Как использовать ИИ для коммерческих предложений

Короткий практический разбор: как собрать коммерческое предложение с помощью нейросети, сократить ручную работу и не отправить клиенту сырой текст.

Коммерческое предложение редко проваливается из-за одного неудачного слова. Чаще проблема прозаичнее: менеджер спешит, копирует старый файл, оставляет чужую отрасль в примере, забывает боль клиента из созвона или отправляет одинаковый текст двум разным закупочным комитетам. ИИ хорошо закрывает именно эту зону. Он быстро превращает заметки в черновик, сверяет структуру, подсвечивает противоречия и помогает переписать аргументацию под конкретного адресата.

Я отношусь к нейросети как к младшему редактору продаж. Ей нельзя отдавать финальное решение о цене, скидках, юридических формулировках и обещаниях результата. Зато ей можно поручить черновую сборку, проверку логики, адаптацию языка, подготовку короткой версии письма и поиск слабых мест. Ниже разберу рабочий алгоритм, который подходит для B2B-продаж, услуг, агентств, SaaS и сложных продуктов с длинным циклом сделки.

Где ИИ реально экономит время в подготовке КП

Вручную КП часто собирается из пяти источников: заметки после звонка, карточка клиента в CRM, старый шаблон, прайс и внутренняя переписка с экспертом. Даже если менеджер опытный, на сведение всего в один документ уходит от 40 минут до 2 часов. Самый тяжёлый участок, не написание красивых фраз, а согласование смысла: что клиент просил, какой критерий выбора прозвучал, какие ограничения нельзя забыть.

Нейросеть ускоряет три операции. Первая, превращает хаотичные заметки в структуру. Вторая, предлагает формулировки под роль получателя: собственник, финансовый директор, руководитель отдела продаж, технический специалист. Третья, проверяет готовый текст на ошибки, повторы, несостыковки и слишком общие обещания.

Компания из сферы логистики, ~200 сотрудников, может использовать такой процесс: менеджер после созвона вставляет 12 пунктов заметок, получает структуру КП за 5–7 минут, затем 15 минут правит цифры и условия. До внедрения такого шага похожий документ собирался около часа, потому что менеджер вручную переносил вводные из переписки в шаблон. Это не магия, а перенос рутинной редакторской работы в первый черновик.

Если вы только выстраиваете базовые сценарии для команды, полезно сначала описать повторяемые операции. Я подробно разбирал этот подход в статье про внедрение нейросетей в рабочие процессы: сначала карта задач, потом шаблоны, потом контроль качества.

Алгоритм подготовки КП с помощью нейросети

Начинаю не с просьбы «напиши КП». Такой запрос почти всегда даёт рыхлый текст: много общих выгод, мало фактов, слабая связь с задачей клиента. Сначала я собираю входные данные в короткую анкету. В ней должны быть: кто клиент, какую задачу он назвал, что уже пробовал, какие ограничения есть по срокам и бюджету, кто будет читать КП, какие возражения ожидаются.

Рабочий запрос выглядит так:

«Собери структуру коммерческого предложения по вводным ниже. Не придумывай факты, которых нет в заметках. Если данных не хватает, вынеси вопросы отдельным списком. Адресат, финансовый директор. Цель, показать окупаемость и снизить риск выбора подрядчика. Вводные: …»

Такой промпт сразу задаёт роль документа и запрещает фантазировать. Последняя фраза особенно полезна. Если нейросеть видит пробелы, она должна задать вопросы, а не подставить красивую, но опасную выдумку.

Дальше я прошу сделать не финальное КП, а скелет: заголовок, краткое резюме, проблема клиента, предлагаемое решение, этапы работ, сроки, формат взаимодействия, стоимость или логика расчёта, риски, следующий шаг. Для сложной сделки добавляю блок «что будет, если ничего не менять». Он помогает вывести разговор из режима «дорого» в режим «что теряем при бездействии».

После структуры можно переходить к тексту. Тут полезно разделять команды. Один запрос, один слой работы. Сначала, черновик на 1–2 страницы. Затем, сокращение до версии для письма. Затем, проверка на ошибки. Если смешать всё в одном сообщении, модель может хорошо написать вступление и пропустить проверку фактов.

В SoftChat для такой работы удобно использовать сохранённые шаблоны промптов: один для структуры КП, второй для адаптации под роль клиента, третий для финальной проверки. Если команда работает с разными типами задач, можно выбирать модель в рамках текущего разговора и настраивать параметры ответа, например креативность и длину. Эти настройки сохраняются для конкретного чата, поэтому повторяемый сценарий не приходится собирать заново каждый раз.

Как адаптировать КП под конкретного клиента

Персонализация не равна вставке названия компании в первый абзац. Клиент замечает другое: поняли ли его ограничения, говорят ли на его языке, не предлагают ли решение из чужой отрасли. Для адаптации я использую четыре слоя, но прохожу их не всегда подряд. Если сделка маленькая, хватает двух.

Первый слой, роль адресата. Собственнику важны рост, риск, скорость возврата вложений. Финансовому директору нужны расчёт, предсказуемость платежей, прозрачные допущения. Руководителю отдела продаж ближе влияние на воронку, нагрузку менеджеров, качество лидов. Техническому специалисту нужны интеграции, безопасность, ограничения и порядок внедрения. Нейросеть можно попросить переписать один и тот же блок под разные роли, а потом выбрать версию вручную.

Второй слой, стадия сделки. После первого звонка КП должно быть короче и осторожнее: больше вопросов, меньше жёстких обещаний. После диагностики можно писать конкретнее. После пилота уместны цифры из теста, если они подтверждены. Здесь нейросеть помогает убрать преждевременные обещания. Запрос простой: «Найди в тексте утверждения, которые звучат слишком уверенно для стадии первого обсуждения».

Третий слой, отраслевой язык. Для производства уместны простои, смены, план-факт, брак, регламенты. Для маркетинга, гипотезы, CAC, конверсия, скорость запуска. Для юридических услуг, риски, сроки согласований, доказательная база. Если вы пишете тексты шире, чем КП, пригодится материал про нейросети в маркетинге и автоматизацию контента, там разобраны похожие принципы адаптации под аудиторию.

Четвёртый слой, возражения. Я прошу модель составить таблицу: «вероятное возражение», «почему оно возникает», «какой блок КП отвечает на него», «какой фразы не хватает». Это быстро выявляет дыры. Например, если клиент боится затяжного внедрения, в КП должен быть календарный план, а не фраза «сделаем быстро».

Условный пример: для компании из сферы B2B-обучения, ~50 сотрудников, один шаблон КП можно адаптировать под директора по персоналу за 12 минут, если заранее подготовлены вводные по аудитории, формату обучения и критериям оценки. Без такой заготовки менеджер обычно тратит больше времени на поиск старых формулировок, чем на смысловую правку.

Проверка ошибок: что искать перед отправкой

Финальная проверка КП с помощью ИИ должна быть жёсткой. Я не прошу «улучшить текст», потому что такая команда часто приводит к косметике. Лучше дать роль внутреннего аудитора и список проверок.

Запрос для проверки:

«Проверь коммерческое предложение перед отправкой клиенту. Найди: фактические противоречия, неподтверждённые обещания, разный формат сроков и цен, повторы, слишком общие формулировки, места, где клиент может задать уточняющий вопрос. Не переписывай весь текст. Верни таблицу: фрагмент, проблема, как исправить».

Эта таблица экономит время сильнее, чем гладкая новая версия. Менеджер сразу видит, где риск. Частые находки: в одном месте срок «2 недели», в другом «10 рабочих дней»; цена указана без НДС, а ниже написано «все налоги включены»; в резюме обещана интеграция, но в этапах работ её нет; в тексте есть фраза «повысим продажи», хотя клиент просил снизить нагрузку на операторов.

Для текстовой части полезен отдельный проход. Нейросеть хорошо ловит канцелярит, длинные фразы, повторяющиеся глаголы, слишком широкий тон. Если нужно прокачать именно качество формулировок, рядом пригодится статья про генерацию текста и проверку результата. Там я показываю, почему первый черновик нельзя считать готовым текстом.

Не отдавайте модели финальное утверждение юридических условий. Она может подсветить риск, но не несёт ответственности за договор, гарантию, персональные данные, штрафы и порядок оплаты. Для этих блоков лучше сделать чек-лист с обязательным просмотром юриста или владельца процесса.

Промпты для КП: готовые шаблоны

Хороший промпт для КП похож на ТЗ редактору. В нём есть задача, аудитория, вводные, ограничения и формат ответа. Ниже набор формулировок, которые можно адаптировать под свою нишу.

Для структуры:

«Ты помогаешь подготовить коммерческое предложение. Сначала собери структуру по вводным. Не добавляй факты от себя. Если данных не хватает, задай до 7 вопросов. Формат: блок КП, цель блока, какие данные нужны, черновой текст на 2–3 предложения».

Для адаптации:

«Перепиши КП под адресата: руководитель отдела продаж. Сохрани факты, цену, сроки и ограничения без изменений. Усиль связь с воронкой, скоростью обработки лидов и контролем работы менеджеров. Убери технические детали, если они не влияют на решение адресата».

Для сокращения:

«Сократи КП до письма на 180–220 слов. Сохрани задачу клиента, предложение, 3 аргумента, срок, следующий шаг. Не используй общие фразы вроде “индивидуальный подход” без факта рядом».

Для критики:

«Выступи строгим проверяющим. Найди 10 слабых мест в КП: где нет доказательства, где обещание звучит широко, где клиент может не понять выгоду, где нарушена логика. Не хвали текст. Дай правку для каждого пункта».

Если вы часто работаете с разными форматами запросов, пригодится база промптинга. В статье про формулирование запросов для нейросетей я разбирал, почему ограничения и формат ответа влияют на результат сильнее, чем длинные просьбы «сделать красиво».

Сколько времени можно сэкономить

Экономия зависит от зрелости процесса. Если в компании нет шаблона КП, прайса, типовых этапов и правил согласования, нейросеть ускорит только написание фраз. Хаос она не исправит. Если база уже есть, результат заметнее: менеджер меньше копирует, реже забывает вводные и быстрее готовит версию под конкретного адресата.

Компания из сферы IT-услуг, ~80 сотрудников, может сократить подготовку первичного КП с 90 минут до 35–45 минут, если использует единый шаблон вводных, промпт для структуры и отдельный промпт для проверки. Основная экономия появляется не на наборе текста, а на сборке документа из заметок и старых материалов.

Компания из сферы промышленного оборудования, ~120 сотрудников, может оставить финальное техническое описание за инженером, но поручить нейросети письмо, резюме КП и список уточняющих вопросов. В таком сценарии менеджер получает черновик клиентской части за 10–15 минут, а эксперт тратит время на спецификацию, где цена ошибки выше.

Для небольших команд самый быстрый старт, не строить сложную систему. Достаточно выбрать один повторяемый тип КП, собрать 5 удачных старых документов, выписать общую структуру и сделать 3 промпта: структура, адаптация, проверка. Повседневные сценарии похожей логики я разбирал в материале про нейросети и чат-боты для рабочих и личных задач.

Как встроить процесс в работу отдела продаж

Я бы не начинал с требования «теперь все пишут КП через ИИ». Это вызывает сопротивление и плодит случайные промпты. Лучше выбрать один участок: первичное КП после квалификационного звонка, повторное КП после диагностики или письмо с кратким резюме предложения.

Дальше нужен эталон. Возьмите один хороший документ и разметьте его: какие блоки обязательны, какие меняются под клиента, где нельзя трогать формулировки, какие цифры всегда проверяются вручную. После этого соберите промпт и протестируйте его на 5–10 старых сделках. Не ради красоты текста, а ради ответа на вопрос: стало ли меньше ручной сборки и меньше ошибок перед отправкой.

В SoftChat можно вести диалог с нейросетью в веб-чате, подключать сохранённого ассистента к открытому разговору и использовать единый русскоязычный стиль ответа, если не выбран свой системный промпт. Для отдела продаж это удобно в одном простом смысле: роль «редактор КП» можно держать отдельно от других задач и быстро включать её в нужном разговоре. При этом финальное решение по условиям остаётся за человеком.

Мой рабочий критерий такой: если после внедрения ИИ менеджер стал отправлять КП быстрее, но руководитель чаще находит ошибки, процесс собран плохо. Если скорость выросла, а число правок на согласовании снизилось или осталось прежним, инструмент попал в задачу. Для контроля достаточно простой таблицы на месяц: дата, тип КП, время подготовки, число правок, причина возврата, статус сделки. Через 20–30 документов уже видно, где нейросеть помогает, а где маскирует слабый шаблон.

Что я сделал бы на вашем месте

Я бы начал с одного КП, которое команда отправляет чаще всего. Не с редких крупных тендеров, где много юридических нюансов, а с типовой сделки. Сначала собрал бы анкету вводных на 10–12 полей. Затем сделал бы промпт для структуры и отдельный промпт для проверки. Через неделю сравнил бы 10 документов: сколько времени ушло, какие ошибки повторились, где менеджеры всё равно правили руками.

Если результат есть, можно расширять процесс: добавить адаптацию под роли, сделать шаблоны для писем, завести ассистента с ролью редактора КП, прописать запреты на неподтверждённые обещания. Если результата нет, я бы не менял нейросеть первой. Сначала проверил бы шаблон КП, качество вводных после звонка и правила согласования. ИИ ускоряет понятный процесс. Непонятный он просто делает быстрее, вместе с его ошибками.