Большие языковые модели в продажах: что нужно знать руководителю

Почти каждый новый инструмент для продаж сегодня рекламирует «генеративный ИИ». За этим стоят большие языковые модели (large language models, сокращённо LLM). В статье без жаргона объясним, как большие языковые модели работают в продажах, какие задачи они надёжно выполняют, где ошибаются и какие вопросы стоит задать поставщику, прежде чем подписывать договор.

Что такое большая языковая модель

Большая языковая модель — это программа, обученная на очень больших объёмах текста. В процессе она усвоила, как устроен язык: какие слова сочетаются, как связаны вопросы и ответы, как звучит вежливое письмо. Получив запрос, она шаг за шагом вычисляет наиболее вероятное подходящее продолжение. Результат читается как текст, написанный человеком.

Для понимания важно одно: LLM не знает в человеческом смысле, что верно, а что нет. Она порождает правдоподобный текст. Если ей нужно назвать ваши часы работы, цены или свободное время в четверг, она должна получить эту информацию из подключённого источника — базы знаний, календаря или CRM. Без такого подключения она угадывает. Именно это отличает полезный инструмент для продаж от игрушки.

Что большие языковые модели хорошо умеют в продажах

В повседневных продажах хорошо себя показали четыре области, где сильная сторона LLM — понимать и порождать язык — даёт прямую пользу:

• Вести диалог: понимать запросы в чате, в WhatsApp, по почте или по телефону и отвечать на них, даже если клиент выражается путано или посреди фразы меняет тему.
• Резюмировать: превращать десятиминутный телефонный разговор в короткую заметку для CRM: суть запроса, рамки бюджета, следующий шаг.
• Классифицировать: сортировать входящие сообщения по сути: новый запрос, перенос встречи, рекламация, вопрос по счёту.
• Готовить черновики: тексты предложений, письма-напоминания или ответы на типовые вопросы, которые сотрудник проверяет и отправляет.

Пример из агентства недвижимости

Риелтор в воскресенье вечером получает запрос о трёхкомнатной квартире. Потенциальный арендатор пишет: «Она ещё свободна, и можно ли с собакой? Мы могли бы въехать с марта». Чат-бот на правилах, скорее всего, не справился бы с такой смесью из трёх вопросов. Ассистент на основе LLM распознаёт все три темы, проверяет в описании объекта, разрешены ли животные, называет дату заезда, спрашивает о составе семьи и подтверждении дохода и предлагает время просмотра. В понедельник утром риелтор находит в CRM полную заметку. Разница между двумя подходами подробнее описана в статье Чат-боты на правилах и ИИ-агенты.

Как модель получает знания о вашей компании

Сама языковая модель вашу компанию не знает. Чтобы она отвечала по делу, при каждом запросе ей передают нужную информацию. Технически это обычно выглядит так: вопрос клиента сопоставляется с вашей базой знаний, подходящие фрагменты отбираются и передаются модели вместе с вопросом. Модель формулирует на их основе ответ. Специалисты называют это retrieval (поиск по базе знаний), а для вас важен принцип: качество ответа напрямую зависит от качества ваших материалов.

Поэтому для старта не нужны специалисты по данным, зато нужен порядок. Хорошо работает короткий набор материалов:

• услуги и продукты с обязательными ценами или ценовыми рамками
• часы работы, как добраться, ответственные и правила замены
• двадцать самых частых вопросов клиентов с вашими лучшими ответами
• чётко обозначенные темы, которых ассистент касаться не должен

Если один раз аккуратно подготовить эти материалы, выгода двойная: новым сотрудникам тоже будет проще освоиться.

Ограничения, о которых нужно знать

Самая известная слабость называется галлюцинацией: модель формулирует убедительный на вид ответ, который просто неверен. В продажах это может дорого обойтись, например если ассистент пообещает несуществующую скидку или назовёт срок поставки, который никто не выдержит. Серьёзные решения снижают этот риск: модели разрешено отвечать только по утверждённым источникам, а при неуверенности она передаёт разговор человеку.

Другие ограничения касаются суждений и ответственности. LLM не понимает политику компании, ничего не знает о многолетних отношениях с клиентом и не несёт ответственности. Поэтому переговоры, решения о ценах, уступки и деликатные разговоры должны оставаться за людьми. На юридические, налоговые или медицинские вопросы ассистент по продажам тоже отвечать не должен.

Что на самом деле решает руководитель

Вам не нужно знать, как считает нейросеть. Но нужно понимать, какие решения остаются за вами. В разговоре с поставщиком помогут такие вопросы:

1. Откуда берутся знания? Из каких источников отвечает ассистент и кто их ведёт?
2. Что происходит при неуверенности? Есть ли ясное правило, когда разговор передаётся человеку?
3. Где обрабатываются данные? В ЕС или за его пределами, и используются ли данные ваших клиентов для обучения?
4. Как проверяется работа? Можете ли вы просматривать историю разговоров и исправлять ошибки?
5. Что ассистенту разрешено обещать? Встречи — да, цены — только по прайсу, скидки — никогда. Такие рамки стоит закрепить письменно.

Запускать ли для этого собственную модель или пользоваться готовой платформой — отдельный вопрос. Он разобран в статье Открытый или коммерческий ИИ в продажах. Для большинства малых и средних компаний практичнее начать с настраиваемого решения. Через несколько месяцев работы проще понять, нужна ли более глубокая доработка.

Защита данных и EU AI Act

Как только LLM работает с данными клиентов, действует GDPR (в Германии — DSGVO). Нужен договор об обработке данных по поручению, правовое основание для обработки и понятная информация в политике конфиденциальности. По Регламенту ЕС об ИИ (EU AI Act) клиенты должны знать, что говорят с ИИ. Открытое предупреждение в начале разговора — это просто и избавляет от проблем. Что малому и среднему бизнесу нужно знать о регулировании, кратко изложено в статье EU AI Act для малого и среднего бизнеса.

Цифровые сотрудники Neurobots используют языковые модели для телефона, чата, WhatsApp и электронной почты, обрабатывают данные на серверах во Франкфурте и передают результаты в CRM-системы вроде HubSpot или Pipedrive. Настройку выполняет сертифицированный партнёр, обычно примерно за семь дней.

Когда ассистент на базе LLM не окупится

Если клиенты почти всегда задают одни и те же три вопроса, часто достаточно хорошей страницы с ответами на частые вопросы. А если поддерживать базу знаний в актуальном состоянии некому, даже лучшая языковая модель скоро начнёт выдавать устаревшие ответы.

Частые вопросы

ChatGPT — это то же самое, что ИИ-ассистент по продажам?

Нет. ChatGPT — универсальное приложение на основе LLM. Ассистент по продажам использует такую модель, но подключён к вашим данным, календарям и правилам и настроен под вашу компанию.

Учится ли модель на разговорах с моими клиентами?

Это зависит от поставщика и договора. Прямо спросите об этом и попросите письменно подтвердить, используются ли ваши данные для обучения.

Как понять, справляется ли поставщик с галлюцинациями?

Проверьте ассистента вопросами, ответа на которые в ваших материалах нет. Хороший ассистент в таком случае скажет, что не знает, и предложит перезвонить, а не будет что-то выдумывать.

Нужно ли обучать отдел продаж?

Обычно хватает короткого инструктажа. Команда должна знать, как выглядит передача разговора, где найти историю переписки и как сообщать о неверных ответах, чтобы базу знаний можно было исправить.

Вывод

Большие языковые модели в продажах хорошо понимают язык, резюмируют и ведут диалог. Надёжными они становятся только при актуальных источниках, ясных рамках и контроле со стороны человека. Как это выглядит при запросах по объектам недвижимости, показывает страница Цифровой ассистент для агентств недвижимости.