AI SDR или живой SDR: что реально можно автоматизировать в 2026 году

Срач «AI SDR или живой SDR» обычно заканчивается (аттеншн) ничем. Все при своем мнение.

SDR — это не одна функция. Внутри роли десяток операций: определить, кого искать, собрать базу, найти ЛПР, проверить данные, подготовить сообщение, отправить его, сделать follow-up (напоминание), разобрать ответ, квалифицировать интерес, назначить встречу, обновить CRM.

Часть этого ИИ’шка уже делает быстрее и стабильнее человека.

Просто мысль в вакууме в духе «AI заменяет 70–80% SDR» вкусная, но бесполезная, но достижимая. Ну вы поняли, сначала надо разобраться, что вы собрались автоматизировать или начать строить. Мы кстати разобрались, вот тут.

Что уже можно отдать ИИ-шайтан машину

AI SDR — система, которая использует ИИ’шечку на ранних этапах sales development: ищет и исследует потенциальных клиентов, помогает с outreach, делает follow-up, квалифицирует, назначает встречи и обновляет CRM. В общем всю рутину забирает + идеальная дисциплина. Но с пол пинка не заработает, всем надо засучить рукава. Хорошая новость – это не сложно, 2-3 мес. и будет счастье (и работа для продаж).

Если свести это к простой схеме:

Salesforce в исследовании более 4 000 специалистов по продажам сообщает, что после внедрения AI-агентов продавцы ожидают сократить время на prospect research примерно на 34%, а на подготовку писем — на 36%.

Это уже кейс, кстати. Наш личный – еще лучше ;)

Когда мы понимаем, что SDR — это цепочка решений/действий. Тогда AI сильно режет время на отдельные понятные операции внутри этих действий.

Так что можно автоматизировать и даже улучшить

В упрощённом виде outbound выглядит так:

ICP → компании → ЛПР → данные → гипотеза сообщения → первое касание → follow-up → ответ → квалификация → встреча → передача в продажи → CRM и аналитика.

Ошибка — автоматизировать эту цепочку так, будто это одна задача (да-да, декомпозируем, разделяем зоны ответственности и т.д.).

ИИ может найти компании по заданным критериям. Но решить надо вам, что производственные предприятия от 500 сотрудников сейчас перспективнее банков.

ИИ может написать первое сообщение. Понять, с каким оффером вообще идти к финансовому директору этого сегмента. Но что туда писать базово - это за человеками.

ИИ может определить ответ как положительный. Но после фразы «интересно, пришлите подробнее, у нас этим занимается коллега» должно быть ваше решение (инструкция): спросить контакт или вытащить сначала инфу по теме или сразу все и в каком порядке.

Тут ключевое на самом деле. Решения или принцип принятия решений - за вами. Если не формализовано – пришло время это сделать. Это, кстати, очень просто.

Карта автоматизации SDR

По теме приоритизация и детализации всего этого дела, есть простой вопрос “сколько стоит ошибка?”

TechnologyAdvice проводит примерно ту же границу: повторяемые, структурированные и data-heavy операции хорошо подходят AI. Messaging strategy, сложные возражения, отношения и коммерческие решения — человеку.

На практике автоматизация особенно заметна на трёх приземлённых участках.

Поиск и подготовка базы. Нужно найти производственные компании определённого размера, затем собственников, коммерческих директоров и директоров по развитию, проверить должности, сайты и контакты. Это огромный объём механической работы. Система может прогнать его по одинаковым правилам. Человек нужен, чтобы эти правила задать и разобрать исключения.

Follow-up. У человека почти всегда найдётся что-то более срочное. Созвон, встреча, входящий лид — и повторное касание двадцати старым контактам сваливает на завтра. Потом ещё на завтра и еще. Автоматика не забывает: если ответа нет и стоп-сигнала тоже нет, следующий шаг идёт по сценарию.

Чем дороже ошибка, тем раньше нужен человек

Возьмём два ответа.

Спасибо, сейчас неактуально. Удалите мой контакт.

Тут менеджеру вообще нечего делать. Система должна распознать отказ, остановить коммуникацию и обновить статус. Хотя мы научились обходить часть таких возражений.

Другой случай:

Тема потенциально интересна, но у нас уже есть внутреннее решение. Возможно, имеет смысл обсудить только одно из направлений. Насколько глубоко вы интегрируетесь с нашей текущей системой?

LLM вполне способна написать складный ответ. Для этого нужно понять (объяснить как понимать и что с этим делать) архитектуру решения, контекст клиента, реальную ценность и следующий коммерческий шаг. А если база знаний еще не оформлена, чтобы на такое отвечать - то сначала человек.

Туда же нестандартные возражения, если несколько участников решения, индивидуальные условия, запросы глубокой продуктовой экспертизы (хотя считаю, что ИИ тут лучше), негатив и стратегически важный клиент.

Даже компании, которые сами активно продают AI SDR, в 2026 году (мы, например) используют ту же гибридную модель.

Самое важное правило: заранее решить, где AI обязан заткнуться

«В сложной ситуации подключается менеджер» звучит хорошо.

Пока дело не дошло до описания этого правила.

Что именно считать сложной ситуацией? Явный интерес? Вопрос про интеграцию? Запрос скидки? Негатив? Ходьба по кругу в диалоге?

…а потом еще всегда обучать надо, иначе отстанете

Степень автономности зависит от продукта и зрелости бизнеса.

Если вы продаёте понятный сервис с коротким циклом и тысячами потенциальных клиентов, системе можно дать больше свободы.

Если на всём рынке у вас 50 целевых компаний и каждая потенциальная сделка крупная — наоборот. Экономить несколько минут менеджера не стоит. Здесь вообще надо автоматизировать другие вещи и гуглить в Яндексе через ГПТ (каламбур) <АБМ маркетинг>

«AI умеет» не равно «AI решает»

На ICP разница видна особенно хорошо.

LLM можно дать описание продукта, выгрузку клиентов и данные (тока не персональные, конечно), а затем попросить найти общие признаки и предложить сегменты.

Но если ваша ИИ сама решила, что новый приоритет компании — строительство вместо логистики, она уже не «помогает SDR». Она принимает GTM-решение.

Вот при коммуникациях с клиентом - тоже самое.

ИИ-SDR способен написать сотни вариантов первого касания и вообще поговорить. Но он не определяет, что именно мы обещаем рынку. Т.е. эта штука должна транслировать вашу волю (позицию).

Проверяем пару вещей на каждом участке:

Может ли система выполнить действие?

Может ли система сама принять решение, какое действие выполнять?

Должно быть: первое — да, второе — нет.

Это и отличает реальную автоматизацию SDR от красивой демки «робота-продавца».

AI масштабирует хороший процесс. Плохой, к сожалению, тоже

Допустим, компания выбрала слишком широкий ICP, купила слабую базу и написала универсальное сообщение:

«Помогаем компаниям увеличить эффективность продаж с помощью современных AI-технологий».

Живой (человек) SDR отправит сто таких сообщений и получит плохой результат.

Автоматизированная система отправит десять тысяч. Чем законнчится? Правильно, выжиганием базы, репутации и нервов.

Берем четыре вопросика:

Кому пишем? Почему? Зачем? Что считаем целевым результатом?

Разумнее сначала провести полуручной или полуавтоматический пилот. Это кстати быстро и дешево (ищите кнопку ниже или в шапке).

Зарплата SDR против автоматики — почти бессмысленное сравнение

Коротко: дешевле раз в 5 и эффективнее раз в 10.

Еще раз: экономия + доходность.

Но полностью людей из формулы не выкидываем. Они нужны, их просто может стать меньше или могут стать эффективнее.

Кому AI-heavy, а кому лучше не умничать

Если у вас не очень широкий рынок или долгий, сложный цикл сделки, начинать с вопроса «как отправлять больше сообщений?» бессмысленно. Вам скорее нужна дисциплина и конверсии. Хотя это, наверное, ко всем относится. Масштабирование не должно прикрывать ваши ошибки и слабые связки. Рано или поздно, оно начнет работать против вас.

Важнее изучить каждую компанию, понять участников решения, найти нормальный повод для контакта и аккуратно вести диалог. ИИ пригодится для research, подготовки и анализа. Владельцем решения должен оставаться человек.

Когда уже понятно, кто ваш клиент, какие сообщения работают, определено целеполагание, машине можно отдавать больше рутины.

Как внедрять AI SDR и не ставить эксперимент сразу на всей воронке

Покупать «AI-продавца», а потом пытаться встроить его во всё сразу, вредно и неэффективно.

Но вот выход, чтобы начать: берем существующий SDR-процесс и топаем по нему слева направо.

1. Опишите, что SDR реально делает сейчас. Не должностную инструкцию. Где ищет компании, как выбирает контакты, что пишет, когда делает follow-up, куда записывает ответы. Что работает/нет.

2. Отделите повторяемые операции от решений. Если действие регулярно повторяется и его можно описать правилами — хороший кандидат на автоматизацию.

3. Зафиксируйте ICP и квалификацию. Не абстрактного «хорошего клиента», а конкретные признаки подходящего и неподходящего лида. О важно не перестараться с “идеальным” портретом клиента. Иначе их может оказаться очень мало))

4. Задайте правила остановки и передачи человеку. Этот возможно самое важное.

5. Автоматизируйте поэтапно.

6. Сравните с исходным процессом.

7. Только потом повышайте автономность.

У нас похожая логика используется в автоматизации SDR для B2B: система забирает подготовку базы, касания, follow-up и часть квалификации, а заинтересованный клиент передаётся в продажи вместе с контекстом. И диалог продолжается с клиентом там, где начался.

Это точно не заменить весь отдел продаж и не должно.

Отдельно можно автоматизировать конкретный канал — например, Telegram-аутрич для B2B, не перестраивая сразу весь sales development.

Без цифр ради цифр. Считайте, что доехало до продаж

У AI SDR очень легко измерять циферки чего угодно: сколько контактов нашли, сколько сообщений отправили, сколько ответов получили, даже время суток с наибольшим кол-ом ответов, но…

Денег сами по себе эти цифры не приносят. Смотрим ключевые показатели. А это выручка.

Если отправок стало в пять раз больше, а нормальных диалогов не прибавилось — копаем скрипты и логику.

Если встреч стало больше, но продавцы говорят, что половина лидов не соответствует ICP – копаем квал и этап назначение встречи.

Когда AI SDR не спасёт

Многие проблемы бессмысленно лечить автоматизацией.

• Нет ICP. Система не угадает как выглядит ваш любимый клиент, если вы сами не знаете кто это.
• Слабый оффер. Можно персонализировать сообщение по двадцати параметрам. Но какой смысл, если цена высокая и условия лютые?
• Плохие данные. LLM не исправит ложные данные.
• Продукт. Тут понятно, должен быть ликвидным для рынка и ЦА, а не в теории.
• Слишком маленький TAM. При сотне стратегических компаний качество каждого контакта важнее объёма. Не трогайте автоматизацию на касаниях с клиентом.
• Нет владельца процесса. Это про ответственность и контроль.

Так авто-SDR заменит человека или нет?

Для большинства сложных B2B-продаж полностью — достижимо до 70-80%.

Значительную часть повторяемой работы — на 100% при наличие инструкций.

AI хорошо справляется с обработкой данных, research, enrichment, отправкой, follow-up, классификацией типовых ответов.

Человек остаётся владельцем стратегии, сложного контекста, отношений и решений с высокой ценой ошибки.

Вопросы типа: “сколько процентов SDR заменит AI?”, “сколько сообщений надо отправлять”, “Цена сообщения” – я бы вообще выкинул.

Возьмите свой процесс и напротив каждого этапа поставьте одну из трёх пометок:

автоматизировать → автоматизировать с контролем → оставить человеку.

Потом аналитика и причинно-следственные, правки и оптимизация. И вот только после всего этого уже можете показывать друзьям, какой вы ИИ-авто-супер-пупер-дупер.