроенные в разговор. Он не спрашивает всё сразу, а постепенно выявляет бюджет, полномочия, потребность и сроки. На основе ответов в реальном времени обновляется скор лида. Когда скор превышает 70, агент предлагает демо-звонок и передаёт контакт менеджеру с полным контекстом. При скоре ниже 30 лид уходит в nurture-последовательность. Это снижает нагрузку на SDR и улучшает конверсию.

Пошаговая настройка AI-агента для квалификации

1. Определите критерии квалификации. Выберите методологию: BANT, GPCT или собственную. Опишите, какие данные нужны для скоринга.
2. Соберите исторические диалоги. Нужно хотя бы 50–100 успешных и неуспешных разговоров для few-shot обучения.
3. Разработайте промпт и схему. Pydantic-модель для валидации полей (бюджет, authority, need, timeline). Пример ниже.
4. Интегрируйте с CRM. REST API для записи лидов и обновления статусов.
5. A/B тестируйте. Сравните конверсию агента с SDR на контрольной группе.

Как устроен наш агент: код и стек

Для квалификации мы используем gpt-4o и Pydantic-модели для валидации ответов. Промпт на русском языке задаёт агента-продавца B2B SaaS, который следует методологии BANT. При достижении скора >70 агент вызывает функцию schedule_demo — передаёт лида в CRM с полным контекстом.

from openai import OpenAI
from pydantic import BaseModel
from typing import Optional
import json

client = OpenAI()

class LeadQualification(BaseModel):
    lead_score: int           # 0-100
    budget_fit: bool
    authority_confirmed: bool
    need_identified: bool
    timeline_clear: bool
    next_action: str          # "schedule_demo", "nurture", "disqualify"
    disqualify_reason: Optional[str]
    key_pain_points: list[str]
    notes: str

QUALIFICATION_SYSTEM_PROMPT = """Ты — менеджер по продажам B2B SaaS.
Твоя задача — квалифицировать входящих лидов по методологии BANT:
- Budget: есть ли бюджет на решение?
- Authority: ты говоришь с ЛПР или влиятелем?
- Need: есть ли реальная бизнес-потребность?
- Timeline: когда планируют внедрение?

Веди естественный диалог. Не задавай все вопросы подряд — вплетай их в разговор.
Фиксируй ответы и обновляй квалификацию по ходу беседы.
При положительной квалификации (score>70) — предлагай демо-звонок.
При score<30 — вежливо завершай, добавляй в nurture-последовательность."""

def sales_agent_response(session_id: str, user_message: str, conversation_history: list) -> dict:
    conversation_history.append({"role": "user", "content": user_message})

    # Генерация ответа агента
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": QUALIFICATION_SYSTEM_PROMPT},
            *conversation_history,
        ],
        tools=[
            {
                "type": "function",
                "function": {
                    "name": "update_lead_qualification",
                    "description": "Обновить квалификацию лида на основе новой информации",
                    "parameters": LeadQualification.model_json_schema(),
                }
            },
            {
                "type": "function",
                "function": {
                    "name": "schedule_demo",
                    "description": "Предложить слот для демонстрации",
                    "parameters": {
                        "type": "object",
                        "properties": {
                            "lead_name": {"type": "string"},
                            "lead_email": {"type": "string"},
                        },
                        "required": ["lead_name", "lead_email"],
                    }
                }
            }
        ],
    )

    # ... обработка ответа
    return {"response": response.choices[0].message.content}

Персонализированный outreach

Для генерации писем мы используем тот же LLM, но с отдельным промптом. На каждое письмо система подгружает данные из нашего API обогащения (отрасль, количество сотрудников, свежие новости компании). Шаблон последовательности:

def generate_personalized_outreach(lead_data: dict, sequence_step: int) -> str:
    """Генерирует персонализированное письмо на основе данных о компании"""
    # Обогащаем данные о компании через API (Dadata, LinkedIn)
    company_info = company_enrichment_api.get(lead_data["company_domain"])

    sequence_contexts = {
        1: "Первый контакт — представление и ценностное предложение",
        2: "Follow-up через 3 дня — конкретная боль по данным компании",
        3: "Follow-up через неделю — социальное доказательство (кейс из отрасли)",
        4: "Финальное письмо — прямое предложение встречи",
    }

    email_content = client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": f"""Напиши персонализированное sales-письмо (шаг {sequence_step}).
Контекст: {sequence_contexts[sequence_step]}
Тон: профессиональный, но не формальный. Без общих фраз.
Длина: 100-150 слов."""
        }, {
            "role": "user",
            "content": f"""Данные о лиде:
Имя: {lead_data['first_name']}
Должность: {lead_data['title']}
Компания: {lead_data['company']}
Отрасль: {company_info.get('industry')}
Размер компании: {company_info.get('employee_count')} сотрудников
Недавние новости: {company_info.get('recent_news', 'нет данных')}"""
        }],
        temperature=0.7,
    )

    return email_content.choices[0].message.content

Почему AI-агент справляется лучше скриптового бота?

Традиционный бот работает по жёстким сценариям — при любом отклонении от ветки диалог ломается. LLM-агент понимает контекст, перефразирует вопросы и адаптирует тон под собеседника. Результаты из нашей практики: время первого ответа сокращается в 130 раз (с 6,5 часов до 3 минут), а количество квалифицированных лидов растёт на 34% за счёт того, что агент «дожимает» неочевидные кейсы.

"Благодаря агенту наши SDR перестали тратить время на холодный скрининг и сосредоточились на консультациях высокого уровня" — руководитель отдела продаж клиента.

Кейс: B2B SaaS лидогенерация

Один из наших клиентов — компания, продающая ERP-систему для среднего бизнеса. Входящий поток — 200+ лидов в месяц, SDR-команда из 4 человек не справлялась. Мы внедрили агента, который брал на себя первичный диалог и квалификацию.

Агент обрабатывает: первичный ответ на входящий запрос, квалификационный диалог (3–7 сообщений), скоринг, передача горячих лидов SDR с полным контекстом.

Результаты за первые 3 месяца:

• Time-to-first-response: 6,5 ч → 3 мин
• Квалифицированных лидов передано SDR: +34%
• Конверсия demo-scheduled: 18% (агент) vs 22% (SDR) — незначительно ниже
• SDR фокус: переключились с L1 квалификации на работу с уже тёплыми лидами
• Выручка pipeline: +28% за квартал (дополнительная выручка составила несколько миллионов рублей)

Ограничение: агент не ведёт финальные переговоры об условиях и не работает с C-level корпоративными клиентами — только квалификация и передача.

Что входит в работу

Итого: 7–10 недель. Стоимость рассчитывается индивидуально под ваш бизнес. Получите консультацию, чтобы оценить объём работ.

Обработка возражений

OBJECTION_HANDLERS = {
    "price": "Понимаю вопрос стоимости. Давайте посмотрим на ROI — наши клиенты в среднем окупают инвестицию за {payback_period} месяцев благодаря {key_benefit}. Хотите, я покажу расчёт для вашего масштаба?",
    "timing": "Понимаю, что сейчас не лучший момент. Когда было бы удобно вернуться к разговору? Мы можем поставить напоминание на {suggested_date}.",
    "competitor": "Слышал, что вы рассматриваете {competitor}. Мы работаем с несколькими компаниями, которые перешли от них к нам — могу поделиться их опытом. Что для вас принципиально важно при выборе?",
    "no_need": "Интересно слышать — большинство наших клиентов тоже так думали до того, как обнаружили {pain_point}. Скажите, как вы сейчас решаете {relevant_challenge}?",
}

Наш опыт и гарантии

Наша команда занимается разработкой AI-агентов более 5 лет. У нас более 25 успешных проектов в сфере лидогенерации. Мы даём гарантию на бесперебойную работу агента и предоставляем поддержку после запуска. Хотите опробовать AI-агента на своих данных? Свяжитесь с нами для демонстрации.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.