AI-консультант продаж, который никогда не спит

Клиент управлял языковой школой с небольшим отделом продаж — два человека обрабатывали входящие обращения в WhatsApp. Каждый потенциальный студент писал на номер школы с вопросами о расписании, ценах, программах и тестировании уровня. В рабочее время команда обычно отвечала в течение 10–15 минут. После работы сообщения копились. К утру половина лидов уже успевала написать конкурентам. Школа теряла студентов не из-за продукта — курсы были сильные. Она теряла их потому, что у человеческой скорости ответа есть предел, а WhatsApp ждать не будет.

архитектура

Мы построили AI-помощника продаж, который полностью ведёт первый разговор с клиентом через WhatsApp — отвечает на вопросы, рассказывает о вариантах курсов и квалифицирует лидов — без участия человека до момента, когда студент готов записаться. Архитектура состоит из трёх частей. Node.js-мост на базе библиотеки Baileys подключается к WhatsApp через QR-аутентификацию и отвечает за слой обмена сообщениями: приём текстов, отправку ответов, индикатор набора, обработку медиа. Каждое входящее сообщение он пересылает вебхуком в FastAPI-бэкенд, где и живёт собственно интеллект. Бэкенд направляет каждый диалог в агента на базе Claude, в который загружены структурированные знания о школе — каталоги курсов, тарифы, расписания, процедуры тестирования уровня, ответы на частые вопросы. Агент не просто отвечает на вопросы; он ведёт разговор к квалификации, относя каждого лида к одной из категорий: готов купить, квалифицирован, но ещё не решил, или отложен.

голос и доверие

Голосовые сообщения были обязательным требованием с первого дня — на этом рынке люди отправляют голосовые чаще, чем пишут текст. Когда приходит голосовое, мост сохраняет аудиофайл и прогоняет его через OpenAI Whisper для расшифровки перед отправкой текста в Claude. Звучит просто, но WhatsApp агрессивно сжимает аудио, а люди записывают голосовые в шумных местах — в машинах, кафе, на улицах. Точность сырой расшифровки была недостаточно стабильной и приводила к недопониманиям. Мы добавили пороги уверенности: если уверенность Whisper в расшифровке ниже определённого уровня, бот просит пользователя повторить или переформулировать, а не угадывает и отвечает на то, чего человек не говорил. Мелочь, но она предотвращает те самые неловкие промахи, которые убивают доверие к автоматическому диалогу.

тон и зависимости

Самым сложным в проекте была не архитектура — а заставить Claude звучать как настоящий школьный консультант. Ранние промпты выдавали полезные, но очевидно роботизированные ответы: слишком структурированные, слишком формальные, слишком охотно перечисляющие пункты списка. Настоящие консультанты теплее, используют короткие фразы, задают уточняющие вопросы вместо того, чтобы вываливать информацию. Мы прошли несколько итераций prompt-инжиниринга: подгружали реальные стенограммы разговоров отдела продаж как примеры, настраивали системный промпт под голос школы и строили защитные механизмы, чтобы агент знал, когда передать диалог человеку, а не импровизировать. База знаний устроена как набор tool calls — агент может посмотреть детали конкретного курса, проверить доступность расписания и подтянуть цены — вместо того чтобы запихивать всё в контекстное окно.

Вторая постоянная проблема — сам Baileys. Это неофициальная библиотека для WhatsApp — нет коммерческой поддержки, нет SLA, стабильность сессий непредсказуема. QR-аутентификация может истечь без предупреждения, требуя ручного пересканирования. Мы построили health-чеки и автоматические уведомления, когда мост теряет соединение, но фундаментальная реальность в том, что вы работаете на реверс-инжиниренном протоколе. Для этого кейса он работает достаточно хорошо — школа не отправляет тысячи сообщений в час — но это та зависимость, о которой нужно честно говорить с клиентом и о её ограничениях.

результаты

Результат: школа теперь отвечает на каждое обращение в WhatsApp в течение секунд, 24 часа в сутки. Отдел продаж перешёл от того, чтобы повторять одни и те же десять ответов, к работе с лидами с высоким намерением, которых бот уже разогрел и квалифицировал. Конверсия из лида в студента заметно выросла, а команда обрабатывает примерно втрое больший объём обращений, чем раньше — не потому что работает усерднее, а потому что бот отфильтровывает шум. Честный вывод: AI-агент хорош ровно настолько, насколько хороши знания, которыми вы его кормите, и личность, которую вы ему задаёте. Технология — это лёгкая часть. Подобрать тон так, чтобы клиенты не догадывались, что говорят с ботом, заняло больше времени, чем построить сам пайплайн.