История коллеги про то, как с AI он теперь закрывает сделки вместо того, чтобы часами писать письма, довольно типична для российских специалистов, которые работают в продажах и переговорах и уже чувствуют, что старые подходы выдыхаются. Он вел B2B-продажи в IT-компании, много общался с клиентами, но тонул в переписке: индивидуальные письма, ответы на возражения, согласование условий, бесконечные «давайте через неделю» и «пришлите короткое резюме предложения». В какой-то момент он понял, что половину дня тратит не на сделки, а на текст. Тогда он пришел ко мне с простым запросом: «Можем ли мы сделать так, чтобы нейросеть писала письма, а я занимался только встречами и закрытием?». Я сказала да, но с оговорками — ИИ не будет вместо него думать о стратегии продаж, но сможет разгрузить руку и голову. В этой статье я разложу, как мы подошли к задаче без иллюзий и каких результатов он добился. Материал пригодится всем, кто работает в продажах и коммуникациях в России и хочет перевести ИИ из игрушки в реального напарника по сделкам.
Первое, что меня всегда интересует в таких историях, — это не сама нейросеть, а системность хаоса вокруг нее. У коллеги хаос был натуральный: письма в разных стилях, на разных стадиях воронки, половина пишется в спешке с телефона, половина — ночью в усталом состоянии. В CRM висят просроченные задачи, в голове постоянно ощущение, что он кому-то не ответил, где-то провалился дедлайн, а потом внезапный звонок: «мы ждем от вас обновленное предложение уже вторую неделю». ИИ на таком фоне действительно выглядит как спасательный круг, но если просто сказать: «написать письмо клиенту», то модель вежливо сгенерирует усредненный корпоративный текст, который не сработает. Нужно было структурировать весь процесс взаимодействия с клиентами и понять, где именно ИИ может приносить понятную выгоду, а где вмешательство модели только все усложнит. На этой почве и родилась история про «перекладывание» рутинной переписки на ИИ при сохранении контроля над смыслом и тоном.
В процессе мы разделили эту историю на две линии. Первая — стратегическая: какие задачи в продажах вообще подходят под работу с нейросетями, а какие лучше даже не пытаться автоматизировать. Вторая — чисто техническая: как строить промпты, как адаптировать тон под российский B2B, какие риски по фактам и юридическим формулировкам, и как прятать все это под аккуратную оболочку в почте и мессенджерах. Часть переписки мы пробовали генерировать в лоб, часть — использовать ИИ только как «черновик мысли», после чего он дорабатывал текст вручную. В какой-то момент мы поймали хорошее соотношение: ИИ пишет 70% текста, человек — 30% правит. Дальше в статье расскажу, на чем сработала эта связка и где она, наоборот, разваливается. А историю этого коллеги с незакрытыми сделками и письмами я еще продолжу ближе к концу, когда будут понятны инструменты.
Почему переписка в продажах съедает время и как тут реально помогает ИИ
Когда смотришь на рабочий день человека в продажах, видно, что переписка отбирает внимание даже больше, чем время, поэтому ИИ нужно внедрять не ради моды, а ради освобождения головы. Большая часть писем в B2B в России — это вариации на одну и ту же тему: краткое предложение, развернутая презентация, уточнение деталей, ответы на возражения, напоминания, финальное согласование. Если каждое такое письмо писать с нуля, голова быстро «забивается», и к важным переговорам человек подходит уже уставший. ИИ в этом месте может выступать как личный черновикер, который держит в памяти структуру воронки и варианты формулировок. При этом нельзя отдавать ему все подряд — юридические и финансовые моменты, например, в наших реалиях требуют ручной проверки, иначе последствия могут быть слишком неприятными. Получается, что задача не в том, чтобы научить модель думать как продажник, а в том, чтобы отдать ей повторяющиеся куски и стандартизировать стиль.
Чтобы показать, как это выглядит в живой речи, удобнее всего использовать небольшую выдержку из моей внутренней переписки с коллегой:
Он написал: «Я сижу уже третий час, шлифую ответ клиенту на простое ‘давайте вернемся к этому через квартал’ 😑. Понимаю, что это вообще не про продажи, а про текст, но мозг закипает.»
Из этой фразы хорошо видно, где именно вмешательство ИИ логично. Ему не нужна помощь, чтобы понять, что ответить по сути, — понятно, что нужно зафиксировать интерес клиента, предложить мягкий вариант поддерживать контакт и назначить ориентир по времени. Но ему явно нужна помощь, чтобы оформить это в аккуратный, не навязчивый, но цепляющий текст. Это критично, потому что если каждый такой ответ рождается по 20 минут, то в неделю набегает несколько часов чистой текстовой рутинной работы. На практике я пришла к простой модели: человек принимает решение, что он хочет сказать и какой исход ожидает, а ИИ превращает это в структурированный текст, сохраняя тон и контекст.
Как разложить переписку по типам и выбрать задачи для ИИ
Я заметила, что пока человек не разложит свою переписку на типовые блоки, он не понимает, какие письма можно отдавать ИИ, а какие лучше писать самому. Поэтому первым шагом мы с коллегой выгрузили его последние 50-60 писем из почты и мессенджеров и сделали простую классификацию по смыслу: первичный контакт, ответ на запрос, уточнение деталей, «грелка» между этапами, работа с возражениями, финальный пуш к решению. Уже на этом этапе стало заметно, что 70% писем реально шаблонные, нет смысла каждый раз изобретать стиль. Мы взяли по два-три удачных письма из каждой категории как эталон и начали превращать их в промпты для нейросети. В промпте я просила модель «читать» эти письма как пример тона и структуры, а затем генерировать новые варианты под конкретные ситуации (хотя сама я так делала ровно один раз, до этого больше писала с нуля).
Чтобы не утонуть в общих рассуждениях, мы сформулировали для себя несколько практических групп задач и так стало намного проще понимать, куда звать ИИ. Я обычно описываю их так:
- Правило: быстрые ответы на типовые вопросы — клиент спрашивает про сроки, базовые условия, формат работы.
- Правило: структурирование длинных писем — когда нужно ответить сразу на несколько пунктов и не запутаться.
- Правило: мягкие напоминания и «подталкивания» — те самые письма «как вы смотрите на то, чтобы вернуться к обсуждению».
- Правило: формулировка выгоды на языке клиента — адаптация презентации предложения под отрасль.
- Правило: локализация тона под конкретного человека — более формально или чуть теплее, в зависимости от стиля переписки.
Это означает, что уже на этапе классификации вы видите, где у вас основные потери времени, и именно туда можно аккуратно подставить нейросеть. Дальше задача сводится к тому, чтобы научить модель разбирать ваш контекст и не писать за вас то, что должен решать только человек: цены, юридические формулировки, обещания по срокам.
Что нужно заранее подготовить, чтобы ИИ не писал «водяные» письма
Многие надеются, что достаточно один раз сформулировать «написать письмо клиенту о продолжении сотрудничества», и модель сама поймет детали, но в реальности получается слишком усредненный корпоративный стиль. Чтобы избежать этого, мы с коллегой собрали «пакет контекста»: описание целевой аудитории, пару реальных диалогов с клиентами, выдержки из коммерческих предложений, примеры удачных и неудачных писем. Я просила его выписать свои любимые фразы, которые он часто использует в переписке, и типичные формулировки клиентов. На основе этого мы строили промпты, где отдельно прописывали, кто кому пишет, на какой стадии воронки, что уже обсуждали и какое действие нужно от клиента. Да, это занимает время, но потом окупается тем, что модель начинает выдавать текст, который действительно похож на голос конкретного человека, а не на абстрактного менеджера из учебника.
Чтобы закрепить мысль, удобно вынести одну из ключевых требований к промптам в явный акцент: в каждом запросе к ИИ должно быть понятно, какая цель письма. Не «написать письмо про наше предложение», а «написать письмо, которое мягко подведет клиента к согласию на пилот в течение ближайших двух недель». Это критично, потому что нейросеть очень послушна контексту, и если его не дать, она будет вежливо говорить обо всем и ни о чем. Возвращаясь к ситуации из начала, как раз отсутствие четкой цели и приводило к тому, что коллега застревал на простом ответе «вернемся через квартал» — он пытался уместить и подводку, и выгоду, и сохранение отношений, и напоминание про следующий шаг, не решив для себя, что для него приоритет. Когда цель письма сформулирована заранее, ИИ проще направить в нужную сторону, а человеку легче править.
Как построить промпты, чтобы ИИ писал письма, а человек закрывал сделки
Чтобы ИИ взял на себя переписку, промпты должны быть конкретными, повторяемыми и понятными человеку, а не только машине. На практике это означает, что в ваш рабочий процесс встраиваются несколько «типовых запросов», которые вы дорабатываете, но не перепридумываете каждый раз. С тем самым коллегой, который утонул в переписке, мы выделили 5-6 частых задач и под каждую написали шаблон обращения к модели. Например: «Сформулируй короткий ответ на письмо клиента с отказом, цель — сохранить отношения и договориться о повторном контакте через 3 месяца, стиль — вежливый, без давления, не слишком формальный». Важно, что внутри промпта мы всегда задавали роль: кто пишет (менеджер по продажам IT-решений), кому пишет (директор по развитию в промышленной компании в России), и фрагменты предыдущей переписки для контекста. После третьей-четвертой итерации качество писем стабилизировалось, и ему оставалось только адаптировать пару предложений под конкретный случай, а не переписывать все.
Когда я сама впервые пробовала такой подход для своих деловых писем, меня удивило, насколько по-разному модель реагирует на формулировку цели. Если я писала «сформулируй убедительное письмо», получался тяжелый, местами агрессивный текст, который в российских реалиях B2B смотрится странно. Если я меняла задачу на «сформулируй спокойное письмо, которое снижает тревогу клиента и объясняет, какие следующие шаги мы предлагаем», тон становился мягче и ближе к тому, как я говорю сама. Здесь хорошо работает небольшое текстовое напоминание, даже для себя:
Я поняла, что главный рычаг качества — это формулировка цели письма, а не количество красивых прилагательных в промпте.
Это означает, что ваша задача — не искать «волшебную формулу запроса», а учиться рассказывать модели, что вы хотите получить на выходе: конкретное действие клиента, изменение настроения, фиксация договоренностей. Тогда ИИ становится предсказуемым напарником, а не лотереей, где то получается живое письмо, то сухой шаблон на три экрана.
Как выглядит рабочий промпт для письма клиенту на практике
Вот как это выглядит на практике, если не усложнять. Мы взяли один из реальных кейсов: клиент после демо написал, что им «интересно, но сейчас не до этого, вернемся к теме ближе к лету». Задача — ответить так, чтобы не оборвать контакт, зафиксировать интерес, предложить легкий формат продолжения. Коллега раньше садился и вручную писал письмо минут 20-25, боясь показать либо слишком сильное давление, либо, наоборот, равнодушие. С ИИ мы пошли другим путем: в промпте он описал контекст сделки, отрасль, суть продукта в двух фразах, вставил текст письма клиента и сформулировал цель ответа. Плюс отдельно указал желаемый объем — не больше 8-10 предложений, без «воды». Я добавила к этому еще один параметр: попросила модель дать два варианта ответа, более формальный и более неформальный (нет, подожди, есть нюанс: в некоторых отраслях второй вариант лучше не использовать, но тестировать полезно).
Чтобы не расплываться в описании, мы для себя зафиксировали ключевые блоки промпта в виде последовательности, к которой он потом просто возвращался каждый раз, подставляя новый контекст:
- Описание, кто пишет и что продает, в двух-трех предложениях.
- Краткое описание клиента и его роли в компании.
- Фрагмент письма клиента или пересказ его сути.
- Формулировка цели письма: какое действие или изменение отношения нужно.
- Желаемый тон и объем письма: спокойно, без давления, до N предложений.
После такой структуризации мы заметили, что уже на третьей попытке модель выдавала вполне рабочие варианты, а ручная доработка занимала не больше пяти минут. Иногда промпт приходилось уточнять: добавлять детали отрасли или особенности предыдущего разговора, но это скорее настройка, а не переписывание с нуля. Получается, что ИИ не просто «пишет письмо», а собирает его из понятных блоков, которые вы сами для себя описали, и это сильно снижает тревогу от ощущения, что модель генерирует что-то неконтролируемое.
Как не превратить письма из ИИ в безжизненный корпоративный канцелярит
Одна из частых жалоб тех, кто пробовал подключать ИИ к переписке, — письмо получается слишком шаблонным, с одинаковыми «надеюсь, что у вас все хорошо». Чтобы этого избежать, мы с коллегой внедрили небольшой, но работающий прием: в промпте он стал отдельно прописывать «слова, которых лучше избегать», и «тоны, которым не доверяет его аудитория». Например, мы убрали чрезмерные благодарности за каждый чих, фразы вроде «уважаемый партнер», если он так никогда не пишет, и тот самый избыточный официоз, который в российском B2B иногда воспринимается как дистанция. Плюс я просила его добавлять одну-две короткие конкретные детали в письме: отсылку к прошлому разговору, упоминание реальной ситуации клиента, маленькую человеческую деталь. В промпте это формулируется очень просто: «в письме упомяни, что на прошлой встрече клиент говорил про нехватку времени у их команды».
Чтобы зафиксировать подход, я подчеркну ключевую идею: ИИ пишет канцелярит только тогда, когда вы его к этому подталкиваете размытым, обезличенным запросом. Если вы заранее описали, каких слов избегать, какие конструкции вам нравятся, что для вас «живое письмо», модель начинает подстраиваться. На практике коллега стал замечать, что через пару недель активного использования ИИ его собственный стиль тоже чуть очистился: он перестал автоматически вставлять длинные обороты, которые «кажутся деловыми», и стал писать проще. Наверно, это один из приятных побочных эффектов от работы с нейросетями в переписке: они вынуждают артикулировать, а как именно вы вообще хотите разговаривать с клиентом.
Как организовать рабочий день, если ИИ берет на себя рутину писем
Перейти от ручного написания писем к работе с ИИ мало, нужно еще и перестроить структуру дня, иначе вы просто замените одну форму хаоса другой. На практике мне было важно, чтобы коллега перестал «втыкать» в модель по одному письму в течение дня, а собрал переписку в понятные блоки. Мы договорились, что он два раза в день выделяет по 40-50 минут именно на работу с письмами через ИИ: утром и ближе к концу дня. В это время он проходится по задачам в CRM, выгружает нужные письма, формирует промпты и получает черновики ответов. Обработка одного письма в такой связке (подготовка контекста, генерация, правка, отправка) занимала у него в среднем 5-7 минут, вместо прежних 15-20. Освободившиеся «зазоры» в середине дня он стал использовать на звонки и встречи, не отвлекаясь каждые 10 минут на входящую почту.
Помнишь про ситуацию из начала, где он три часа шлифовал ответ на «вернемся через квартал»? После перестройки дня такие истории перестали случаться просто потому, что у него были «окна» именно под тяжелые письма, и он приходил к ним уже с заранее собранным контекстом и пониманием цели. Для наглядности мы зафиксировали его новый ритм в виде нескольких ключевых правил, чтобы он сам видел, что изменилось:
Он писал: «Как только я перестал отвечать на письма по одному в режиме пожаротушения и стал группировать их, у меня, внезапно, появилось время думать о сделках, а не только о формулировках».
Это означает, что внедрение ИИ без изменения структуры дня дает довольно ограниченный эффект. Да, письма пишутся быстрее, но чувство загнанности никуда не девается. Когда же вы выносите работу с перепиской в отдельные блоки и используете ИИ как «ускоритель» внутри этих блоков, освобождается не только время, но и внимание. А внимание в продажах — самый дорогой ресурс, потому что именно оно решает, заметите вы слабый сигнал от клиента или пропустите его среди бесконечной почты.
Как не превратить работу с ИИ в еще один источник прокрастинации
Звучит странно, но работает: ИИ легко становится новой игрушкой, на которую уходит больше времени, чем на ручное письмо. Когда я первый раз столкнулась с этим у коллеги, он честно признался, что иногда генерирует по 5-7 вариантов письма просто потому, что «интересно посмотреть, как еще можно сказать». Вроде бы это расширяет языковой диапазон, но в рабочем контексте превращается в еще один способ не отправить письмо вовремя. Поэтому мы ввели достаточно жесткое, но полезное правило: не более трех попыток на один промпт, дальше — правка вручную или короткая переформулировка цели письма. Это правило дисциплинирует: ты заранее знаешь, что у тебя есть всего несколько попыток, и начинаешь лучше формулировать контекст с первого раза, а не надеяться на бесконечную докрутку.
Чтобы подкрепить это не только словами, мы сделали небольшую текстовую «напоминалку», которую он закрепил у себя в заметках, и к которой периодически возвращался глазами: «Если после третьей попытки письмо все еще не годится, дело не в модели, а в моей неясной задаче». Поначалу это немного раздражало (он ворчал, что иногда хочется «еще одну, последнюю»), но через неделю-две стало заметно, что качество первых промптов выросло. Он стал четче описывать, кто такой клиент, чего он боится, чего ждет, какие формулировки в их отрасли лучше не использовать. Получается, что ограничение по количеству генераций работает не только как защита от прокрастинации, но и как тренажер для ясного мышления. ИИ здесь выступает как зеркало: чем точнее вы задачу формулируете, тем меньше итераций вам нужно.
Где автоматизация писем реально экономит часы, а где экономия иллюзорна
Я заметила, что в разговорах про ИИ все любят говорить про «сэкономленные часы», но редко уточняют, за счет чего именно они сэкономлены и где экономия была только на бумаге. В случае с перепиской мы довольно честно замерили несколько участков. В типовых ответах на запрос информации (коммерческое предложение, условия, базовые ответы на вопросы) выигрышь был очевиден: с 15-20 минут до 5-7, при этом качество текста не падало. В сложных письмах с работой с возражениями экономия была меньше — с 40-50 минут до 25-30, но здесь выигрышь был уже в качестве: он стал меньше «залипать» и испытывать меньше стресса от формулировок. А вот в письмах, где решаются принципиальные моменты по условиям сделки, экономии почти не было, потому что там текст — лишь вершина айсберга, а под ним переговорная позиция, юридические формулировки, согласования внутри компании.
Чтобы не обманывать ни себя, ни его, мы честно записали для себя, где ИИ реально помогает, а где — только создает ощущение активности:
Получается, что ИИ отлично закрывает те участки, где нужно быстро и аккуратно оформить уже существующую мысль, но плохо справляется там, где сама мысль не до конца сформулирована или завязана на сложных договоренностях. В таких местах лучше использовать модель как «спарринг-партнера» для подготовки черновика, но не пытаться автоматизировать весь процесс. Это честное признание ограничений экономит силы и помогает не ждать от нейросети того, чего она дать не может: способности брать на себя ответственность за сложные решения.
Где я сама обжигалась на ИИ в переписке и что теперь делаю иначе
Когда я рассказываю про такие истории, иногда кажется, что у меня с ИИ все гладко и предсказуемо, но это не так — я сама не раз попадала в странные ситуации из-за слишком доверчивого отношения к моделям в деловой переписке. Однажды я решила «ускорить» ответы на сложные вопросы коллег по проекту и стала активнее использовать ИИ для структурирования длинных писем-отчетов. В какой-то момент мне показалось, что модель настолько хорошо уловила мой стиль, что можно чуть ослабить контроль и править только отдельные фразы. В результате в одном из писем осталась формулировка, которую я в жизни бы не написала: слишком категоричная, без привычных мне смягчений и контекста. Читатель воспринял ее как давление, разговор пошел совсем не туда, пришлось вечером созваниваться и разруливать, объясняя, что «я имела в виду другое». С тех пор я для себя зафиксировала простое правило: финальная ответственность за тон и смысл письма — всегда моя, даже если 90% текста пришло из ИИ.
Возвращаясь к тому, с чего я начала, в истории с коллегой меня, честно говоря, устроило не все. В первые недели он так вдохновился возможностями модели, что стал пытаться подключать ее к тем участкам, где решается стратегия по сделке, а не только оформление текста. Я прямо говорила: «тут ИИ не поможет, потому что нужно чувствовать динамику отношений с клиентом», но ему было любопытно, и он все равно экспериментировал. Пару раз это заканчивалось тем, что письмо выходило логичным, но эмоционально «глухим» к контексту, и клиент временно охладевал. Эти эпизоды полезны тем, что наглядно показывают границы: да, нейросеть может сэкономить время на поле «текст», но она не подменяет опыт и интуицию продавца. В какой-то момент он сам сказал: «Я понял, что мне не нужен электронный переговорщик, мне нужен очень быстрый и умный черновикер». Я с этим определением полностью согласна.
Пара личных приемов, которые упростили мне жизнь в переговорах по почте
Когда я первый раз столкнулась с задачей вести сложную переписку с несколькими стейкхолдерами сразу, я тоже пыталась «переложить» все на ИИ и быстро уперлась в проблему: модель отлично пишет одно письмо, но не держит в голове общую стратегию коммуникации, если я сама ее не задаю. Тогда я стала использовать нейросеть не только как генератор отдельных ответов, но и как инструмент для планирования цепочек писем. Я описывала ей ситуацию, список участников, их возможные интересы и формулировала цель серии писем на ближайшие две-три недели. Потом просила предложить шаги и примерные тексты. Часто первые варианты были слишком прямолинейными, приходилось корректировать, иногда даже резко менять курс (забудь, что я только что сказала — вот как правильно с ними разговаривать). Но само наличие такого «чернового плана» помогало мне не принимать каждое письмо как отдельную битву, а видеть общую линию общения.
Чтобы не звучать абстрактно, я сформулирую один из приемов, который до сих пор использую и который отлично переносится и на переписку с клиентами в продажах. Перед тем как писать письмо, я задаю ИИ уточняющий вопрос: прошу предложить три разных формулировки цели письма в конкретной ситуации. Из них я выбираю одну или комбинирую две, а уже под нее прошу сгенерировать текст. Это простое действие заставляет меня сознательно решить, чего именно я хочу: согласия на встречу, снятия опасения, фиксации договоренности или просто поддержания контакта. Интересно, что иногда модель предлагает цель, о которой я сама не подумала, и это подсвечивает слепую зону. В результате итоговое письмо оказывается более точным и честным по отношению к тому, чего я реально добиваюсь, а не к красивой картинке «делового ответа».
История коллеги: как вторая часть пути изменила его воронку продаж
Та задача — вот продолжение той самой истории, которую я начала в начале текста. После того, как мы отладили промпты и структуру дня, коллега прожил с таким форматом работы примерно два месяца, и только потом мы сели смотреть, что изменилось не в ощущениях, а в цифрах. За это время он провел примерно столько же встреч, сколько и в предыдущие месяцы, но заметно быстрее переводил теплых лидов из стадии «обсуждаем» в стадию «конкретные условия». В CRM это выглядело как уменьшение среднего времени между первой встречей и отправкой первого осмысленного коммерческого предложения. До ИИ это было в среднем 5-7 рабочих дней, после внедрения связки с нейросетью — 2-3 дня. Не потому, что он стал меньше думать, а потому, что пропали задержки «сяду напишу нормальное письмо завтра». Плюс сократилось количество висящих без ответа запросов: писем становилось больше, но они перестали быть узким горлышком.
Если переводить это в часы, то за месяц набегало примерно 10-12 часов чисто текстовой работы, которую сейчас закрывал ИИ с его минимальной правкой. Эти часы он частично вложил в дополнительные созвоны с клиентами и внутренние обсуждения с технической командой, чтобы лучше понимать, что именно можно обещать. По его оценкам (да, это субъективно, но все же) количество сделок, доведенных до стадии подписания, выросло где-то на 15-20%, не за счет чудес, а за счет того, что меньше лидов «растворялось» из-за затянутой переписки. Мне в этой истории нравится другое: он перестал относиться к письмам как к тяжелой неизбежной повинности и стал воспринимать их как управляемый процесс, в котором у него есть быстрый напарник. Это не снимает вопросов ответственности и качества, но избавляет от ощущения, что ты каждый раз заново изобретаешь способ сказать «давайте продолжим разговор».
Что ещё полезно учесть, если хочется попробовать такой подход у себя
На практике внедрение ИИ в работу с письмами в продажах в России упирается не только в технологии, но и в культуру компании. Иногда менеджер готов экспериментировать, но его руководитель ждет «традиционного» стиля переписки и относится с настороженностью к любым автоматизациям. В таких случаях я обычно предлагаю начинать с очень локального пилота: один-два человека берут на себя тестирование связки «человек + ИИ» на узком участке воронки и фиксируют, что получается. Любые изменения лучше показывать не в виде общих слов, а через конкретные метрики: время ответа на письма, скорость подготовки коммерческого предложения, количество зависших диалогов. Плюс не стоит сразу тащить ИИ в юридически чувствительные куски переписки: сначала отладить тон и структуру на безопасных письмах, а уже потом думать, как аккуратно подключать модель к более сложным задачам.
Я отдельно обращаю внимание на вопрос безопасности данных, потому что в России многие компании справедливо переживают за то, куда утекает клиентская информация. Если вы работаете с конфиденциальными данными, лучше использовать локальные решения или корпоративные версии ИИ-инструментов, где есть понятная политика хранения. В базовых задачах, вроде черновиков без упоминания конкретных имен и сумм, можно ограничиться обезличенным контекстом. И да, иногда это неудобно, хочется просто «скопировать все письмо в модель и пусть разбирается», но лучше чуть потратить время на анонимизацию, чем потом разбираться с последствиями. В целом, чем более осознанно вы относитесь к тому, какой контент отдаете ИИ, тем спокойнее потом спите.
Можно ли обойтись без долгой настройки и просто «подружиться» с моделью
Иногда у людей возникает соблазн зайти с другой стороны: не строить сложные промпты и структуры, а «подружиться» с моделью через длительный диалог и надеяться, что она сама запомнит ваш стиль. Честно: частично это работает, я сама иногда веду длинные цепочки запросов в одном диалоге, и модель действительно подстраивается под мой язык. Но опираться только на это опасно, особенно в рабочем контексте. Модели могут забывать детали длинного диалога, терять часть контекста, а иногда — просто обновляться на стороне сервиса, и поведение слегка меняется. Поэтому я отношусь к этим «дружеским» настройкам как к приятному бонусу, но не как к системе. Система — это когда у вас есть зафиксированные шаблоны промптов, примеры хороших ответов и понимание, какие именно задачи вы отдаете ИИ, а какие оставляете себе.
Для себя я сформулировала простое, но, кажется, рабочее соотношение: 60-70% успеха в работе с ИИ — это ваша ясность задачи и структуры, а не конкретная модель или сервис. В переписке по продажам это особенно заметно: если вы понимаете, на какой стадии воронки письмо, какая цель, какие ограничения по тону и содержанию, то почти любая приличная модель выдаст вам пригодный черновик. Если же вы надеетесь, что «умный помощник» сам догадается, чего вы хотите от клиента, высок риск получить красивый, но бессмысленный текст. Это звучит чуть менее романтично, чем истории про «Искусственный интеллект, который сам закрывает сделки», но честнее по отношению к реальности.
Что ещё важно знать
Вопрос: Можно ли полностью полагаться на ИИ для переписки с клиентами в продажах?
Ответ: Я бы не стала, даже если кажется, что модель отлично попала в ваш стиль. ИИ хорошо справляется с черновиками и структурой письма, но за тон, факты и юридически значимые формулировки ответственность несет человек. Без финальной проверки легко допустить нюанс, который испортит отношения или создаст риск для компании.
Вопрос: Как часто имеет смысл пересматривать промпты для работы с письмами?
Ответ: На практике я смотрю на это раз в пару месяцев или когда меняется тип клиентов, продукт или модель ИИ. Если ответы начинают казаться слишком шаблонными или больше не попадают в нужный тон, это сигнал обновить примеры писем и чуть переформулировать цели в промптах. Если все работает стабильно, трогать ничего не нужно.
Вопрос: Можно ли использовать один и тот же промпт для разных клиентов и отраслей?
Ответ: Базовую структуру промпта — да, а вот контекст нужно каждый раз подстраивать. Я обычно оставляю каркас одинаковым, но меняю описание клиента, отраслевые детали и цель письма. Если этого не делать, высок риск получить слишком общий текст, который будет мимо конкретного человека и его реальности.
Вопрос: Что делать, если ИИ постоянно пишет слишком формальные или «водяные» письма?
Ответ: В таких случаях я сначала добавляю в промпт запрет на определенные слова и прошу писать короче, с ограничением на количество предложений. Иногда помогает показать модели пример хорошего письма как ориентир по стилю. Если после пары итераций тон все равно не устраивает, проще скорректировать текст вручную и сохранить его как новый эталон для будущих запросов.
Вопрос: Насколько безопасно отдавать клиентские письма в ИИ-сервисы в России?
Ответ: Все зависит от политики конфиденциальности конкретного сервиса и внутренних требований вашей компании. Если данные чувствительные, лучше использовать корпоративные или локальные решения и по максимуму обезличивать контент в промптах. Я всегда советую согласовать правила работы с ИИ с юристами или службой безопасности, чтобы не гадать на ощущениях.
Если после прочтения текста хочется не просто «попробовать когда-нибудь», а действительно встроить ИИ в свои продажи, то следующий шаг простой. Начни с одной-двух задач в переписке, опиши их так же честно, как это делали мы с коллегой, и протестируй связку «ты + ИИ» хотя бы пару недель. А если хочется разбирать такие кейсы не в одиночку, а в компании людей, которые тоже ищут, как работать с нейросетями спокойно и по-взрослому, заходи в мой телеграм-канал «ИИ без истерики». Там я регулярно показываю, как уже сегодня применять ИИ как умного напарника в работе, делюсь удачными промптами и кейсами без пафоса и обещаний чудес — просто рабочие инструменты на каждый день…