Новости6 августа 2026 г.10 мин чтения

ИИ-агент для продаж: пять шагов воронки, которые можно доверить модели — и один, который нельзя

Разбираем, где заканчиваются проверяемые данные и начинается выдумка о клиенте — и как ограничить агента так, чтобы компания не отвечала по чужим обещаниям.

Джейсон Лемкин, основатель SaaStr, восемь месяцев держал в проде больше 20 агентов на весь go-to-market цикл. Результат — $4,8 млн pipeline и $2,4 млн closed-won revenue. Цена вопроса — 15–20 часов в неделю ручного контроля на каждого из двух партнёров, которые эти агенты курируют. И даже при этом объёме внимания один из агентов самостоятельно предложил клиенту несуществующий спикерский слот на SaaStr Annual — процедура отбора спикеров устроена совсем иначе, но агент этого не знал и не спросил. Качество выправилось только после того, как в инструкции явно прописали, чего агенту делать нельзя (SaaStr).

Это не история про плохую настройку. Это история про то, что даже у зрелого практика с максимальным вниманием к деталям агент придумывает факты о будущем клиента — а не просто ошибается в дате или имени. Аналитики Gartner ожидают отмену свыше 40% agentic AI проектов к концу 2027 года именно из-за неясного ROI и слабого риск-менеджмента (Gartner); по словам старшего аналитика Anushree Verma, «большинство agentic AI проектов сейчас — это хайповые эксперименты или proof of concept». Прежде чем выбирать, какой ии агент для продаж ставить на конкретный участок воронки, стоит понять, почему технические ограничения не спасают от содержательной галлюцинации.

Подключите AI-агентов с оплатой в рублях на provod.ai

Лимит на частоту — не лимит на смысл

Вендоры формально закрывают вопрос guardrails. Prospecting Agent от HubSpot ограничивает холодную рассылку тремя письмами на контакт за 90 дней при отсутствии сигнала вовлечённости и предлагает режим Review before sending — ручное утверждение каждого письма (HubSpot). Agentforce у Salesforce работает поверх правил вовлечения, которые задаёт администратор, и Trust Layer с маскированием данных и логированием каждого действия (Salesforce Trailhead). Это реальные, задокументированные ограничения — но они контролируют частоту и доступ, а не содержание.

Кейс SaaStr это и показывает: агент укладывался во все количественные лимиты рассылки, но всё равно сочинил условие, которого не существовало. Лимит на три письма не мешает агенту, условно, в третьем письме предложить скидку в 20% — просто потому, что это статистически правдоподобное продолжение диалога. Разрыв между «частота под контролем» и «содержание под контролем» — это и есть зона, где решается, отдавать участок воронки агенту или нет.

Здесь имеет смысл развести задачи по типу риска. Когда агенту нужно просто нарастить письмо шаблоном, стоит проверить несколько моделей на предсказуемость — не сочиняет ли конкретная модель лишние детали чаще других. Доступ к каталогу моделей через один OpenAI-совместимый API даёт provod.ai: чтобы сравнить, скажем, две модели на одном и том же шаблоне письма, не нужно переписывать интеграцию — меняются base URL и ключ, а клиент остаётся тем же кодом.

Кто отвечает, если агент соврал

Юридический прецедент здесь один, и он не про продажи. Трибунал Британской Колумбии обязал Air Canada выплатить возврат клиенту, которому чат-бот компании неверно назвал условия тарифа на случай тяжёлой утраты — суд отклонил довод авиакомпании о том, что бот является отдельной юридической сущностью (American Bar Association). Сумма небольшая, около $650, но принцип весомый: слова бота — это слова компании. Прямого аналога для B2B sales-агентов пока не было, юрисдикция другая, отрасль другая — но логика ответственности переносится без скидок: если агент обещает клиенту участие в мероприятии или скидку, отказаться от этого обещания компании будет так же трудно, как Air Canada.

Технический директор HubSpot Duncan Lennox, комментируя, как компания открывает CRM для сквозных автономных операций через API и MCP-сервер, формулирует это прямо: «Клиент должен точно знать, к чему у агента есть доступ и что он делает» (CX Today). Это позиция вендора, который сам расширяет права агентов — то есть даже сторона, заинтересованная в автономности, признаёт: прозрачность доступа обязательна именно потому, что ответственность потом ляжет на компанию, а не на модель.

Forrester идёт дальше и переводит это в деньги: по прогнозу на 2026 год, B2B-компании потеряют свыше $10 млрд из-за неконтролируемого использования генеративного ИИ — падения акций, судебных урегулирований, штрафов. Отдельно 19% покупателей, уже сталкивавшихся с genAI-инструментами поставщиков, стали меньше доверять собственным решениям о покупке из-за недостоверной информации от ИИ (Business Wire). Chief Research Officer Forrester Шарин Ливер призывает к «более дисциплинированному, доказательному подходу» — риторика мягкая, но цифра за ней жёсткая.

Продавец тоже может врать

Есть и третий слой риска — не агент выдумывает про клиента, а вендор выдумывает про своего клиента. AI SDR-стартап 11x указывал ZoomInfo и Airtable как клиентов на сайте, хотя обе компании провели лишь короткий пилот и не перешли в продакшен; ZoomInfo пригрозила судом за использование логотипа, а представитель компании сказал журналистам, что продукт «работал значительно хуже, чем наши сотрудники-SDR» (TechCrunch). По оценке того же расследования, 70–80% клиентов 11x расторгали контракт по break-clause в первые три месяца — из заявленных $14 млн ARR барьер прошли клиенты примерно на $3 млн. Это не доказательство того, что сам агент врал в переписке с клиентом — это отдельная, смежная проблема overclaiming со стороны вендора. Но для руководителя продаж вывод практический: проверять нужно не только поведение агента, но и заявления самого поставщика о собственной клиентской базе.

Возражение, которое нельзя обойти

Самое сильное возражение к идее «отдать агенту один измеримый участок» звучит так: даже у Лемкина, с 20+ агентами и жёсткими негативными инструкциями, галлюцинация всё равно произошла, а надзор всё равно стоит 15–20 часов в неделю на человека. Узкое делегирование не устраняет риск фабрикации фактов — оно просто снижает частоту, сохраняя высокую цену постоянного ручного аудита. Если тезис требует непрерывного дорогого надзора, чем он лучше полной автономии?

Разница не в том, что надзор исчезает — он не исчезает нигде, ни у HubSpot, ни у Salesforce, ни у SaaStr. Разница в том, где именно этот надзор нужен. Обогащение лида через цепочку верифицированных провайдеров данных — механическая, проверяемая операция: Clay последовательно опрашивает свыше 150 сторонних источников и в задокументированном кейсе поднимает совпадение контактных данных с 40% при одном источнике до 80%+ при цепочке (Clay). Здесь агент не сочиняет — он агрегирует чужие подтверждённые записи, и надзор сводится к выборочной проверке провайдеров, а не к вычитыванию каждого письма. А формулирование нестандартного условия для клиента — это именно тот шаг, где агент перестаёт агрегировать и начинает придумывать. 15–20 часов в неделю у Лемкина уходят не на проверку CRM-полей, а на переобучение агентов и разбор именно таких содержательных отклонений. Узкое делегирование не убирает надзор — оно концентрирует его там, где он действительно нужен, вместо того чтобы размазывать по всей воронке.

Что отдавать агенту сегодня

Этап воронки	Входные данные	Разрешённое действие агента	Обязательное подтверждение человека	Метрика результата	Цена ошибки
Обогащение лида	Публичные и подключённые провайдеры данных	Каскадный запрос через цепочку провайдеров (waterfall)	Выборочный аудит провайдеров, а не каждой записи	Match rate контактных данных	Низкая — неверный e-mail не долетит
Письмо по шаблону	Утверждённый шаблон + данные лида	Черновик текста строго по шаблону, с явными запретами на условия	Review before sending на каждое письмо до достижения доверия	Open/reply rate, доля писем без ручной правки	Средняя — репутационный риск при спаме
Звонок / диалог	История взаимодействий с лидом	Скрипт-подсказка, квалификация по формальным критериям	Живое подтверждение любого нестандартного условия	Доля квалифицированных лидов	Высокая — устное обещание сложно отозвать
Следующий шаг	Статус диалога	Предложение из закрытого списка стандартных next steps	Утверждение любого шага вне списка (событие, демо, скидка)	Конверсия в следующий этап	Высокая — юридически весит как обещание компании
Обновление CRM	Факт взаимодействия	Запись в служебные статусные поля (дата, счётчик, статус кампании)	Подтверждение для полей сделки и профиля контакта	Точность данных в CRM	Средняя, но растёт при широком scope записи

Границы прав записи в CRM — не абстрактный риск. Официальная документация HubSpot ограничивает автономную запись агента служебными полями учёта рассылки и не описывает полноценное обновление полей сделки (HubSpot — источник 10). А инцидент с coding-агентом на базе Cursor/Claude, который за девять секунд удалил всю продакшен-базу SaaS-компании PocketOS из-за слишком широкого API-токена, показывает ту же логику в другом контексте: чем шире права на запись, тем меньше связь между лимитом на частоту действий и реальным контролем последствий (Unite.AI).

Для руководителя продаж, который тестирует несколько моделей под черновики писем прежде чем сузить выбор, вопрос бюджета встаёт быстро — если параллельно гонять три модели на одинаковом наборе лидов, траты нужно видеть по одному счёту. Корпоративное пространство provod.ai с рублёвой оплатой и контролем расходов команды закрывает именно этот момент — не как альтернатива guardrails, а как условие, чтобы тестирование моделей не превратилось в отдельную статью незапланированных трат.

Правило простое и проверяемое: агенту — данные и шаблоны, человеку — любое слово, которое клиент воспримет как обещание.

provod.ai — мировой AI-каталог с оплатой из России

Подключайте нужные модели без зарубежной банковской карты и обходных платёжных схем: доступ работает через российскую платформу, а баланс пополняется в рублях.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Российский способ оплаты не удорожает саму модель: цена соответствует официальному тарифу 1:1, без собственной наценки provod.ai.

Начните работать без платёжных барьеров: форма регистрации · цены на модели · защита данных по 152-ФЗ · главная provod.ai