Менеджер заканчивает хорошую встречу и следующие сорок минут копирует данные из CRM в старый шаблон КП. Потом ищет актуальную цену, меняет три абзаца и отправляет документ на проверку.

Коммерческое предложение через нейросеть может убрать эту рутину. Но только если AI пишет формулировки, а цена, сроки, состав решения и клиентские факты приходят из нормальных источников.

Я бы не разрешала модели свободно сочинять самое важное. Красивое КП с выдуманным сроком хуже медленного.

Соберите вход из сделки, а не из пустого prompt

В CRM уже есть компания, контакт, стадия, задачи и часть договорённостей. После встречи добавляются заметки, письмо и следующие шаги.

Я бы собирала единый proposal context: подтверждённая потребность, выбранные продукты, ограничения, участники, срок следующего решения. Модель получает этот пакет и не пытается заново исследовать клиента.

Microsoft Sales Copilot умеет сохранять сводки и контекст коммуникации в CRM. Это хороший тип источника для дальнейшего draft, если факты видны отдельно от сгенерированного текста.

Проверяемые источники: Microsoft Learn — View and save email summaries to your CRM

Цена и срок не должны рождаться в тексте

Стоимость берём из каталога, прайса или расчётного поля. Срок — из согласованного scope и правила проекта. Юридические условия — из утверждённого шаблона.

AI может объяснить эти значения человеческим языком. Он не должен выбирать их сам, если процесс не дал ему такое право.

Я бы визуально выделяла в draft все поля, которые пришли из системного источника. Менеджер сразу видит, где факт, а где формулировка.

Проверяемые источники: Microsoft Learn — Create a Request for Proposal generator agent from a template · HubSpot — Automatically populate records using smart properties

MEDIA FRAME · PLACEHOLDERИллюстрация будет добавлена позже
Коммерческое предложение через нейросеть: как собрать КП из CRM без выдуманных фактов · временная заглушка

Персонализация начинается с причины покупки

Подставить имя компании в первый абзац — не персонализация. Мне важнее, чтобы КП отражало конкретную проблему, критерий решения и то, что обсуждали на встрече.

Если клиент сказал, что главный риск — ручная обработка заявок вечером, это должно появиться в предложении. Если такого факта не было, AI не должен придумывать его ради убедительности.

Хороший draft использует контекст сделки. Плохой просто генерирует красивый универсальный текст.

Проверяемые источники: Microsoft Learn — View and save email summaries to your CRM · Microsoft Learn — Draft an email message in Sales pane

Менеджер подтверждает исключения, а не переписывает документ

Если каждый draft нужно перечитать от первой до последней строки, экономия быстро исчезает. Я бы вынесла на review только спорные места: неизвестная цена, отсутствующий scope, неподтверждённый срок, новый юридический пункт.

Остальные блоки должны собираться из approved content и фактов сделки. Тогда менеджер принимает несколько решений вместо ручного редактирования всего КП.

RFP/предложение как агентный сценарий в Microsoft тоже строится вокруг шаблонов и структурированного входа, а не полностью свободного документа.

Проверяемые источники: Microsoft Learn — Create a Request for Proposal generator agent from a template

Версии КП нужно связывать с состоянием сделки

После нового звонка меняется scope. Потом клиент просит другой пакет. Через неделю в переписке уже три PDF с похожими названиями.

Я бы сохраняла proposal version рядом со сделкой и фиксировала, какие CRM-данные были использованы. Новый draft создаётся из текущего состояния, а не поверх старого файла на рабочем столе.

Так проще понять, почему изменилась цена или формулировка, и не отправить клиенту предыдущую версию.

Проверяемые источники: Microsoft Learn — View and save email summaries to your CRM

Смотреть нужно на время до отправки и фактические исправления

Количество сгенерированных КП — пустая метрика. Меня интересует, сколько времени проходит от встречи до отправки и сколько фактов менеджер исправляет руками.

Если AI ускорил первый draft, но менеджеры регулярно чинят цену и обещания, процесс опасный. Если правки в основном стилистические, можно постепенно автоматизировать дальше.

Нормальное КП должно выйти быстрее и остаться точным. Оба условия важны.

Проверяемые источники: HubSpot — Automatically populate records using smart properties · Microsoft Learn — Draft an email message in Sales pane

Не каждый клиент должен получать одинаковую длину КП

Для типового продукта клиенту может хватить одной страницы с подтверждённым scope и ценой. Сложная интеграция требует архитектуры, ограничений и этапов. Я бы не заставляла AI заполнять одинаковый шаблон до одинакового объёма.

Структуру КП лучше выбирать по типу сделки и уже известным вопросам клиента. Обязательные юридические и коммерческие блоки остаются, а объясняющая часть меняется.

Так персонализация становится не сменой прилагательных, а выбором действительно нужной информации.

Проверяемые источники: Microsoft Learn — Create a Request for Proposal generator agent from a template · Microsoft Learn — Draft an email message in Sales pane

Что обычно спрашивает команда продаж

Можно ли нейросетью автоматически сделать коммерческое предложение?

Да, если факты сделки, цена, срок и approved content приходят из контролируемых источников. Модели лучше доверять формулировку и сборку, а не свободное придумывание условий.

Какие данные брать из CRM для КП?

Подтверждённую потребность, участников, выбранное решение, договорённости и следующий шаг. Состав зависит от вашего процесса, но каждое поле должно иметь понятный источник.

Нужно ли менеджеру проверять весь AI-документ?

На первом этапе — полезно. Зрелая схема должна локализовать review до спорных полей и новых формулировок, а стабильные блоки собирать из approved sources.

Я бы строила генерацию КП так, чтобы менеджер после встречи не становился редактором документа. Система собирает факты, пишет draft и показывает только спорные места. Менеджер принимает решения и отправляет. Вот тогда это действительно автоматизация продаж.

Следом по воронке полезно посмотреть для «коммерческое предложение нейросеть»: Подготовка к встрече с клиентом: как AI собирает briefing из CRM · Как автоматически заполнять CRM из переписки с клиентом · Как AI определяет следующий шаг по сделке.