ИИ внутри
ваших систем

Задача. Руководители не успевали слушать звонки: качество разговоров проверяли выборочно, проблемы замечали поздно, а оценки менеджеров никак не были связаны со сделками в CRM.

Решение. Звонки из Битрикс24 и amoCRM расшифровываются, и ИИ оценивает их по скрипту компании: балл, комментарий по пунктам скрипта, стоп-слова и тревожные сигналы — слова-паразиты, принуждение, отрицание, сленг. Звонок привязан к сделке, менеджеру и точке продаж.

Результат. Графики по каждому менеджеру и отделу с динамикой к прошлому периоду, система тревог по категориям слов и аналитика для руководителя. Через месяц после внедрения и разбора ошибок с ИИ конверсия в продажу выросла на 15%.

Задача. Заявки приходят в свободной форме — списком в письме, таблицей, PDF. Каждую строку менеджер искал вручную в каталоге 1С на тысячи позиций, сверял марку стали, размер и толщину, проверял цену и остаток нужного склада и только потом собирал документ.

Решение. ИИ извлекает позиции из заявки любого формата, а подбор по каталогу делает детерминированный алгоритм по признакам: марка, размер, толщина, вид проката. Менеджер видит точность совпадения, альтернативы, цену и остаток выбранного склада и предупреждение, если единицы у клиента и в 1С расходятся.

Результат. Около часа ежедневной ручной работы экономится на подборе. После проверки менеджером система одним действием создаёт в 1С черновик «Интереса» с файлом заявки и задачей ответственному, а оценки менеджеров по каждой строке помогают уточнять правила подбора.

Задача. Менеджеры вручную разбирали заявки клиентов: искали каждую позицию в каталоге по номеру и названию, сверяли цены, пересчитывали стоимость и только потом оформляли КП.

Решение. ИИ-агент анализирует первичную заявку, ориентируясь на каталожные номера и названия, отделяет служебные колонки — порядковые номера, количество, единицы. Затем находит товары и цены в базе данных компании, умножает цену за единицу на количество из заявки и собирает КП.

Результат. Менеджер получает готовое КП и сразу видит, что проверить: красным подсвечены позиции, которые агент не нашёл, синим — найденные, но без цены в таблице. Изменения в прайсе агент применяет уже через 1–2 минуты.

Задача. Закупщики вручную рассылали запросы поставщикам, собирали коммерческие предложения из писем и вложений и сверяли каждое с заявкой: номенклатуру, характеристики, комплектность, количество, единицы измерения и условия поставки.

Решение. Система готовит запрос и подбирает адресатов — закупщик подтверждает и отправляет его через корпоративную почту. Ответы и вложения сами привязываются к закупке. Локальная модель извлекает данные из документов, таблиц и сканов и сопоставляет позиции с заявкой, а расчёты и правила проверки выполняют программные компоненты.

Результат. Закупщик видит сопоставление по каждому поставщику — что соответствует, где предложен аналог, чего нет в предложении — и проверяет только спорные позиции, при необходимости запрашивая уточнение. Подтверждённый расчёт цены уходит в учётную систему, решения сохраняются в истории закупки.