ИИ для продаж или специалист SDR: $46 против $312 за встречу за 60 дней

ИИ для продаж в первый месяц назначил 11 встреч, а расходы на софт составили $415. SDR, с которым я сравнивал агента, назначил 19 встреч и обошёлся за тот же месяц примерно в $8,000 с учётом всех затрат. Но важнее всего оказалось не это. Решающим стало то, что происходило с атрибуцией в ту неделю, когда оба отправляли письма одним и тем же компаниям.

ИИ для продаж: результаты до описания эксперимента

За 60 дней стоимость назначенной встречи составила $46 у стека с ИИ-SDR и $312 у SDR с учётом полной нагрузки. Именно эта цифра просится в заголовок. Но сама по себе она вводит в заблуждение — поэтому перед вами статья, а не скриншот дашборда.

После поправки на долю состоявшихся встреч и долю SQL разрыв резко сократился. Один SQL стоил $184 у стека с ИИ и $397 у SDR. ИИ-SDR всё равно оказался выгоднее, но в 2.2 раза, а не в 6.8 раза, как следовало из исходного дашборда. Агент и человек назначали разные по качеству встречи. Игнорировать эту разницу — та самая ошибка, на которой строится большинство историй в духе «я заменил сотрудника искусственным интеллектом».

Было и второе искажение — менее заметное и более сложное в исправлении. Примерно две недели агент и SDR писали одним и тем же целевым компаниям. Ответы приходили в разные места: одни — агенту, другие — SDR, третьи — на общий адрес info@, и их приходилось распределять вручную. Оба канала записывали результат на свой счёт. Дашборд поставщика показывал одни цифры, CRM — другие, и ни те ни другие не были верными, пока я заново не разделил аккаунты и не пересчитал атрибуцию с помощью контрольной группы.

Об этом обычно не пишут. Посчитать стоимость встречи несложно. Гораздо важнее разобраться с атрибуцией: именно от неё зависит, создаёт ли ИИ-SDR реальную маржу или лишь переносит отложенные расходы из строки фонда оплаты труда в другое место. По отраслевым оценкам, софт для ИИ-SDR уже стоит лишь часть полной стоимости рабочего места специалиста. Но такое сравнение предполагает чистую атрибуцию, а её как раз невозможно получить, если агент и человек работают с пересекающимися аккаунтами.

Схема теста и полная стоимость SDR

Один сценарий исходящих продаж. Один ICP: B2B SaaS среднего сегмента, от 200 до 1,500 сотрудников, Северная Америка. Единый список из 4,200 целевых компаний, разделённый 50/50 между агентом и SDR, с жёстким взаимным исключением двух частей. Тест длился 60 дней и начался в конце лета. Оффер был одинаковым, ссылка вела на один и тот же календарь, а после получения ответа входящие лиды оценивались по единым критериям квалификации.

Полную стоимость SDR я не брал с потолка. Чтобы сравнение выдержало разговор с финансовым отделом, я рассчитал её построчно:

В год получается чуть больше $140K за одно рабочее место. Это согласуется с опубликованными отраслевыми оценками: базовый оклад SDR превышает $60K, а полная стоимость заметно выше, когда к зарплате добавляются все сопутствующие расходы.

Стек с ИИ-SDR я считал по той же логике и на сопоставимой основе: подписка на софт, оплата использования и поддерживающий слой данных. Без скрытых трудозатрат, без аргумента «это место у нас уже было» и без пропорционального распределения, искусственно улучшающего цифры ИИ. Ниже — все статьи по отдельности.

Стек ИИ-SDR: все инструменты и цены

Сам агент был уровнем ИИ-SDR. Инфраструктура данных и доставляемости писем шла отдельным стеком: ни один протестированный мной ИИ-SDR не поставляется с достаточным объёмом того и другого для автономной работы, хотя из подачи поставщиков можно сделать обратный вывод. В опубликованное определение ИИ-SDR входят поиск потенциальных клиентов, последовательности касаний и обработка ответов. На практике для поиска нужен внешний источник данных, а для рассылки — внешняя инфраструктура почтовых ящиков. Иначе уже в течение месяца сработают ограничения.

Стоимость самого агента укладывается в опубликованный диапазон от $3,000 до $6,000 в год для софта ИИ-SDR. Полный стек с учётом данных и почтовой инфраструктуры обходится примерно в $8,400 в год. Это всё ещё меньше полной стоимости одного месяца работы SDR.

Здесь важно уточнить рамки. Холодный outbound — одна модель. Inbound, то есть агент, который отвечает на обращения с сайта и из форм и направляет их дальше, — другой продукт для другой задачи. Я тестировал outbound-вариант. Переносить выводы этой статьи на inbound нельзя.

Именно слой данных чаще всего выпадает из историй «я попробовал ИИ-SDR». Агент работает ровно настолько хорошо, насколько качественны переданные ему строки. Эту часть я отдельно разобрал в материале о связке Apollo, Clay и Smartlead, на которой строится любой ИИ-SDR. Коротко: оценивать ИИ-SDR бессмысленно, пока не выяснено, не ограничивают ли результат данные и почтовая инфраструктура.

План запуска ИИ-SDR за 30 дней

Дни 1–5: ICP, список и исключения

Опишите ICP точнее, чем кажется необходимым. При размытом ICP стоимость встречи у агента быстро выходит из-под контроля: объём многократно усиливает ошибку. Составьте список аккаунтов и обогатите данные. Затем создайте список исключений: компании, с которыми уже работает SDR, активные сделки и все входящие обращения за последние 90 дней. Без него проблемы с атрибуцией начнутся в первый же день.

Дни 6–12: сообщения, проверка человеком и доставляемость

Подготовьте последовательности писем. До начала рассылки каждую версию должен проверить человек. Первые три набора вступлений, созданных агентом, я отклонил: они выглядели слишком шаблонно — типичные фразы вроде «увидел ваш профиль», из-за которых домен за неделю попадает в чёрный список. Новые домены нужно прогревать минимум 14 дней, а если сроки позволяют — дольше. На старте ограничьте отправку 30 письмами в день на каждый ящик и наращивайте объём постепенно.

Дни 13–21: масштабирование и жёсткое правило эскалации

Доведите объём отправки до целевого. Самое важное операционное правило: любой положительный ответ нужно передавать человеку в течение нескольких минут, а не часов. Агент определял намерение, но следующее сообщение писал человек. На этом ломается большинство полностью автономных схем: ответ агента реальному покупателю звучит именно как ответ агента, и доверие, заработанное шестью письмами, исчезает.

Дни 22–30: отключение слабого, настройка и фиксация контроля

К 22-му дню данных об ответах уже достаточно, чтобы отключить самую слабую ветку последовательности. Я убрал одну из трёх веток: на неё приходилось 60% ответов с негативной тональностью. Зафиксируйте контрольную группу из 400 аккаунтов, которых не касается ни агент, ни SDR. Так во второй половине теста появится чистая база для атрибуции.

Одно правило уберегло нас от репутационного инцидента: никакой полностью автономной отправки компаниям первого уровня. Каждое сообщение для верхних 5% целевого списка проходило очередь согласования человеком. Агент готовил черновик, человек нажимал «Отправить». Ради снижения стоимости встречи я не стал бы смягчать это правило ни при каких обстоятельствах.

Результаты на 7-й, 30-й и 60-й день

На каждой контрольной точке ИИ-SDR выигрывал по стоимости назначенной встречи. Но после поправки на явку и квалификацию его преимущество по стоимости SQL последовательно сокращалось — и именно эта динамика имеет значение. На 7-й день SQL у SDR стоил в 5.7 раза дороже, на 60-й — в 2.2 раза.

Исходный дашборд поставщика показывал у ИИ 34 назначенные встречи, а не 26. Разница в восемь встреч возникла из-за двойного учёта: агент присваивал себе встречи по аккаунтам, с которыми первым начал работать человек. Кроме того, классификатор отмечал как положительное намерение «встречи», которые на деле были просьбами удалить адресата из рассылки. Я пересобрал показатель по CRM, а не по дашборду поставщика. В таблице указано исправленное значение.

Проблема атрибуции, о которой никто не пишет

Через две недели после начала теста компания из списка SDR ответила на письмо агента. SDR писал тому же человеку тремя неделями ранее и уже назначал встречу, на которую тот не пришёл. Новый ответ попал в ящик агента. Агент определил его как положительный, запустил передачу человеку, и была назначена новая встреча. CRM записала источник на агента. Дашборд поставщика тоже учёл встречу. SDR вполне обоснованно считал её своей.

Одновременно происходили три вещи. Несмотря на правило исключения, агент и SDR писали пересекающимся аккаунтам, потому что правило охватывало активные сделки, но не давно неактивные. Атрибуция по последнему касанию завышала результат агента, поскольку его письмо было вторым. Дашборд поставщика добавлял ещё одно искажение: каждую классификацию положительного намерения он записывал как «созданную встречу» ещё до того, как встреча действительно состоялась.

Исправление заняло целую неделю. В следующий раз я заложил бы его ещё до начала теста:

Разделите список аккаунтов жёсткой границей, а не мягким правилом исключения. Все 2,100 аккаунтов агента должны быть недоступны человеку до конца теста, и наоборот. Никаких исключений для «прогретых» аккаунтов и оговорок в духе «у SDR уже были отношения с этой компанией». Именно с оговорок начинается смешение данных.

Зафиксируйте контрольную группу аккаунтов, которых не касается ни один канал. Без неё невозможно понять, появились ли встречи благодаря исходящим сообщениям или всё равно состоялись бы за счёт inbound и уже существующей воронки. Контрольная группа мала и обходится дорого из-за упущенных возможностей, но только она позволяет уверенно озвучивать результат.

Единицей атрибуции должен быть первый содержательный ответ, а не «назначенная встреча». Встреча следует после трёх или четырёх событий, попадающих в отчётность, поэтому её атрибуцию легко исказить. У первого содержательного ответа есть точное время, конкретное письмо и конкретный отправитель — его можно однозначно отнести к одному каналу.

Общий принцип прост: никогда не запускайте ИИ-SDR и человека по одному списку без жёсткого разделения и контрольной группы. Иначе восстановить достоверные цифры уже не получится, а две недели теста уйдут на объяснение расхождений руководителю продаж, который вполне справедливо не доверяет дашборду агента.

С чем ИИ-SDR не справился

Подключение нескольких участников закупочного комитета после первого ответа. Когда директор проявлял интерес, SDR к третьему дню добавлял в ту же переписку вице-президента и руководителя IT. Агент продолжал писать только директору. Пять из восьми сделок, которые продвинулись дальше первой встречи, дошли до этой стадии благодаря человеку, подключившему второго и третьего участника. У агента нет модели закупочного комитета, способной выдержать столкновение с реальной оргструктурой.

Понимание сроков из ответа в одну строку. Фраза «вернитесь к этому в следующем квартале» в тесте означала две разные вещи. Для директора с бюджетом — октябрь. Для менеджера без бюджета — никогда. По отметке в Slack SDR распознавал разницу за десять секунд. Агент обработал оба ответа одинаково и вернулся к обоим через 90 дней, испортив отношения со вторым контактом.

Работа с возражениями за пределами сценария. Для трёх распространённых возражений у агента было три ветки. На четвёртое, возникавшее примерно в 15% случаев, он отвечал общей фразой, которая звучала уклончиво и обрывала диалог.

Репутационный риск. В одном сообщении агента в строку с оффером попало название продукта конкурента: уровень персонализации подставил не то поле. Письмо ушло в 14 компаний. Две указали на ошибку, одна из них была бывшим клиентом. В расчёте стоимости встречи цена такого инцидента не видна, хотя учитывать её необходимо.

Практическое правило выбора

Заменять рабочее место стеком ИИ-SDR стоит при одновременном выполнении трёх условий. Размер сделки ниже примерно $25K ACV — при таком уровне юнит-экономика не выдерживает стоимости SQL у SDR даже при достойной конверсии. Объём списка достаточно велик — больше 3,000 новых целевых аккаунтов в квартал, — чтобы преимущество агента в пропускной способности накапливалось. А сам сценарий ограничен верхней частью воронки: после первого ответа подключается отдельная команда людей, которая ведёт закупочный комитет и квалификацию.

Если размер сделки выше $50K ACV, закупочный комитет по умолчанию состоит минимум из трёх человек или одна ошибка в работе с ключевым аккаунтом создаёт репутационный риск, который придётся объяснять CEO, ИИ-SDR должен усиливать команду, а не заменять её. В этом диапазоне агент действительно добавляет мощности, но это не означает «мы сократили одно рабочее место».

Большинство команд находится посередине — в диапазоне от $25K до $50K, где решение особенно сложно. Здесь нужен не демо-показ поставщика, а 60-дневный сплит-тест с жёстким разделением и контрольной группой по описанной выше схеме, проведённый до сокращения сотрудника. После корректного пересчёта атрибуции большинство преимуществ по стоимости встречи из кейсов поставщиков, которые я видел, исчезают. Некоторые сохраняются. Без собственного теста заранее не узнать, к какой группе относится ваш случай.

Частые вопросы

Что такое ИИ-SDR?

Это софт, который берёт на себя задачи SDR по поиску потенциальных клиентов, последовательностям касаний и обработке ответов. Конкретный набор функций сильно зависит от поставщика и сценария: холодный outbound, ответы на inbound и голосовые коммуникации — разные продукты с разной юнит-экономикой.

Заменяет ли ИИ специалистов SDR?

При большинстве размеров сделок и объёмов ИИ скорее меняет работу SDR, чем устраняет её. Автоматизируется повторяющийся слой: поиск данных для списков, первые черновики последовательностей и классификация ответов. А вот вести нескольких участников закупочного комитета и считывать нюансы намерения из одной строки ИИ пока не умеет.

Сколько стоит ИИ-SDR?

Сам агент обычно стоит от $3,000 до $6,000 в год, а оплата использования повышает реальную сумму. Полная годовая стоимость SDR превышает $140K, если учесть базовый оклад, переменную часть, налоги и соцпакет, инструменты, разгон и управленческие расходы.

Как выбрать лучший ИИ-SDR?

Всё зависит от сценария. Холодный outbound, ответы на inbound и голосовые агенты — разные продукты. Выбор определяется размером сделки, объёмом списка и тем, где находится ограничение: на уровне агента либо в поддерживающем слое данных и почтовых ящиков.