Кейс • март 2026

AI-система для outreach в клинических исследованиях за одну сессию

Разбор реального кейса: к нам пришла основательница стартапа в области клинических исследований. Она сама ведёт outreach к компаниям из pharma и medtech, ищет партнёров и клиники, собирает контакты и доводит до созвона. Ручные таблицы и письма в итоге начали съедать слишком много времени.

Кто и с каким запросом пришёл

Стартап в клинических исследованиях: основательница отвечает за развитие и сама ведёт outreach к потенциальным партнёрам. Никакой выделенной команды продаж нет, а от качества и регулярности outreach сильно зависят первые сделки.

Исходная ситуация:

• поиск компаний и исследований руками через несколько разных источников
• контакты и статусы разбросаны по Excel и заметкам
• письма пишутся с нуля или по устаревшим шаблонам
• на поддержку процесса уходит много времени, а результатов хочется больше и стабильнее

Что сделали за одну сессию

За одну встречу мы собрали под её задачу первый рабочий контур системы.

1. Разложили текущий процесс outreach

• откуда сейчас берутся компании и исследования
• как выбираются те, кому писать в первую очередь
• где и как фиксируются контакты и статусы диалогов
• на каких шагах уходит больше всего времени и внимания

2. Собрали отдельный AI-проект как рабочую консоль

Вместо ещё одного «чата с нейросетью» мы подняли под её задачу отдельный проект в AI-среде:

• структура папок и файлов под outreach-процесс
• контекст проекта с описанием стартапа, продукта и целевой аудитории
• стартовый набор правил, как система должна помогать именно в её сценарии

3. Подключили открытые источники по клиническим исследованиям

Системе дали доступ к открытым реестрам по клиническим исследованиям, включая крупный международный реестр. Под её нишу мы настроили запросы так, чтобы AI мог:

• находить свежие исследования и компании под нужные критерии
• доставать оттуда релевантные контакты
• формировать первые списки потенциальных партнёров

4. Настроили структуру базы контактов и статусов

Вместо одной длинной таблицы появилось понятное хранилище контактов со статусами. Мы зафиксировали:

• какие поля нужны для контакта и компании
• какие статусы важны для этого процесса: новый контакт, письмо отправлено, нет ответа, в диалоге, неактуально
• как система должна подсказывать следующий шаг по каждому контакту

5. Собрали цепочку писем и первое персонализированное письмо

Отдельно разобрали, как должна выглядеть воронка коммуникации:

• структура первых 3-4 писем под её продукт и тип получателей
• что можно и нужно персонализировать под конкретное исследование или компанию
• где проходит граница между информированием и навязчивостью

В конце сессии на основе части найденных данных система подготовила первое персонализированное письмо в HTML-формате, уже как заготовку под реальную рассылку, а не просто «черновик в блокноте».

Архитектура: что делает AI-система, а что остаётся снаружи

Важно было не построить «ещё один тяжёлый сервис», за которым придётся следить, а аккуратно разделить ответственность между AI и внешними инструментами.

В итоге договорились о такой схеме:

Внутри AI-проекта живут

• поиск и отбор релевантных исследований и компаний
• память о контактах и истории диалогов
• подсказки по следующим шагам
• генерация текстов писем и цепочек

Отправку писем берёт на себя внешний сервис рассылки

• он отвечает за доставляемость
• работу с лимитами и техническими деталями почты
• отчёты по открытиям и кликам

Так у основательницы появляется «умный слой» под outreach, а не необходимость администрировать полноценный почтовый сервис.

Результат после первой встречи

После одной сессии у неё уже был не абстрактный план, а живой рабочий контур:

• отдельный AI-проект, который знает про её стартап и задачу outreach
• первый список релевантных компаний и исследований из открытых источников
• структура базы контактов и статусов, чтобы люди не терялись по дороге
• логика цепочки писем под её сценарий
• готовый HTML-шаблон персонализированного письма для тестовой рассылки
• понимание, как развивать систему дальше, не теряя управляемости

Как можно развивать систему дальше

На выходе мы наметили для неё две траектории роста.

1. Полуавтоматический режим

• система помогает искать компании, собирать базу и готовить черновики писем
• решение, кому и когда отправлять, остаётся за основательницей
• процесс становится легче, но при этом полностью прозрачным и управляемым

2. Более глубокая автоматизация

• AI регулярно проверяет открытые источники под заданные фильтры
• находит новые исследования и компании и пополняет базу
• готовит черновики писем и напоминаний, которые остаётся только просмотреть и утвердить

В обоих вариантах точка старта одна и та же: рабочий прототип, собранный за одну сессию под реальный проект, без необходимости сразу погружаться в тяжёлый стек и сложную инфраструктуру.