Как устроена цепочка ИИ-агентов Carrot quest: от карточки лида до записи на встречу

ИИ-агент после того, как его внедрили, выглядит как один чат-бот. На деле внутри работает несколько агентов, каждый из которых сфокусирован на своей задаче. Один квалифицирует лида, другой отвечает на вопросы, третий записывает на встречу. Разбираем эту цепочку по шагам и показываем, какие результаты она даёт.

Почему не стоит использовать один бот с длинным промптом

Собрать ИИ-агента своими силами кажется несложной задачей: берёте языковую модель, пишете ей подробную инструкцию, как здороваться, что спрашивать, как отвечать на возражения, вставляете в чат на сайте. 

Но люди, которые придут к агенту с вопросами, не будут действовать по сценарию. Например, во время квалификации клиент спросит цену вместо ответа на запрос бота. Другой напишет два вопроса подряд, не дожидаясь ответа на первый. Кто-то вообще не отвечает на прямой вопрос, а рассказывает ситуацию своими словами. 

Всё это нужно предусмотреть в инструкции — а предусмотреть заранее весь диапазон того, что может написать живой человек, невозможно. Поэтому инструкцию начинают дописывать: добавляют правило на этот случай, потом на тот, потом ещё одно исключение из предыдущего правила. Промпт растёт, и чем он длиннее, тем выше шанс, что модель забудет одно из ранних правил или начнёт путать инструкции.

Хуже всего то, что эта деградация незаметна для разработчиков. Модель не выдаёт ошибку, она просто отвечает чуть иначе, чем задумано: пропускает вопрос, который должна была задать, или отвечает вежливо, но мимо темы. Первым, кто это заметит, будет клиент — прямо в переписке, которая уже должна была довести его до продажи.

Разбить одну большую инструкцию на несколько агентов с узкими задачами — это и есть способ решить проблему: каждый агент держит в голове меньше правил, а переключение между ними происходит по чёткой логике.

Как работает ИИ-агент

Прежде чем говорить про агентов, стоит понять, с чем они вообще работают. ИИ-агент — это не программа, которая отвечает на последнее сообщение в чате. Каждый раз, когда человек заходит на сайт, открывает конкретную страницу, пишет в чат или переходит по ссылке из письма, это событие записывается в его профиль. Неважно, через какой канал он пришёл в этот раз: все действия стекаются в одну карточку.

Когда человек оставляет заявку — пишет в чат, заполняет форму, отвечает на сообщение агента, — это событие запускает отдельную задачу: проанализировать все действия, которые он совершил до этого момента, вычленить из них важные и оформить в короткую сводку. Что смотрел на сайте, сколько раз возвращался, какие вопросы уже задавал, на чём остановился. Дальше эту сводку используют другие агенты в цепочке, и она же в итоге попадает в CRM, когда лид доходит до записи на встречу.

Там, где данные чувствительные, например, речь о медицинских услугах, правила о том, что можно включать в саммари, а что нельзя, задают отдельно в промпте, а не оставляют на усмотрение модели.

Подробнее об этом рассказали в статье «Чем ИИ-агент отличается от обычного чат-бота на сайте».

Как начинается диалог: сценарий вовлечения

Не каждый человек на сайте готов написать сам, кто-то будет читать страницу за страницей и в чат так и не заглянет. Чтобы вовлечь таких посетителей в диалог, до ИИ-агентов срабатывает сценарий вовлечения в лид-боте. 

Он настраивается по конкретным правилам: сколько времени человек провёл на странице, вернулся ли повторно, на какой странице находится. Если условия совпали, лид-бот отправляет сообщение, привязанное к той услуге, тарифу или продукту, которыми человек интересовался. Сообщение и условия его отправки задаются вручную при настройке. Как только человек отвечает, в диалог вступает ИИ-агент, который ведёт квалификацию и отвечает на вопросы.

Как AI-агент квалифицирует лида и одновременно отвечает на вопросы

Представим типичный сценарий: человек пишет в чат, агент начинает задавать вопросы, какая услуга интересует, какой бюджет. Но на третьем вопросе получает в ответ не то, что ожидал, а встречный вопрос: «А сколько это вообще может стоить?» или «А что нужно взять с собой на первый приём?». Это отклонение от сценария — совершенно нормальное поведение живого человека, который хочет понять, во что ввязывается, прежде чем продолжать отвечать на вопросы.

Здесь внутри цепочки работают два агента в паре. Один сфокусирован на том, чтобы собрать нужные данные и довести человека до оставления контакта. Второй — на том, чтобы ответить на вопросы о продукте, ценах, условиях. Когда человек задаёт вопрос не по теме квалификации, управление диалогом временно переходит к агенту, который отвечает на вопросы, а затем возвращается обратно.

Клиент при этом пишет в один чат, получает ответы от одного собеседника. Переключение между агентами происходит внутри системы, а в диалоге это выглядит как один непрерывный разговор.

Боты, написанные на одном промпте, обычно умеют отвечать на посторонние вопросы — с этим справится любая языковая модель. Проблема в том, что после такого ответа диалог часто просто зависает: бот ответил и замолчал, а человек не понимает, продолжается ли квалификация или разговор на этом закончился. Возврат к тому вопросу, на котором прервались, — это отдельное правило, которое нужно закладывать в агента.

У этой пары агентов есть и обратная логика — не на все вопросы стоит отвечать в чате. При настройке отдельно прописывают темы, где решение принимает не агент, а человек: вопросы по оплате, документам, любые темы, которые для конкретного бизнеса помечены как чувствительные. В таких случаях агент не пытается сформулировать ответ сам, а сразу передаёт диалог менеджеру.

Как ИИ-агент записывает на встречу и напоминает о ней

Когда квалификация пройдена и контакт передан в CRM, за дело берётся последний агент в цепочке. Его задача записать человека на встречу и напоминать ему о ней. В идеальном случае это происходит без участия людей: агент видит свободные слоты менеджера и сразу предлагает конкретное время.

Но это напрямую зависит от того, что за система хранит эти слоты. Если это популярная CRM или обычный календарь с открытым API, агент подключается к нему и записывает человека сам. Если же расписание живёт в отдельной специализированной программе без доступа извне, то агенту просто неоткуда узнать, какие слоты свободны прямо сейчас. 

В таком случае цепочка меняет шаг: агент доводит человека до готовности записаться и передаёт диалог живому администратору, который знает актуальное расписание и делает запись сам.

На этом финальный агент не заканчивает работу, он же следит за тем, чтобы встреча состоялась. Агент видит, что встреча назначена, и сам присылает напоминания за сутки и за час до неё через мессенджер или на email. При этом каждое напоминание — уникальный текст под конкретную запись. Если письмо похоже на массовую рассылку, почтовые сервисы чаще отправляют его в папку с промоакциями, а не во входящие, и напоминание рискует остаться непрочитанным.

Как контролировать работу AI-агента

Языковая модель — не программа с фиксированной логикой, где одинаковый вход всегда даёт одинаковый выход. Она может ответить чуть иначе, чем в прошлый раз, даже на похожий вопрос, а иногда — придумать деталь, которой не было в данных, или отступить от правила. 

Прежде чем новую версию агента вообще допускают до реальных диалогов, её прогоняют через набор типовых вопросов и типовых сценариев записи — то есть заранее знают, что должен ответить агент в конкретной ситуации, и сверяют его реальный ответ с ожидаемым.

Этот процесс не заканчивается в момент релиза, а идёт постоянно. Когда агент работает с живыми клиентами, его диалоги проверяют: соответствовал ли ответ заданным правилам, а если нет — в какой именно момент и почему агент от них отступил. Так собирают конкретный список мест, где промпт нужно поправить: где-то он неоднозначно сформулирован и модель трактует его по-своему, где-то не учтён кейс, который в реальности встречается регулярно.

Правила дорабатывают постоянно, опираясь на то, как модель уже повела себя в конкретных диалогах.

Какие результаты даёт цепочка агентов

Разделение на несколько агентов — способ получить конкретные результаты на каждом шаге воронки.

Выше качество лидов. Агент квалифицирует каждого по заданным критериям — бюджету, потребности, срочности — и передаёт менеджеру только тех, кто готов к разговору. В кейсе Tranio конверсия из лида в квалифицированного выросла в 3,5 раза.

Больше встреч и выше доходимость. Агент не просто записывает на встречу, а напоминает о ней персональным сообщением. В кейсе Wowblogger конверсия из диалога в запись — 82%.

Быстрее ответ. Время ответа на обращение в кейсе Wowblogger сократилось с четырёх часов до одной минуты.

Коротко о главном

• В основе цепочки — единая карточка пользователя: все действия человека на сайте, в чате и в переписке стекаются в один профиль. Если человек начал диалог на сайте, а продолжил в Telegram, агент видит всю историю целиком и не спрашивает то, что уже узнал раньше.
• Два агента работают в паре: один ведёт квалификацию, другой отвечает на вопросы пользователя, если они есть. После ответа диалог возвращается к квалификации.
• Последний агент доводит до записи в календаре и сам напоминает о встрече, например, за сутки и за час.
• Каждая версия агента проходит проверку на типовых сценариях до релиза, а затем живые диалоги оценивают на отклонение от заданных правил.

Ответы на частые вопросы о цепочке ИИ-агентов

Может ли ИИ-агент ответить на вопрос, который не предусмотрен сценарием?

Да. Если вопрос связан с продуктом, ценами или условиями, на него отвечает отдельный агент на основе загруженной базы знаний. После ответа диалог возвращается к квалификации.

Что если у нашей CRM нет открытого API?

Агент доведёт диалог до готовности записаться, но саму запись в систему сделает человек. Сейчас без дополнительной настройки поддерживаются amoCRM и Bitrix24, остальные — через API и вебхуки.

Проверяются ли ответы ИИ-бота на ошибки?

Да. До релиза — на типовых сценариях: команда знает, что должен ответить агент, и сверяет с реальным ответом. После запуска — на каждом живом диалоге, с отслеживанием отклонений от заданных правил.

Можно ли настроить ИИ-агента самостоятельно, без команды внедрения?

Пока нет — настройку и дообучение делает команда внедрения Carrot quest.

Сколько стоит внедрение ИИ-агентов для продаж?

Стоимость рассчитывается индивидуально и зависит от сценария, объёма трафика и каналов. Подробнее — на странице ИИ-агентов Carrot quest.

В каких мессенджерах работает ИИ-агент?

Telegram, WhatsApp и MAX. Агент ведёт диалог в мессенджере так же, как и на сайте.

Для каких отраслей подходит цепочка ИИ-агентов?

Лучше всего работает там, где лид дорогой и приходит сам: B2B SaaS, онлайн-школы, недвижимость.