Разрабатываю ИИ-агентов для продаж, которые работают не по скрипту, а по вашей базе 1С: агент проверяет реальный остаток, берёт цену по договору конкретного клиента, подбирает аналог взамен того, чего нет на складе, и оформляет заказ. Я программист 1С и разработчик ИИ, поэтому собираю обе половины системы сам — и ту, что разговаривает с клиентом, и ту, что ходит в учётную систему за данными.
Это главное отличие от коробочных ботов. Они отвечают по базе знаний и выгруженному вчера прайсу, а в B2B и опте вопрос почти всегда звучит иначе: «есть сейчас или нет», «мне по какой цене», «а чем заменить».
Чем ИИ-агент продаж отличается от бота из конструктора
Сервисов, которые за 5–15 тысяч в месяц поставят чат-бота в мессенджер, на рынке десятки. Если задача — отвечать на типовые вопросы и собирать контакты, берите их, это будет дешевле и быстрее любой разработки. Разница начинается там, где ответ зависит от данных в вашей системе.
| Вопрос клиента | Коробочный бот | Агент с доступом к 1С |
|---|---|---|
| «Есть 40 штук на складе?» | Отвечает по выгруженному фиду — данные вчерашние | Смотрит регистр остатков на текущий момент |
| «Мне по какой цене?» | Даёт цену из прайса, одну для всех | Берёт цену по договору и скидке этого контрагента |
| «Этого нет, чем заменить?» | Не умеет — переводит на менеджера | Подбирает аналог по характеристикам и применяемости |
| «Где мой заказ?» | Не знает — заказ живёт в 1С | Находит документ и отдаёт статус отгрузки |
| «Оформите на меня» | Создаёт лид в CRM, дальше руками | Создаёт заказ покупателя в 1С |
Ни одна из массовых платформ ИИ-продаж 1С не поддерживает — они синхронизируются с YML-фидами маркетплейсов и базами знаний. Для интернет-магазина с сотней позиций этого достаточно. Для дистрибьютора с номенклатурой в десятки тысяч артикулов, персональными ценами и аналогами — нет.
Что ИИ-менеджер по продажам берёт на себя
- Отвечает на вопросы о наличии и цене — круглосуточно, во всех каналах сразу, с данными из 1С, а не из выгрузки.
- Подбирает товар под запрос — по характеристикам, применяемости, нормативу. Предлагает аналог, когда позиции нет.
- Считает стоимость заказа — с учётом тиража, скидок клиента, дополнительных работ вроде нанесения логотипа.
- Квалифицирует обращение — отделяет случайных от реальных, передаёт менеджеру горячих с историей переписки.
- Оформляет заказ — создаёт документ в 1С прямо из диалога.
- Сообщает статус — где заказ, когда отгрузка, что с задолженностью.
Первая линия уходит агенту целиком: менеджеры перестают переписывать остатки из 1С в мессенджер и занимаются сделками, где нужен человек.
Как это устроено
Система состоит из трёх слоёв, и сложность проекта определяется третьим.
Модель. ChatGPT, GigaChat, DeepSeek или локальная модель на вашем сервере. Выбор зависит от требований к данным: если переписка с клиентами не должна уходить за пределы контура компании, ставим модель локально.
Слой инструментов. Модель не выдумывает ответ, а вызывает функции: «получить остаток по артикулу», «получить цену для контрагента», «найти аналог», «создать заказ». Это ключевая часть — именно она отвечает за то, что агент говорит правду. Не знает — говорит, что не знает, и зовёт менеджера, а не сочиняет наличие.
Доступ к 1С. Публикую HTTP-сервисы на стороне 1С или расширение конфигурации, которое отдаёт нужные данные и принимает заказы. Расширение — не правка типовой конфигурации, обновления платформы и релизы 1С после этого проходят штатно.
Отдельно решается вопрос прав: агент видит данные только того контрагента, с которым разговаривает. Клиент не может через диалог вытащить чужие цены или чужие заказы — изоляция делается на стороне 1С, не на стороне модели.
Проекты, которые уже работают
- ИИ-агент продаж автозапчастей — ведёт переписку с покупателем в Avito и отвечает по реальным остаткам из 1С. Python, FastAPI, LangGraph, обмен с 1С через RabbitMQ.
- ИИ-ассистент дистрибьютора сварочных материалов — B2B-клиенты сами узнают сроки, остатки и аналоги. Данные изолированы по контрагенту.
- ИИ-менеджер расчёта промо-продукции — считает стоимость тиража с нанесением по прайсам десятков поставщиков, раньше это менеджер делал руками.
- ИИ-консультант по подбору оборудования — подбирает товар под нормативы ГОСТ и обосновывает выбор пунктом документа. RAG по нормативной базе.
- B2B-портал оптовых продаж — когда клиенту удобнее не переписка, а личный кабинет со своими ценами и остатками.
Как проходит проект
- Разбор процесса (бесплатно). Смотрим, на что реально уходит время менеджеров и какие вопросы повторяются. На выходе — схема агента и оценка, что он заберёт.
- Пилот на одном сценарии, 2–3 недели. Один канал, один тип вопросов, работа на ваших данных. Смысл — увидеть агента на реальных диалогах до того, как вкладываться в полный проект.
- Интеграция с 1С, 4–6 недель. HTTP-сервисы или расширение, права по контрагентам, оформление заказов, подключение остальных каналов.
- Сопровождение. Агента нужно дообучать на реальной переписке: правим формулировки, добавляем сценарии, следим за качеством ответов.
Сколько стоит
- Пилот на одном сценарии — от 150 000 ₽. Один канал, база знаний по вашим товарам, без записи в 1С. Сумма фиксируется до старта.
- Полноценный агент с доступом к 1С — по итогам ТЗ. Живые остатки и цены, права по контрагентам, оформление заказов, несколько каналов. Смету считаем после того, как зафиксируем состав работ.
- Сопровождение — по объёму задач, обсуждается отдельно после запуска.
Одну цифру за «агента с 1С» назвать нельзя честно: объём зависит от числа каналов, от того, нужна ли агенту запись в базу или хватит чтения, и от сложности логики подбора товара. Поэтому вход прозрачный — пилот с фиксированной ценой, а стоимость полного проекта считаем после технического задания и обсуждения деталей.
Кому подходит и кому нет
Подходит: оптовым компаниям и дистрибьюторам, поставщикам оборудования и запчастей, производствам с заказами под спецификацию — всем, у кого большая номенклатура, персональные цены и учёт в 1С. Там, где ответ клиенту зависит от того, что прямо сейчас в базе.
Не подходит: если нужен простой автоответчик в мессенджере или бот для записи на услугу — это дешевле и быстрее решается готовым сервисом по подписке, разработка себя не окупит. Если товаров десяток и цена одна для всех — тоже берите коробку, честно.
Бесплатный разбор процесса продаж
Прежде чем считать смету, смотрю, есть ли здесь вообще задача для ИИ-агента. Разбираем один процесс: какие вопросы приходят менеджерам чаще всего, сколько времени уходит на ответы по остаткам и ценам, какая часть этого закрывается автоматически.
На выходе вы получаете схему агента под свой процесс, список того, что он заберёт у менеджеров, и оценку сроков со стоимостью. Если окажется, что задача решается коробочным сервисом за 10 тысяч в месяц — скажу об этом прямо, без попытки продать разработку.
Опишите задачу в форме справа — отвечаю лично.
Научу собирать такое самостоятельно
Если в компании есть свой 1С-разработчик и вы хотите строить ИИ-решения внутри, а не заказывать — весь стек разбираю на курсе «ChatGPT и нейросети в 1С»: промпты, function calling, доступ модели к базе 1С, RAG и MCP-серверы. Там же исходники проектов, на которых построены кейсы выше.