Sales AI-агент ломается не на лидогенерации, а на передаче контекста в CRM

Sales AI-агент ломается не на лидогенерации, а на передаче контекста в CRM

Если агент сам пишет письма, квалифицирует лид и ставит задачи, ему нужен не «умный промпт», а жёсткая схема данных. Иначе через 5–7 касаний он начинает путать роль контакта, стадию сделки и причину отказа.

Рабочая база для такого пайплайна:
— фиксированный объект lead_state: источник, ICP-фит, стадия, последнее касание, next_best_action
— отдельная память для фактов о компании и отдельная — для истории диалога
— write-back в CRM только после валидации полей, а не по тексту модели

Главная ошибка — давать агенту свободно «думать» о следующем шаге. Для sales-задач лучше ограничить его действия списком: обогреть, уточнить, назначить, эскалировать. Тогда меньше галлюцинаций и проще разбирать, почему лид ушёл не туда.

Ещё один типичный провал — смешивать генерацию ответа и обновление CRM в одном шаге. Когда модель сначала пишет email, а потом сама же интерпретирует свой текст как факт, в карточку улетают вымышленные атрибуты 😐

Если строите sales AI, начинайте не с LLM, а с контракта между агентом, CRM и логикой допуска. Там обычно и прячется основная поломка.