Не ставьте ИИ на горячие лиды: ставьте его на те, которым ваши менеджеры никогда не позвонят
Из The Agents — нашего еженедельного подкаста о том, как мы внедряем и используем AI agents в SaaStr, и как сделать это самостоятельно.
Недавно я разговаривал с CEO компании в сфере ИИ и их руководителем маркетинга, и они сказали мне то же самое, что я слышу постоянно: «Мы пробовали AI agents в outbound. Это толком не работает».
Почти всегда причина одна и та же: агенту показывают не те лиды.
Я объяснил им один простой принцип, который это исправляет, — тот же, который мы используем в SaaStr. Его можно сформулировать одной фразой, и разница между агентом, который выглядит как игрушка, и агентом, который печатает деньги, именно в этом.
Вот он: разбейте лиды на A, B, C и D. А затем отдайте агенту B-лиды. Не A-лиды. B-лиды.
Вашим A-лидам агент не нужен
A-лиды настолько горячие, что за них с радостью хватается человек.
Кто-то заполняет форму и пишет: «У меня бюджет в миллион долларов, и я хочу подписаться на этой неделе». Ваш самый ленивый менеджер, тот самый, который сидит в торговом центре и вполглаза смотрит фильм, отвечает на такое письмо за 60 секунд. Никто в вашей команде не даст inbound на миллион долларов просто так лежать.
Так что добавляет здесь агент? Ничего. Вы автоматизируете ту часть воронки, которая и так никогда не ломалась. Хуже того, вы рискуете тем, что агент влезет в сделку, которую человек и так бы выиграл. Оставьте A-лиды людям. Они справятся.
Именно с этого начинают большинство команд, потому что кажется безопасным и очевидным поставить новый блестящий агент на лучшие лиды. Но это ровно наоборот. Вы не видите прироста, делаете вывод, что AI agents не работают, и выключаете их.
На B-лидах и лежат деньги
У B-лидов есть реальный сигнал и реальная оценка. Они что-то сделали, подходят под профиль, это не случайные контакты. Просто они недостаточно горячие, чтобы тратить на них время человека.
И вот структурная правда почти любой компании: люди никогда не перезванивают по B-лидам. Не потому, что ваши менеджеры ленивы, а потому что стимулы рациональны. Менеджер с квотой и ограниченным временем потратит эти часы на A-лиды, которые закроются в этом квартале. B-лиды навсегда остаются в базе. В них есть сигнал, но не настолько сильный, чтобы человек поднял трубку.
Вот как раз для этого агент и создан. У него бесконечное терпение, нет тревоги из-за квоты и нет предпочтения к легкой победе. Он будет работать по лиду, который стоит усилий, но не стоит человеческого рабочего дня. Он сделает три follow-up там, где человек не сделает ни одного.
С C- и D-лидами история длиннее. В части из них есть золото, большинство бесполезны, и разбор этого — отдельный проект. Не начинайте с них. Начинайте с B-лидов, потому что они уже лежат в вашем CRM и контакты у вас уже есть. Вам не нужно покупать новые данные. Вам нужно начать работать с теми данными, которые вы игнорируете.
Сколько это стоит: $500K для нас, миллионы для вас
Мы используем агент (Artisan в нашем стеке) для работы с B-лидами. Это бывшие участники и контакты с оценкой, сигналом, какой-то причиной считать их перспективными, но недостаточно горячие, чтобы за них брался человек.
Для нас этот агент приносит $500K. Мы небольшая команда, это лишь маленькая часть нашей базы, и это даже не наш основной бизнес. $500K — это разница между кейтерингом на командный ланч и форматом «приноси сэндвич с собой».
А теперь масштабируйте это. Нас всего трое, и мы работаем с нишевой базой мероприятий. Если у вас настоящий go-to-market-органайз с десятками или сотнями тысяч скоринговых, но игнорируемых контактов, та же схема стоит не $500K, а миллионы. Пул B-лидов растет вместе с размером воронки, и в масштабе почти никто его не трогает. Это не погрешность округления. Это вторая pipeline, которая лежит у вас в CRM и которую никто не ведет.
Математика проста: возьмите ваши скоринговые лиды, по которым никто не делает follow-up, умножьте даже на низкую конверсию и средний размер сделки — и сумма окажется намного больше, чем вы думаете. Для большинства компаний в масштабе это самый большой запас бесплатной pipeline.
Как реально заставить это работать
Выбор правильного сегмента для агента — это большая часть дела. Остальное — обучение:
Сегментируйте узко. Не отдавайте агенту «базу». Дайте ему конкретную кампанию с конкретной историей. У нас это что-то вроде: «участники SaaStr Annual 2024, вот что именно изменилось в 2026». Узкие сегменты с реальным контекстом дают конкретные обращения. Широкие сегменты производят общий спам.
Давайте контекст, а не только контакты. Агент должен понимать, почему этот человек подходит, что изменилось с момента последнего контакта и что важно для него сейчас. Свежий и конкретный контекст — это вся разница между ответом и удалением письма.
Пусть он ищет lookalikes. Хороший outbound agent умеет не только писать по текущей базе, но и отвечать на запрос: «найди мне еще компании, похожие на те, которые я уже закрыл». Так B-lead motion расширяется в новую pipeline без того, чтобы вы собрали хотя бы один список вручную.
Выберите инструмент и обучите его. Мы используем Artisan, но это не единственный вендор, который делает это хорошо. Выбор инструмента менее важен, чем дисциплина обучения на правильном сегменте и с правильным контекстом.
Почему люди никогда не будут делать это по-настоящему (и в этом весь смысл)
Это работает не потому, что агент умнее ваших менеджеров. А потому, что агент делает ту работу, которую менеджеры структурно мотивированы пропускать.
Человек, когда сделка буксует, начинает паниковать и дает скидку. Человек, увидев 500 B-лидов, обработает 5 и даст 495 сгнить. Человек-SDR каждые несколько месяцев увольняется и уносит с собой контекст. Это не характерологический дефект. Это то, что производят квота и компенсационная схема.
У агента нет тревоги из-за квоты и нет любви к легкой победе. Дайте ему лиды, к которым люди не прикасаются, терпение, которого у людей нет, и контекст, который люди так и не удосужились загрузить, — и он пойдет искать золото там, мимо чего все уже прошли.
Это не только про нас: Kyle Norton в Owner и данные ICONIQ
Если вам кажется, что B-lead motion — это особенность SaaStr, посмотрите на операторов, которые масштабируют это в реальности.
Kyle Norton, CRO в Owner.com, показывает такие цифры, которые имеют смысл только если перестать позволять pipeline гнить. Owner делает более $2M ARR на одного продавца в год, примерно в 4 раза больше ARR на продавца, чем у их прямых SMB-конкурентов, и более $100K закрытой выручки на одного outbound BDR в месяц. Не pipeline. Закрытая выручка на BDR. И они продают сделки примерно на $10K семейным ресторанам, то есть тем самым малым бизнесам, которые якобы не покупают софт. Его команда собрала всю cold outbound-инфраструктуру за три недели, а выручка на вложенный доллар, в пересчете на одного продавца, у него в 3 раза выше, чем у любой команды, которой он когда-либо управлял.
Его логика напрямую ложится на модель A/B/C/D. Он прямо говорит, что AI agents уже лучше, чем AE или SDR среднего уровня, то есть менеджер 50-го перцентиля. Это ровно тот менеджер, который и так никогда бы не работал ваши B-лиды. Леверидж не в том, чтобы заменить лучших закрывающих. Он в том, чтобы закрыть работу, которую средний менеджер пропускает.
И его главное предупреждение самое важное: не давайте менеджерам запускать собственных агентов. Kyle выстраивает компании по лестнице от Level 0, где менеджеры используют ChatGPT как умный поисковик, до Level 4, где система сама себя улучшает. Большинство компаний застревают на Level 1, где каждый делает что-то свое и хорошие идеи никогда не масштабируются. Леверидж появляется, когда это централизовано: один владелец GTM AI обучает агента для всех. Тот же урок, который мы усвоили на собственных ошибках. Выберите инструмент, обучите его и не отдавайте десяти менеджерам на самостоятельное освоение.
GTM-данные ICONIQ за 2026 год говорят то же самое сверху вниз. Среди 150+ лидеров B2B-выручки команды с сильным внедрением AI выходят на квоту в 67% случаев против 59% у остальных и работают заметно компактнее по GTM headcount. И вот почему пул B-лидов важен как никогда: воронка ломается снизу, а не сверху. Верх воронки держится, но конверсия demo-to-close снизилась на 5-10 пунктов год к году, цикл продаж удлинился на 3-4 недели, а coverage pipeline просел. Когда каждая сделка закрывается труднее, оставлять скоринговые лиды нетронутыми становится дороже, чем когда-либо.
Плейбук в тезисах
- Разбейте лиды на A, B, C, D. Поставьте агента на B-лиды.
- A-лиды и так получают ответ человека за 60 секунд. Агент там ничего не добавляет и может испортить почти гарантированную сделку.
- У B-лидов есть реальный сигнал, но они не стоят времени человека, поэтому люди ими не занимаются. В этом и есть золото.
- Пул B-лидов уже лежит в вашем CRM. Вам не нужны новые данные, вам нужно начать работать с тем, что вы игнорируете.
- Для нас это $500K из контактов, которые у нас уже были. В реальном масштабе, при десятках тысяч игнорируемых скоринговых лидов, та же схема стоит миллионы.
- Сегментируйте узко и давайте реальный контекст. Узкие кампании с конкретной историей лучше, чем «база».
- Пусть агент строит lookalikes, чтобы расширять outbound по B-лидам в новую pipeline.
- Это работает, потому что агент делает не гламурный follow-up, который люди структурно склонны пропускать, а не потому, что он умнее.
- Owner делает более $2M ARR на продавца и более $100K закрытой выручки на BDR в месяц. Выигрыш от работы с pipeline, которую люди пропускают, — не теория.
- AI agents уже лучше, чем средний менеджер (Kyle Norton, Owner). Именно такой менеджер и игнорирует ваши B-лиды.
- Централизуйте агента. Не позволяйте менеджерам запускать своих. Один владелец, обучающий систему для всех, лучше тысячи локальных экспериментов, которые не масштабируются.
- ICONIQ 2026: AI-first команды выходят на квоту в 67% против 59% и работают компактнее. Когда конверсия падает по всей воронке, игнорировать скоринговые лиды становится еще дороже.
Мы подробно разбираем это и остальной наш agent stack каждую неделю в The Agents. Если вы продаете операторам, которые уже внедряют agents, это ваша аудитория, и мы берем небольшое число спонсоров: saastr.ai/media-sponsors.
SaaStr.AI: Спросите нас о чем угодно
21+ AI agents, которые мы реально используем
И последние новости о том, как внедрять AI agents.
Материал — перевод статьи с английского.