Как мы автоматизировали поиск B2B-клиентов с ИИ
Кейс: как ИИ-агент Гоша находит тёплых клиентов по открытым источникам, передает лидов в CRM за 2–3 минуты и снижает стоимость заявки в 5.8 раз
NextCore & экосистема TimeFlow ERP · B2B-продажи / ИИ-автоматизация лидогенерации
NCБоевое внедрение автономного ИИ-агента поиска клиентов (Гоша AI) в корпоративную ERP-систему TimeFlow. Агент круглосуточно сканирует сигналы найма и цифровой след компаний, строит проверяемые коммерческие гипотезы и загружает квалифицированные лиды в CRM только после верификации человеком по модели Human-in-the-Loop.
Задача
Привлечение корпоративных B2B-клиентов на заказную разработку ПО, внедрение ИИ и ERP со средним чеком от 500 тыс. до 3 млн ₽ в условиях перегретого контекстного аукциона (CPL более 35 000 ₽). Традиционный холодный аутрич по купленным базам давал отклик менее 1.2%, а ручной поиск и сбор информации по одному потенциальному заказчику отнимал у менеджера 1–2 часа, раздувая ФОТ пресейл-команды и приводя к выгоранию специалистов.
Решение
Спроектировали микросервисный конвейер из 6 стадий (S1–S6) на FastAPI, Celery, PostgreSQL и LLM. Агент отслеживает открытые вакансии через официальный API HH.ru, детерминированно отсекает нецелевых без расхода токенов, автономно исследует официальный сайт компании и другие веб-ресурсы, извлекает открытые корпоративные контакты, проверяет экономику и руководство через официальные реестры ЕГРЮЛ и строит 4-звенную гипотезу «Факты → Боль → Оффер → Скоринг». Каждый факт жестко привязан к ссылке первоисточника и дословной цитате (Zero Hallucination). Лиды поступают во входящие Гоши и экспортируются в Excel или CRM в 1 клик.
Как было ДО и что изменилось ПОСЛЕ
Реальная польза внедрения системы NextCore для операционной деятельности и бизнес-метрик
Было до обращения в NextCore
Ручной сбор баз, шаблонный спам вслепую и раздутый ФОТ
- Менеджер тратил 1–2 часа на компанию: читал сайт, искал контакты, сопоставлял вакансии в таблицах Excel
- Низкая конверсия: холодные письма без привязки к боли отправлялись в спам (отклик менее 1.2%)
- Стоимость квалифицированного B2B-лида (SQL) из контекстной рекламы превышала 35 000 ₽
- Ошибки человеческого фактора: опечатки в CRM, устаревшие контакты, потеря контекста диалога
Стало после запуска решения
Автономный конвейер: 2–3 мин на компанию и предметный диалог по вакансии
- ИИ-агент за 2–3 минуты собирает цифровой след: открытые вакансии, стек технологий, руководство и контакты
- Гиперперсонализированный оффер: письмо бьет точно в подтвержденную боль компании («вы нанимаете 5 операторов...»)
- Конверсия в ответ выросла за счет точечной боли из вакансии, а время на подготовку одного обращения сократилось до 2–3 минут
- Zero-hallucination гарантия: все факты и контакты имеют проверенный source_url и цитату из источника
Снижение стоимости SQL в 5.8 раз и системный поток целевых B2B-сделок
Сейлз-команда полностью избавилась от рутинного ручного поиска и механического сбора досье. Входящий поток лидов обеспечил менеджеров теплыми переговорами с компаниями, у которых уже есть сформированная потребность и бюджет.
Процесс реализации
Архитектурный цикл: от первичного аудита до промышленного внедрения в контур заказчика
S1–S2: Сбор вакансий с HH.ru и детерминированный фильтр
Сбор открытых вакансий через официальный API HH.ru. Детерминированный префильтр без расхода токенов LLM: регионы, стоп-слова, зарплаты, тип занятости.
S3: Краулинг сайта компании, других ресурсов и контактов ЛПР
Автономный обход официального сайта компании и сопутствующих страниц, извлечение контактов руководства, обогащение через официальные реестры ЕГРЮЛ (выручка, статус). Каждый факт фиксируется с URL первоисточника и цитатой.
S4: Theory-Pipeline: Факты → Боль → Оффер → Скор
Детерминированная LLM-цепочка по Pydantic-схемам. Выявление узких мест бизнеса из вакансии, маппинг на услуги компании и расчет скоринга соответствия.
S5–S6: Входящие Гоши, CRM и AI Sales Agent
Карточка лида поступает во входящие Гоши (Human-in-the-Loop). После одобрения в 1 клик лид импортируется в CRM, а AI Sales-агент формирует персонализированный аутрич.
Результаты внедрения в цифрах
Фактические измеримые показатели эффективности после ввода системы в промышленную эксплуатацию
Вместо 1–2 часов ручного серфинга менеджера в интернете
Каждый аргумент подкреплен цитатой из вакансии или с сайта компании
Радикальная экономия маркетингового бюджета по сравнению с контекстом
Каждый факт, контакт и аргумент строго подтвержден ссылкой и цитатой
Стек технологий
Паспорт проекта
NCРучной сбор данных по 1–2 часа и выгорание сейлз-команды
Менеджеры вручную мониторили HeadHunter и поисковики, выписывали сайты в Excel, пытались угадать почту директора и отправляли шаблонные холодные КП. Конверсия в ответ держалась на уровне 0.8–1.2%, стоимость лида (CPL) из рекламы превышала 35 000 ₽, а 70% рабочего времени сейлов сгорало на механический серфинг вместо переговоров.
2–3 минуты на анализ компании, 14.2% конверсия и 0 галлюцинаций
Агент Гоша в фоновом режиме находит компании с триггерами перегруза, сканирует сайт, верифицирует руководство через ЕГРЮЛ, выявляет узкие места и готовит точечный оффер. Каждый аргумент снабжен прямой ссылкой и цитатой первоисточника. Сейл подключается к уже подогретому лиду с конверсией в содержательный диалог 14.2%.
Боевые экраны: от фонового поиска до воронки CRM
Нажмите на скриншот, чтобы подробно изучить реальные данные и этапы работы агента Гоши
Автономный поиск клиентов в сети (Гоша AI)
Боевой экран конвейера: сбор компаний по вакансиям на HeadHunter, стадии префильтрации, группировки, фактчекинга, поиска болей и формирования оффера в реальном времени.
Входящие Гоши: верификация и скоринг лидов
Пульт управления качеством: ИИ-скоринг соответствия профилю, извлеченные контакты ЛПР, цитаты-пруфы из первоисточников и отправка в воронку в 1 клик.
Структурированный реестр лидов в Excel / Word / CRM
Итоговый отчет со всеми подтвержденными болями, экономикой компании, выручкой по ЕГРЮЛ, контактами ЛПР и персонализированными офферами.
6-стадийный микросервисный конвейер (S1–S6)
Отказоустойчивая архитектура на Celery, Redis и PostgreSQL с durable-статусами (CapCodes). Сбой на любой стадии не ломает конвейер, а тяжелые LLM-вызовы изолированы от веб-сервера.
Сбор вакансий через HH.ru API
Официальный API HH.ru: отслеживание открытия профильных вакансий работодателями — подтвержденный индикатор острой потребности и выделенного бюджета.
Быстрый префильтр (0 токенов)
Мгновенное отсечение нецелевых компаний по правилам из БД (регионы, стоп-слова, зарплатные вилки, типы занятости) без расхода бюджета LLM.
Краулинг сайта компании и других веб-ресурсов
Ключевое преимущество агента: автономный переход на официальный сайт работодателя и другие открытые сайты компании. Обход разделов «Контакты», «О нас», проектов и технологий, извлечение контактов руководства и обогащение реквизитов через официальные реестры ЕГРЮЛ.
Построение гипотезы и скоринг
Детерминированная 4-шаговая LLM-цепочка: Facts → Pain → Offer → Score. Выявляется реальная боль найма и маппится на услугу из каталога NextCore.
Входящие Гоши (TimeFlow ERP)
РП и сейл-менеджер получают готовый бриф во входящие Гоши. Проверка аргументов и первоисточников в 1 клик (Zero-Hallucination контроль).
Синхронизация с CRM и первый контакт
Автоматическое заведение сделки в CRM (TimeFlow, AmoCRM, Битрикс24) и опциональный запуск AI Sales-агента для первого персонализированного обращения.
Сбор вакансий через HH.ru API
Официальный API HH.ru: отслеживание открытия профильных вакансий работодателями — подтвержденный индикатор острой потребности и выделенного бюджета.
NCЧастые вопросы
Как агент определяет скрытую боль компании, а не просто отправляет шаблонный спам?
Агент сканирует сигналы изменения ситуации в бизнесе: открытые вакансии, состав требуемого стека, описания обязанностей и цифровой след. Если компания нанимает 5 операторов 1C или тендерных инженеров — это верный сигнал перегрузки рутинными операциями. На этапе S4 агент сопоставляет выявленные факты с матрицей услуг NextCore и формирует персонализированную гипотезу с расчетом экономической выгоды.
Как гарантируется 100% достоверность данных и защита от галлюцинаций LLM?
В пайплайне действует strict zero-hallucination constraint: ни один факт, имя ЛПР или контакт не принимается системой без точного source_url и дословной цитаты (excerpt) из исходного HTML или официального реестра. Модели запрещено домысливать информацию. Менеджер во входящих Гоши видит первоисточник любого аргумента в 1 клик.
Какие источники данных подключаются помимо HeadHunter (HH.ru)?
Система построена на открытой архитектуре провайдеров данных: помимо официального API HH.ru, модуль подключает Хабр Карьеру, SuperJob, официальные сайты компаний (контакты, команда, стек), официальные госреестры (ЕГРЮЛ / ФНС: ФИО генерального директора, статус, ОКВЭД), реестры госзакупок (ЕИС 44/223-ФЗ), Telegram-сообщества и поисковый сервис Keenable.
Как обеспечивается безопасность персональных данных и соблюдение 152-ФЗ?
Система собирает только открытые общедоступные корпоративные данные юридических лиц. Контакты хранятся с четким разделением статусов: «найденный контакт» не может быть использован для обращения до тех пор, пока человек (Human-in-the-Loop) не установит флаг явного подтверждения. Решение может быть развернуто локально On-Premise внутри защищенного контура компании.
© 2026 ООО НЕКСТКОР. Все права защищены.
ИНН 5948077081 · Пермский край, Пермский район, п. Сылва