A Sinimex apresentou um treinador de AI para vendas corporativas com verificação por documentos

Синимекс рассказала о прототипе ИИ-тренера для B2B-продаж, который учит менеджеров вести переговоры, отрабатывать возражения и не завышать характеристики продукта. Система уже проходит тесты: после смены архитектуры она стала заметно стабильнее, а команда рассчитывает, что регулярные тренировки поднимут число запросов на коммерческие предложения минимум на 15%.

От провала к тренажеру Идея выросла из типичной проблемы B2B-продаж.

Новичок может уверенно провести первую часть встречи, но потеряться, когда клиент начинает задавать неудобные вопросы по продукту, документации и выгоде перехода. В потребительских продажах такую ошибку еще можно пережить, но в корпоративном сегменте каждая неудачная встреча — это потерянный лид, время команды и деньги. Для компаний с длинным циклом сделки такой сбой особенно болезнен и дорог. Поэтому в Синимекс решили собрать не просто чат-бота, а симулятор переговоров. Тренажер должен проходить с менеджером весь цикл беседы от приветствия до фиксации следующих шагов, реалистично возражать и после разговора давать обратную связь. Для обучения взяли два основных типа данных: сценарии визитов с целями и типовыми возражениями, а также продуктовую документацию в PDF, чтобы агент мог опираться не на «ощущения», а на факты.

Архитектура под контролем Команда перебрала три подхода.

Одноагентную схему отвергли из-за переполнения контекста: в длинном разговоре модель начинала терять нить и хуже следовать инструкциям. Классический мультиагентный подход тоже не подошел: он гибкий, но слишком похож на черный ящик, где трудно понять, почему один агент передал задачу другому и на каком этапе родилась ошибка. В итоге выбрали sequential prompting — цепочку узких шагов с контролируемым выводом в JSON и раздельными промптами для каждой стадии разговора.

выбор промпта по фазе беседы генерация нескольких вариантов реплики выбор лучшего ответа отдельным агентом отправка финальной реплики менеджеру Первая версия системы все равно провалилась: успешными признали только 2 диалога из 8. После этого в схему добавили второго агента-«редактора», который выбирает лучший вариант ответа из нескольких сгенерированных. Такой двухэтапный конвейер разгрузил основной промпт и дал модели больше вариативности без потери контроля.

Во второй итерации результат вырос до 7 успешных диалогов из 8, а сами ответы стали звучать естественнее. Это и стало переломным моментом проекта.

Проверка на выдумки Следующий шаг — усложнение симуляции.

В тренажере появились уровни сложности: на легком уровне виртуальный клиент более сговорчив, на среднем требует аргументов, а на сложном начинает придирчиво проверять каждое утверждение менеджера. Именно здесь в систему добавили RAG, чтобы агент мог сверяться с документацией и ловить неподтвержденные обещания. Иначе тренажер либо верил бы любому обещанию менеджера, либо спорил бы без опоры на факты.

Сценарий выглядит так: менеджер делает заявление о продукте, система выделяет конкретный тезис, через векторный поиск находит релевантный фрагмент документации, а затем передает утверждение и найденный кусок текста в модель для вердикта. Если менеджер, например, говорит, что облачная версия продукта выдерживает 500 одновременных пользователей, а в документации есть данные только о тесте на двух, агент не соглашается автоматически и мягко указывает на несоответствие. По словам команды, каждый промпт в среднем переписывали около 12 раз, чтобы добиться такого поведения.

Что это значит

Проект Синимекс показывает, что корпоративные ИИ-агенты все чаще смещаются от «умных чатиков» к прикладным тренажерам с проверяемой логикой. Если такой формат подтвердит прогнозы по росту офферов и конверсии в пилоты, ИИ сможет занять в B2B-продажах роль постоянного тренера, который доступен в любой момент и опирается на документы, а не на импровизацию. Для внутренних отделов продаж это уже не эксперимент ради эксперимента, а потенциальный инструмент масштабирования обучения.