ИИ-суфлёр в WhatsApp: как отвечать клиентам за 30 секунд вместо 3 часов

Пятница, 16:47. Клиент пишет в WhatsApp: «Сколько стоит облицовка фасада 200 м²?» Менеджер видит сообщение в понедельник утром — и отвечает. Клиент к тому моменту уже заключил договор с конкурентом, который ответил в тот же день через 6 минут.

Это не история про “будущее ИИ”. Это история про то, что прямо сейчас конкуренты забирают твои сделки — пока твой менеджер допивает кофе.

Почему 3 часа — это провал, а не нормально

Есть исследование InsideSales.com, которое обычно приводят на конференциях и сразу забывают. Смысл там простой: вероятность квалификации лида падает в 21 раз, если ответить через 30 минут вместо 5. В 21 раз — не на 21 процент.

В B2C WhatsApp-продажах это работает ещё жёстче. Человек написал — значит, он сейчас горячий. Через час он либо ушёл к конкуренту, либо переключился на что-то другое и остыл. Средний отдел продаж отвечает за 2–4 часа. Конкуренты, которые внедрили автоматизацию — за 3–10 минут.

Обычный ответ на это: «Наймём ещё менеджера». Считаем: зарплата 60–80 тысяч рублей, налоги, больничные, текучка. И всё равно человек не может отвечать моментально — у него обед, звонки, документы.

Второй ответ: «Поставим чат-бота». Поставили. Клиент получил «Здравствуйте! Выберите раздел: 1 — Услуги, 2 — Цены, 3 — Контакты» — и закрыл чат.

Есть третий путь.

Суфлёр, а не автомат

Идея простая. Когда клиент пишет в WhatsApp, система за 3–5 секунд:

1. Анализирует сообщение
2. Классифицирует запрос (цена, сроки, технический вопрос, жалоба)
3. Генерирует готовый черновик ответа

Менеджер видит уведомление с черновиком прямо в интерфейсе. Нажимает «Отправить» или быстро правит. Клиент получает ответ через 30–90 секунд — и это ответ от живого менеджера, не от бота.

Для FAQ (цены, адрес, сроки, стандартные условия) можно включить полностью автоматический режим — ИИ отвечает сам, менеджер видит копию в ленте. Для сложных запросов — всегда через одобрение человека.

Что спрашивают клиенты — и кто отвечает

Прежде чем писать код, надо решить главный вопрос: какие сообщения отдать ИИ полностью, а какие — только с черновиком?

Эту классификацию делает сам ИИ — менеджер не думает, к какому типу отнести каждое сообщение.

Как это работает технически

Стек минимальный: Python + FastAPI + Green API + Claude API. Всё разворачивается на VPS за 30–40 минут.

Шаг 1. Настройка webhook в Green API

Создаёшь инстанс в личном кабинете Green API, привязываешь номер WhatsApp Business, указываешь URL вебхука — куда Green API будет отправлять входящие сообщения.

<span class="wa-code__keyword">import</span> requests

<span class="wa-code__comment"># Настройка вебхука через API Green API</span>
INSTANCE_ID = <span class="wa-code__string">"your_instance_id"</span>
API_TOKEN = <span class="wa-code__string">"your_api_token"</span>

<span class="wa-code__func">def</span> set_webhook(webhook_url):
  url = f<span class="wa-code__string">"https://api.green-api.com/waInstance{INSTANCE_ID}/setSettings/{API_TOKEN}"</span>
  payload = {
      <span class="wa-code__string">"webhookUrl"</span>: webhook_url,
      <span class="wa-code__string">"webhookUrlToken"</span>: <span class="wa-code__string">"your_secret_token"</span>,
      <span class="wa-code__string">"incomingWebhook"</span>: <span class="wa-code__string">"yes"</span>
  }
  <span class="wa-code__keyword">return</span> requests.<span class="wa-code__func">post</span>(url, json=payload)

<span class="wa-code__comment"># При разработке — ngrok даёт публичный HTTPS-URL</span>
<span class="wa-code__comment"># ngrok http 8000 → https://xxxxx.ngrok.io</span>

Шаг 2. FastAPI сервер — приём сообщений и вызов Claude

<span class="wa-code__keyword">from</span> fastapi <span class="wa-code__keyword">import</span> FastAPI, Request
<span class="wa-code__keyword">import</span> anthropic, requests, json

app = FastAPI()
claude = anthropic.<span class="wa-code__func">Anthropic</span>()

SYSTEM_PROMPT = <span class="wa-code__string">"""
Ты — ассистент отдела продаж строительной компании "СтройПрофи".
Компания занимается фасадными работами в Москве и МО.

ПРАЙС:
- Облицовка кирпичом: от 3 200 руб/м²
- Штукатурка фасада: от 1 800 руб/м²
- Утепление + штукатурка: от 2 400 руб/м²
- Замер бесплатный, выезд в день обращения

СРОКИ: фасад 200 м² — 14–21 рабочий день

РЕЖИМ РАБОТЫ: Пн-Пт 8:00-20:00, Сб 9:00-17:00

ЗАДАЧА: Определи тип запроса и верни JSON:
{
"type": "faq"|"semi"|"human",
"draft": "текст ответа клиенту",
"reason": "почему такой тип"
}

FAQ = типовые вопросы по прайсу, срокам, адресу.
Semi = расчёт, замер, портфолио.
Human = жалобы, крупные объекты >500 м², юридические вопросы.
"""</span>

<span class="wa-code__func">@app.post</span>(<span class="wa-code__string">"/webhook"</span>)
<span class="wa-code__keyword">async def</span> <span class="wa-code__func">handle_webhook</span>(request: Request):
  data = <span class="wa-code__keyword">await</span> request.<span class="wa-code__func">json</span>()
  
  <span class="wa-code__comment"># Извлекаем текст входящего сообщения</span>
  msg_type = data.<span class="wa-code__func">get</span>(<span class="wa-code__string">"typeWebhook"</span>)
  <span class="wa-code__keyword">if</span> msg_type != <span class="wa-code__string">"incomingMessageReceived"</span>:
      <span class="wa-code__keyword">return</span> {<span class="wa-code__string">"ok"</span>: True}
  
  msg_data = data[<span class="wa-code__string">"messageData"</span>]
  <span class="wa-code__keyword">if</span> msg_data[<span class="wa-code__string">"typeMessage"</span>] != <span class="wa-code__string">"textMessage"</span>:
      <span class="wa-code__keyword">return</span> {<span class="wa-code__string">"ok"</span>: True}
  
  text = msg_data[<span class="wa-code__string">"textMessageData"</span>][<span class="wa-code__string">"textMessage"</span>]
  chat_id = data[<span class="wa-code__string">"senderData"</span>][<span class="wa-code__string">"chatId"</span>]
  
  <span class="wa-code__comment"># Вызываем Claude для анализа и генерации ответа</span>
  response = claude.messages.<span class="wa-code__func">create</span>(
      model=<span class="wa-code__string">"claude-sonnet-4-6"</span>,
      max_tokens=512,
      system=SYSTEM_PROMPT,
      messages=[{<span class="wa-code__string">"role"</span>: <span class="wa-code__string">"user"</span>, <span class="wa-code__string">"content"</span>: text}]
  )
  
  result = json.<span class="wa-code__func">loads</span>(response.content[0].text)
  
  <span class="wa-code__keyword">if</span> result[<span class="wa-code__string">"type"</span>] == <span class="wa-code__string">"faq"</span>:
      <span class="wa-code__comment"># Автоответ: отправляем напрямую клиенту</span>
      <span class="wa-code__func">send_message</span>(chat_id, result[<span class="wa-code__string">"draft"</span>])
  <span class="wa-code__keyword">else</span>:
      <span class="wa-code__comment"># Суфлёр: отправляем черновик менеджеру в Telegram</span>
      <span class="wa-code__func">notify_manager</span>(chat_id, text, result[<span class="wa-code__string">"draft"</span>], result[<span class="wa-code__string">"type"</span>])
  
  <span class="wa-code__keyword">return</span> {<span class="wa-code__string">"ok"</span>: True}

Шаг 3. Уведомление менеджера с черновиком

Менеджер получает в Telegram сообщение вида:

📨 Новый запрос WhatsApp
От: +7 999 123-45-67
Тип: расчёт/замер

Клиент написал:
"Нужна облицовка кирпичом, у меня коттедж 280 м² в Подольске"

💬 Черновик ответа:
"Здравствуйте! Фасадная облицовка кирпичом — от 3 200 руб/м².
Для вашего объёма 280 м² предварительная сумма: от 896 000 руб.
Замерщик бесплатно выедет сегодня или завтра. Удобно в какое время?"

[Отправить] [Редактировать] [Передать коллеге]

Менеджер нажимает одну кнопку — и ответ уходит клиенту от его имени. Весь процесс занимает 15–20 секунд против 10–15 минут ручного набора.

Как обучить ИИ под свой бизнес

System prompt — это сердце всей системы. Плохой промпт даёт галлюцинации, хороший — делает ИИ точнее любого скрипта продаж.

Что обязательно класть в system prompt:

Прайс с условиями. Не просто цифры, а контекст: от чего зависит цена, что включено, что нет. ИИ должен уметь посчитать предварительную сумму по запросу клиента.

Скрипты возражений. «Дорого» → что отвечать. «Подумаю» → как удерживать. «У конкурентов дешевле» → чем аргументировать. Это не абстрактные советы, а конкретные фразы, которые работали у твоих лучших менеджеров.

Граница компетенции. Чётко прописать: в каких ситуациях ИИ говорит «дайте уточню у специалиста» вместо того чтобы придумывать ответ. Лучше честное «не знаю» чем уверенная неправда.

Примеры диалогов. 5–10 реальных переписок с хорошим результатом. Claude учится на паттернах — покажи ему как выглядит идеальный разговор.

Реальные числа из кейса

Строительная компания в Москве, 6 менеджеров, 80–120 входящих сообщений WhatsApp в день. До внедрения.

42% входящих — это типовые вопросы по прайсу, адресу и срокам. Менеджеры на них больше не тратят время вообще. Остальные 58% получают черновик, который надо только проверить.

Окупаемость вышла за 6 недель. При среднем чеке 850 000 рублей — достаточно было 2 дополнительных сделки в месяц, чтобы покрыть все расходы на инфраструктуру на год вперёд.

Квиз: насколько быстро отвечает твой отдел продаж

Подводные камни, которые никто не упоминает

Первые две недели будут тяжелее, чем кажется. ИИ иногда ошибается в классификации, а менеджеры поначалу не доверяют черновикам и переписывают их полностью — что примерно равно работе без суфлёра.

Три вещи, без которых система не работает.

Один: system prompt надо переписывать каждые 2–3 недели, пока не устаканится. Первая версия будет плохой. Это нормально — собирай реальные диалоги, добавляй их как примеры.

Два: нужен один человек, ответственный за качество ответов ИИ. Не «все следят», а конкретный человек с метрикой «процент черновиков, отправленных без изменений». Когда этот процент растёт — система работает. Когда падает — надо разбираться почему.

Три: автоматический режим для FAQ надо вводить постепенно. Начни с одной категории (например, только «сколько стоит»), посмотри результат две недели, потом расширяй.

Ещё одна вещь, которую часто игнорируют: клиент не должен знать, что с ним говорил ИИ. Тон ответов должен совпадать с манерой конкретного менеджера, не быть одинаково «правильным» для всех. Хороший system prompt это учитывает.

WhatsApp-продажи в России — это уже не «попробовать», а основной канал для большинства B2C-компаний. Компании, которые отвечают быстро, забирают рынок у тех, кто отвечает правильно. Скорость сейчас важнее идеального текста.

Похожие кейсы

• Квалификация лидов в AmoCRM через ИИ
• Коммерческое предложение за 10 минут
• Транскрибация звонков и разбор в CRM
• FAQ-бот для сайта без галлюцинаций

Источники

• Green API — документация WhatsApp Business API
• Anthropic Claude API — документация
• Wazzup — WhatsApp Business API для CRM
• Harvard Business Review: скорость ответа на лиды
• InsideSales.com: исследование Lead Response Management