Суфлеры, умные ответы и аналитика клиентского пути: как «Слетать.ру» внедряет AI в продажи и клиентский сервис

Я бы подошел к вопросу с двух сторон.

Первое — можно поработать с ChatGPT и рассказать ему о себе все, что только вспомнишь. Реально все: какие у тебя были проекты, в каких сферах работал, с какими технологиями сталкивался, какие сильные стороны, какие слабые. Зачем держать все это в Excel или в блокноте, если можно просто поболтать с нейросетью? После такого разговора она уже понимает твой стиль, фразы, которые ты используешь, и вообще «чувствует» тебя.

Я так и сделал: просто прошелся по всем своим проектам, их у меня больше двухсот, и описал их в ChatGPT. Теперь он знает, с какими отраслями я работал — транспорт, логистика, обучение, — и может к этому обращаться, когда я прошу его что-то написать. Письма получаются с учетом моего опыта.

Второе — это компании, с которыми ты работаешь. Здесь ничего не мешает исследовать их вместе с ChatGPT. Можно попросить нейросеть найти отчеты, статьи, интервью, любые публичные материалы, где люди рассказывают, чем живет их бизнес. Например, я готовился к встрече с одним основателем — нашел его интервью в Forbes и подкасты, скормил все GPT. В итоге нейросеть выдала наглядную картину: кто он, как мыслит, что для него важно.

После этого можно просить ChatGPT составить письмо под конкретную компанию или человека. Не обязательно снова искать вводные материалы — информация уже в памяти модели. Просто говоришь: «Создай письмо для такой-то компании».

Главное — не пытаться делать это одним махом. Не нужно писать: «Сделай мне 50 писем». Если хочешь по-настоящему персонализированные тексты, иди точечно, под каждую компанию. ChatGPT все запоминает: если долго писать только для IT-компаний, потом он начнет выдавать такие же тексты и для логистики. Поэтому надо корректировать запросы.

Я советую создавать отдельные чаты под каждое направление. ChatGPT сам называет это «проекты», но я воспринимаю их как папки. Например, ты продаешь IT-разработку и работаешь сразу с FinTech, Ecom и Food Delivery. Создай под каждое направление свой проект, и в каждый накинь фактуру — типичные проблемы, цели, вызовы.

Если ты потом попросишь ChatGPT написать письмо для, допустим, Яндекс.Лавки, он уже будет знать контекст рынка, твой опыт и сформулирует сообщение, которое действительно можно отправить ЛПР. То есть не общие слова вроде «у нас классный продукт», а нормальный текст с понятным предложением и нужным тоном.

Ты можешь создать цифровую модель человека, с которым хочешь встретиться. Например, директора по маркетингу Додо Пиццы. Находишь его статьи, видео, подкасты, скармливаешь GPT и задаешь промпт: «Смоделируй поведение этого человека, если я выйду к нему с предложением». Нейросеть покажет, какие вопросы он может задать, какие возражения озвучить. Получается полноценная тренировка перед встречей.

Но не обязательно все так усложнять. Можно просто сказать: «Проведи со мной интервью» — и отвечать на вопросы нейросети. Сейчас уже есть режим, где ChatGPT говорит голосом, так что все ощущается почти как живая беседа.

Например, у нас есть начальник, который терпеть не может лишнюю информацию. Каждая секунда у него на счету. Обычно он слушает три невнятных предложения, а потом срывается. Так вот, с ChatGPT можно заранее отрепетировать разговор в таком стиле — коротко, четко, по делу. А потом разобрать этот диалог вместе с нейросетью: что сказал правильно, где переборщил, что можно улучшить.

Если выходишь на незнакомого человека, то видео и публичные выступления — просто клад. Из них можно выловить и стиль общения человека, и фразы, которые он часто использует, и даже понять его боли. Часто в интервью люди сами рассказывают, что у них «болит». А если твой продукт решает именно эту задачу — у тебя уже готов идеальный заход в разговор.

Я сейчас использую штук двадцать разных нейросетей, и не могу сказать, что какая-то одна лучше всех остальных. Все они примерно об одном и том же, просто у каждой своя фишка.

Если говорить про ChatGPT, то я бы назвал его самым универсальным. Он быстро обновляется, работает стабильно, и, покупая лицензию, ты точно не прогадаешь. Это как iPhone — стабильно, предсказуемо, все работает и обновляется вовремя.

Perplexity — мой личный фаворит и рекомендация для всех. Во-первых, он доступен: можно пользоваться бесплатно или купить Pro-подписку примерно за 500 рублей. Во-вторых, не нужен VPN. В-третьих, под капотом уже есть все популярные модели — GPT, Claude, Gemini и другие. Плюс есть еще «лаборатория», где можно тестировать инструменты.

Недавно у Perplexity появился браузер Comet, аналогичный браузеру ChatGPT Atlas — по сути, это полноценный цифровой ассистент. У тебя прямо в окне браузера есть агент, которому можно сказать, например: «Забронируй мне ресторан» — и он все сделает сам: найдет, кликнет, подтвердит. Работает и с Google Docs, и вообще с любыми сайтами. То есть это уже не просто чат, а робот в твоем компьютере. Правда, есть вопросы по приватности данных, и с этим надо аккуратнее. Но сама идея, конечно, крутая.

Claude я бы отнес к инструментам скорее для разработчиков — он сильнее в технических задачах.

Gemini подойдет тем, кому важен визуальный контент: генерация картинок, видео, работа с медиа.

Perplexity — более универсальный, покрывает сразу несколько направлений.

Есть еще Grok — это чат-бот Илона Маска, встроенный в X, бывший Twitter. Я называю его «нейросетью без тормозов». Если нужен креатив, неожиданные идеи и нестандартные ответы, то это именно то, что стоит попробовать.

Честно говоря, я уже сам путаюсь, где у меня что подключено и что платное, а что бесплатное. Подписок много, я предпочитаю за все платить. Но интерес к новым инструментам не пропадает, ведь они появляются так быстро, что хочется тестировать все подряд.

Это больная тема. У меня она решилась буквально месяц назад. Нашел инструмент, который реально работает. Называется Kimi — китайская нейросеть. До этого я перепробовал кучу всего, но все выглядело шаблонно: скучные блоки, одинаковые картинки, как будто из корпоративных шаблонов PowerPoint. А тут я просто закинул запрос: написал, что делаю базовый тренинг, и получил 20 слайдов. Меня удивило, что нейросеть все уложила логично — с заголовками, разделителями, нормальным визуалом. Не просто «текст на фоне», а действительно презентация, которую не стыдно показать. Возможно, интерфейс нейросети пока сырой, но результат по соотношению времени и качества отличный.

Сейчас я выработал удобную схему. Сначала в ChatGPT прописываю структуру будущей презентации: тему, разделы, что нужно раскрыть, какие акценты сделать. Он помогает выстроить логику и почистить формулировки. Потом этот документ — по сути, лист А4 с темами и подтемами — я загружаю в Kimi. Там важно задать точный промт: «Следуй структуре, не добавляй от себя». Тогда на выходе получается презентация без лишнего текста и с минимальными искажениями.

Иногда после этого я возвращаюсь в ChatGPT: прошу его посмотреть на слайды и подсказать, где можно улучшить подачу, сделать слайд чище, понятнее или короче. Это уже финальная доработка. В итоге за пару часов у тебя готова презентация, которую раньше пришлось бы собирать день или два.

Но с презентациями есть один нюанс — кириллица. В большинстве нейросетей она пока получается не идеально. Тексты иногда съезжают или ломается шрифт, особенно если это китайские инструменты. Поэтому визуал я иногда дорабатываю вручную, заменяю картинки и проверяю подписи. Но в целом даже с этим ограничением Kimi экономит уйму времени.

Параллельно я тестирую и другие ИИ-инструменты для презентаций, например, Gamma, Tome, Beautiful.ai или даже создание сайта-страницы с презентацией. Но если задача простая: сделать приличные слайды бесплатно, без дизайнера и не потратить на это полдня, то Kimi справляется лучше всего.

Я руковожу направлением по внедрению AI в бизнес, и меня как раз наняли, чтобы команда начала активнее использовать нейросети. Потому что не все сотрудники к этому готовы: кому-то лень разбираться, у кого-то просто нет времени внедрять ИИ в повседневные задачи.

Если говорить про отдел продаж, у нас уже есть собственные AI-инструменты, которые реально экономят время. Например, мы разработали систему быстрых ответов: прямо во время звонка менеджер может ввести название отеля, и система мгновенно выдает всю нужную информацию — описание, фото, отзывы, особенности локации, детали про пляж. То есть менеджеру не нужно открывать кучу вкладок и искать по фильтрам. Все сразу перед глазами, и он может быстро ответить на любой вопрос клиента.

То же самое и с поиском туров: система сравнивает предложения по нескольким критериям — цене, рейтингу, типу размещения — и показывает лучшие варианты. Получается, что менеджер не тратит время на ручной подбор, а просто фокусируется на разговоре с клиентом.

Мы сейчас идем дальше и тестируем суфлера для продажников — инструмент, который во время разговора подсказывает, что ответить клиенту. Он распознает запрос в речи и показывает фразы из регламента или прошлых успешных диалогов: по сути, всплывает подсказка «в моменте». Это помогает менеджеру не отвлекаться на поиск нужных документов или скриптов.

Кроме того, мы используем AI и для аналитики клиентского пути. Система отслеживает, откуда пришел клиент, по каким страницам ходил, где остановился, на чем закрыл вкладку. Все это можно загружать в ChatGPT или другую модель — и она сама подсказывает, какие сегменты клиентов приносят прибыль, с кем стоит общаться дольше, а где коммуникация неэффективна. Если раньше это все делали через Excel и кучу таблиц, то теперь такие данные можно просто «скормить» нейросети и получить готовые выводы.

Вопрос логичный, и он у нас внутри тоже поднимался. Сейчас темп, с которым нейросети обновляются и развиваются, просто нереальный. Поэтому идея «сделаем собственную модель, чтобы все было под контролем» — красивая, но в реальности на это нужны миллионы, а то и миллиарды рублей, и пользы от этого сейчас немного.

Да, локально всем хочется держать все в своих руках. Но большой разницы нет, если выстроить систему грамотно. Мы строим процессы так, чтобы при необходимости можно было просто «переключить трубу»: если один сервис сломался, подключаешь другой. Все работает дальше, без потерь.

При этом все данные остаются у нас. Между внутренними базами и внешними ИИ стоит прослойка — векторная база. Она как фильтр: ничего не уходит напрямую, никто не может просто заходить и забирать весь массив данных. Мы, конечно, не передаем персональные и коммерческие данные — это табу. Но в остальном нет ничего критичного. Я не думаю, что кто-то в Пентагоне анализирует разговоры на русском из ChatGPT. Даже если теоретически они туда и попадают, пройдет еще много лет, прежде чем кто-то сможет извлечь из этого что-то полезное.

Кстати, есть один момент, про который мало кто знает. Если в ChatGPT нажать «Поделиться диалогом», он становится публичным и может появиться в поиске. Это нужно учитывать. Если работаешь с чувствительными данными — просто переименуй клиента, замени названия компаний, обезличь. Тогда можно спокойно использовать инструмент, не опасаясь за безопасность.

Сложности с нейросетями сейчас скорее технические: доступность сервисов, VPN, прокси. Но в целом мы стараемся работать по enterprise- или B2B-модели: официально покупаем инструменты, используем API-ключи, интеграции. Где можно, подключаем российские решения, в том числе YandexGPT. У нас получился гибкий конструктор: часть сервисов свои, часть внешние, все стыкуется между собой как песочница.

Отдельный нюанс — стоимость. Подписки и лицензии стоят все дороже, особенно если подключать сразу на всю компанию. Поэтому мы сначала все тестируем: берем инструменты на пробу, смотрим, как они работают в реальных задачах. Если видим, что инструмент полезен, — решаем, можно ли сделать аналог своими силами или стоит покупать корпоративную подписку.