У британского поставщика мяса Swaledale Butchers около 70% заказов приходило через WhatsApp. Сотрудникам нужно было расшифровать разговорные формулировки, сверить товары и вручную перенести заявку в учетную систему. После подключения ИИ-агента среднее время обработки заказа сократилось с двух минут до восьми секунд.
Раньше сотрудник вручную переносил каждый заказ в систему. Теперь он проверяет уже готовую заявку, поэтому за то же время команда успевает обработать больше заказов.
На примерах закупок, продаж, финансовых операций и логистики посмотрим, какие этапы B2B-процесса уже берут на себя агенты, когда к работе подключается человек, и что бизнес получает от такой схемы.
Как агентные цепочки автоматизируют B2B-закупки
В B2B-поставках заказ нередко приходит голосовым сообщением: клиент использует разговорные названия, ссылается на прошлые покупки и просит «две коробки», не уточняя количество единиц в самой коробке. Для покупателя оформление на этом заканчивается, а на стороне поставщика начинается ручная обработка запроса. Эту ручную часть процесса и можно передать агенту.
ИИ-агент — это автономная программа на базе языковой модели, которая получает от системы не просто вопрос, а конечную бизнес-цель. В отличие от обычного чат-бота, способного только отвечать текстом, агент самостоятельно строит план действий, обращается к внешним инструментам (ERP, CRM, базам данных, API) и проводит полноценную хозяйственную операцию без постоянного участия человека.
Что делает цепочку агентной
Отдельные инструменты автоматизации существовали и раньше: распознавание речи переводило звонок в текст, OCR вытаскивал строки из снимка накладной, а интеграции передавали данные в базу. Настоящая агентность появляется тогда, когда между этими элементами возникает связный процесс.
Система принимает текст, голосовую запись, изображение или документ, самостоятельно извлекает товары и параметры, сверяет их с каталогом и историей конкретного клиента, а затем формирует готовый документ в ERP. Агент берет результат одного шага, использует его на следующем, сам разрешает часть неоднозначностей и определяет, достаточно ли он уверен для самостоятельного проведения операции. Если в заявке встречается незнакомый товар или сомнительная формулировка, заказ отправляется оператору — но уже в виде собранного и распознанного черновика.
На практике такие цепочки уже собираются как платформы вокруг конкретного процесса. Один из самых наглядных примеров — прием заказов в ресторанном бизнесе.
Платформа Choco для ресторанов и продуктовых дистрибьюторов. Ее инструмент OrderAgent разбирает сообщения и файлы, а второй компонент цепочки VoiceAgent принимает звонки в нерабочее время. Для частых заказов предусмотрен режим Autopilot: если уровень уверенности алгоритма превышает заданный порог, операция проводится полностью автоматически.
По их же данным, система обрабатывает свыше 8,8 млн заказов в год, снижает объем ручного ввода до 50% и в отдельных внедрениях удваивает производительность отдела продаж без расширения штата (при частоте ошибок в пределах 1–5%).
Профит такой автоматизации выходит далеко за рамки экономии пары минут на заявке:
-
Сохранение привычек клиента: покупателям не нужно осваивать новые порталы или личные кабинеты — система подстраивается под их привычный канал связи.
-
Круглосуточный прием: ночные и вечерние обращения обрабатываются сразу, не дожидаясь начала рабочей смены.
-
Перераспределение ресурсов: ручной перенос данных поддерживает уже совершенную сделку, но не растит ее чек. Освободившись от перепечатывания текстов, менеджеры могут тратить время на диалог с клиентами, подбор замен, допродажи и решение проблем с поставками.
Цена ошибки и ограничение автономности
При этом передача последнего шага прямо в ERP существенно повышает цену ошибки. Неверно ответивший чат-бот вызывает лишь раздражение, а неправильно сформированный B2B-заказ приводит к отправке не того товара, логистическим накладкам, возвратам и прямым финансово-временным убыткам.
У ошибки агентов высокая цена, поэтому у них нет одинаковой свободы во всех заказах. Автоматически проходят операции от проверенных клиентов, со знакомыми позициями и при высокой уверенности системы. Если заказ неоднозначный, дорогой или его трудно отменить, агент передает сотруднику уже собранные данные и готовый черновик.
Так появляется первая устойчивая роль человека в агентной системе: контролировать платформу и подключаться на последней, самой сложной и прибыльной миле. В коротком заказе это проверка неоднозначной позиции; в длинной продаже — переговоры и финальные условия.
Переход от CRM к агентной платформе
Чтобы понять природу агентных моделей, зайдем с другого примера — покупки авто. Это редко происходит за один визит на сайт. Покупатель сравнивает модели, уточняет техсостояние, требует тест-драйв, переносит встречи, изучает кредитные условия и советуется с семьей и друзьями. После первого осмотра он может пропасть на неделю, вернуться к совершенно другой машине или уйти из-за цены. Для компании эта история распадается на десятки звонков, напоминаний и смен статусов в CRM.
Автоматизировать отдельные действия в такой цепочке несложно: система способна отправить SMS перед встречей или поставить менеджеру задачу «перезвонить во вторник». Но классическая автоматизация не понимает контекст сделки в целом. Она слепо исполняет заранее заданное правило, не способна оценить, стоит ли продолжать диалог, какое предложение сделать следующим и в какой момент клиенту действительно необходим человек.
Агентная цепочка работает иначе: она удерживает контекст взаимодействия, отслеживает состояние сделки и подбирает следующий шаг на основе реального поведения пользователя:
-
Изменился бюджет? Агент перестраивает подборку и предлагает альтернативные варианты из каталога.
-
Пропущен тест-драйв? Система мягко уточняет причину и предлагает выбрать новые даты.
-
Клиент сомневается после встречи? Агент выясняет стоп-факторы и возвращается с подходящими условиями или новым офером.
Тут автоматизируется длинный процесс, развивающийся в течение нескольких дней или недель.
Кейс Cars24
Индийская платформа Cars24 использует голосовых и текстовых агентов на всех этапах покупки, продажи и финансирования подержанных автомобилей.
На стороне покупателя агент квалифицирует клиента (уточняет бюджет, размер семьи, особенности поездок), подбирает варианты, организует тест-драйв и помогает с расчетом кредита. Перед встречей система подтверждает визит, а после — уточняет впечатления, предлагает альтернативы или помогает перейти к оформлению. После сделки та же цепочка сопровождает вопросы гарантии и обслуживания.
На стороне же продавца агент собирает данные об авто, назначает технический осмотр и отрабатывает пропущенные встречи. Если владелец продал машину конкурентам, система фиксирует их условия для аналитики. Клиентов, выпавших из воронки, агент периодически проверяет повторно, уточняя актуальность продажи и реакцию на новые цены.
В обычной CRM менеджер ведет клиента сам, а система хранит историю и напоминает о следующем шаге. В агентной же платформе роли меняются: система сама связывается с клиентом, обрабатывает ответ и продолжает типовой сценарий, а менеджер контролирует процесс и подключается, когда нужны переговоры или нестандартное решение.
Так платформа ведет типовую часть сделки и не дает слабым лидам выпадать из воронки. За человеком остаются контроль, сложные переговоры и согласование финальных условий. Другими словами, он становится кнопкой «Одобрить» — прямо как в агентном режиме работы условного Codex. Ну а от самого человека будет зависеть, проводить контроль или полностью довериться предложенным агентом условий.
Но вести одну сделку — только первый уровень. Чтобы провести ее от начала до конца, платформе приходится координировать уже несколько систем, подразделений и источников данных.
Как агенты связывают системы внутри компаниии за ее пределами
Во многих бизнес-процессах основная нагрузка возникает далеко не в момент принятия сложного решения. Огромное количество времени уходит на банальные переходы между вкладками и приложениями: найти нужный счет, проверить историю переписки, сопоставить платеж, обновить статус в CRM, отправить письмо клиенту, запросить данные у подрядчика и перенести результат обратно в учетную систему. Каждый шаг по отдельности прост, но вместе они образуют длинную цепочку, которую сотруднику приходится удерживать вручную.
Кейс Microsoft: объединение разных систем в рамках одной компании
Яркий пример такой рутины — взыскание корпоративной задолженности.
В Microsoft специалисты по работе с платежами были вынуждены постоянно переключаться между SAP, Dynamics 365, электронной почтой и внешними источниками. Перед каждым контактом с клиентом менеджеру требовалось вручную выяснять список просроченных счетов, проверять поступления, историю споров и предыдущие коммуникации. После разговора вся обновленная информация снова вручную разносилась по системам.
Компания объединила эти разрозненные действия в единый агентный контур, который выпустила совсем недавно. Система автоматически агрегирует сведения о счетах и платежах, прогнозирует вероятные просрочки и расставляет приоритеты в работе. Агент самостоятельно связывает поступающие денежные средства с конкретными счетами и отрабатывает типовые обращения, передавая человеку только нестандартные случаи — возникновение споров, согласование особых условий или неидентифицированные платежи.
По данным Microsoft Inside Track, точность автоматического сопоставления платежей со счетами выросла с 40 до 90%, а 98% всех поступлений теперь удается отнести к нужному счету в течение 48 часов. При этом время подготовки сотрудников к переговорам с должниками сократилось примерно на 40%. Здесь агент снимает с финансового специалиста ручную координацию между программами и превращает разрозненный поток задач в подготовленную очередь исключений.
В Microsoft агентный контур соединяет программы одной компании. Sundays показывает следующий шаг: тот же слой координации выходит наружу и начинает связывать заказчика, склад и независимых перевозчиков.
Кейс Sundays: объединение через агентскую платформу разных систем из разных компаний
Следующий шаг изменений B2B-процессов возникает, когда система выходит за пределы внутренней инфраструктуры организации и начинает взаимодействовать с внешним рынком. Производитель мебели Sundays использует платформу Cartage AI для полной организации грузоперевозок. Получив данные о сформированном заказе, агент самостоятельно запрашивает тарифы у сторонних перевозчиков, сравнивает доступные варианты, бронирует оптимальную доставку и отслеживает перемещение груза (собственно, взаимодействует с разными системами от разных компаний).
Платформа может чаще проверять статусы, сравнивать больше предложений и раньше замечать отклонения.
Выход агента во внешнее окружение требует значительно более жестких рамок, чем работа с внутренними отчетами. Ошибка в справке останется незамеченной до проверки, а ошибка при бронировании перевозки или проведении платежа мгновенно создает юридические и финансовые обязательства.
Граница автономности определяется не самим фактом возможной ошибки, а формализуемостью, ценой и обратимостью действия. Агенту можно передать постоянный обмен данными, мониторинг статусов и типовые согласования в пределах заданных лимитов. За человеком остаются споры, крупные суммы, изменение условий и ситуации, выходящие за границы регламента.
На этом уровне на платформу проходят запросы, статусы, тарифы и обязательства нескольких компаний — фактически она становится информационной средой, в которой участники рынка координируют сквозные операции.
Крупная компания может построить внутренний агентный контур, но ей трудно самостоятельно подключить к нему множество небольших поставщиков и подрядчиков. Поэтому возникает спрос на внешние платформы, которые задают общий формат обмена, авторизации и контроля.
Пока агентные цепочки замкнуты внутри одной организации, их выгода остается локальной. Настоящий сдвиг начнется, когда агенты разных компаний смогут напрямую находить друг друга и согласовывать сделки.
Закупочный агент сформирует ТЗ, запросит условия у десятка агентов-поставщиков, сравнит остатки, подтянет логистического бота для расчета доставки и инициирует платеж через банковский сервис. Первые элементы этой инфраструктуры создаются уже сегодня: разрабатываются протоколы межагентского общения, цифровые паспорта авторизации и банкинг с жесткими лимитами на автономные транзакции.
Что меняется, когда процессы не ждут человека
В приведенных кейсах эффект виден прежде всего во времени обработки и объеме ручной работы: у Swaledale заказ стал обрабатываться за восемь секунд вместо двух минут, Choco сообщает о сокращении ручного ввода максимум наполовину, а Microsoft — о снижении времени подготовки к звонкам по задолженности примерно на 40%.
Но кроме стоимости отдельной операции экономический эффект такого слоя стоит искать в темпе работы: заявки, платежи и отгрузки перестают ждать человека между этапами, а освободившаяся пропускная способность расширяет воронку до мелких заказов и слабых лидов.
Но куда важнее ликвидация пауз между шагами.
Традиционный бизнес-процесс постоянно ждет человека: письмо висит во входящих до утра, заявка ждет звонка менеджера, а поступивший платеж остается нераспознанным до конца недели. Сам процесс занимает минуты, но ожидание растягивается на дни. Агент подхватывает событие мгновенно: принимает заявку ночью, повторно связывается с клиентом после пропущенной встречи или сразу фиксирует сбой в доставке.
Практический эффект агентной автоматизации прежде всего заметен в темпе работы: заявки, платежи и отгрузки перестают ждать человека между этапами.
Традиционный бизнес-процесс постоянно ждет человека: письмо остается во входящих до утра, заявка ждет звонка менеджера, а поступивший платеж — ручной сверки. Само действие занимает минуты, но ожидание растягивается на часы или дни. Агент подхватывает событие сразу: принимает заявку ночью, повторно связывается с клиентом после пропущенной встречи или фиксирует сбой в доставке.
Такая непрерывность уменьшает потери на стыках этапов. Система не забывает про лиды, не пропускает повторные контакты и не оставляет счета неразобранными. Процесс продолжает двигаться, даже когда сотрудник не может заняться им прямо сейчас.
Кроме того, автоматическая обработка позволяет поддерживать работу с небольшими заказами, слабыми лидами и редкими запросами, на которые у команды раньше не хватало времени.
Агенты устраняют потери на стыках этапов. Забытые лиды, неразобранные счета, пропущенные повторные контакты — все это невидимая утечка выручки. Поддерживая процесс в непрерывном движении, система не просто сокращает косты, но и удерживает деньги, которые раньше терялись.
Более того, дешевизна агентского внимания делает рентабельной работу с «длинным хвостом»: слабыми лидами, мелкими заказами и редкими запросами, на которые у сотрудников никогда не хватало ресурса..
Куда идем?
К изменениям B2B-процессов, естественно.
Мировая агентная экономика на сегодняшний день складывается из платформ, которые связывают запрос человека, корпоративные системы и действия контрагентов в единый процесс. Такие цепочки принимают заказы, ведут сделки, сопоставляют платежи и организуют доставку. Выходя за пределы одной компании, они постепенно превращаются в новый метод взаимодействия между участниками рынка.
И речь выходит далеко за пределы сокращения расходов. Агенты устраняют паузы между этапами и делают рентабельной работу с небольшими заказами, слабыми лидами и редкими запросами, которые раньше было слишком дорого обрабатывать вручную. Компания получает возможность поддерживать больше сделок и связей без пропорционального роста рутинной работы.
Но ускорение не устраняет ограничения — оно переносит их дальше по цепочке. Информация может двигаться кратно быстрее, однако производство, склады, логистика и спрос не масштабируются автоматически.
Не исчезает и человек: вместо участия в каждой стандартной операции он контролирует исключения и отвечает за последнюю милю — сложные переговоры, нестандартные условия и решения с высокой ценой ошибки.
Поэтому вопрос уже не в том, смогут ли агенты обработать больше запросов. Смогут. Вопрос в другом: успеют ли компании перестроить процессы, данные и роли сотрудников под новую скорость и где возникнет следующее узкое место, когда информация начнет двигаться быстрее товаров, организаций и людей?
Автор: Andvecher
