Блэк Лейк: ИИ-коуч по продажам обошёл лучшего человеческого наставника
13 сентября 2026 издание Fortune описало внутренний эксперимент шанхайской компании Блэк Лейк: ИИ-коуч по продажам против лучшего человеческого наставника. Семь из десяти самых опытных продавцов выбрали советы машины. Важно: это не независимое исследование рынка, а кейс одной компании. Сигнал для руководителя отдела продаж — разбирать живые переговоры, а не один субъективный абзац в карточке клиента.
Коротко
- Что описали: 13 сентября 2026 Fortune рассказала, как основатель компании Блэк Лейк Юйсян Чжоу на форуме в Макао (8 сентября) показал внутренний эксперимент: ИИ-коуч по продажам против лучшего человеческого наставника.
- Результат в компании: семь из десяти самых опытных продавцов выбрали советы машины. Это голоса своей команды, не опрос рынка.
- Откуда данные: не «субъективный один абзац» в системе учёта клиентов, а запись реальных переговоров с маленького диктофона на одежде продавца (плюс где они проходили), и уже оттуда модель-наставник.
- Роль руководителя: Чжоу говорит не только про «ИИ рядом с лидером», а про себя, который ведёт ИИ: часть решений уже через агентов и большие языковые модели; человеку остаётся оркестрация и мотивация — у агентов нет эмоций.
- Главное последствие: большинство «продажных» сервисов на ИИ гоняет цепочку: лид, письмо, напоминание, карточка. Здесь ИИ разбирает переговоры и подсказывает, как улучшить решение продавца — кусок работы руководителя отдела продаж.
Что изменилось
В тексте Fortune сюжет начинается с жалобы Чжоу на систему учёта клиентов: день разговоров сжимается в «очень субъективный один абзац», который потом читает и анализирует руководитель. Ответ компании — выдать продавцам маленький диктофон-значок: он записывает переговоры и где они проходили. Эти записи потом разбирает ИИ-наставник.
Дальше — выбор без подсказки, чей совет: ИИ или лучший человеческий наставник. Семь из десяти самых опытных продавцов Блэк Лейк проголосовали за машину. Повторю без смягчения: это внутренний эксперимент одной компании, не независимое исследование рынка.
На панели в Макао Чжоу формулирует сдвиг роли: многие решения уже идут через агентов, большие языковые модели и руководителей; он исследует режим «я веду ИИ», а не только «ИИ ведёт меня». И сразу граница: у агентов нет эмоций; мотивировать команду по-прежнему может только человек.
Почему это важно
Для предпринимателя и маркетолога кейс сильный именно потому, что бьёт в привычную автоматизацию продаж. Типичный ИИ для продаж закрывает рутину воронки. Здесь ценность в другом: разбор живых переговоров — возражения, что хочет клиент, где потеряна инициатива, какие аргументы сработали, какие потребности повторяются, какие обещания дал продавец. Это пересечение наставничества в продажах, «работ» клиента (зачем он «нанимает» продукт), голоса клиента и продуктового / контент-маркетинга.
Связка с персональным брифингом для продавцов и с разговором, который раскладывается в поля учёта: снова выигрывает тот, кто опирается на исходный разговор, а не на пересказ в карточке. Экономика та же, что в стоимости результата агента: платите за совет, который меняет сделку, а не за ещё одно письмо «по шаблону».
Панель коннекторов здесь ни при чём: тема — разбор живых переговоров. Близкий рабочий контур — контроль качества звонков по регламенту в CRM.
Что протестировать
Не копируйте чужой процент «семь из десяти» как свой норматив. Проверьте у себя за неделю:
- Возьмите 20–30 реальных переговоров (запись с согласия сторон или уже принятый в компании контур).
- На каждый кейс соберите два независимых совета: сильный руководитель отдела продаж / наставник и ИИ-коуч по одной и той же записи.
- Скройте автора совета. Пусть пять–десять опытных продавцов оценят каждый совет по шкале: полезность, конкретность, вероятность улучшить сделку, ясность «что делать дальше».
- Зафиксируйте, какие сигналы вообще извлекаются из разговора (возражение, повтор потребности, потеря инициативы, обещание) — и что из этого не попадает в абзац карточки.
- Отдельно решите границу человека: где ИИ даёт разбор, а где только руководитель закрывает мотивацию и спорные этические шаги.
| Вопрос | Что записать |
|---|---|
| Сколько переговоров в выборке? | 20–30 |
| Кто «человек-наставник»? | Имя роли, не бренд статьи |
| Как скрыт автор совета? | Процедура |
| Какие четыре оценки? | Полезность / конкретность / шанс улучшить сделку / следующий шаг |
| Что теряет карточка клиента? | Список сигналов |
Мой вывод
Сильный кейс не потому, что «ИИ победил людей навсегда», а потому что опытные продавцы одной компании предпочли разбор машины лучшему наставнику — на данных разговора, а не абзаца в карточке. Повторите эксперимент на своих двадцати–тридцати переговорах. Чужой «семь из десяти» оставьте Fortune и Блэк Лейк.
Источники
- China startup Black Lake's AI sales coach beat its most experienced leader — Fortune, 2026-09-13
Читайте также
Маркетолог Anthropic каждую неделю пишет каждому продавцу три действия
Anthropic: еженедельный личный бриф продавцу из данных маркетинга. McKinsey рядом — про эффективность продавца, не про этот кейс.
Amazon превращает звонки и чаты в поля для маркетинга
AWS: Amazon Connect извлекает из разговора причину обращения, решение и обещанный следующий шаг — до передачи в учёт клиентов и автоматизацию.
OpenAI закрепила экономику агентов: результат, а не токены
OpenAI описала экономику агентов: считать стоимость принятого результата, а не токенов. Маршрутизация, контекст, MCP-вызовы и проверка человеком — что протестировать на одном сценарии.
Агент Data в ChatGPT Work: вопросы к данным компании без очереди в BI
10.09.2026 OpenAI: агент Data в ChatGPT Work. Ответ, дашборд, действие по вопросу. Redshift, BigQuery, Snowflake и др. Что проверить за один прогон.