AI pārdošanā: ko rāda pētījumi.

Vai AI palīdz klientu apkalpošanā? Ko rāda viens no lielākajiem lauka pētījumiem

Īsā atbilde: klientu atbalstā AI palīgs palīdzēja, bet visvairāk tiem, kam trūka pieredzes. Brynjolfsson, Li un Raymond pētījums "Generative AI at Work" tika publicēts žurnālā Quarterly Journal of Economics 2025. gadā. Tajā piedalījās 5 172 klientu atbalsta darbinieki lielā programmatūras uzņēmumā, un autori analizēja ap 3 miljoniem sarunu. Aptuveni 89 % darbinieku strādāja ārpus ASV, galvenokārt Filipīnās.¹

AI palīgs sekoja klientu sarunai un piedāvāja atbilžu variantus. Darbinieks palika atbildīgs par to, ko raksta klientam, un varēja ieteikumu ignorēt vai pārrakstīt. Palīgu ieviesa pakāpeniski, tāpēc autori varēja salīdzināt darbinieku rezultātus ar un bez piekļuves tam. Ar palīgu atrisināto jautājumu skaits stundā vidēji pieauga par 15 %.¹ Tas ir darba apjoms uz vienu darbinieku, nevis klienta gaidīšanas laika mērījums.

Visvairāk ieguva jaunie darbinieki

Mazāk pieredzējušiem un zemāk kvalificētiem darbiniekiem pieaugums bija ap 30 %. Darbiniekiem ar mazāk nekā mēneša stāžu tas bija par 0,7 atrisinātiem jautājumiem stundā vairāk, bet darbiniekiem ar vairāk nekā gada stāžu ietekmes nebija. Augstākās prasmes piektdaļā darbinieku produktivitāte nepieauga, bet atrisināto jautājumu īpatsvars un klientu apmierinātības vērtējums nedaudz pazeminājās. Darbinieki ar diviem mēnešiem stāža un AI palīgu strādāja tikpat labi kā darbinieki ar vairāk nekā sešu mēnešu stāžu bez tā.¹

Cilvēks paliek atbildīgs: darbinieki ievēroja tikai 38 % ieteikumu

Palīgs tikai ieteica, un galavārds palika darbiniekam. Vidēji darbinieki ievēroja 38 % ieteikumu, un pusei darbinieku šis īpatsvars bija robežās no 23 līdz 50 %. Rezultāts tomēr uzlabojās. Tie, kas ieteikumus ievēroja biežāk, ieguva vairāk: apmēram 25 % augstākajā ievērošanas piektdaļā pret apmēram 10 % zemākajā. Tā ir saistība, nevis pierādījums, ka darbiniekam jāpieņem viss.¹

Klientu pusē bilde ir pozitīva, bet to vajag lasīt precīzi. Klientu ziņu noskaņojums, ko valodas modelis novērtēja sarunu tekstā, uzlabojās par 0,18 punktiem skalā no -1 līdz 1. Klientu prasības runāt ar vadītāju samazinājās gandrīz par 25 %.¹ Klientu aptaujas vērtējums (NPS) būtiski nemainījās: izmaiņa bija -0,12 procentpunkti.¹ Tāpēc šo rezultātu nevar pasniegt kā klientu apmierinātības pieaugumu. Uzlabojums redzams sarunu tekstā, nevis aptaujas atbildēs.

Darbiniekiem ar mazāk nekā sešu mēnešu stāžu AI palīga lietošana bija saistīta ar aiziešanas no darba samazinājumu par apmēram 10 procentpunktiem (no 25 % sākumlīmeņa). Autori paši šo rezultātu uzskata par vājāku pierādījumu nekā pārējos.¹

Kur AI palīdz un kur kaitē: trīs pētījumi

758 konsultanti: palīdz robežās, kaitē ārpus tām

Dell'Acqua un līdzautori (Organization Science, 2026) veica iepriekš reģistrētu eksperimentu ar 758 Boston Consulting Group (BCG) konsultantiem. Konsultanti tika nejauši sadalīti trijās grupās: bez AI, ar GPT-4 un ar GPT-4 kopā ar īsu pamācību par uzdevumu formulēšanu AI.²

Eksperimenta 18 uzdevumos, kas bija AI spēju robežās, konsultanti ar AI paveica par 12,2 % vairāk uzdevumu. Cilvēku vērtētāji viņu darbu novērtēja augstāk: kvalitāte bija par 33,9 % (GPT-4 ar pamācību) un par 29,9 % (tikai GPT-4) augstāka nekā grupai bez AI.²

Vienā uzdevumā, kas speciāli izvēlēts ārpus AI spēju robežas, pēc intervijām un finanšu datiem bija jānorāda, kuram zīmolam ir vislielākais izaugsmes potenciāls. Bez AI pareizu ieteikumu deva 84,5 % konsultantu, bet ar AI tikai 60 % (GPT-4 ar pamācību) un 70,6 % (tikai GPT-4), tas ir vidēji par 19 procentpunktiem mazāk.²

106 eksperimenti: cilvēks plus AI nav automātiski labāks

Vaccaro, Almaatouq un Malone (Nature Human Behaviour, 2024) apkopoja 106 eksperimentus, kas publicēti no 2020. gada janvāra līdz 2023. gada jūnijam. Cilvēka un AI kombinācija vidēji bija sliktāka nekā labākais no abiem atsevišķi (Hedges g = -0,23, negatīva vērtība nozīmē sliktāku rezultātu). Lēmumu uzdevumos kombinācija zaudēja, satura veidošanas uzdevumos ieguva. Kad cilvēks viens pats bija labāks par AI, kombinācija ieguva, bet kad AI viens pats bija labāks par cilvēku, kombinācija zaudēja.³

Teksta melnraksts: kvalitāte pieauga

Noy un Zhang (Science, 2023) 453 profesionāļiem ar augstāko izglītību uzdeva vidēja līmeņa rakstīšanas uzdevumus, un pusei nejauši ļāva izmantot ChatGPT. Vērtētāji ar ChatGPT sagatavotos tekstus novērtēja par 18 % augstāk, un atšķirības starp darbiniekiem samazinājās.⁴

Mūsu secinājums: melnraksta sagatavošanā AI palīdz, bet lēmuma pieņemšanā pētījumi rāda riskus. Pārdošanā tas nozīmē, ka atbildes vai piedāvājuma melnrakstu var sagatavot AI, bet pārbaude pirms sūtīšanas nedrīkst būt formalitāte.

Kur pārdevējam aiziet darba nedēļa

Salesforce pārskatā "State of Sales" (7. izdevums) 4 050 pārdošanas speciālisti 22 valstīs 2025. gada augustā un septembrī anonīmā tiešsaistes aptaujā norādīja, kā sadalās viņu darba nedēļa. Respondenti bija pārdošanas vadītāji, pārdevēji, pārdošanas operāciju un atbalsta darbinieki.⁵ Tikšanās ar klientiem (22 %) un potenciālo klientu meklēšana (18 %) kopā veido 40 %, ko Salesforce skaita par pārdošanu, bet atlikušie 60 % aiziet citam darbam.⁵

Piedāvājumu sagatavošana (17 %) aizņem vairāk nekā plānošana (16 %) un datu ievade ar roku (13 %).⁵ Tas ir darbs, kurā AI var sagatavot melnrakstu no uzņēmuma pašu cenām un datiem, bet pārdevējs to pārbauda.

Šī ir Salesforce aptauja, un Salesforce pats pārdod AI risinājumus. Tās ir pašu respondentu atbildes, nevis darba laika mērījums, tāpēc tā rāda, kā pārdevēji paši redz savu nedēļu, nevis eksperimenta rezultātu.

Kā mēs to darām Aera

Aera pārdevēja palīgs strādā WhatsApp un e-pastā. Tas sagatavo atbildi no uzņēmuma zināšanu bāzes: produkti, cenas, termiņi un noteikumi. Piedāvājuma vai tāmes tekstu tas sagatavo pēc uzņēmuma cenrāža, un pārdevējs to pārbauda, vajadzības gadījumā izlabo un nosūta ar vienu pogu. Ja palīgs atbildi nezina, tas neminē, bet nodod sarunu komandai ar visu kontekstu.

Apstiprināšana nav formalitāte, un pētījumi rāda, kāpēc:

• Dell'Acqua eksperimentā uzdevumā ārpus AI spēju robežas konsultanti ar AI kļūdījās biežāk, bet viņu pamatojumi izskatījās labi. Tāpēc pārdevējs pārbauda saturu: cenu, termiņu un apgalvojumu pareizību, nevis tikai to, vai teksts skan labi.
• Vaccaro u.c. apkopojumā lēmumu uzdevumos cilvēka un AI kombinācija vidēji zaudēja labākajam no abiem, bet satura veidošanā ieguva. Tāpēc palīgam uzticam melnrakstu, bet atlaides, izņēmumus no noteikumiem, vienošanos ar klientu un lēmumu, kad klients ir gatavs pirkt, atstājam pārdevējam.
• Brynjolfsson u.c. pētījumā darbinieki ievēroja 38 % ieteikumu. Labošana un noraidīšana ir normāla darba daļa, tāpēc piedāvājuma tekstu vienmēr var labot pirms sūtīšanas.

Šajā rakstā neminam Aera rezultātus, jo visi skaitļi nāk no citu autoru pētījumiem. Sīkāk par to, ko palīgs pārņem un ko atstāj pārdevējam, lasi lapā AI automatizācija pārdošanā, bet par visu sistēmu ar CRM un kalendāru lapā AI pārdošanas sistēma. Par uzņēmumu pieredzi ar AI, kas atbildēja klientiem, skaties rakstā Palīgs, nevis aizstājējs.

Ko pētījumi nerāda: B2B pārdošanas ziņām neatradām eksperimentu

Godīgi: mēs neatradām nevienu randomizētu lauka eksperimentu par AI palīgu, kas B2B pārdošanā (uzņēmumi pārdod uzņēmumiem) sagatavo ziņas WhatsApp vai e-pastā un kuras apstiprina cilvēks. Tuvākie pētījumi, ko atradām, ir klientu atbalsta un konsultantu eksperimenti, kas aprakstīti iepriekš. Tie attiecas uz citu darbu, citiem klientiem un citiem uzdevumiem, tāpēc rezultātus nedrīkst vienkārši pārnest uz pārdošanu.

No B2B pārdošanas pētījumiem atradām tikai vienu aptauju, un tā veikta viena veselības aprūpes uzņēmuma pārdevējiem (Rodriguez, Deeter-Schmelz un Krush, Journal of Business & Industrial Marketing, 2025). Pārdevēji paši novērtēja ģeneratīvā AI ietekmi uz pārdošanas procesa efektivitāti un pārdošanas rezultātiem pozitīvi, bet autori norāda uz ierobežojumiem: tas ir viens uzņēmums un pašu sniegti dati.⁶

Tāpēc mēs nesolām konkrētu pieaugumu procentos. Palaišanas laikā sekojam sarunām un uzlabojam sistēmu pēc īstām sarunām, bet lēmumu, kam un ko sūtīt, atstājam pārdevējam.

Jautājumi un atbildes