Автогенерация коммерческих предложений в Make с Claude за 30 минут

Что такое автогенерация коммерческих предложений на практике

3 из 5 компаний, с которыми я работала в 2025-2026, уже пробовали автогенерацию коммерческих предложений, но бросили на этапе «ИИ пишет ерунду». Это означает, что идея правильная, а вот архитектура и данные — не всегда.

Автогенерация коммерческих предложений — это сценарий, где ИИ берет данные клиентов из CRM и автоматически собирает персональное КП: описание решения, выгоды, цифры, сроки. Не просто «компания N предлагает услуги», а текст, завязанный на отрасль, объем, боли конкретного клиента. CRM в этой схеме превращается из записной книжки в движок персонализации: там и управление взаимоотношениями, и история касаний, и аналитика данных по сделкам.

Если говорить приземлённо, КП больше не живет в файле «коммерческое_финал_новый_точно_последний.docx», оно собирается заново при каждом триггере из CRM. Менеджеру не нужно вспоминать, сколько заказов у клиента в месяц и какая у него средняя сумма чека — эти данные уже в системе. ИИ просто подставляет цифры и оборачивает их в человеческий текст, пока человек занимается нормальной работой.

Где тут выигрывает CRM и почему без неё генерация слепая

В 2026 я уже точно не верю в «умную генерацию» без CRM — это красивый текст без фактуры, который клиенты считывают как маркетинг. Когда автогенерация коммерческих предложений строится на CRM, система подтягивает отрасль, размер компании, прошлые заказы, статус лида, даже источники трафика, если вы не поленились их настроить. Получается не общая презентация, а ощутимое продолжение диалога с клиентом.

Без CRM ИИ может подогнать стиль и структуру, но он не знает, что этот клиент уже три раза просил отсрочку платежа или что у него 200 заказов в месяц с дикой сезонностью. Как только вы начинаете кормить модели реальными данными клиентов, тексты перестают быть «шаблонами из интернета» и превращаются в нормальные коммерческие документы. Один из кейсов PROMAREN: до включения CRM в генерацию конверсия КП была около 12%, после — стабильно держится на уровне 18-20% без изменения цен.

Какие задачи автогенерация решает менеджеру и руководителю

Когда я первый раз включила такой сценарий в отделе продаж, менеджеры честно признались, что больше всего ненавидят не звонки, а «сидеть над текстами». Коммерческое предложение кажется важным, и поэтому они откладывают его до вечера, а клиент в это время уже у конкурента. Автоматизация коммерческих предложений снимает этот тормоз: КП появляется через пару минут после смены статуса сделки.

Руководителю при этом важна не только скорость, но и управляемость: можно задать единый шаблон структуры, формулировки офферов, ограничения по скидкам. Компания перестает зависеть от того, насколько сегодня вдохновлён конкретный менеджер, и переходит к предсказуемому процессу, который потом легко анализируется. Здесь хорошо видно, что CRM перестает быть «учетом», а становится центром управления бизнес-процессами.

И да, к вопросу о деньгах вернемся чуть позже, в блоке про автоматизацию продаж — там цифры особо интересные.

Как сейчас работают Make и Claude в этой связке

Если упростить до одного предложения: Make дергает CRM по событию, собирает пачку полей и отправляет их в Claude, а тот возвращает уже осмысленное коммерческое предложение. Это конструкция Lego, а не большой корпоративный проект на год.

Make в 2026 я всерьез называю «конструктором для взрослых»: он позволяет без кода объединять CRM, почту, документы, Telegram и ИИ-модели в один сценарий. Для автогенерации КП это выглядит так: триггер «новая или измененная сделка» в amoCRM или Bitrix24, дальше несколько модулей обработки, и на выходе — готовый документ. Claude в этой схеме отвечает за текст, он хорошо держит структуру и логику, особенно на длинных документах, и меньше любит «уезжать в креатив», чем многие другие модели.

Как распределяются роли между Make, Claude и CRM

Я обычно объясняю это команде так: CRM хранит контекст, Claude пишет текст, Make управляет всей хореографией. В Make вы настраиваете, какие поля из CRM пойдут в промпт: название компании, отрасль, текущий продукт интереса, объемы, дедлайны, персональные заметки менеджера. Эти данные попадают в один структурированный запрос к Claude, а в ответ возвращается JSON с блоками текста — вступление, описание решения, выгоды, цены, призыв к действию.

Дальше Make превращает это в то, что удобно вашей команде: Google Docs, PDF, карточка в задаче, сообщение в Telegram. По данным документации Make (официальный хелп), платформа спокойно выдерживает десятки таких сценариев параллельно, главное — не забывать про лимиты API. В нашем опыте PROMAREN на одном аккаунте держалось до 300 сгенерированных КП в день без нареканий.

Почему я часто ставлю Claude, а не Yandex Neuro

Вопрос про Yandex Neuro всплывает почти в каждой консультации, особенно когда речь про тексты на русском. И да, локальная модель чувствует язык, обороты, рекламные ограничения 38-ФЗ, это правда. Но когда речь о длинном коммерческом предложении на 3-5 страниц, Claude чаще держит структуру документа и логику аргументации, меньше повторяется и аккуратнее обращается с цифрами.

Сейчас хорошая рабочая схема выглядит так: Claude отвечает за основную «скелетную» версию КП, а Yandex Neuro можно подключить отдельным сценарием для адаптации под конкретные площадки или сокращенные офферы. По данным отчетов Anthropic и обзоров Gartner (Gartner AI), модели уровня Claude стабильно показывают качество на деловых текстах. Ну и Make одинаково спокойно ходит и к Claude, и к Yandex Neuro по API, так что тут выбор за вами.

Чуть позже вернусь к вопросу «а если у нас нет разработчиков», но сначала покажу, как реально уложиться в те самые 30 минут настройки.

Можно ли реально собрать автогенерацию за 30 минут

Короткий ответ — да, если CRM уже настроена и в ней действительно живут данные клиентов. Если же в полях «боли» и «комментарии» стоят смайлики, никакой Make не спасет.

Первый раз я ставила такой сценарий в начале 2025, и честно закладывала под это полдня. В итоге на рабочую версию ушло около 35 минут с учетом пары правок промпта. Сейчас, когда есть понятный шаблон, 30 минут — это скорее потолок, а не красивый маркетинговый заголовок. Ключевой ускоритель — заранее решить, какие поля CRM обязательны для генерации, и не пытаться запихнуть в промпт всю карточку сделки.

Какие шаги действительно занимают эти полчаса

Чтобы это не звучало как магия, давайте разложу, куда улетает время при настройке. На создание сценария Make уходит минут 5-7: выбрать модуль CRM, выставить фильтр по статусу сделки, прокинуть нужные поля дальше по цепочке. Подключение модуля HTTP к Claude и тестовый запрос занимают еще 10-15 минут, если у вас уже есть API-ключ и базовый промпт.

Оставшееся время съедает чисто «косметика»: как назвать файл, куда его складывать, нужно ли уведомление менеджеру в Telegram, как пронумеровать версию КП. В PROMAREN я обычно сразу завязываю такую автогенерацию на уже существующие процессы — например, на пайплайн, который мы описывали в подборке кейсов по автоматизации через Make и n8n. Тогда схема «лид — КП — follow-up» собирается без лишних разрывов.

• CRM должна отдавать минимум: контакты, отрасль, бюджет, задачу клиента.
• Промпт к Claude лучше хранить как шаблон с переменными, а не править руками.
• Вывод удобнее делать сразу в формат, с которым живет отдел: Docs, PDF или задача.
• Первые 5-10 КП менеджер просматривает вручную и правит формулировки.
• Дальше можно смело включать автоматическую отправку из CRM или почты.

Этот список скорее про здравый смысл, чем про «правильную» архитектуру, но он действительно экономит нервы. Кейсовый пример: в одной компании мы запускали автогенерацию для небольшого B2B e-com, и на третий день менеджеры перестали возвращаться к старым шаблонам вообще, потому что быстрее было поправить пару фраз в сгенерированном КП, чем создавать документ с нуля.

Какие данные критично передавать в промпт Claude

Стоп, вернусь на шаг назад, потому что здесь больше всего ошибок. Автоматизация коммерческих предложений не взлетает, когда в промпт кладут «Клиент хочет сайт, бюджет 300 000». ИИ вежливо пишет «мы сделаем вам классный сайт», но конкретики там ноль. Нужно давать модели фактуру: сегмент, масштаб, текущие проблемы, ограничения по срокам, формат сотрудничества.

Я обычно прошиваю в сценарий Make такие блоки: кто клиент (тип и размер бизнеса), что он делает (отрасль и продукт), какая у него сейчас проблема своими словами, какие решения мы предлагаем, какие сроки или KPI важны. Да, часть этого придется дисциплинированно заполнять в CRM, здесь автоматизация сама себя не настроит. Но зато дальше Claude может опереться на это и выдать текст уровня «для вашей сети из 12 магазинов с 200 заказами в день мы предлагаем систему, которая сократит ручные операции на 40%». И именно это потом продает.

Дальше логично встает вопрос: а зачем вообще так заморачиваться с автоматизацией продаж, давайте к нему и перейдем.

Почему в 2026 автоматизация продаж уже не опция, а необходимость

По состоянию на начало 2026 отраслевые отчеты вроде McKinsey и Gartner сходятся в одном: компании, которые автоматизируют до 30-40% процессов продаж, сокращают цикл сделки примерно вдвое. Это не про «будущее», это про соседей по рынку, которые уже это сделали.

Я в свое время тоже думала, что автоматизация продаж — это про робозвонки и сложные CRM-проекты, пока не увидела, как обычный сценарий автогенерации КП убирает из воронки несколько дней ожидания. КП, которое уходит через 10 минут после звонка, воспринимается вообще иначе, чем письмо «я подготовлю предложение к концу недели». А когда таких предложений десятки в день, скорость превращается в прямую выручку.

Как автогенерация КП влияет на эффективность отдела продаж

Если смотреть сухо по цифрам, в проектах PROMAREN экономия времени на подготовке предложений держится в диапазоне 70-80%. Было 1,5-2 часа на одно КП, стало 10-15 минут на проверку и отправку. Даже если менеджер не самый быстрый и любит переписать пару абзацев под себя, он все равно выигрывает минимум час на сделку. В масштабах месяца это десятки часов, которые можно потратить на дополнительные звонки или работа с текущими клиентами.

По выручке эффект чуть более растянут, но заметный: когда КП приходят вовремя и бьют в актуальные боли клиента, конверсия из «интересно, пришлите» в «давайте работать» вырастает на 15-25%. Это критично, потому что именно здесь скрывается та самая «скрытая маржа» от автоматизации, которую редко считают вначале. В кейсе e-com, о котором я вскользь упоминала, автогенерация коммерческих предложений плюс автоматический follow-up через сутки дали рост выигрыша сделок почти на треть за первый квартал.

1. Сокращается время между запросом и отправкой КП.
2. Становится стабильной структура и качество предложений.
3. Появляется основа для аналитики: какие офферы лучше конвертят.
4. Снижается выгорание менеджеров из-за рутины с текстами.
5. CRM перестает быть складом и превращается в актив.

Этот список очень любит финдиректор, потому что его легко перевести в рубли. Автоматизация коммерческих предложений не выглядит уже «игрушкой для ИИ», это аккуратная инвестиция в предсказуемость воронки. И здесь мы мягко подходим к непростой теме — какие риски и грабли всплывают, когда всё это начинают внедрять в живой отдел.

Как встраивать автогенерацию в существующий процесс продаж

Когда я прихожу в отдел, где продажи уже идут, идея «а давайте сделаем по-новому» обычно встречает скепсис. Менеджеры боятся, что ИИ напишет за них ерунду, руководители — что всё рухнет в разгар квартала. Рабочий подход тут простой: сначала делаем автогенерацию как внутренний черновик, который менеджер обязан посмотреть, поправить и только потом отправить.

Через 2-3 недели происходит предсказуемый эффект: люди начинают доверять сценарию, потому что видят, что по структуре и логике он даже аккуратнее их собственных файлов. Где-то к концу первого месяца можно уже задумываться об автоматической отправке части КП по простым сделкам, особенно если у вас типовые продукты. Именно так мы делали в одном из проектов PROMAREN в B2B-услугах: сначала черновики, потом гибридный режим, и только в третью очередь — полная автоматизация для простых лидов.

Какие грабли подстерегают при автогенерации КП и как их обойти

Самые неприятные проблемы здесь не технические, а организационные: кривые данные в CRM, отсутствие договоренностей по тону и структуре, завышенные ожидания «ИИ всё сделает сам». Технические вещи чинятся за час, с процессами иногда приходится посидеть подольше.

В начале 2026 я уже практически по чек-листу вижу, где сценарий автогенерации полетит, а где его через месяц выключат. Если в компании нет культуры заполнять CRM, то и лучшая интеграция Make с Claude превратится в автоматический генератор воды. Поэтому на старте я всегда проговариваю команде: garbage in — garbage out, красивый текст не спасет неправильные цифры и забытые комментарии.

Типичные ошибки при настройке и работе с Make

Первый типичный перекос — пытаться запихнуть в один сценарий все ветки продаж. В итоге вырастают монструозные схемы в Make, которые боятся трогать даже те, кто их собирал. Куда лучше разбить логику: отдельный сценарий для ключевых клиентов, отдельный — для типовых, отдельный — для допродаж. Второй частый момент — игнорирование лимитов API Claude или CRM, из-за чего сценарий иногда «стреляет» в пустоту.

По данным официальной документации Anthropic (документация Claude), базовые тарифы накладывают ограничения на количество запросов в час, и их нужно учитывать в Make через задержки или батчи. Один из проектов PROMAREN как раз словил эту историю: в конце месяца, когда все вспомнили про планы, автогенерация просто ушла в ошибки из-за пиковых нагрузок. Починили за вечер, но осадочек остался.

Где чаще всего ошибаются с промптом и тоном

Вторая зона риска — промпт. Хотелось бы один раз написать «сделай красивое КП» и уйти, но так оно не работает. Слишком общий запрос дает шаблонные тексты, слишком детальный — превращает промпт в техническое задание на полстраницы. Здесь работает постепенная настройка: сначала базовый промпт с переменными из CRM, потом итерации по тону и структуре на основе живых отправленных КП.

Отдельно скажу про тон: если у вас юридические или финансовые услуги, дружелюбный стиль «привет, давай сделаем» может сыграть против доверия. И наоборот, в креативных отраслях чрезмерно формальные формулировки выглядят чужеродно. Я несколько раз ловила себя на том, что переписала бы половину промпта, но лучше честно признать: хотела сделать идеально сделала работающе, а потом довела до ума по ходу. Это нормально.

Как не сломать доверие клиентов и команды

Тут я поняла одну вещь, которая неочевидна в начале: клиенты чувствуют, когда текст вообще не про них. Неважно, кто его писал — ИИ или менеджер, — если в КП нет отражения их конкретной ситуации, доверие падает. Поэтому я всегда рекомендую оставить человеку последнее слово: возможность поправить формулировку, добавить пример, поменять акцент. Автогенерация коммерческих предложений должна быть ассистентом, а не бездушным комбайном.

Внутри команды тоже есть момент доверия: если менеджеры считают, что их завтра заменят ботом, они бессознательно начнут саботировать заполнение CRM и тестирование сценариев. Здесь помогает прозрачная позиция: мы автоматизируем рутину, чтобы люди могли заниматься переговорами, а не борьбой с Word. В PROMAREN я так и формулирую: методика white-data и честная автоматизация — чтобы контент делался сам, а люди возвращали себе время.

КП генерятся сами, но ответственность всё равно на нас

Получается интересная картина: в 2026 автогенерация коммерческих предложений на базе CRM, Make и Claude уже не выглядит космосом, но и не прощает расхлябанность в данных. Автоматизация усиливает и порядок, и хаос: если CRM чистая, процессы описаны, то вы получаете быстрые, персональные КП и заметный рост конверсии; если нет — просто делаете мусор быстрее.

Я для себя вынесла три опоры. Первое — начинать не с ИИ, а с структуры процесса продаж и полей CRM. Второе — относиться к Make и Claude как к команде ассистентов, а не к «черному ящику», и не лениться смотреть на первые десятки сгенерированных документов. И третье — не забывать, что в центре по-прежнему люди: и менеджеры, и клиенты, и всем им важно ощущать, что их слышат, а не просто прогоняют через сценарий.

Если хочется покрутить эту тему глубже, в PROMAREN я регулярно разбираю живые кейсы по автоматизации и AI-агентам, от лендингов до CRM-воронок, с цифрами и схемами, а не обещаниями чудес.

Что ещё часто спрашивают про автогенерацию КП

Можно ли обойтись без CRM и всё равно генерировать коммерческие предложения

Технически можно, но качество сильно просядет, потому что без CRM системе некуда опираться за данными клиентов. В таком случае ИИ будет писать общие тексты, мало связанные с реальными потребностями компании и её истории взаимодействий. Если CRM нет совсем, имеет смысл хотя бы собрать минимальную базу в таблицах и подключить её к Make. Но устойчивый эффект по конверсии и аналитике появляется именно тогда, когда ядром становится нормальная CRM.

А если в CRM бардак, стоит ли сразу подключать Make и Claude

Подключать-то можно, но результат будет «мусор внутрь — мусор наружу», и это быстро разочарует команду. В такой ситуации лучше начать с аудита карточек и полей, понять, какие данные критичны для генерации предложений. Уже после этого можно делать простую автогенерацию и параллельно вычищать старые сделки. Такой поэтапный подход даёт мотивацию: люди видят, что из аккуратных данных рождаются удобные КП, и сами больше заполняют CRM.

Подойдёт ли Yandex Neuro вместо Claude для русскоязычных КП

Да, Yandex Neuro вполне подходит, если фокус на коротких текстах и стопроцентно русскоязычных сценариях. Однако при длинных коммерческих предложениях на несколько страниц Claude обычно лучше держит структуру, делает меньше повторов и аккуратнее обращается с логикой аргументов. Часто рабочим компромиссом становится связка: Claude генерирует каркас документа, а Yandex Neuro дорабатывает стиль под конкретные площадки или аудиторию. Такой гибрид несложно собрать в Make через два последовательных вызова.

Насколько безопасно передавать данные клиентов в Claude через Make

Безопасность зависит от того, какие именно данные вы отправляете и как настроена анонимизация. Обычно нет нужды передавать ФИО и контакты клиента, достаточно отрасли, масштаба, задач и обезличенных показателей. Make позволяет заранее отфильтровать поля и отправлять вClaude только нужный минимум. Для работы в РФ важно ещё свериться с 152-ФЗ через разборы Роскомнадзора и консультантов, чтобы не уводить персональные данные за границы без правового основания.

Если менеджеры против, как их аккуратно подключить к автогенерации

Чаще всего сопротивление связано со страхом потерять контроль и качество общения с клиентом. Хорошо работает режим, когда автогенерация сначала выдаёт черновик КП, а окончательное слово остаётся за менеджером. Можно договориться, что первую неделю каждое предложение обязательно редактируется вручную, а изменения собираются для улучшения промпта. Когда люди видят, что сценарий экономит время и не ломает их стиль общения, они начинают воспринимать его как помощника, а не конкурента.