Эксперты любят говорить про стратегии, воронки и скрипты, но про то, как именно AI помогает с продажами каждый день, большинство в России либо молчит, либо отмахивается общими фразами. Хотя уже сейчас нейросети снимают кучу рутины: от подготовки писем и КП до разбора возражений и системной работы с базой. В этой статье я разложу по шагам, как использовать AI как напарника в продажах, без иллюзий про волшебную кнопку и без страха, что «роботы всех заменят». Материал для тех, кто работает со сложными продуктами, ведет переговоры, строит воронки и устал бороться с табличками и отчетами вручную.
Один предприниматель обратился ко мне с очень понятной болью: отдел продаж есть, расходы есть, CRM есть, а прозвона баз, нормальных писем и осмысленных касаний — нет. Менеджеры жаловались, что «некогда думать над текстами», скрипты устарели, а каждую новую гипотезу по сегменту приходилось продавливать силой. Я пообещала ему, что покажу, как AI может стать тихим моторчиком этого процесса, не заменяя людей, а помогая им думать быстрее. В этом тексте я разберу, что реально сработало в их кейсе и у других клиентов, а что выглядит красиво в презентациях, но в реальной российской рутине только тормозит продажи.
Я часто смотрю, как в реальности устроены продажи в российских компаниях: Excel, фрагментарные заметки, куски старых скриптов и ощущение, что вся система держится на «сильных» менеджерах. AI здесь выглядит не как модный гаджет, а как шанс наконец-то собрать разрозненные элементы в рабочую схему. При этом у большинства, кто ко мне приходит, есть два страха: первый — «нейросеть всё напишет за нас, и получится одинаковый бессмысленный текст», второй — «модели всё равно не поймут наш сложный продукт». Оба понятны, оба решаемы, но только если воспринимать AI как помощника, а не фигуру, которая должна за ночь увеличить выручку в два раза.
В истории с тем предпринимателем все началось с банальной картины: холодные письма шаблонные, звонки в стиле «мы компания такая-то, расскажу о наших услугах», сделки тянутся неделями, потому что на каждый запрос клиенты получают либо слишком общий ответ, либо на три страницы. На первом созвоне я честно сказала, что AI не выстроит за них стратегию, не заменит руководителя отдела продаж и не сделает чудо. Зато он может стабильно экономить по 1-2 часа в день каждому менеджеру, если правильно встроить его в их ритм, а не пытаться натянуть готовый «робопродажник». Это означает, что сначала нужно не «запускать нейросеть», а понять, где именно она может вытащить хотя бы 20 минут времени из каждой рутинной операции.
Как понять, где AI реально помогает с продажами, а где только мешает
Самый частый запрос от экспертов: «с чего начать, чтобы AI действительно помогал с продажами, а не создавал ещё один канал хаоса». Ответ простой: начать с картирования процессов. Я прошу клиентов описать день менеджера по часам и отмечаю, где он переписывает одно и то же, где переизобретает текст вместо использования уже отработанных формулировок, где тонет в ручном анализе данных. После этого становится видно, что нейросети лучше всего заходят в трех типах задач: подготовка текстов, разбор диалогов и генерация идей для касаний. Не вместо головы, а в помощь, особенно когда дело доходит до 20-го письма за день.
Чтобы не оставаться в теории, я люблю фиксировать критерии, по которым решение «давать это AI» вообще имеет смысл. Вот как это выглядит на практике:
- Правило: если задача повторяется чаще трех раз в неделю — её можно попробовать частично отдать нейросети.
- Правило: если результат можно быстро проверить человеком — риск использования AI минимален.
- Правило: если ошибка в этой задаче ведет к крупным юридическим или финансовым последствиям — сюда AI пускаем только как черновик.
- Правило: если задача требует глубокой эмпатии и знания живого контекста — человек остается ведущим, AI — фоном.
- Правило: если вы уже писали это руками столько раз, что готовы закричать — пора формализовать и отдать модели.
Получается, что нейросети особенно полезны не в «закрытии сделок», а в подготовительной и поддерживающей работе: аналитика, черновики, исследование сегментов, проверка формулировок. В разговоре с тем предпринимателем мы прошли по каждому этапу воронки и просто отмечали, где менеджеры тратят больше 10 минут на однотипную задачу. Оказалось, что больше всего времени сгорает на подготовке адаптированных писем под сегменты и на внутреннем пересказе сложных коммерческих предложений простым языком перед звонком. Именно там мы и начали подключать AI в первую очередь, а не в «умные чат-боты для сайта».
Есть еще одна ловушка: ожидание, что достаточно завести один промпт «на все случаи». На практике я делю задачи продаж на несколько слоев: холодный контакт, работа с интересом, сопровождение решения и постпродажи. Под каждый слой нужны свои роли и настройки. В российском контексте это усиливается тем, что клиенты чувствуют фальшь и «копипасту» особенно остро, поэтому любой шаблон приходится адаптировать. Я заметила, что намного продуктивнее сделать 5-7 хорошо отлаженных промптов под типовые ситуации, чем пытаться автоматизировать всё сразу огромной конструкцией, которую потом никто не использует.
Как нейросеть видит вашу воронку и почему это полезно
Когда я первый раз столкнулась с задачей «пусть модель подскажет, что провисает в продажах», честно скептически отнеслась: казалось, что без глубины в продукте это будет набор общих мест. А потом мы загрузили в модель выгрузку по этапам сделки, несколько анонимизированных диалогов и комментарии менеджеров — и получили достаточно внятную картину. Не стратегию, конечно, но карту, где больше всего разрывов между интересом клиента и следующими действиями. Нейросеть не чувствует бизнес, но хорошо ловит повторяющиеся паттерны: места, где клиенты задают одни и те же уточняющие вопросы, провалы в сроках ответов, отсутствие «моста» между письмом и звонком.
Чтобы не быть голословной, мне проще показать, как это выглядит в диалоге с моделью. Я задаю ей роль: «ты аналитик отдела продаж в b2b-компании в России, твоя задача — смотреть на данные холодно и без мотивационной шелухи». Затем даю данные и прошу описать воронку простым языком. В одном из проектов AI четко выделил, что клиенты соглашаются на первое касание, но «отваливаются» после получения объемного КП. В отчете нейросети это выглядело как повторяющаяся точка остановки на одном и том же этапе. (Звучит банально, но когда это тебе рисует не консультант, а модель, к которой ты не испытываешь эмоций, сопротивления меньше.)
Для таких обсуждений я часто использую врезки, где фиксирую самую сухую формулировку, к которой мы пришли с моделью:
Критичный момент продаж — место, где клиент оказывается один на один с перегруженным документом без сопровождающего объяснения простым языком.
После такой формулировки руководители обычно начинают смотреть уже не на «сколько писем отправили», а на качество сопровождения: видеосообщения, дополнительные короткие резюме, структурированные ответы на типовые возражения. AI здесь не создает стратегию, но помогает назвать проблему так, чтобы её было сложно игнорировать. Помнишь про ситуацию из начала? В кейсе того предпринимателя провал оказался точно там же: после рассылки КП почти никто не перезванивал, потому что клиентам было тяжело через плотный документ пробраться к сути.
Как использовать AI для текстов в продажах и остаться человеком
Работа с текстами — это первое, с чем начинают почти все, кто хочет внедрить нейросети в продажи. И да, здесь AI действительно сильно помогает: черновики писем, адаптация под сегменты, переписывание сложного языка в человеческий. Но я сразу предупреждаю: если просто «скормить» модели общую задачу «напиши продающее письмо», на выходе будет тот самый пресный шаблон, которого боятся все скептики. Ключ в деталях: точная роль, контекст, ограничения и проверка на здравый смысл. Я обычно закладываю на один тип письма до трех итераций промпта — дальше модель начинает повторяться, и выгоднее скорректировать задачу, чем добивать её до совершенства.
Самое полезное, что можно сделать перед генерацией любого продающего текста — это коротко описать модель клиента: кто он, с какими задачами читает письмо, чего боится и чего ждет. Здесь не нужно маркетинговых полотен, достаточно нескольких пунктов. После этого текст перестает быть «обо всем». Я заметила, что для российских специалистов по продажам особенно полезно явно проговаривать ограничения: без агрессивного давления, без громких обещаний, без манипуляций через страх. Когда это вписано в промпт, нейросети меньше тянет в шаблонные «увеличим выручку уже завтра».
Чтобы не перегружать текст теорией, я иногда просто фиксирую ключевой принцип, который реально работает в повседневных задачах:
В той самой компании, о которой я упоминала, мы начали с того, что переписали 3 типовых письма: холодное, ответ на интерес и письмо с КП. На каждое ушло по два-три подхода: первый вариант был слишком гладкий, второй — перегружен терминами, третий уже приближался к «живому» стилю менеджеров. После этого мы зафиксировали промпты и вынесли их в короткие инструкции: какие данные подставить, где подправить руками, что обязательно проверить. Через неделю менеджеры уже сами просили «улучшить» промпты под их сегменты, а не сопротивлялись нейросетям, как это часто бывает вначале.
Как превращать сырой текст AI в нормальное человеческое общение
Многие на этом этапе делают одну и ту же ошибку: либо слепо копируют текст модели, либо переписывают всё вручную «под себя», теряя смысл использования AI. Здесь работает простой подход: воспринимать ответ нейросети как заготовку, а не готовую версию. Я прошу менеджеров выделять в тексте модели три зоны: ядро смысла, формулировки, которые звучат «по-нашему», и места, где явно чувствуется инородный стиль. На первый взгляд звучит как лишняя работа (хотя сама я так делала ровно один раз вручную, потом стала просить AI подсветить спорные фразы сам), но через пару недель глаз привыкает, и правка занимает минуты.
Для себя я однажды сформулировала небольшую последовательность, которая помогает не утонуть в бесконечных вариантах текстов, а быстро приходить к рабочему:
- Сначала запросить у модели 2-3 разных варианта письма с разными акцентами.
- Потом выбрать один, где смысл ближе всего к вашей реальности, даже если стиль неидеален.
- Дальше попросить нейросеть переписать этот вариант «как говорит живой менеджер из России, без пафоса и громких обещаний».
- Затем своими руками убрать всё, что вы никогда не произнесли бы клиенту вживую.
- И только в финале проверить, что текст соответствует юридическим и внутренним правилам компании.
Здесь есть забавный момент: многие боятся, что AI лишит письма индивидуальности, а по факту происходит обратное. Если правильно задать тон и роль, модель как раз «съедает» излишнюю канцелярщину и делает текст ближе к человеческой речи. Проблемы начинаются, когда от модели требуют навязчивой продающей подачки. В одном проекте я поймала себя на том, что сама попросила AI «усилить продающий характер» письма, а потом, прочитав результат, подумала, нет, лучше так: вернула обратно спокойный тон и четкие формулировки выгод без давящего призыва. На откликах это сказалось положительно, хотя формально «продажности» стало меньше.
Возвращаясь к зарисовке из начала, в компании того предпринимателя мы в итоге пришли к гибридной схеме: AI готовит черновик, менеджер адаптирует его под конкретного человека и реальную историю взаимодействия. Это заняло у них по 5-7 минут вместо прежних 20-25, но ощущение живого диалога с клиентом сохранилось. Да, иногда модель выдает фразы, от которых хочется спрятаться, но это лучше, чем сидеть над чистым листом и откладывать письмо еще на сутки.
Как AI помогает разбирать возражения и готовить менеджеров к сложным диалогам
Самые болезненные моменты в продажах часто связаны не с первыми письмами, а с живыми разговорами: когда клиент сомневается, сравнивает, тянет время, ставит под вопрос цену. Здесь AI тоже может помогать, но немного иначе. Я использую нейросети как тренажер: мы берем реальные диалоги, загружаем их в модель и просим разложить по полочкам, какие типы возражений звучат, какие ответы срабатывают, а какие — вызывают еще большее сопротивление. Это не заменяет опыт, но помогает менеджерам увидеть свои паттерны, которые в потоке звонков они сами не осознают.
На практике это выглядит так: мы даем модели выдержки из звонков и просим классифицировать их по темам возражений: цена, сроки, доверие, прошлый негативный опыт, внутренние согласования. Затем просим оценить, насколько ответ менеджера снижает напряжение, и предложить 2-3 альтернативных формулировки в спокойном тоне. Я отдельно подчеркиваю, что мы не ищем «идеальный ответ», нас интересуют варианты, которые менеджеру будет не стыдно произнести. В этом смысле нейросеть — хороший «зеркальный собеседник», который показывает, где мы сами начинаем оправдываться или уходить в сложные объяснения.
Иногда в таких разборах рождаются формулировки, которые потом становятся внутренними опорными фразами для всей команды:
Наша задача сейчас не убедить вас любой ценой, а проверить, есть ли вообще смысл продолжать диалог в вашем контексте.
(Звучит странно, но работает) потому что снимает напряжение и возвращает разговор в плоскость сотрудничества, а не борьбы. В одном из проектов после ввода таких «тихих» фраз менеджеры перестали бояться «потерять клиента» и стали спокойнее относиться к отказам, а это напрямую повлияло на их тон и, как ни банально, на конверсию. AI в этой связке — не тренер, а редактор, который постоянно подкидывает варианты, пока менеджер не почувствует, что нашел свою формулировку.
Как использовать нейросеть как тренажер для ролевых игр по продажам
Тут есть интересный эффект: когда просишь взрослых опытных менеджеров поиграть в ролевую игру, многие начинают стесняться, шутить, уходить от задачи. А вот с нейросетью эмоционального барьера меньше: это как будто не «проверка», а безопасный эксперимент. Я часто предлагаю такой формат: менеджер пишет, как он обычно отвечает на распространенное возражение, модель «играет» клиента и отвечает, а менеджер продолжает диалог. Через 5-7 реплик мы останавливаемся и просим модель разобрать, на каких словах изменился тон, где аргументация стала слабее, а где — сильнее.
Чтобы этот процесс не превратился в имитацию, я задаю модели строгую роль: «ты скептичный клиент из России, который уже обжигался на подобных услугах». Потом добавляю, какие у него могут быть внутренние ограничения, чем он дорожит. На этом фоне ответы менеджера становятся не абстрактными, а максимально приближенными к живой реальности. В одном случае нейросеть неожиданно подсветила, что менеджер каждый раз, отвечая на возражение по цене, начинал с фразы «я вас понимаю», а дальше уходил в защиту. Модель предложила убрать это начало и сразу переходить к сути — и диалог стал звучать более уважительно.
Иногда я формулирую для себя внутреннее правило, чтобы не увлечься красивыми симуляциями и помнить, что в жизни всё чуть грубее:
Здесь есть нюанс: если увлечься и полностью завязать обучение менеджеров на AI-тренажерах, они легко начинают «подстраиваться под модель», а не под людей. Поэтому я всегда прошу параллельно собирать реальные случаи, где заготовленные формулировки не сработали, и дорабатывать их уже с учетом этих провалов. Возвращаясь к ситуации из начала текста, в компании того предпринимателя мы за месяц собрали базу из 25 живых диалогов с возражениями, пропустили их через нейросеть, доработали формулировки руками — и только после этого вынесли в виде «подсказок» в CRM. Это не быстрый путь, но зато без ощущения, что тебе навязали искусственные фразы из учебника.
Что AI точно не умеет в продажах и где лучше не экономить усилия
После пары удачных кейсов легко попасть в ловушку: начать ожидать от модели слишком многого и разочароваться, когда она «не закрыла» очередную сделку. Я всегда проговариваю с клиентами ограничение: нейросети не чувствуют контекста так, как это делает человек, не умеют брать ответственность за обещания и не живут в вашей внутренней кухне. Они могут строить гипотезы, анализировать, предлагать варианты, но финальное решение, что говорить и делать с конкретным клиентом, остается за вами. Это звучит скучно, но именно это разделение ожиданий спасает от фантазий и лишних трат на ненужную автоматизацию.
В российских реалиях добавляется еще один слой: правовые и этические ограничения. Любой текст, который уходит клиенту, особенно если речь о публичных офертах, договорах, финансовых условиях, должен проходить человеческую проверку. Я видела несколько ситуаций, когда попытка «ускорить» подготовку договоров через нейросеть приводила к включению в текст формулировок, не соответствующих реальной практике компании. Это не катастрофа, но точно не то место, где нужно экономить внимание. Там, где цена ошибки высока, AI может только предлагать формулировки, но не выпускаться напрямую.
Чтобы не впадать в крайности, мне удобно для себя иногда зафиксировать рамку, в которой стоит держать ожидания от нейросетей:
AI в продажах — это ускоритель мышления и подготовки, а не заменитель опыта, этики и ответственности.
Возвращаясь к нашему сквозному кейсу, в компании того предпринимателя был эпизод, когда один из менеджеров попытался полностью делегировать AI переписку с ключевым клиентом. Письма были идеальными снаружи, но в них не было ни одной отсылки к прошлому опыту работы, внутренним шуткам, сложным моментам, через которые они уже проходили. Клиент это почувствовал моментально и в ответ написал короткое: «что-то у вас стиль сменился 😏». Тут мы как раз и поймали тот самый предел: там, где отношения строятся годами, модель может подсказать формулировку, но не прожить за вас историю взаимодействия.
Вместе с этим, я не верю в противоположную крайность, когда говорят, что «сложные продажи AI не трогает». Трогает, и ещё как. Просто не на первом плане. Нейросети помогают быстрее готовиться к встречам, собирать фактуру по отрасли клиента, формулировать вопросы, которые не звучат как интерограция. Они снимают с мозга накладные расходы, оставляя человеку пространство на то, ради чего он там вообще нужен — живой контакт, интуицию, умение слушать между строк. Это критично, потому что чем меньше энергии уходит на «как бы это сформулировать», тем больше остается на сам разговор.
Где я сама обожглась, переоценив возможности AI в продажах
Раз уж я столько пишу про честность, расскажу, где сама промахнулась. В одном проекте я решила, что смогу через нейросеть быстро сформировать приоритизацию лидов по «теплоте» на основе текстов переписок и статусов в CRM. На бумаге все выглядело логично: модель читает диалоги, оценивает заинтересованность, наличие конкретики, частоту ответов и выдает рейтинг. Мы все аккуратно настроили, прогнали тестовую выборку, результаты выглядели прилично — и тут началась реальная жизнь. Оказалось, что часть «холодных» по модели лидов на самом деле была просто из тех клиентов, кто пишет коротко и по делу, без эмоций. А часть «теплых» — любители поговорить, но без реальных решений за спиной.
Тогда я подумала, что просто не учла все параметры, стала добавлять новые признаки, настраивать промпты, разбивать переписки на этапы… и через пару недель поймала себя на том, что мы пытаемся научить модель делать то, что опытный менеджер видит за 30 секунд глазами. Это не значит, что анализ диалогов AI бесполезен (забудь, что я только что сказала — полезен), но его зона применения другая: он хорошо подсвечивает повторяющиеся вопросы, типы возражений, тональность ответов, но плохо оценивает «готовность к сделке» без количественных данных.
В таких ситуациях я теперь держу в голове один простой маркер:
Лучше отдать модели то, что человеку делать объективно тяжело: анализировать большие массивы текстов, генерировать десятки вариантов формулировок, поддерживать единый стиль документации. А вот расставлять приоритеты по лидам, особенно в узких нишах, в России по-прежнему надежнее руками, опираясь на живой опыт и синхронизацию в команде. Возвращаясь к началу истории, в кейсе того предпринимателя мы в итоге использовали AI не для «волшебного скоринга», а для подготовки коротких резюме по перепискам, чтобы руководитель видел суть диалога за минуту, а не вычитывал всю историю.
Что получилось в реальном кейсе и как это повлияло на продажи
Пора вернуться к тому самому предпринимателю, с которого я начала. Напомню: у него был отдел продаж, усталые менеджеры, тяжелые КП и обрывочные тексты писем. Мы договорились, что в течение месяца будем внедрять AI только точечно, без попытки автоматизировать все сразу. В первую очередь мы наметили три зоны: переписка с клиентами, подготовка КП и разбор возражений. По каждой зоне сделали минимальный набор промптов, проверили их на реальных задачах и только после этого «легализовали» в команде. Это был не красивый единый проект, а серия маленьких шагов, иногда с откатами назад.
За первый месяц изменений никто не ждал чудес, но цифры все равно оказались показательные. Среднее время подготовки письма с КП сократилось примерно с 25 до 9 минут. Количество доработок со стороны руководителя отдела продаж уменьшилось почти вдвое, потому что тексты стали ровнее по структуре и тону. Менеджеры перестали брать «тайм-аут» на день, чтобы «подумать над ответом», потому что с моделью можно было за 10 минут прогнать 2-3 варианта и выбрать рабочий. Клиенты начали чаще отвечать развернуто, задавать уточняющие вопросы, вместо короткого «спасибо, посмотрю». В деньгах это конвертировалось не сразу, но через три месяца воронка стала плотнее, и количество сделок на ту же самую базу выросло примерно на 18%.
Отдельный эффект дал разбор возражений через нейросеть. После того как мы оцифровали и проанализировали около 30 диалогов, в команде появился общий язык: вместо «они дорого говорят» стали говорить «здесь не показали, как цена соотносится с их рисками». Появилось четыре-пять устойчивых формулировок, за которые менеджеры цеплялись в сложных разговорах. Это не убрало стресс от непростых клиентов, но дало опоры. В сумме, если честно посчитать, каждый менеджер экономил около 1,5-2 часов в день чистой рутины, а предприниматель получил более прогнозируемый процесс, где меньше «магии личности» и больше воспроизводимых действий.
Возвращаясь к самой первой сцене, где мы сидели у него в переговорной с распечатанными письмами и тяжелыми КП, разница ощущалась почти физически. Вместо бесконечного обсуждения «кто плохо пишет» мы перешли к разговору «как задачу разложить и какую часть отдать AI». И да, иногда модель ошибалась, предлагала странные обороты, путала значения терминов. Но общий вектор был понятен: меньше сил уходит на борьбу с формой, больше остается на содержание и отношения с клиентом. Это и есть тот результат, про который редко пишут в громких кейсах, но который в российских компаниях по факту определяет, живет отдел продаж или только имитирует активность.
Где продолжать экспериментировать с AI в продажах
Если чувствуешь, что по тексту у тебя уже сложилась картинка, а хочется превратить её в рабочую схему под свои задачи, проще всего начать с маленьких экспериментов. Возьми одну зону продаж — письма, КП, ответы на типовые вопросы — и в течение пары недель последовательно использовать AI только там. Не пытайся сразу оценить влияние на выручку, смотри на более приземленные метрики: время подготовки, количество доработок, субъективную усталость команды от рутины. Когда эти вещи начинают меняться, выручка тянется следом, но не в первый же день.
Для тех, кто хочет не разово «пощупать нейросети», а встроить их в повседневную работу как тихого напарника, я много показываю практических примеров и разборов в своем телеграм-канале «ИИ без истерики». Там я выкладываю реальные промпты, неидеальные случаи, забавные провалы и доработанные решения из разных отраслей. Если хочется структурировать эти знания, посмотреть, как другие эксперты в России решают похожие задачи, и не чувствовать себя один на один с новым инструментом, просто загляни, почитай, примеряй к себе. Без обещаний «сделать X2 к продажам», но с честным разбором, где нейросети реально экономят время, а где пока рано им доверять.
Что ещё важно знать про AI и продажи
Вопрос: Можно ли в России использовать AI для массовых рассылок без участия менеджеров?
Ответ: Технически можно, но я бы была осторожна. Массовые рассылки, полностью написанные AI, часто попадают в спам-фильтры и раздражают клиентов однообразием. Гораздо продуктивнее использовать нейросеть для подготовки вариативных шаблонов, а ключевые письма все же просматривать и адаптировать человеком.
Вопрос: Как объяснить команде продаж, что AI не лишит их работы, а поможет?
Ответ: На практике лучше всего работают небольшие пилоты, где менеджеры сами видят экономию времени на конкретных задачах. Пара примеров «до/после» и честный разговор о том, что AI не будет общаться с живыми людьми вместо них, обычно снимают основные опасения. Важно не навязывать инструмент сверху, а вовлекать команду в настройку промптов.
Вопрос: Можно ли доверять AI анализ коммерческих предложений и договоров?
Ответ: Я бы рассматривала нейросети здесь только как помощника для структурирования и поиска нестыковок. Финальные формулировки, юридические моменты и соответствие внутренним регламентам должны проверяться специалистами. AI хорошо подсвечивает странные места в тексте, но не понимает всех правовых последствий.
Вопрос: Что делать, если ответы AI в продажах кажутся слишком «американскими» и не подходят для российских клиентов?
Ответ: Это частая история, и она решается через более точные промпты. Пропиши, что тебе нужен стиль спокойный, без агрессивных продаж, с учетом российского контекста и деловой этики. Пара-тройка итераций, примеры «как мы реально пишем» и просьба адаптироваться под них обычно сильно выравнивают тон.
Вопрос: Имеет ли смысл обучать одну конкретную модель под свою компанию или достаточно общих инструментов?
Ответ: Для большинства российских компаний на старте достаточно общедоступных моделей с грамотной настройкой промптов и внутренних инструкций. Персональное обучение модели начинает окупаться, когда объем текстов, задач и нюансов продукта действительно большой и стабильный. Я бы сначала выжала максимум из базовых инструментов, а уже потом думала об индивидуальном обучении.