IT WHITE
Меню

Implementation scenario / 01 / Sales control

AI-квалификация и маршрутизация лидов

Менеджеры вручную читают обращения, поздно отделяют целевой спрос от шума и по-разному назначают ответственных.

ОТВЕТ ЗА 60 СЕКУНД

Модель извлекает намерение, продукт, бюджет и срочность, после чего правила CRM назначают очередь, SLA и следующий шаг. Финальное решение и работа с исключениями остаются у ответственного: Сотрудник подтверждает неоднозначные лиды и меняет критерии квалификации; AI не закрывает сделку самостоятельно.

Проверить применимость сценария →
Редакционная схема IT WHITE для сценария «AI-квалификация и маршрутизация лидов»: сигнал, контекст, контроль и решение человека
Схема сценария IT WHITE: событие → контекст → контроль → решение человека.
SECTORПродажи и CRM BUYERкоммерческий директор, руководитель продаж или собственник STATUSPUBLIC RESEARCH SCENARIO UPDATED2026-08-08

Problem / buying moment

Почему этот процесс становится задачей для руководителя.

Обычно к сценарию «AI-квалификация и маршрутизация лидов» приходит коммерческий директор, руководитель продаж или собственник, когда воронка формально заполнена, но выручка всё ещё зависит от личного контроля руководителя. В этот момент локальная ручная проверка уже не масштабируется, но покупка отдельного AI-инструмента ещё не гарантирует изменения процесса.

В продажах ценность создаёт не ещё один отчёт, а своевременное действие: назначить ответственного, вернуть лид, зафиксировать следующий шаг или остановить ошибочное обещание.

ПОЗИЦИЯ IT WHITEРезультат этого сценария — не «внедрённый AI», а управляемое изменение показателей: время до назначения, доля лидов с полными данными, конверсия квалифицированных лидов. Система должна обнаруживать событие, объяснять контекст и доводить его до ответственного действия.

Target operating model

Что именно меняется после внедрения.

01 / SIGNALСобытие поступает из рабочей системы
02 / CONTEXTДанные и правила собираются в единый контекст
03 / CONTROLМодель извлекает намерение, продукт, бюджет и срочность, после чего правила CRM назначают очередь, SLA и следующий шаг.
04 / OWNERСотрудник подтверждает неоднозначные лиды и меняет критерии квалификации; AI не закрывает сделку самостоятельно.
OPERATIONAL WALKTHROUGH

Как разобрать именно этот сценарий.

01

Начинать нужно с наблюдаемого сбоя, а не с выбора модели. Исходная ситуация формулируется так: Менеджеры вручную читают обращения, поздно отделяют целевой спрос от шума и по-разному назначают ответственных. Для коммерческий директор, руководитель продаж или собственник это уже не локальное неудобство сотрудника, потому что сбой отражается на показателе «время до назначения» и со временем становится нормой, которую команда перестаёт замечать. До проектирования мы берём несколько реальных событий, восстанавливаем последовательность действий и отделяем причину от симптома.

02

Контур данных начинается не с единого хранилища, а с минимального набора доказательств. CRM фиксирует первичное событие; формы и мессенджеры даёт контекст или состояние работы; телефония подтверждает следующий шаг и результат. Для каждого поля определяется источник, допустимая задержка и правило отсутствующего значения. Если событие нельзя восстановить, его нельзя безопасно использовать для автоматического решения.

03

Рабочая логика сценария выглядит конкретно: Модель извлекает намерение, продукт, бюджет и срочность, после чего правила CRM назначают очередь, SLA и следующий шаг. При этом система не подменяет владельца процесса. Сотрудник подтверждает неоднозначные лиды и меняет критерии квалификации; AI не закрывает сделку самостоятельно. Такое разделение нужно зафиксировать в интерфейсе, правах доступа и журнале действий, иначе формальный human-in-the-loop останется надписью в презентации, а человек будет подтверждать решение без достаточного контекста.

04

Главный негативный сценарий тоже проектируется заранее: Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация. Поэтому у пилота должны быть порог уверенности, маршрут исключения, возможность открыть первичные данные и понятный способ отменить действие. Ошибку нельзя прятать в среднем показателе: команда отдельно разбирает ложные срабатывания, пропущенные события и ситуации, где правило сработало правильно, но не привело к действию.

05

Руководитель принимает решение о масштабировании по трём наблюдаемым изменениям: «время до назначения», «доля лидов с полными данными» и «конверсия квалифицированных лидов». Сначала фиксируется базовая линия, затем одна зона работает в режиме пилота, а сравнение проводится на сопоставимом потоке. Целевой бизнес-результат: время до назначения, доля лидов с полными данными, конверсия квалифицированных лидов. Если изменение держится только благодаря ручному контролю разработчика, система ещё не готова к эксплуатации.

Architecture

AI не получает власть над процессом. Он получает ограниченную роль.

SYSTEMS
  • CRM
  • формы и мессенджеры
  • телефония
HUMAN IN THE LOOP

Сотрудник подтверждает неоднозначные лиды и меняет критерии квалификации; AI не закрывает сделку самостоятельно.

MAIN RISK

Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация.

DESIGN RULE

Каждый вывод хранит исходное событие, версию правила или модели и действие ответственного. Если контекста недостаточно, система не угадывает, а переводит событие на ручную проверку.

Business case / no invented ROI

Экономика начинается с потери, которую можно пересчитать.

До сметы мы не обещаем проценты эффективности. Сначала измеряем частоту события, стоимость ручной работы и ошибки, нагрузку на проверяющего и цену эксплуатации контура.

01

объём событий, в которых возникает проблема «Менеджеры вручную читают обращения, поздно отделяют целевой спрос от шума и по-разному назначают ответственных.»

02

стоимость ручного действия, задержки или ошибки по показателю «время до назначения»

03

доля исключений, которые после запуска всё равно должен проверять человек

04

стоимость интеграции и сопровождения систем: CRM, формы и мессенджеры, телефония

DECISION MODEL Эффект = предотвращённые потери + освобождённое время − внедрение − сопровождение − стоимость ошибок

Если измеримый эффект не покрывает стоимость контура и риск, задачу не нужно превращать в отдельный продукт.

Measurement

Как понять, что внедрение работает.

01время до назначения

Источник: CRM. Базовая линия: 2–4 недели до пилота.

02доля лидов с полными данными

Источник: формы и мессенджеры. Базовая линия: 2–4 недели до пилота.

03конверсия квалифицированных лидов

Источник: телефония. Базовая линия: 2–4 недели до пилота.

DO NOT AUTOMATE BLINDLY

Сначала проверяем процесс, качество данных и владельца решения.

Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация.

Readiness check

Когда этот сценарий имеет смысл.

Автоматизация оправдана, когда проблема повторяется, влияет на управляемый показатель и у процесса есть владелец. Для сценария «AI-квалификация и маршрутизация лидов» сначала проверяем не модель, а фактический маршрут работы.

  1. 01Повторяемость

    Событие повторяется достаточно часто, чтобы измерять «время до назначения».

  2. 02Доступность данных

    Первичные данные доступны в системах: CRM, формы и мессенджеры, телефония.

  3. 03Владелец решения

    Владелец процесса готов отвечать за исключения и финальное решение.

  4. 04Ограниченный риск

    Риск «Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация.» можно ограничить правилами, журналом и ручной проверкой.

Questions before code

Что нужно выяснить до выбора технологии.

Ответы отделяют реальную задачу от красивой демонстрации. Они же задают границы пилота и критерии остановки.

  1. Q1

    Сколько раз за неделю возникает ситуация: Менеджеры вручную читают обращения, поздно отделяют целевой спрос от шума и по-разному назначают ответственных.

  2. Q2

    Где сегодня фиксируется время до назначения и можно ли восстановить исходное событие?

  3. Q3

    Кто принимает решение после сигнала и за какое время он должен отреагировать?

  4. Q4

    Какие ошибки системы недопустимы и когда решение обязательно передавать человеку?

Pilot / 4–8 weeks

Как запускать без большой ставки вслепую.

01 / DIAGNOSE

Зафиксировать текущий маршрут

Интервью с владельцем процесса, карта событий, исключения, права доступа и исходные значения KPI. На этом этапе может выясниться, что проблему надёжнее решает обычная логика, а не AI.

02 / CONNECT

Собрать минимальный контекст

Подключаем только необходимые источники: CRM, формы и мессенджеры, телефония. Не строим озеро данных до появления первого работающего сценария.

03 / CONTROL

Запустить на ограниченной зоне

Модель извлекает намерение, продукт, бюджет и срочность, после чего правила CRM назначают очередь, SLA и следующий шаг. Первые решения логируются, а низкая уверенность и исключения уходят человеку.

04 / OPERATE

Сравнить с базовой линией

Смотрим на время до назначения, доля лидов с полными данными, конверсия квалифицированных лидов. Если процесс не изменился, не масштабируем интерфейс только ради уже написанного кода.

OUTPUTКарта процессаМатрица событий и ответственностиРабочий пилотЖурнал решенийПлан сопровождения
ACCEPTANCE

Пилот принимается по изменению время до назначения, доля лидов с полными данными, конверсия квалифицированных лидов, а не по количеству экранов и промптов.

STOP CONDITION

Останавливаем масштабирование, если данные нестабильны, ответственный не использует сигнал или сохраняется риск: Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация.

How IT WHITE enters the project

Не продаём всю систему до проверки процесса.

01 / DIAGNOSE

100–180 тыс. ₽

Карта процесса, данные, потери, владелец решения, варианты архитектуры и предварительная экономика.

02 / LAUNCH

от 450 тыс. ₽

Одна ключевая задача, необходимые интеграции, роли, журнал решений, запуск и критерии результата.

03 / OPERATE

от 100 тыс. ₽/мес.

Мониторинг, исправления, качество решений, новые правила, развитие интеграций и отчёт по работе системы.

СВЯЗАННОЕ НАПРАВЛЕНИЕCRM-контроль и автоматизация →

Decision FAQ

Три вопроса, которые защищают проект от лишней сложности.

Здесь точно нужен AI?

Не обязательно. Если событие определяется стабильными правилами, обычная логика будет дешевле, быстрее и надёжнее. AI нужен там, где решение зависит от неструктурированного контекста.

Что подготовить к первичному разбору?

Один реальный пример сбоя, список систем (CRM, формы и мессенджеры, телефония), пример исходных данных и человека, который сегодня принимает финальное решение.

Что происходит при ошибке?

Система сохраняет исходные данные и причину вывода, не выполняет критическое действие без разрешения и передаёт исключение человеку. Главный риск сценария: Нельзя обучать приоритет на исторических данных, если в них закреплена плохая сегментация или дискриминация.

Evidence base

На каких рыночных сигналах основан сценарий.

Материал синтезирует публичные исследования и практики. Мы не переносим чужие кейсы на себя и не обещаем чужие показатели. Экономика рассчитывается только после анализа вашего процесса.

  1. Google CloudAI Agent Trends 2026 / 2026
  2. DeloitteThe State of AI in the Enterprise 2026 / 2026

Fit check / 20–30 min

Проверим сценарий «AI-квалификация и маршрутизация лидов» на вашем процессе.

За 20–30 минут определим разрыв, доступные данные, владельца решения и разумный первый контур. Это бесплатная проверка соответствия задачи, не платная диагностика.

Запустить первичный разборCRM-контроль и автоматизация