Разбор того, как команда развития бизнеса Anthropic использует ИИ для исследования клиентов, подготовки ответов и аналитики, превращая рутину в масштабируемые процессы.
3 мин
Компания Anthropic поделилась практическим опытом использования собственной языковой модели Claude для автоматизации процессов в отделе развития бизнеса. Этот кейс наглядно демонстрирует, как искусственный интеллект переходит от роли простого текстового генератора к функции полноценного цифрового сотрудника, глубоко интегрированного в корпоративные системы.
Традиционно специалисты по развитию бизнеса (BDR) тратят значительную часть рабочего времени на рутинные задачи. Им приходится вручную исследовать сотни компаний, искать нужные контакты, составлять персонализированные письма и обновлять данные в CRM-системах. Джон Альберт, представитель отдела развития бизнеса в Anthropic, отмечает, что до внедрения автоматизации управление входящими запросами занимало у него около пяти часов в день. Большая часть этого времени уходила на ответы на однотипные вопросы о продуктах от потенциальных клиентов.
Изображение из источника
Для решения этой проблемы команда внедрила систему на базе инструмента Claude Cowork. Фундаментом для автоматизации входящих запросов стала единая база знаний. В ней собраны наиболее частые вопросы клиентов и эталонные ответы на них. На основе этого документа работает специальный навык, который запускается каждый час. Он сканирует почтовый ящик сотрудника, анализирует контекст входящих писем и готовит черновики ответов. Важно отметить, что система учитывает индивидуальный стиль письма каждого менеджера, предварительно проанализировав его предыдущие тексты. Человеку остается только проверить, при необходимости отредактировать и отправить сообщение.
Автоматизация исходящих продаж и работы с CRM построена на ночных фоновых задачах. Claude подключается к Salesforce, аналитическим инструментам и корпоративным хранилищам данных для глубокого исследования целевых компаний. Утром менеджер получает готовую сводку, оценку перспективности и план действий по каждому клиенту. Другой навык отвечает за поддержание актуальности данных в Salesforce. Анализируя переписку в Gmail и расшифровки встреч, ИИ предлагает перевести сделку на следующий этап, обязательно аргументируя свое решение. В случае отклонения предложения менеджером, система запоминает причину, чтобы не повторять ошибку в будущем.
Изображение из источника
Помимо базовых коммуникаций, Claude используется для аналитики и обучения сотрудников. Специальный навык анализирует расшифровки звонков с клиентами и оценивает их по внутренним критериям компании. Система выделяет три удачных момента, три зоны для роста и дает главную рекомендацию для следующих переговоров. Также ИИ помогает находить скрытые возможности для продаж, анализируя данные об использовании продукта текущими клиентами и сопоставляя их с историей взаимодействий.
Основываясь на своем опыте, команда Anthropic сформулировала несколько ключевых принципов внедрения ИИ в отделы продаж. Во-первых, необходимо начинать с создания качественной базы знаний, которую можно собрать с помощью самого ИИ из существующих документов. Во-вторых, модели нужно предоставлять четкие примеры успешных писем и профиль идеального клиента. В-третьих, критически важно сохранять контроль человека над отправкой сообщений и регулярно передавать системе обратную связь для корректировки ее поведения.
Этот кейс показывает вектор развития корпоративного программного обеспечения. Искусственный интеллект становится связующим звеном между разрозненными инструментами: почтой, календарем, CRM и базами данных. По мере развития подобных систем роль специалистов по продажам будет смещаться от ручного сбора информации к стратегическому планированию и построению глубоких доверительных отношений с клиентами.
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
Интеграция ИИ в качестве цифрового ассистента позволяет автоматизировать рутину в продажах, экономя часы рабочего времени ежедневно.
Главный фактор успеха автоматизации — не мощность самой модели, а качественная база знаний и постоянная обратная связь от человека при корректировке ошибок.
