Около года назад мы интегрировали ChatGPT в Bitrix24 CRM для клиента. Цель: автоматическая квалификация входящих лидов без участия человека на первом касании. Вот что получилось.
Проблема
У клиента был стабильный поток входящих лидов — заявки с форм, звонки, сообщения в чат — всё попадало в Bitrix24. Менеджеры по продажам тратили первые 20-30 минут на каждый лид только на сбор базовой информации: бюджет, сроки, объём, лицо принимающее решение. Повторяющаяся, низкоценная работа, которая убивала энергию для реальных продающих разговоров.
Что мы построили
Архитектура была прямолинейной: вебхук из Bitrix24 срабатывает при создании нового лида, наш middleware-сервис его подхватывает, вызывает OpenAI API со структурированным промптом и записывает результаты квалификации обратно в CRM как поля сделки и заметку активности.
Промпт оказался сложной частью. Обобщённый «квалифицируй этот лид» давал обобщённые результаты. В итоге мы пришли к структурированному системному промпту, который:
- Описывал продукт клиента и типичный профиль покупателя
- Перечислял конкретные поля для извлечения (диапазон бюджета, срочность, роль контакта)
- Задавал формат вывода как JSON для надёжного парсинга
- Включал fallback-значения, когда информация отсутствовала
GPT-4o-mini был достаточно быстрым и дешёвым для работы на каждом лиде. GPT-4 для этого не требовался — задача была извлечение и классификация, а не рассуждение.
Результаты
Время квалификации первого касания сократилось с 20-30 минут до почти нуля для структурированных лидов. Менеджеры всё равно проверяли вывод AI, но входили в разговоры, уже зная контекст.
Граничные случаи были предсказуемыми: размытые лиды («хочу что-нибудь»), очень короткие сообщения, нерусский текст. Мы обрабатывали их через оценку уверенности — если уверенность ниже порога, флаг для ручной проверки вместо авто-квалификации.
На что обратить внимание
Главная ошибка в таких проектах: воспринимать вывод AI как истину. Это отправная точка. Менеджеры должны понимать, что проверяют черновик, а не читают факты. Тренировка этого мышления заняла больше времени, чем разработка интеграции.
Ещё: версионирование промптов. Храни промпты в системе контроля версий. Когда меняешь промпт — меняется поведение для каждого будущего лида. Нужна возможность откатиться и сравнить.
Интеграция обошлась примерно в две недели разработки. Окупилась в первый же месяц за счёт сэкономленного времени.