Почему AI не работает без CRM, регламентов и качественных данных

Сегодня многие компании хотят внедрить AI как можно быстрее.

Подключить нейросеть к продажам.
Автоматически анализировать звонки.
Прогнозировать выручку.
Находить слабых менеджеров.
Контролировать клиентов.
Искать риски.
Готовить отчёты руководителю.

Но часто проект не даёт ожидаемого эффекта.

Причина не всегда в самой AI-модели.

Очень часто проблема в другом:

AI подключают к бизнесу, в котором нет нормальной CRM, нет понятных регламентов и нет качественных данных.

В такой ситуации нейросеть не исправляет хаос.

Она просто начинает анализировать этот хаос быстрее.

Именно поэтому хороший AI-проект начинается не с вопроса:

«Какую модель подключить?»

А с трёх более базовых:

Где живёт процесс?
По каким правилам он работает?
Насколько качественные данные он создаёт?

Разберём подробнее.

AI не создаёт порядок из хаоса автоматически

Представим отдел продаж.

Менеджеры:

• не ведут CRM;
• звонят с личных телефонов;
• переписываются в личном WhatsApp;
• не ставят задачи;
• не закрывают сделки;
• не фиксируют причины отказов.

И компания хочет внедрить AI-анализ продаж.

Что именно должен анализировать AI?

Он не видит:

• полную историю клиента;
• настоящий статус сделки;
• все коммуникации;
• следующий шаг.

В итоге AI получает только фрагменты.

А по фрагментам нельзя построить качественную аналитику.

Почему CRM — фундамент AI в продажах

CRM создаёт структуру.

Без неё клиентская история разрознена.

С CRM можно собрать:

клиент → лид → сделка → звонки → переписка → задачи → КП → результат.

Именно эта связанная история делает AI полезным.

Например, AI может определить:

Сделка находится на стадии КП 12 дней, активности нет, следующий шаг не назначен.

Без CRM он просто не знает, что эта сделка существует.

1. Без CRM AI не понимает контекст клиента

Клиент может:

• звонить;
• писать;
• встречаться;
• покупать повторно.

Если всё это хранится в разных местах, AI не видит единую историю.

В CRM можно связать:

• компанию;
• контакт;
• сделку;
• коммуникации.

Тогда AI понимает:

с кем мы работаем и на каком этапе отношений находимся.

2. Без CRM невозможно нормально анализировать воронку

AI может искать слабые места продаж только если есть:

• стадии;
• даты переходов;
• суммы;
• ответственные;
• причины проигрыша.

Если менеджер ведёт продажи «в голове», AI нечего анализировать.

3. Без CRM нельзя нормально прогнозировать продажи

Для прогноза нужны:

• текущая воронка;
• сумма сделок;
• стадия;
• ожидаемая дата;
• активность.

Если половина сделок не заведена, прогноз будет ложным.

4. Без CRM невозможно контролировать следующий шаг

Одна из самых важных вещей в продажах:

что должен сделать менеджер дальше?

Если задач нет, AI не может понять:

• сделка движется;
• или менеджер про неё забыл.

5. Без CRM нельзя связать звонок с бизнес-результатом

AI может отлично расшифровать разговор.

Но если непонятно:

• какая это сделка;
• какой клиент;
• чем всё закончилось;

аналитическая ценность ограничена.

Сильный сценарий:

звонок → сделка → результат → оплата.

Но одной CRM тоже недостаточно

Вторая проблема — отсутствие регламентов.

Компания внедрила CRM.

Все сделки там есть.

Но каждый менеджер работает по-своему.

Один отправляет КП сразу.

Другой сначала проводит встречу.

Третий даёт скидку без согласования.

Четвёртый вообще не ведёт follow-up.

Что в такой ситуации считать правильной работой?

AI нужен эталон.

Что такое регламент в контексте AI

Регламент — это не обязательно 100-страничный документ.

Это понятный ответ:

Как должен работать процесс?

Например, для первичной продажи:

1. Ответить клиенту.
2. Выявить задачу.
3. Определить ЛПР.
4. Уточнить сроки.
5. Согласовать следующий шаг.

Теперь AI может сравнить:

как должно быть

и

как произошло фактически.

6. Без регламента AI не знает, что считать ошибкой

Например:

AI видит, что менеджер не спросил бюджет.

Это ошибка?

Если по методологии компании бюджет нужно выяснять на первом разговоре — да.

Если только после технического расчёта — нет.

Значит, AI-чек-лист должен строиться на реальном процессе компании.

7. Без регламента нельзя качественно оценивать звонки

Плохая постановка:

Оцени звонок от 1 до 10.

Хорошая:

Проверь: потребность, ЛПР, срок, возражения, следующий шаг.

Тогда оценка становится понятной и управляемой.

8. Без регламента AI начинает давать слишком общие советы

Например:

Менеджеру стоит лучше работать с клиентом.

Это бесполезно.

Если есть процесс:

Менеджер не согласовал дату следующего контакта.

Это конкретно.

9. Без регламента невозможно автоматизировать действия

AI может обнаружить:

Сделка без активности.

Что дальше?

Если есть регламент:

5 дней без активности → задача менеджеру → 2 дня без реакции → уведомление РОПу.

Тогда AI становится частью процесса.

10. Регламент нужен не только продажам

То же самое касается:

• производства;
• финансов;
• HR;
• сервиса;
• закупок.

Например, AI анализирует дебиторку.

Но сначала компания должна определить:

Когда долг считается критичным?

Через 5 дней?

30?

В зависимости от клиента?

Без правил AI выдаёт много шума.

Третий фундамент — качественные данные

Даже если CRM есть и процессы описаны, остаётся ещё одна проблема.

Данные могут быть плохими.

Например:

• дубли клиентов;
• пустые поля;
• неверные даты;
• сделки годами висят открытыми;
• причина отказа всегда «другое»;
• в 1С одна цифра, в CRM другая.

AI будет анализировать именно эти данные.

Garbage in — garbage out

Это базовый принцип аналитики.

Если на входе мусор, на выходе будет:

очень убедительно сформулированный мусор.

И это даже опаснее обычной ошибки.

Потому что AI умеет красиво объяснять.

Руководитель может поверить неверному выводу.

11. Дубли клиентов ломают аналитику

Например, одна компания есть как:

ТОО Альфа

Альфа

ALFA LLP

AI может посчитать это тремя клиентами.

В результате:

• история покупок разбивается;
• churn-анализ искажается;
• LTV считается неверно.

12. Неверные стадии ломают прогноз

Менеджер оставил сделку на стадии:

Договор

хотя клиент уже отказался.

AI думает:

сделка близка к закрытию.

Прогноз выручки становится завышенным.

13. Неправильные даты ломают прогнозирование

Например, все сделки имеют дату закрытия:

последний день месяца.

AI начинает видеть искусственный паттерн.

И прогноз становится бессмысленным.

14. Плохие причины отказов ломают анализ потерь

Если менеджеры выбирают:

«Дорого»

во всех случаях, AI видит:

Главная проблема компании — цена.

Хотя реальные причины могут быть:

• долгий ответ;
• слабый follow-up;
• отсутствие ЛПР.

15. Некорректная себестоимость ломает AI-анализ маржи

Например, в 1С себестоимость ещё не рассчитана.

AI получает:

0 ₸

и сообщает:

Маржинальность 100%.

Проблема не в AI.

Проблема в данных.

16. Неактуальные остатки ломают прогноз дефицита

AI может прекрасно посчитать:

Товара хватит на 18 дней.

Но если складской остаток неверный, вывод бесполезен.

Поэтому AI-проект — это ещё и data quality проект

Нужно определить:

• какие данные обязательны;
• кто за них отвечает;
• как проверяется качество;
• где источник истины.

Именно это делает AI надёжным.

CRM + регламент + данные работают вместе

Эти три элемента нельзя рассматривать отдельно.

CRM

Фиксирует процесс.

Регламент

Определяет, как процесс должен работать.

Данные

Показывают, что реально произошло.

AI анализирует разницу.

Вот где появляется ценность.

Пример из продаж

Регламент:

После КП следующий контакт должен быть не позже чем через 2 рабочих дня.

CRM:

хранит дату КП и активности.

AI:

находит:

17 сделок нарушают правило.

И создаёт список приоритетов для РОПа.

Без одного из трёх элементов такой сценарий не работает.

Пример из производства

Регламент:

После получения предоплаты производственный заказ запускается в течение 1 дня.

1С:

показывает оплату.

Производственная система:

показывает запуск.

AI:

6 заказов нарушили норматив.

Это уже управленческий сигнал.

Пример из финансов

Регламент:

Просрочка больше 15 дней по клиентам категории A требует эскалации.

1С:

даёт задолженность.

CRM:

даёт ответственного менеджера.

AI:

У трёх ключевых клиентов просрочка выше нормативной, но эскалация не запущена.

Пример из сервиса

Регламент:

Критичное обращение должно получить ответ в течение 30 минут.

CRM или service desk:

даёт обращения и время.

AI:

выявляет нарушение SLA.

AI работает лучше там, где процессы уже оцифрованы

Есть закономерность.

Чем более цифровая компания, тем легче внедрять AI.

Потому что уже есть:

• история;
• статусы;
• идентификаторы;
• ответственные;
• события.

AI получает качественный фундамент.

Можно ли внедрять AI, если CRM пока плохая

Да.

Но тогда первый этап проекта — не «AI».

Первый этап:

привести CRM в порядок.

Например:

• очистить воронку;
• настроить обязательные поля;
• подключить телефонию;
• вернуть переписки;
• определить причины отказов.

После этого AI уже даст значительно больше пользы.

Нужно ли сначала идеально регламентировать всё

Нет.

Это другая крайность.

Не нужно два года описывать процессы.

Достаточно для первого AI-сценария определить:

• 5–10 ключевых правил;
• нужные поля;
• KPI.

Например, для AI-анализа звонков:

1. Выявить потребность.
2. Определить ЛПР.
3. Уточнить срок.
4. Отработать возражение.
5. Согласовать следующий шаг.

Этого уже достаточно для пилота.

Нужно ли идеально очистить все данные

Тоже нет.

Нужно подготовить тот контур, который относится к конкретному AI-сценарию.

Если запускаем:

AI-анализ продаж,

не нужно сначала исправлять всю складскую систему.

Это позволяет не превратить проект в бесконечную трансформацию.

Порядок зрелого внедрения

Лучше двигаться так:

Процесс → CRM / учётная система → регламент → качественные данные → BI → AI.

При этом этапы могут идти параллельно.

Но полностью перепрыгнуть базу сложно.

Где обычная автоматизация лучше AI

Очень важно не использовать AI там, где достаточно обычного правила.

Например:

Если задача просрочена — уведомить руководителя.

AI не нужен.

Это CRM-робот.

Или:

Если оплата получена — перевести сделку на следующую стадию.

Это интеграция и автоматизация.

Где AI действительно нужен

Там, где нужно:

• анализировать текст;
• находить закономерности;
• прогнозировать;
• объяснять отклонения;
• работать с неструктурированными данными.

Например:

Почему клиенты отказываются?

Вот здесь AI уже полезен.

AI не исправляет плохой процесс

Представим:

коммерческое предложение готовится 7 дней.

AI может сказать:

Клиенты уходят из-за долгого расчёта.

Но сам факт наличия AI не сократит 7 дней.

Нужно изменить процесс.

То есть:

AI обнаруживает проблему.

Бизнес должен её исправить.

AI не заменяет управленческую дисциплину

Например:

AI каждое утро сообщает:

8 сделок без активности.

Но РОП ничего не делает.

Через месяц ситуация та же.

Тогда ценность AI близка к нулю.

AI должен быть встроен в управленческий цикл

Правильная схема:

AI обнаружил → CRM создала задачу → сотрудник отработал → руководитель проконтролировал → результат измерили.

Только так появляется экономический эффект.

Почему BI тоже часто нужен до AI

BI даёт прозрачную цифру.

Например:

Конверсия — 18%.

AI уже объясняет:

Основное падение происходит после КП.

Если сама компания не может договориться, чему равна конверсия, AI только усилит путаницу.

Не все расчёты должен делать LLM

Точные показатели лучше считать:

• в 1С;
• BI;
• коде;
• SQL.

Например:

маржа = формула.

А AI уже объясняет:

Почему она упала.

Это более надёжная архитектура.

Что такое хороший AI-контур

Например:

Bitrix24

даёт:

• клиентов;
• сделки;
• звонки.

1С

даёт:

• оплаты;
• товары;
• себестоимость.

BI

рассчитывает:

• KPI.

AI

выявляет:

• причины;
• риски;
• рекомендации.

Каждая система делает то, что умеет лучше.

Что происходит, если всё отдать AI

Плохая архитектура:

AI сам найдёт данные, посчитает KPI, определит правила и примет решение.

Слишком много ответственности в одном месте.

Правильнее:

факты → системы

правила → бизнес

интерпретация → AI

решение → человек.

Первый тест готовности бизнеса к AI

Задайте простой вопрос:

Если два руководителя попросят показать выручку за прошлый месяц, они получат одну цифру?

Если нет, проблема пока не в AI.

Нужно сначала определить:

источник истины.

Второй тест

Можно ли открыть любого клиента и увидеть всю историю взаимодействия?

Если нет — нужен CRM-контур.

Третий тест

Понимают ли менеджеры, что должно происходить на каждой стадии?

Если нет — нужны регламенты.

Четвёртый тест

Можно ли доверять данным системы?

Если ответ:

«Ну примерно»,

то AI-проект требует сначала работы с качеством данных.

Пятый тест

Если AI обнаружит проблему, кто и что должен сделать?

Если ответа нет — проект ещё не встроен в процесс.

Как подготовить CRM к AI

Полезно проверить:

• единые стадии;
• обязательные ключевые поля;
• следующую активность;
• причины проигрыша;
• связку клиента и сделки;
• телефонию;
• переписку.

Не нужно превращать CRM в огромную анкету.

Нужен минимум качественных данных.

Как подготовить регламенты

Не обязательно писать книгу.

Можно создать простые правила.

Например:

Сделка

Не может быть без следующей задачи.

КП

Follow-up не позже 2 дней.

Скидка

Выше 10% требует согласования.

Проигрыш

Обязательна причина.

Теперь AI понимает, где отклонение.

Как подготовить данные 1С

Например:

• устранить критичные дубли;
• определить источник себестоимости;
• связать заказы с клиентами;
• актуализировать справочники.

Особенно если AI будет анализировать:

• маржу;
• дебиторку;
• склад.

Как определить master-системы

Например:

Клиенты и коммуникации → Bitrix24.

Оплаты и себестоимость → 1С.

KPI → BI.

AI не должен сам выбирать, какой цифре верить.

Что делать с Excel

Не обязательно полностью запрещать его.

Но критичные данные лучше не держать только в файлах:

финал_v7_последний_точно.xlsx

Иначе AI сложно определить актуальную версию.

Почему корпоративные документы тоже нужно привести в порядок

Если AI работает через RAG, он будет искать:

• регламенты;
• инструкции;
• политики.

Если одновременно есть:

Регламент продаж 2023

и

Регламент продаж новый FINAL 2

AI может взять устаревшую версию.

Поэтому нужен контроль актуальности документов.

AI нужен owner данных

У каждого набора данных должен быть ответственный.

Например:

Продажи → РОП.

Финансы → CFO.

Номенклатура → ответственный за 1С / коммерческий блок.

Без владельцев качество постепенно деградирует.

AI нужен owner бизнес-результата

Отдельно нужен тот, кто отвечает за эффект.

Например:

AI-анализ звонков:

РОП.

AI-прогноз сроков:

директор производства.

AI-финансовый помощник:

CFO.

Это не должен быть только IT-проект.

Какие AI-сценарии можно запускать даже при средней зрелости

Например:

• резюме звонков;
• протоколирование встреч;
• поиск по базе знаний;
• классификация обращений.

Они требуют меньше структурированных данных.

Какие сценарии требуют высокой зрелости

Например:

• прогноз выручки;
• churn prediction;
• маржинальность;
• predictive maintenance;
• AI-CFO.

Здесь ошибки в данных уже сильно влияют на результат.

Три уровня AI-зрелости компании

Уровень 1. AI-помощники

• тексты;
• резюме;
• документы.

Низкие требования к архитектуре.

Уровень 2. AI-аналитика

• продажи;
• звонки;
• клиенты.

Нужна CRM и история.

Уровень 3. AI-управление

• прогнозы;
• рекомендации;
• агенты.

Нужны качественные данные, регламенты и интеграции.

Чем выше уровень — тем сильнее требования к фундаменту.

Пример: почему не работает AI-прогноз продаж

Компания подключила модель.

Прогноз постоянно ошибается.

Разбираемся.

В CRM:

• 40% сделок без актуальной даты;
• старые сделки не закрываются;
• стадии не соответствуют реальности.

Проблема не в модели.

После очистки CRM качество прогноза может вырасти сильнее, чем после замены нейросети.

Пример: почему не работает AI-анализ звонков

AI оценивает разговоры.

Менеджеры спорят с оценками.

Почему?

Потому что нет утверждённого стандарта звонка.

Решение:

сначала создать чек-лист.

Потом обучать AI на нём.

Пример: почему не работает AI-анализ маржинальности

AI показывает странные значения.

Оказывается:

себестоимость обновляется только после закрытия периода.

Решение:

разделить:

плановую

и

фактическую

маржу.

Пример: почему не работает AI-retention

AI считает десятки клиентов спящими.

Но часть из них сезонные.

Причина:

нет сегментации и правил клиентского цикла.

Снова проблема не в нейросети.

Как внедрять AI правильно

Этап 1. Выбрать бизнес-задачу

Например:

Снизить потерю сделок после КП.

Этап 2. Описать процесс

Как он должен работать.

Этап 3. Определить данные

Что нужно для анализа.

Этап 4. Привести CRM в порядок

Только необходимый контур.

Этап 5. Определить регламент

5–10 правил.

Этап 6. Проверить качество данных

На выборке.

Этап 7. Построить baseline

Что происходит сейчас.

Этап 8. Подключить AI

В режиме рекомендаций.

Этап 9. Встроить результат в процесс

Задачи и уведомления.

Этап 10. Измерить бизнес-эффект

А затем масштабировать.

Как Profi Soft подходит к AI-проектам

В Profi Soft мы рассматриваем AI не как отдельную технологию.

Сначала строится цифровой фундамент:

CRM + 1С + процессы + данные + аналитика.

И уже поверх него добавляется AI.

Например:

Bitrix24

управляет клиентами и процессами.

1С

хранит фактическую экономику.

BI

структурирует показатели.

AI

анализирует, прогнозирует и объясняет.

Так появляется единая цифровая архитектура бизнеса.

Что может входить в AI-аудит Profi Soft

• аудит Bitrix24;
• аудит 1С;
• аудит процессов;
• проверка качества данных;
• анализ регламентов;
• карта интеграций;
• определение master-систем;
• выбор AI-сценариев;
• оценка готовности;
• roadmap внедрения.

Что получает руководитель

Не просто заключение:

«AI внедрять можно».

А понятную карту:

Что уже готово.

Что нужно исправить.

Какой AI-сценарий запускать первым.

Какой KPI измерять.

Что получает собственник

Самое важное — понимание, почему AI должен быть частью системы управления.

Не отдельным чат-ботом.

Например:

CRM фиксирует событие.

1С подтверждает факт.

AI объясняет риск.

Bitrix24 ставит задачу.

Руководитель контролирует результат.

Это замкнутый управленческий цикл.

Главный вывод

AI не работает качественно без трёх вещей:

CRM — чтобы процесс был оцифрован.

Регламентов — чтобы было понятно, что считать нормой.

Качественных данных — чтобы выводам можно было доверять.

Если одного элемента нет, результат быстро ухудшается.

Поэтому правильная последовательность выглядит так:

процесс → регламент → CRM / 1С → качественные данные → BI → AI.

При этом не нужно ждать идеала.

Можно начать с одного процесса и одного AI-сценария.

Но фундамент должен быть достаточно качественным.

Именно поэтому AI-трансформация компании часто начинается не с нейросети.

Она начинается с наведения порядка в самом бизнесе.

Закажите аудит готовности компании к AI

Если компания хочет внедрить:

• AI-анализ продаж;
• AI-помощника руководителя;
• AI-финдиректора;
• прогнозирование;
• анализ звонков;
• AI для производства,

но процессы и данные пока находятся в разных системах, начинать лучше с диагностики.

Команда Profi Soft поможет:

• проверить CRM;
• проверить данные 1С;
• определить ключевые регламенты;
• найти разрывы в процессах;
• определить первые AI-сценарии;
• построить архитектуру внедрения.

Оставьте заявку на аудит. Мы покажем, что нужно привести в порядок до внедрения AI и какой сценарий можно запустить первым, чтобы получить измеримый бизнес-эффект.

Чек-лист готовности бизнеса к AI

Проверьте, есть ли у компании:

• CRM для клиентских процессов;
• единые стадии продаж;
• обязательная следующая активность;
• понятные причины отказа;
• подключённые звонки;
• подключённые переписки;
• структурированные данные 1С;
• определённые master-системы;
• единые справочники;
• минимум дублей;
• актуальные даты;
• история изменений;
• утверждённые KPI;
• регламент ключевых процессов;
• правила работы с отклонениями;
• BI или проверяемая управленческая аналитика;
• владельцы данных;
• владелец AI-бизнес-кейса;
• качественный baseline;
• понятный процесс после AI-сигнала.

Если значительной части этого пока нет, это не значит, что AI внедрять нельзя. Это значит, что первым этапом должен стать цифровой фундамент.

Часто задаваемые вопросы

Можно ли внедрить AI без CRM?

Для отдельных задач — да. Например, работа с документами. Но для анализа продаж, клиентов и воронки CRM обычно является важной основой.

Зачем AI регламенты?

Чтобы понимать, какое действие является нормальным, а какое — отклонением.

Нужно ли идеально заполнить CRM перед AI?

Нет. Нужно обеспечить достаточное качество данных именно для выбранного сценария.

Может ли AI сам очистить данные?

Он может помогать находить дубли и аномалии, но правила качества и источники истины должна определить компания.

Зачем подключать 1С?

Если нужны фактические оплаты, себестоимость, склад, история покупок и другие учётные данные.

Может ли AI работать только по звонкам?

Да, но без связи с CRM трудно понять бизнес-результат конкретного разговора.

Почему AI-прогноз может ошибаться?

Одна из частых причин — неактуальные стадии, суммы, даты и «мёртвые» сделки в CRM.

Что важнее — хорошая модель или хорошие данные?

Для большинства корпоративных сценариев улучшение данных и процесса нередко даёт больший практический эффект, чем простая замена одной сильной AI-модели на другую.

С чего начать подготовку?

С одной конкретной бизнес-задачи, описания процесса и проверки данных, необходимых для её решения.

Какая правильная архитектура?

Для многих проектов это связка Bitrix24 + 1С + BI + AI, где каждая система отвечает за свой слой.