AI-аудит клиента в Битрикс24: как одна кнопка заменяет часы разбора карточек

В Битрикс24 есть вся история клиента — сделки, звонки, письма, чаты и счета. Но кто будет разбирать ее целиком?

Мы разработали AI-аудит, который за несколько минут собирает накопленные данные из карточки клиента, анализирует их и выдает готовый план действий. Сначала запустили решение для себя, а теперь внедряем клиентам. Рассказываем, как оно работает и что пришлось решить, чтобы AI справлялся с реальными клиентскими базами и годами накопленной истории.

Проблема, которую видели у себя и у клиентов

Мы интегратор Битрикс24, много работаем с активными клиентскими базами. И постоянно упирались в одну и ту же ситуацию: данные в CRM есть, а картины по клиенту — нет.

АКБ ведется в смарт-процессе Битрикс24. По каждому клиенту за месяцы и годы накапливается солидный массив истории: сделки, звонки, письма, комментарии в таймлайне, переписки в открытых линиях, платежи, счета, связанные лиды и контакты.

Формально этого достаточно, чтобы в любой момент понимать состояние отношений. Практически, чтобы ответить на простые вопросы:

• когда мы в последний раз разговаривали с клиентом;
• нет ли признаков снижения интереса;
• какие риски появились за последние недели;
• что делать следующим шагом.

Менеджер вручную перечитывает десятки карточек и всю связанную с ними историю. На масштабе сотен клиентов это не работает, не потому что менеджеры ленивые, а потому что задача физически не решается за разумное время. В результате база «есть», а системной работы с ней — нет.

Мы решили закрыть эту боль сами, сначала для собственных процессов, потом развернули как приложение, которое внедряем клиентам под их сценарии.

Как работает ИИ-агент в Битрикс24

В карточке клиента появляется кнопка «Запустить AI-аудит». По нажатию приложение уходит собирать фактуру и в реальном времени показывает, что сейчас делает: собирает историю коммуникаций, расшифровывает звонки, анализирует данные.

Через минуты выдает готовый разбор:

• Оценка «здоровья» клиента — с обоснованием, учитывается не только сумма продаж, но и свежесть данных: клиент с крупной сделкой полгода назад и клиент с регулярными платежами на прошлой неделе — это разные ситуации.
• Резюме текущей ситуации — краткая сводка, что происходит с клиентом сейчас.
• Риски — что может пойти не так и на что стоит обратить внимание.
• Рекомендации и следующий шаг — не абстрактные советы, а конкретное действие, которое стоит сделать сейчас.
• План действий — уже разбитый на пункты, готовый превратиться в чек-лист.

А теперь покажем, как это работает:

Дополнительно есть общая таблица клиентской базы с сортировкой и фильтрами, чтобы можно было пройтись аудитом по большому пулу клиентов.

От анализа сразу к задаче

Это часть, ради которой все и делалось. AI-резюме, которое просто висит в интерфейсе, через месяц перестают открывать. Поэтому прямо из результата аудита одной кнопкой создаётся задача. Приложение само:

• формирует название и описание задачи с опорой на резюме и следующий шаг;
• превращает предложенный план действий в готовый чек-лист;
• назначает задачу ответственному менеджеру за клиента;
• ставит срок, который выбрал сотрудник.

Цепочка целиком: данные в Битрикс24 → AI-анализ → рекомендация → задача с чек-листом у нужного сотрудника. Без ручного копирования, без «скопируй резюме и перепиши в задачу».

Какие технологии используются в ИИ-агенте Битрикс24

Пара слов про стек, для тех, кому интересно, что под капотом:

• VibeCode — платформа, на которой развернуто приложение. Дает инфраструктуру для разработки и размещения приложений под Битрикс24: авторизацию, вебхуки, размещение фронтенда прямо в интерфейсе портала. Своё окружение под каждый такой проект поднимать не хотелось, VibeCode из коробки закрывает эту часть.
• BitrixGPT 5.5 — отвечает за анализ истории, формирование выводов, рекомендаций и генерацию задач.
• Whisper Large v3 Turbo — транскрибация звонков, чтобы в анализ попадало не только то, что менеджер счел нужным записать, но и то, что реально обсуждалось с клиентом.

Почему это оказалось нетривиально

По описанию кажется, что делов-то — взять API Битрикс24, подсунуть в LLM и получить ответ. Но между «работает на демо» и «работает на базе с сотнями клиентов и годами истории» лежит несколько важных задач:

1. Что отправлять в анализ. В таймлайне активного клиента за пару лет может быть несколько сотен событий. Если сложить подряд и передать модели — качество вывода падает, а стоимость растет. Нужна аккуратная работа с историей: приоритизация по свежести, свертка старых событий в компактные сводки, дедупликация того, что дублируется по разным сущностям.
2. Голос как источник контекста. В CRM попадает то, что менеджер счел нужным записать. Детали, обещания и сомнения клиента остаются в звонках. Без транскрибации записей значительная часть контекста для анализа не существует, и модель делает выводы по обрезанной картине. Мы это решили — в анализ идет то, что обсуждалось, а не только то, что успели зафиксировать.
3. Ответы, которым можно доверять. Модель должна давать не просто красивое резюме, а обоснованное с явной причиной оценки, без выдуманных фактов и всегда в предсказуемой структуре, которую можно превратить в задачу. Это отдельная работа, которая не видна пользователю, но без нее фича быстро превращается в «AI иногда пишет что-то странное».
4. Замыкание в действие. Сформировать хороший план — половина дела. Превратить его в задачу с чек-листом, назначенную нужному человеку с нужным сроком — вторая половина. Именно она определяет, будут ли пользоваться фичей через месяц после внедрения.

Важный момент про данные

AI не создает знания о компании из воздуха. Если в Битрикс24:

• коммуникации с клиентами не фиксируются;
• сделки и другие объекты ведутся «как-нибудь»;
• звонки не подтягиваются в CRM;
• результаты работы живут в голове менеджеров,

то самая мощная модель на выходе даст пустое резюме. Это важно проговаривать до внедрения: качество AI-аудита зависит от того, насколько формализованы процессы и насколько полно фактура попадает в систему.

Обратное тоже верно: чем более структурировано ведется работа в Битрикс24, тем более осмысленные сценарии можно строить поверх. AI здесь — множитель, а не замена работе с данными.

Где еще можно использовать ИИ в Битрикс24

Логика «собрать накопленную в Битрикс24 фактуру → отдать AI → получить структурированный вывод → превратить его в конкретное действие внутри процесса» не привязана к клиентской базе. По тому же принципу этот подход применим практически к любым процессам, которые ведутся в Битрикс24:

• Рекламации и претензии — оценка серьезности, маршрутизация, шаблон ответа.
• Сервисные обращения — сводка истории обращений клиента, вероятная причина, чек-лист диагностики.
• Закупки и работа с подрядчиками — аудит рисков, свежесть коммуникаций, статус договоренностей.
• Проектная деятельность — сводка прогресса, риски, следующие шаги для проектного менеджера.
• Внутренние заявки сотрудников — классификация, приоритизация, автогенерация задач исполнителю.
• Документооборот и согласования — сводка по документу, автоформирование задач ответственным.

Технически ядро одно и то же, меняется только набор источников и то, что именно модель ищет в данных.

Что в итоге

У нас получился пример того, как накопленные в Битрикс24 данные превращаются из архивной истории в контекст для AI, который делает вывод, предлагает решение и запускает следующее действие внутри рабочего процесса. Без выхода из системы и без ручной работы менеджера.

Приложение с AI-аудитом клиентов уже работает, мы используем сами и внедряем клиентам. Под другие процессы (рекламации, сервис, закупки, проекты, внутренние заявки) собираем сценарии по такому же принципу: адаптируем ядро под конкретные данные и задачи заказчика.

Если у вас в Битрикс24 копится большой объем данных, а системной работы с ним не построено, оставьте заявку на сайте webest.ru.