Раннее исследование выявило, что процесс поиска потенциальных клиентов претерпел эволюцию — теперь это скорее вопрос управления вниманием, а не нехватки лидов. Командам продаж приходится работать с множеством сигналов — данными о намерениях, тенденциях найма, активностью в CRM, вовлеченностью на сайте и обогащением информации — однако большая часть этого зачастую является шумом. Настоящие трудности заключаются не в поиске лидов, а в умение определить, с какими аккаунтами стоит работать и какие дальнейшие шаги предпринимать. Широкое распространение получила интеграция искусственного интеллекта в процессы продаж: 60% команд, использующих софт для B2B, внедряют AI в свои работы (данные G2), поэтому инструменты интеллектуальной аналитики на базе AI становятся необходимыми, влияя на приоритизацию, последовательность и выполнение задач. Использование AI в продажах вышло за рамки простого дополнения данных или оценки списков — теперь эти технологии активно помогают продавцам сосредоточиться на наиболее перспективных областях. Для оценки роли AI в реальных рабочих потоках поиска потенциальных клиентов были проанализированы данные от девяти ведущих платформ — ZoomInfo, Apollo. io, Hunter, Cognism, 6sense, Firmable, Dealfront, Skrapp и Clearout. В отчёте рассматривается текущее использование AI, его влияние, операционные сложности и путь к все более автономным системам поиска, исходя из опыта и данных клиентов этих платформ. **Ключевые выводы:** - **Переход от статических списков к динамическому приоритизированию:** Традиционный массовый поиск по фиксированным фильтрам, создающий статические списки для постепенного контакта, сменился системами AI, которые постоянно пересматривают аккаунты с помощью сигналов в реальном времени — активности найма, признаков покупательского интереса, вовлечённости, финансирования и поведения на сайте. Это обеспечивает постоянное обновление и динамический порядок приоритетов, где лучшие аккаунты выделяются автоматически. - **Обнаружение по сигналам, а не по фильтрам:** Вместо ручных, жёстких фильтров, задаваемых продавцами, AI занимается поиском потенциальных клиентов, объединяя показатели соответствия, намерения и актуальности. Особенно эффективно использование намерений в совокупности с вовлечённостью и контекстом соответствия, что позволяет продавцам получать возможности, отсортированные по вероятности конверсии. - **Множественные уровни оценки сигналов:** AI анализирует множество данных — намерения, фонометрику предприятия, технологический стек, тенденции в найме, активность в CRM и пользовательские сигналы — чтобы сбалансировать конкурирующие приоритеты. Такой нюансированный подход превосходит ручные методы и однопараметрические оценки, улучшая рекомендации по следующим действиям. - **Приоритизация — главный вклад AI:** Основная выгода AI — помощь в решении, куда именно сосредоточить усилия продавцов, оптимизируя их внимание, а не просто увеличивая объем активности. Некоторые платформы используют AI также для генерации персонализированных сообщений для outreach, соответствующих профилю клиента и сигналам намерений. - **Эффективность и вариативность:** Большинство пользователей отмечают улучшение качества решений и эффективности — быстрее проводятся исследования и определяется целевая аудитория. Однако результаты сильно различаются в зависимости от качества данных, интеграции рабочие процессов, организационной подготовленности и доверия. Надёжная база данных и чистые CRM системы усиливают эффект от AI, тогда как плохие входные данные и фрагментированные процессы снижают его. - **Уровни зрелости платформ:** Клиенты делятся на группы по уровню внедрения — от правил-облегченных AI, основанных на фиктивных оценках и ручной проверке, до полноценных интеграций, где AI полностью управляет приоритизацией в ежедневных рабочие потоках. Важнее не возможности платформы, а состояние данных и доверие к системе. - **Уровень внедрения:** Около 25–50% клиентов активно используют функции AI для поиска потенциальных клиентов, причём более широкий внедрение достигается, если AI встроен непосредственно в рабочие процессы, а не представлен как отдельные инструменты или панели. - **Преимущества при успешной работе AI:** - Более релевантные потенциальные клиенты, снижение «потерь» на нецелевых контактах - Снижение времени на исследование и квалификацию более чем на 50% - Очистка и повышение эффективности воронки с ранней фильтрацией шума - **Основные причины неудач AI:** плохие или фрагментированные данные вызывают недоверие и снижение вовлечённости; недостаточная прозрачность рекомендаций усложняет доверие и использование; разрозненные рабочие процессы создают разрыв между инсайтами и действиями, снижая эффективность AI. - **Будущее развития:** - Постоянное, в реальном времени обновление приоритетов аккаунтов вместо статических списков - Внедрение AI не только для рекомендаций, но и для помощи в выполнении действий в рамках поиска потенциальных клиентов - Повышение объяснимости решений для укрепления доверия продавцов и превращения AI из опции в системную составляющую - Рассмотрение готовности данных как базовой функции для реального дохода, а не разовой очистки - Проектирование систем для совместной работы человека и AI, при которой AI анализирует сигналы и приоритеты, а человек — управляет отношениями и принимает деликатные решения **Примеры из практики:** - *ZoomInfo* помог Levanta объединить CRM и данные об интересах для динамического приоритизирования, что снизило ручные затраты и сосредоточило усилия на аккаунтах с покупательским движением. - *Apollo. io* встроил AI в рабочие процессы, предоставляя список приоритетных аккаунтов и рекомендации следующих шагов, ускоряя работу и повышая качество outreach. - *6sense* помог ScienceLogic перейти от интуитивных решений к предиктивной приоритизации — что в 4 раза ускорило продажи, увеличило воронки на миллионы долларов и повысило вовлечённость.

- *Clearout* сфокусировался на проверке данных потенциальных клиентов, снизив процент отказов более чем на 40% и повысив конверсию. - *Firmable* повысил точность контактов и удвоил количество соединений по звонкам, перейдя от ручных методов к AI-управляемому поиску. - *G2* использовал данные о намерениях для уточнения поиска в сегменте SaaS, сокращая затраты на нерелевантные контакты и способствуя созданию много-миллионных воронок. **Выводы для руководителей продаж и доходов в 2026 году и далее:** 1. **Фокус на подготовке данных:** Вложение в чистоту CRM, разрешение идентичностей и точность сигналов — основа успеха AI и его широкого внедрения. 2. **Прозрачность решений:** Обеспечить понятное объяснение рекомендаций AI для повышения доверия и вовлечённости продавцов. 3. **Интеграция в ежедневные процессы:** Встроить AI во рабочие инструменты так, чтобы минимизировать переключение контекста и ручное толкование данных. 4. **Переход на непрерывный, сигнал-ориентированный поиск:** Создавать постоянные системы, которые в режиме реального времени обновляют приоритеты, сохраняя актуальность. 5. **Сотрудничество человека и AI:** Использовать AI для обработки сигналов и формирования приоритетов, при этом доверяя человеку решать о нюансах и управлении отношениями. **Заключение:** Интеллектуальные системы для продаж на базе AI переводят поиск потенциальных клиентов с объемных рассылок к точечной, высокой эффективности, позволяя существенно влиять на воронки продаж и доходы. Конкурентное преимущество 2026 года будет зависеть не только от внедрения технологий, а от их операционного использования — чистых данных, бесшовных процессов, объяснимости, вызывающей доверие, и четкой ответственности. Руководителям продаж необходимо глубоко интегрировать AI в системы поиска, постоянно измерять и совершенствовать его рекомендации, чтобы команды сосредоточили усилия там, где это дает наибольший эффект.