Как мы автоматизировали обработку заявок на покупку авто с помощью AI

В последние годы AI всё чаще обсуждают в контексте бизнеса, автоматизации и продаж.
Но по-настоящему интересно становится тогда, когда искусственный интеллект помогает решать не абстрактные, а вполне реальные проблемы компании.

Недавно мы работали над системой для автобизнеса, где основной задачей была автоматизация обработки заявок и снижение нагрузки на менеджеров.

Изначально проблема выглядела довольно типично.

Основная проблема: разные каналы и разные часовые пояса

Компания находится во Владивостоке, а клиенты пишут буквально со всей страны.

Кто-то оставляет заявку утром по Владивостоку, кто-то — поздно ночью.
При этом значительная часть обращений приходит из других часовых поясов.

В результате возникала типичная проблема:

• клиент написал ночью;
• менеджер ответил утром;
• клиент уже спит;
• диалог затягивается;
• интерес теряется;
• заявка остывает.

Дополнительно обращения приходили сразу из нескольких источников:

• WhatsApp;
• Telegram;
• MAX;
• Дром;
• Auto.ru.

Часть заявок терялась, часть обрабатывалась слишком долго, а менеджеры тратили много времени на одни и те же вопросы.

Что хотелось получить

Основная идея была достаточно простой:

сделать AI-систему, которая сможет быстро и автоматически вести клиента по воронке до момента передачи менеджеру.

При этом важно было не просто «сделать чат-бота», а встроить AI в реальные бизнес-процессы компании.

Как работает система

Система слушает все входящие обращения из разных каналов:

• WhatsApp через Wazzup;
• Telegram;
• MAX;
• Дром;
• Auto.ru.

После первого сообщения AI начинает диалог с клиентом и пытается понять, какой автомобиль интересует человека.

Причем запросы могут быть написаны в абсолютно свободной форме.

Например:

«хочу бэху икс 5 с япы»

Система понимает, что речь идет о BMW X5 из Японии, после чего начинает работать уже с конкретным запросом.

Работа со статистикой и расчетами

AI получает доступ к статистике по автомобилям за последние 30 дней.

На основе этих данных система:

• анализирует похожие предложения;
• рассчитывает среднюю стоимость;
• формирует предварительный расчет;
• подбирает фотографии автомобилей;
• показывает клиенту ориентиры по цене и вариантам.

Для бизнеса это оказалось особенно полезно, потому что клиент получает обратную связь практически сразу, а не спустя несколько часов.

AI не просто отвечает, а ведет клиента дальше

Отдельно была реализована логика follow-up.

Если клиент перестал отвечать, система может аккуратно напомнить о себе и продолжить диалог позже.

Это особенно важно в автобизнесе, где клиент часто:

• сравнивает предложения;
• советуется;
• откладывает решение;
• или просто теряется среди переписок.

OCR документов и автоматическое заполнение договора

Когда клиент определился с автомобилем, система предлагает перейти к следующему этапу — заключению договора.

Для этого клиент отправляет фотографию или скан паспорта.

Далее OCR-модель автоматически распознает данные документа и подставляет их в шаблон договора.

После этого клиент получает:

• готовый договор;
• ссылку на оплату аванса;
• инструкции по дальнейшим действиям.

После оплаты система получает callback от платежного сервиса и переводит процесс дальше по воронке.

Интеграция с Bitrix24

Одна из ключевых задач заключалась в том, чтобы менеджеры не тратили время на первичную рутину.

Поэтому в Bitrix24 менеджер получает уже подготовленного клиента:

• с историей переписки;
• понятным запросом;
• выбранным автомобилем;
• заполненными данными;
• статусом оплаты;
• и готовыми документами.

Фактически AI берет на себя большую часть первичной обработки заявки.

Почему использовали Yandex AI и OCR

Отдельным требованием была работа с персональными данными внутри РФ.

Поэтому для LLM и OCR использовались решения Yandex, что позволило:

• хранить данные внутри российской инфраструктуры;
• учитывать требования законодательства;
• и не отправлять документы клиентов во внешние зарубежные сервисы.

Для бизнеса это был важный момент с точки зрения безопасности и юридической стороны вопроса.

Что получилось в итоге

В результате удалось значительно сократить количество рутинной работы менеджеров и ускорить обработку обращений.

Особенно заметный эффект дал именно фактор времени:

• клиент получает ответ практически сразу;
• диалог не останавливается ночью;
• заявки не теряются между разными каналами;
• а менеджеры подключаются уже на более позднем этапе.

Именно в таких сценариях AI начинает быть действительно полезным — не как «магическая технология», а как инструмент, встроенный в реальные процессы компании.

Вместо вывода

Сейчас вокруг AI очень много хайпа, но на практике наиболее интересные результаты появляются именно там, где искусственный интеллект помогает автоматизировать понятные бизнес-задачи.

Не заменить людей полностью, а:

• сократить рутину;
• ускорить обработку информации;
• уменьшить потери заявок;
• и помочь команде работать эффективнее.

Именно такие практические сценарии внедрения AI мне сейчас интересны больше всего.