AI SDR-агент в воронке продаж: автоматическая квалификация лидов без найма SDR
SDR (Sales Development Representative) — позиция, которую AI начинает замещать. Разбор: что такое AI SDR, как он работает в TG и email, какие задачи берёт на себя, где ломается, и как это настроить через n8n + Claude API без CRM-интеграции на первом этапе. С реальными CR из практики.
SDR — позиция, которую AI начинает замещать первой. Не потому что она самая простая, а потому что она самая скриптовая. Большую часть работы SDR составляет квалификационный разговор по BANT: бюджет есть, решение принимает сам, проблема реальная, срок не «когда-нибудь». В моих проектах AI SDR-агент на n8n + Claude API делает это за 30–120 секунд после заявки и даёт CR 35–55% в квалифицированный лид.
CR из лида в квалифицированный лид: 35–55% у AI SDR против 20–30% у живого SDR при потоке от 50 лидов/день. Настройка 2–3 дня, без разработчика. Подробнее о том, как я вообще строю автоматизации в маркетинге — статья про AI-агентов в n8n.
Что такое SDR и почему это первая позиция под замену AI
SDR (Sales Development Representative) — человек, который обрабатывает входящий поток лидов: первый контакт, квалификация, постановка встречи с AE (Account Executive). Типичная воронка: лид оставил заявку → SDR звонит или пишет → выясняет BANT → либо передаёт в работу, либо отправляет на нурч.
Экономика роли: junior SDR в Москве стоит 80–120K ₽/мес, обрабатывает 40–80 лидов в день при нормальной нагрузке. При потоке от 80–100 лидов в день нужно уже 2 SDR. Проблема в том, что 60–70% времени SDR уходит на рутинные квалификационные вопросы, которые одинаковы для 90% лидов. Это и есть точка замены.
Почему SDR, а не другая роль? Три причины:
- Скрипт жёсткий — одни и те же BANT-вопросы в предсказуемом порядке
- Данные структурированы — входящий лид всегда содержит имя, контакт, источник
- Решение бинарное — квалифицирован или нет, встреча назначена или нет
Копирайтер, дизайнер, аналитик — у них есть субъективные задачи, где скрипт не работает. У SDR таких задач 15–20% от рабочего времени. Это делает роль идеальным кандидатом для частичной замены.
Как работает AI SDR: от лида до встречи
Схема потока данных выглядит так. Лид оставляет заявку на сайте или через TG-бота → срабатывает webhook → n8n принимает данные → Claude API получает контекст + BANT-скрипт → Claude генерирует первое сообщение → TG-бот или email доставляет лиду → лид отвечает → Claude классифицирует ответ → n8n маршрутизирует: продолжить квалификацию, назначить встречу или эскалировать на менеджера.
Ключевые параметры этой схемы:
- Время первого ответа: 30–120 секунд (против 4–8 часов у живого SDR)
- Количество диалогов в параллели: неограниченно (один живой SDR — 10–20 одновременных)
- Работа 24/7 — заявка в 23:47 получает ответ в 23:47
- Стоимость квалификации: 8–25 ₽ за лид (API-вызовы Claude + инфраструктура)
Важный момент: агент не пытается закрыть сделку. Его задача — квалифицировать и поставить встречу с менеджером. Как только лид подтвердил BANT — n8n создаёт карточку в CRM или Notion, назначает встречу и уведомляет менеджера с готовым контекстом: «Сергей, 34 года, B2B-услуги, бюджет 200K+ ₽/мес, решение принимает сам, запрос срочный. Встреча завтра в 14:00».
О других сценариях автоматизации, которые хорошо работают рядом с AI SDR — в 10 готовых n8n-сценариях для маркетинга.
Что AI SDR делает хорошо
Три задачи, с которыми агент справляется на уровне хорошего SDR или лучше:
Квалификация по BANT
Budget, Authority, Need, Timeline — четыре вопроса, которые нужно выяснить. Claude держит скрипт лучше уставшего сотрудника в пятницу вечером. Промпт: «Ты SDR компании X. Цель — выяснить 4 критерия BANT за 3–5 обменов сообщениями. Не продавай, не упоминай цены. После подтверждения BANT предложи встречу с менеджером в слоте из Calendly».
Первичный контакт через TG и email
Скорость первого ответа — ключевой фактор конверсии. По данным моих проектов: лид, получивший ответ за 5 минут, конвертируется в 2,3 раза лучше лида, которому ответили через 4 часа. AI отвечает за 30–120 секунд в любое время суток.
Назначение встречи
Calendly API + n8n: как только Claude возвращает outcome: qualified, webhook автоматически отправляет лиду ссылку на конкретный временной слот. Подтверждение встречи добавляется в Google Calendar менеджера. Никаких «напишите мне в понедельник».
Где AI SDR ломается
Честный разбор ограничений, которые я видел в трёх реальных проектах:
Сложные возражения
«У нас уже есть подрядчик на эту задачу, докажите что вы лучше» — Claude попытается ответить, но без конкретики о конкурентах и без живого авторитета менеджера это конвертируется хуже. Здесь нужна эскалация. Правило: любое сравнение с конкурентом — выход из автоматического скрипта.
Нестандартные запросы
Лид задаёт вопрос, которого нет в FAQ или контексте агента. Claude галлюцинирует или даёт неточный ответ. Решение: в system-промпте прописать явно — «если вопрос выходит за рамки контекста, не придумывай ответ, ответь: "хороший вопрос, уточню у команды и вернусь к вам" и эскалируй».
Эмоционально заряженные клиенты
Раздражённый человек, который уже имел негативный опыт с похожим продуктом, чувствует бота за 2 обмена репликами и раздражается ещё больше. Индикатор: негативные формулировки в ответе + короткие реплики. Агент должен передать такой диалог менеджеру немедленно — до того, как ситуация ухудшится.
Стек: n8n + Claude API + webhook — пошаговая настройка
Описываю минимальный рабочий вариант без CRM на первом этапе. Весь стек бесплатен до определённого объёма:
- n8n self-hosted на VPS от 300–400 ₽/мес. Альтернатива — n8n.cloud от $20/мес, но для 50–200 лидов в день VPS дешевле.
- Webhook-нода в n8n — точка входа. URL вставляете в форму на сайте или в TG-бот через BotFather + Telegram Bot API.
- HTTP Request-нода → Claude API. Endpoint:
https://api.anthropic.com/v1/messages. Передаёте system-промпт + history диалога в формате messages[]. Модель: claude-sonnet-4-6 для баланса скорости и качества. - Code-нода для парсинга JSON-ответа Claude. Проверяете outcome, BANT-поля.
- Switch-нода: qualified → Notion + Calendly; needs_more_info → продолжить диалог; escalate → TG-уведомление менеджеру.
- Telegram Bot API или SMTP для отправки ответа лиду.
На второй итерации добавляете amoCRM или Bitrix24 вместо Notion. Полная настройка с нуля — 2–3 дня при наличии готового BANT-скрипта. Без разработчика. Подробнее о том, как строить воронки на этом стеке — статья о построении воронки продаж в 2026.
AI SDR vs живой SDR: таблица сравнения
| Параметр | AI SDR (n8n + Claude) | Живой SDR (junior) |
|---|---|---|
| Время первого ответа | 30–120 секунд | 4–8 часов (рабочее время) |
| CR лид → квалифицированный лид | 35–55% | 20–30% |
| Параллельные диалоги | Неограниченно | 10–20 одновременно |
| Стоимость квалификации | 8–25 ₽/лид | 150–400 ₽/лид (FTE / поток) |
| Работает 24/7 | Да | Нет (8–10 ч/день) |
| Сложные возражения | Плохо — нужна эскалация | Хорошо (при опыте) |
| Нестандартные запросы | Плохо — риск галлюцинации | Хорошо |
| Настройка | 2–3 дня | 2–4 недели онбординга |
| Масштабирование | Мгновенно (рост трафика не меняет стоимость) | Найм + онбординг на каждые +50 лидов/день |
Оптимальная модель — гибрид: AI SDR квалифицирует 70–80% потока, живой SDR работает только со сложными кейсами и закрывает встречи с крупными аккаунтами. В моей практике это сокращает штат SDR в 2–3 раза при росте потока лидов.
Кейс: B2B SaaS, 80 лидов/день, AI квалифицирует 72%
Проект: B2B SaaS для автоматизации документооборота, средний чек 80–150K ₽/мес. Входящий поток: 80 лидов в день из TG-бота, сайта и холодного аутрича. До внедрения AI SDR работал один junior SDR на полную ставку — держал 30–40 лидов в день, остальные висели без ответа по 6–12 часов.
Настройка заняла 3 дня: день 1 — описание ICP и BANT-скрипта, день 2 — настройка n8n flow и интеграция с Telegram-ботом, день 3 — тест на 20 реальных лидах, правка system-промпта.
Результаты через 30 дней:
- AI квалифицирует 72% входящего потока без участия человека
- CR в квалифицированный лид: 48% (было 22% у SDR на этом же потоке)
- CR в назначенную встречу: 28% от всего потока (было 11%)
- Среднее время первого ответа: 52 секунды (было 5,4 часа)
- SDR теперь работает только с 28% потока — сложными случаями и крупными аккаунтами
- Стоимость квалификации: 18 ₽/лид (было 220 ₽/лид)
Что сломалось на старте: первая версия промпта не содержала инструкции по эскалации для нестандартных запросов. Claude пытался отвечать на вопросы про интеграцию с SAP, чего в контексте не было — давал неточные данные. Фикс занял 20 минут: добавил явный триггер «если вопрос касается интеграций за пределами списка — эскалируй».
Детальнее о том, как строить маркетинг в B2B SaaS в России — отдельная статья с метриками и каналами.
Этика и раскрытие: говорить ли клиенту, что он разговаривает с AI
Тема, которую обходят стороной большинство «гайдов по AI SDR». Мой ответ: говорить. Не в лоб в первом сообщении — но прозрачно и без попытки притвориться человеком.
Практика у меня такая. Первое сообщение: «Привет, [имя]. Я — AI-ассистент команды [название компании]. Обрабатываю входящие заявки и помогаю найти нужного эксперта. Несколько быстрых вопросов — и передам вас менеджеру». Никаких человеческих имён, никаких «меня зовут Алексей».
Почему это работает лучше маскировки:
- Ожидания скорректированы — клиент не раздражается, когда замечает «паттерны бота»
- Доверие выше — B2B-аудитория ценит прозрачность и сразу понимает, почему ответ пришёл за 40 секунд
- Снижает риск — в РФ нет чёткого регулирования по идентификации AI в диалогах, но это вопрос времени
Единственный аргумент против раскрытия, который я слышал: «люди не доверяют ботам». По моим данным на 3 проектах — CR квалификации у прозрачного AI-агента выше или равен маскированному. Клиент отвечает на вопросы одинаково, а вот раздражение при «разоблачении» бота обнуляет конверсию.
Про холодный аутрич через Telegram, который часто идёт перед SDR-воронкой — шаблоны с response rate 8–15%.
Если хотите разобрать, как это работает на вашем потоке лидов — пишите @dipustovalov. Или через форму на сайте. За 30-минутный созвон становится ясно, подойдёт ли AI SDR вашей конкретной воронке — и сколько это сэкономит на горизонте трёх месяцев.