Про ИИ обычно рассказывают через возможности: смотрите, что умеет модель. Наша история — про другое: как ИИ-помощник по кросс-продажам менялся после каждого пилота со страховыми компаниями, становясь «умнее» и полезней.
ИИ-помощник прошёл путь от простого подбора страховых продуктов до текущей версии, которая опирается на проверенные данные о внешнем мире — стоимость ремонта и запчастей, погодные и сезонные риски, статистику угонов и аварийности. На их основе он подсказывает агенту, чем подкрепить предложение.
Вопрос, который оказался не главным
Агент оформил клиенту ОСАГО. Дальше логично предложить каско — это понимает любой продавец на второй неделе работы. Мы были уверены, что помощнику надо отвечать на вопрос «Что ещё предложить?».
Оказалось, продавцы спотыкаются не здесь. Страхование — товар, в котором клиент не чувствует потребности: обязательное он покупает вынужденно, добровольное — только если увидит в нём смысл. Поэтому агент сталкивается со следующим вопросом клиента: «Зачем это мне?».
Подобрать продукт оказалось проще, чем обосновать его конкретному человеку. Разница между «что предложить» и «чем это подкрепить» и определила всю дальнейшую эволюцию.
Подбор продукта
Первая версия была простой: данные клиента → модель подбора плюс LLM → рекомендация продукта.
Первая версия анализировала данные клиента, оценивала соответствие страховых продуктов его профилю, задавала уточняющие вопросы. Во время пилотных проектов продавцы стали чаще испытывать сложности не с выбором продукта, а с донесением его ценности конкретному клиенту. Типичная обратная связь агентов звучала так: «Я понимаю, что предложить. Мне нечем это подкрепить».
Узнали клиента лучше
Знание о клиенте живёт в голове продавца и в лучшем случае в блокноте. В CRM оно не попадает, потому что заносить руками долго и скучно.
Мы перестали заставлять человека заполнять CRM.
Теперь после встречи продавец просто рассказывает, как было: голосом или в чате, обычным языком. ИИ извлекает факты, автоматически заполняет профиль клиента и ставит в CRM задачи по тому, о чём условились на встрече.
Стало легче. И почти сразу мы столкнулись с двумя задачами:
О клиенте мы знали только то, что рассказал продавец. Семья, ипотека, дача, новый автомобиль — ровно тот объём, который человек не поленился наговорить. Опытный агент выдавал десять фактов, новичок — два. И система честно отражала качество входной информации: если продавец знает мало, ИИ тоже знает мало.
О мире мы не знали ничего. Сколько стоит ремонт этой модели, часто ли её угоняют, какая аварийность в регионе, какие риски приносит сезон, что происходит с ценами. Ни один профиль клиента на эти вопросы не отвечает — знания живут снаружи.
А именно из них и складывается аргумент.
Добавили знания о мире
Это стало логичным следующим шагом. Мы дополнили решение проверенной справочной базой о внешнем мире. Теперь помощник опирается не только на то, что знает о клиенте сам агент, но и на общий контекст вокруг сделки.
Справочники — собственные базы знаний компании, разложенные по четырём направлениям:
- Автомобиль: стоимость ремонта, стоимость деталей, угоняемость,
- Регион: аварийность, природные риски, доля «бесполисных»,
- Экономика: курс валют, ключевая ставка,
- Сезон: гололёд, град, клещи, отпускной период.
Это не поиск в интернете и не генерация «из головы». Это проверенные данные, которые есть у компании или в официальных источниках, — и за каждое число можно отвечать перед клиентом.
На основе этих данных помощник объясняет ценность цифрами, а не общей рекламной фразой.
Так же работают данные о погоде и сезоне — и это уже выходит за пределы того, что агент знает о самом клиенте. Автовладельцу помощник подскажет про погодные условия: «В вашем регионе ураган бывает почти каждую весну». Владельцу загородного дома — про паводок весной или клещей к дачному сезону.
Это уже не красивая формулировка. Это весомый довод для разговора с клиентом, который сам о своей потребности не заявит.
Что получилось: продукт собран из замечаний продавцов
Каждая функция выросла из того, что предыдущая версия не закрывала. Буквально по пунктам:
Каждая функция выросла из того, что предыдущая версия ИИ-помощника по продажам не закрывала.
«Не размер модели делает ИИ полезным. Ценность рождается из качественных фактов», — Михаил Чворун, руководитель направления по развитию ИИ-продуктов Virtu Systems.
Следующим этапом развития станут встраиваемые ИИ-помощники, которые работают внутри ИТ-систем страховщика. Такой подход позволит подбирать продукты, разбирать встречи и готовить обоснование сделки в привычной CRM, без перехода в отдельный интерфейс.
Посмотрите на своих данных
Лучший способ понять, работает ли это у вас, — увидеть помощника на вашей линейке и вашем регионе: как он разбирает встречу и во что превращает дежурную фразу про защиту автомобиля.
Оставьте заявку — покажем демо на примерах, близких к вашим продуктам, и посчитаем потенциальный эффект для вашей агентской сети.