Вы узнаете, какие элементы “роя агентов” на основе Claude Code реально применимы в B2B-продажах, а какие - требуют адаптации под российские реалии: доступность инструментов, языковой барьер, интеграция с Битрикс24.
Я посмотрел видео “AI Прорыв” о рое AI-агентов на Claude Code. Технология красивая. Но зацепило другое - как точно эта логика ложится на боль, которую мы в ЗЕБРА видим каждый день.
Наши клиенты - производственники, оптовики, сертификационные центры. Отдел продаж - 5-10 человек, РОП, который ещё и сам продаёт. Контент? Какой контент? Им бы заявки обработать, КП дописать, в CRM сделки не потерять.
А тут - рой агентов, который сам собирает новости, пишет сценарии, генерирует обложки. За вечер. Без команды.
Разбираемся, что из этого реально применимо в B2B-продажах и автоматизации на Битрикс24, а что - красивая демка, которая в российских реалиях потребует серьёзной докрутки.
Кому это нужно
Не всем. Вот кому - точно больно без этого.
Собственник малого бизнеса (15-30 человек). Вы - главный продавец, маркетолог и контент-мейкер в одном лице. Времени на посты нет, а клиенты уходят к тем, кто “на слуху”. Рой агентов, который сам пишет посты в вашем стиле - не просто удобство, а способ выгрузить рутину с ключевых сотрудников.
РОП в производственной компании. Менеджеры тратят 40% времени на “на коленке” собранное КП. Каждый раз - разное, каждый раз - с ошибками. Агент, обученный на ваших лучших предложениях и генерирующий черновик за 2 минуты - это не фантастика.
Маркетолог в B2B-опте. Нужно 10 касаний в месяц: письма, посты, кейсы, обзоры. Руками не сделать. Агент-стратег, который планирует контент-план, и агент-сценарист, который пишет под каждый канал - это конвейер без выходных.
Что применимо как есть
Логика “рой агентов”
Самое ценное - не код, а архитектура. Задача разбивается на этапы, на каждом - свой агент со своей специализацией:
Стратег - Исследователь - Сценарист - Критик - Дизайнер - Публикатор.
Каждый следующий получает результат предыдущего. Критик проверяет качество. Если плохо - отправляет на доработку.
В B2B-продажах работает так же. В ЗЕБРА мы видим это у клиентов: входящий лид - агент-квалификатор (проверяет бюджет и потребность) - агент-сценарист (пишет скрипт под этот сегмент) - агент-аналитик (смотрит, какие слова конвертируют лучше). Та же фабрика, только вместо контента - сделки.
База знаний - главный актив
“Если просто создать агентов и дать промт - получите скучный результат. Главное - обучение на своих материалах”.
Это железобетонно. Мы в ЗЕБРА прогнали через эту логику десятки клиентов. Разница между агентом, обученным на 10 лучших КП компании, и агентом “из коробки” - в разы. Первый выдаёт текст, который менеджер отправляет без правок. Второй - “что-то похожее”, которое приходится переписывать.
Совет: не начинайте с промтов. Начните со сбора базы знаний. Соберите 20-30 лучших КП, скриптов, писем. Загрузите в векторную базу. И только потом пишите промт “напиши КП как в этих примерах”.
Итеративный подход
“После каждого промта тестируйте, потом двигайтесь дальше”.
Не пытайтесь сделать идеального агента с первого раза. Сделайте минимально работающую версию. Протестируйте на одном реальном кейсе. Увидели, что агент пишет слишком общими фразами - добавьте в базу ещё 5 конкретных примеров. Прогнали ещё раз - стало лучше. И так по кругу.
Что требует адаптации в РФ
Claude Code - не панацея
Claude Code требует доступа через API и VPN. Для российского бизнеса - дополнительный слой сложности.
Варианты:
- Локальные LLM (Qwen, Llama, Mistral) через Ollama или LM Studio - работают офлайн, но нуждаются в мощном железе
- Гибридная схема: Claude Code для стратегических задач, локальная модель для операционных
- Российские аналоги - рынок движется в эту сторону
Английский интерфейс - барьер
Claude Code - среда для разработчиков. Весь интерфейс на английском, промты пишутся на английском. Для РОПа или собственника - порог входа.
Решение: делегировать настройку техническому специалисту или использовать no-code-обёртки (n8n + AI-ноды). Но это уже не “за один вечер”, а “за неделю с подрядчиком”.
GitHub - не для всех
“Выгружайте на GitHub после каждого изменения” - правильно для разработки. Но для бизнес-пользователя - ещё один инструмент.
Альтернатива: встроенные системы контроля версий в no-code-платформах или просто сохранять копии промтов в Google Docs. Не элегантно, но работает.
Как проверить у себя
Когда вам стоит задуматься об AI-агентах:
- менеджеры тратят больше часа на одно КП
- нет единого стандарта качества коммерческих предложений
- информация о клиенте собирается вручную из разных источников
- в CRM нет автоматизации - все действия ручные
- база знаний компании разрозненная или отсутствует
- скорость обработки входящих не контролируется
Если узнали себя хотя бы в трёх пунктах - у вас узкое горлышко, которое AI-агенты могут помочь сократить за несколько недель при условии правильной настройки.
3 действия прямо сейчас
Хотите попробовать подход “рой агентов” - минимальный план.
1. Соберите базу знаний для одного процесса.
Не автоматизируйте всё сразу. Выберите один процесс: “написание КП для входящего лида”. Соберите 10-15 лучших КП. Разложите по папкам: “удачные”, “средние”, “провальные”. Это и есть база знаний.
2. Напишите промт для одного агента.
Начните с одного агента-сценариста. Промт конкретный: “Ты - менеджер по продажам в компании, которая продаёт дробилки и грохоты. Напиши КП для клиента из карьерной отрасли. Используй стиль из примеров в базе. Не используй общих фраз. Укажи характеристики и выгоду”.
3. Прогоните тест на реальном лиде.
Возьмите один реальный запрос. Дайте агенту задачу. Оцените: “можно отправлять как есть” / “нужно поправить” / “ерунда”. Если “ерунда” - добавьте больше примеров в базу. Если “можно отправлять” - вы сэкономили менеджеру 40 минут.
Связка с ЗЕБРА
В ЗЕБРА мы настраиваем такие конвейеры на Битрикс24. Не в Claude Code, а в связке: Битрикс24 + AI-модули + n8n + локальные LLM.
Есть клиент - производство ДСО. Настроили агента: при появлении входящего лида с тегом “дробилка СМД-108” автоматически собирается информация о клиенте из открытых источников, подтягиваются цены из CRM, генерируется черновик КП. Менеджеру остаётся проверить и нажать “отправить”.
В одном из проектов: время на подготовку КП сократилось с 2 часов до 15 минут, количество отправленных КП выросло в 3 раза. Данные - по одному внедрению, результаты могут зависеть от качества базы знаний и сложности продукта.
Чтобы оценить, какой процесс в вашей компании можно автоматизировать с помощью AI-агентов, можно провести пилот по одному сценарию. Мы делаем такую диагностику бесплатно - пишите в @zebra4crm.
Статистика в статье - из реальных проектов ЗЕБРА, данные обезличены. Названия клиентов заменены на обобщённые (“производство из карьерной отрасли”, “сертификационный центр”). Конкретные цифры могут отличаться в вашем случае - это иллюстрация метода, а не гарантированный результат.
Частые вопросы
Сколько времени занимает внедрение AI-агента для КП?
Минимально работающий прототип можно собрать за 1-2 дня. Полноценное внедрение с базой знаний, тестированием и интеграцией в Битрикс24 - от 2 недель до месяца. Срок зависит от качества исходных материалов и сложности процесса.
Можно ли обойтись без Claude Code?
Да. Claude Code - один из вариантов. Для российского бизнеса подойдут локальные LLM (Qwen, Llama через Ollama), гибридные схемы или no-code-обёртки вроде n8n. Главное - сначала собрать базу знаний, а не пытаться написать идеальный промт.
Что делать, если нет базы знаний?
Начать собирать. Это не техническая задача, а организационная. Выберите 10-15 лучших КП, скриптов, писем - то, что менеджеры отправляют без правок. Это и будет первая база знаний. Без неё AI-агент выдаст ” усреднённый” результат, который придётся переписывать.
Какие процессы в продажах автоматизируются проще всего?
Самые формализованные: генерация черновиков КП по шаблону, квалификация лидов по чек-листу, подготовка ответов на типовые вопросы. Сложнее - творческие задачи: разработка стратегии, написание уникальных коммерческих предложений “с нуля”.
Нужно ли менеджерам учиться работать с AI?
Минимально. Если агент настроен правильно, менеджер получает готовый черновик и проверяет его. Основная работа по-прежнему ведётся в привычной CRM. Но важно, чтобы менеджеры понимали: AI - помощник, а не замена. Финальное решение и ответственность - за человеком.