Логистика контейнеров: автоматизация продаж с помощью ИИ
Демонстрация работы ИИ-менеджера по продажам заказчику
К нам обратилась логистическая компания, занимающаяся контейнерными перевозками через порты Сиэтла и Такомы (США), с острой и понятной болью в работе отдела продаж.
Основная проблема — постоянные ошибки менеджеров при расчёте стоимости перевозки. Из-за большого количества нюансов и деталей, влияющих на финальную цену (тип и размер контейнера, пустой он или загруженный, откуда и куда его нужно доставить — с порта или в порт), сотрудники регулярно допускали неточности. Среднее время ответа неопытного сотрудника доходило до 10-15 минут, при этом почтовый ящик компании мог быть завален запросами.
Дополнительную сложность создаёт объёмная тарифная матрица, которую нужно индивидуально применять к каждому клиенту. А поскольку команда менеджеров работает удалённо, из разных стран, процесс обучения новых сотрудников был крайне затруднён: онбординг занимал до 6 месяцев, прежде чем человек мог уверенно и без ошибок выполнять свою работу.
Компания теряла деньги, время и клиентов — и обратилась к нам с запросом на решение, которое поможет убрать человеческий фактор из процесса расчёта и повысит эффективность работы отдела продаж.
К нам обратилась логистическая компания, занимающаяся контейнерными перевозками через порты Сиэтла и Такомы (США), с острой и понятной болью в работе отдела продаж.
Основная проблема — постоянные ошибки менеджеров при расчёте стоимости перевозки. Из-за большого количества нюансов и деталей, влияющих на финальную цену (тип и размер контейнера, пустой он или загруженный, откуда и куда его нужно доставить — с порта или в порт), сотрудники регулярно допускали неточности. Среднее время ответа неопытного сотрудника доходило до 10-15 минут, при этом почтовый ящик компании мог быть завален запросами.
Дополнительную сложность создаёт объёмная тарифная матрица, которую нужно индивидуально применять к каждому клиенту. А поскольку команда менеджеров работает удалённо, из разных стран, процесс обучения новых сотрудников был крайне затруднён: онбординг занимал до 6 месяцев, прежде чем человек мог уверенно и без ошибок выполнять свою работу.
Компания теряла деньги, время и клиентов — и обратилась к нам с запросом на решение, которое поможет убрать человеческий фактор из процесса расчёта и повысит эффективность работы отдела продаж.
Решение
Мы внедрили «виртуального sales-менеджера», который закрывает рутинные операции. Ключевой модуль — LLM (ChatGPT 5), дополнительно обученная на корпоративной переписке и внутренних документах, чтобы соответствовать терминологии, тону и процессам компании.
Теперь пользовательский путь выглядит так:
1.Приходит письмо с запросом на доставку;
2.Расширение внутри почтового клиента автоматически считывает содержание письма;
3.Система анализирует маршрут, параметры контейнера и применяет нужную часть тарифной матрицы;
4.Формирует готовый, релевантный ответ с расчётом стоимости;
5.Упаковка в КП для клиента
6.Менеджер только выбирает подходящий тариф и нажимает «отправить»
1.Приходит письмо с запросом на доставку;
2.Расширение внутри почтового клиента автоматически считывает содержание письма;
3.Система анализирует маршрут, параметры контейнера и применяет нужную часть тарифной матрицы;
4.Формирует готовый, релевантный ответ с расчётом стоимости;
5.Упаковка в КП для клиента
6.Менеджер только выбирает подходящий тариф и нажимает «отправить»
Исследование и постановка задачи
Мы провели подробный аудит внутренних процессов: изучили правила расчёта, структуру тарифов, историю переписки с клиентами, особенности принятия решений менеджерами.
Результат: была сформирована логика ценообразования и критерии, которые необходимо учитывать при работе ИИ. Это позволило не просто автоматизировать процесс, а воспроизвести реальный стиль работы опытных сотрудников.
Результат: была сформирована логика ценообразования и критерии, которые необходимо учитывать при работе ИИ. Это позволило не просто автоматизировать процесс, а воспроизвести реальный стиль работы опытных сотрудников.
Разработка и обучение LLM
Мы провели файнтюнинг языковой модели на базе исторических писем, расчётов и ответов менеджеров. Обучили систему распознавать параметры запроса и сопоставлять их с нужными тарифами, учитывая все нюансы маршрутов.
Также была реализована система шаблонов и логики выбора формулировок, чтобы ответы клиентам выглядели живыми и соответствовали стилю компании.
Важно отметить, что после успешного прохождения тестирования (в котором участвовали два сотрудника компании), нам потребовался дополнительный месяц на доработку модели. Несмотря на отличные результаты в лабораторных условиях, при запуске в реальной среде с фокус-группой потребовалась корректировка логики и адаптация под живые сценарии.
Это типичная особенность подобных проектов с использованием ИИ: модель может демонстрировать высокую точность на тестах, но при реальной работе всегда важно закладывать этап адаптации под реальные пользовательские данные и поведение. Конечное решение выглядело уже как ансамбль моделей.
Также была реализована система шаблонов и логики выбора формулировок, чтобы ответы клиентам выглядели живыми и соответствовали стилю компании.
Важно отметить, что после успешного прохождения тестирования (в котором участвовали два сотрудника компании), нам потребовался дополнительный месяц на доработку модели. Несмотря на отличные результаты в лабораторных условиях, при запуске в реальной среде с фокус-группой потребовалась корректировка логики и адаптация под живые сценарии.
Это типичная особенность подобных проектов с использованием ИИ: модель может демонстрировать высокую точность на тестах, но при реальной работе всегда важно закладывать этап адаптации под реальные пользовательские данные и поведение. Конечное решение выглядело уже как ансамбль моделей.
Внедрение и интеграция
Решение было реализовано в MVP версии в формате телеграм-бота и после прохождения тестирования в виде расширения к почтовому клиенту.
Теперь:
-Система обрабатывает входящие письма в реальном времени;
-Подбирает подходящие тарифы и формирует готовый текст ответа;
-Интерфейс позволяет менеджеру выбрать нужный вариант и подтвердить отправку.
Теперь:
-Система обрабатывает входящие письма в реальном времени;
-Подбирает подходящие тарифы и формирует готовый текст ответа;
-Интерфейс позволяет менеджеру выбрать нужный вариант и подтвердить отправку.
Результат
Спустя 3 месяца после внедрения система показала отличные результаты:
-Сокращение времени обработки запроса с 5–15 минут до 30 секунд;
-Снижение количества ошибок на 99% — за время работы не зафиксировано ни одной критической;
-Онбординг новых сотрудников сократился с 6 месяцев до нескольких дней;
-Высвобождение до 70% рабочего времени опытных менеджеров, ранее потраченного на рутину;
-Рост удовлетворённости клиентов за счёт быстрого и точного взаимодействия.
-Конверсия в сделку увеличилась на 37%
После полного внедрения система не только сократила время отклика и снизила количество ошибок, но и позволила компании оптимизировать структуру отдела продаж — штат был сокращён на 30%. Один менеджер теперь обрабатывает объём запросов, с которым ранее справлялись несколько сотрудников. Это снизило операционные расходы без потери в качестве клиентского сервиса.
Мы не просто создали инструмент — мы внедрили интеллектуального помощника, который усилил команду, убрал человеческий фактор и дал возможность масштабировать бизнес без потери качества.
Проект оказался настолько успешным, что заказчик инициировал новый этап сотрудничества — автоматизацию отдела диспетчеризации.
-Сокращение времени обработки запроса с 5–15 минут до 30 секунд;
-Снижение количества ошибок на 99% — за время работы не зафиксировано ни одной критической;
-Онбординг новых сотрудников сократился с 6 месяцев до нескольких дней;
-Высвобождение до 70% рабочего времени опытных менеджеров, ранее потраченного на рутину;
-Рост удовлетворённости клиентов за счёт быстрого и точного взаимодействия.
-Конверсия в сделку увеличилась на 37%
После полного внедрения система не только сократила время отклика и снизила количество ошибок, но и позволила компании оптимизировать структуру отдела продаж — штат был сокращён на 30%. Один менеджер теперь обрабатывает объём запросов, с которым ранее справлялись несколько сотрудников. Это снизило операционные расходы без потери в качестве клиентского сервиса.
Мы не просто создали инструмент — мы внедрили интеллектуального помощника, который усилил команду, убрал человеческий фактор и дал возможность масштабировать бизнес без потери качества.
Проект оказался настолько успешным, что заказчик инициировал новый этап сотрудничества — автоматизацию отдела диспетчеризации.
