Чат-бот принимает заявку в 23:00, называет остаток на складе по данным из 1С, регистрирует обращение в поддержку и отвечает кандидату по вакансии. Разница между решением, которое справляется с такой работой, и тем, что раздражает клиентов, сводится к двум вещам: подключён ли бот к вашим системам и есть ли у него доступ к вашим документам. Без первого он не назовёт статус заказа, без второго начнёт выдумывать ответы по регламентам, которых у него нет.
Чат-боты для бизнеса закрывают три группы процессов - продажи, поддержку и найм. Механика в каждой своя, поэтому разберём по очереди: что бот забирает на себя, где он бесполезен и что для этого нужно от компании.
Кнопки, ИИ или агент - в чём разница
Сценарный бот работает по кнопкам и заранее описанным ветвлениям. Он принимает заявку, показывает статус заказа, отвечает про график работы и передаёт данные в CRM. Собирается за несколько дней, стоит недорого и ломается на вопросе, которого нет в меню.
Бот с искусственным интеллектом понимает смысл сказанного. Вопросы "сколько занимает доставка в Москву" и "доставляете в Москву, какие сроки" для него одинаковы, опечатки он переживает, контекст диалога держит и отвечает по вашей базе знаний со ссылкой на источник.
Агент выполняет действия: оформляет документ, ставит задачу, обращается в смежную систему по API. Такое решение оправдано на участке, где сегодня человек делает последовательность операций по правилам.
В большинстве проектов работает комбинация первых двух уровней. Кнопки закрывают предсказуемые сценарии дешевле, чем языковая модель, поэтому смешивать выгоднее, чем выбирать один уровень на всё.
Приём и квалификация заявок
Заявка, оставленная вечером, лежит до утра, и часть клиентов за это время успевает написать конкурентам. Сколько компании реально тянут с первым ответом и во что это обходится - с цифрами исследований разобрали в статье 9 вопросов, которые задают директора перед запуском.
Бот отвечает за секунды и сразу собирает то, что менеджеру пришлось бы выяснять в первом разговоре: отрасль, объём задачи, регион, срок решения вопроса. Дальше он сортирует обращения на готовых говорить сейчас, присматривающихся и зашедших почитать. В CRM уходит карточка с этими данными, назначенным ответственным и напоминанием.
Отдельная функция - маршрутизация. Клиент из Краснодара направляется в краснодарский филиал, юридическое лицо - к менеджеру по работе с компаниями, действующий заказчик - в сервис. В одном нашем проекте бот определяет обратившегося по ИНН, сверяет его с базой из 3000 юридических лиц и сам ведёт обращение по маршруту: к закреплённому менеджеру, в техподдержку или в список новых клиентов на распределение. 80% обращений от клиентов из базы бот обрабатывает целиком, в работу обращение уходит за 3-5 секунд (разбор проекта в кейсе).
Ещё бот записывает на встречу: смотрит календарь менеджера, учитывает часовой пояс клиента, предлагает свободные слоты и ставит напоминание обеим сторонам.
Продавать при этом бот не будет. В длинном цикле сделки он экономит первые сутки и снимает разбор непрофильных обращений, а переговоры остаются за менеджером.
Наличие, цены и статус заказа
В оптовых продажах основная часть переписки сводится к четырём вопросам: есть ли позиция, сколько её на складе, когда отгрузят и что подойдёт на замену. Менеджер отвечает на это по двадцать раз в день, глядя в учётную систему.
Для компании по продаже и обслуживанию спецтехники мы собрали нейросотрудника в Telegram. Он круглосуточно отвечает на вопросы о наличии и сроках поставки, называет статус заказа, подбирает технику по параметрам и принимает заказ запчастей по VIN, серийному номеру или фотографии шильдика. Данные тянутся из 1С и телефонии. До 80% обращений он закрывает сам, статус запчасти или вызов техника клиент получает за 30 секунд - как устроено решение, разобрали в кейсе.
Работает это ровно до тех пор, пока данные живые. Бот, отвечающий по вчерашней выгрузке из 1С, однажды пообещает клиенту то, чего на складе уже нет, и при отгрузке на несколько миллионов такую ошибку разбирают на уровне директоров.
Первая линия поддержки
Типовые обращения повторяются: где заказ, как оформить возврат, какие документы нужны, куда написать по гарантии. Бот отвечает на них из базы знаний, а сложное передаёт человеку - вместе с диалогом и уже собранными параметрами, чтобы оператор не начинал с чистого листа.
По типовым обращениям на наших проектах бот снимает до 80% потока. Это наш замер, а не отраслевая норма: доля зависит от того, насколько вопросы повторяются и насколько живая у вас база знаний. Выходит решение на эту цифру за пару месяцев, пока база обрастает ответами на реальные вопросы, а не в первую неделю после запуска.
Вызов оператора должен работать в любой точке диалога. Бот, который прячет живого сотрудника глубоко в меню, вредит сильнее, чем его отсутствие.
Внутренняя поддержка сотрудников
Этот участок обсуждают реже внешнего, хотя в крупной компании он нередко даёт больший результат. Обращения сотрудников к ИТ, кадрам и бухгалтерии идут почтой, звонком и разговором в коридоре, часть теряется, а решает их человек, у которого есть своя работа.
Инженерная компания из промышленной автоматизации считала такие обращения тысячами в месяц. Единого входа не было, ответа от занятого коллеги ждали часами.
Логику мы выстроили в обратном привычному порядке: бот сначала пытается ответить и только потом заводит задачу. Сотрудник пишет в чат Битрикса обычными словами, бот распознаёт намерение, ищет решение в базе знаний и, если оно есть, отвечает сам со ссылкой на источник. 40% вопросов на этом заканчиваются - заявка не создаётся, инженер не отвлекается. Когда ответа нет, бот подбирает шаблон, вытаскивает из текста параметры, доспрашивает недостающее и заводит задачу, которую берёт любой свободный специалист. Срочность он определяет по смыслу сообщения и помечает в задаче, что повысил приоритет самостоятельно.
Данные из внутренней переписки наружу не уходят. Языковую модель мы развернули на сервере заказчика с видеокартой, а штатный облачный ИИ Битрикса отключили: в обращениях всплывают зарплаты, маржа сделок и рабочая переписка. Внедрение заняло три месяца, разбор по шагам - в кейсе про ИИ-бота техподдержки на локальных моделях.
Подбор персонала
Рекрутёр тратит первые часы работы с вакансией на разбор откликов и одинаковые ответы кандидатам. Эту часть воронки бот забирает на себя: отвечает на вопросы об условиях, задаёт отсеивающие вопросы и ведёт переписку, пока рекрутёр занят собеседованиями.
Разбор откликов мы уже автоматизировали у себя: приложение ResumeScan подтягивает отклики с hh.ru в Битрикс24 и оценивает кандидатов по компетенциям - сотню откликов оно разбирает примерно за минуту вместо двух-трёх часов ручной вычитки (кейс). Из этого инструмента растёт Ловец, модуль подбора в линейке Нейротим, - он в разработке. Работают такие инструменты внутри той CRM, где компания уже сидит: Битрикс24, amoCRM или СберCRM, - переезжать в отдельную HR-систему не нужно.
Решение по кандидату остаётся за человеком. Бот отсеивает явно неподходящих и экономит время на переписке, а уговорить сильного специалиста выйти на работу он не сможет.
Адаптация новичков
Первые недели нового сотрудника состоят из вопросов, на которые в компании давно есть письменные ответы: где инструкция, как оформить пропуск, к кому идти с доступами, что читать в первую неделю. Задаёт он их старшим коллегам, потому что искать регламент дольше, чем спросить.
Тут есть два пути. Готовый модуль: Напарник из линейки Нейротим ведёт новичка по плану первых недель, отвечает на вопросы в мессенджере, проводит тесты и показывает руководителю прогресс. Или расширение того бота, который у компании уже есть: в проекте инженерной компании отдельного инструмента для адаптации не ставили - новичков взял на себя тот же бот техподдержки, ещё одним сценарием поверх той же базы знаний.
Каналы и интеграции
Канал выбирают по тому, где находится собеседник. Сайт даёт контроль над сценарием и работу с человеком, который прямо сейчас смотрит карточку товара. Telegram технически гибок, поэтому туда чаще уходят поддержка и уведомления. ВКонтакте работает с аудиторией сообществ, MAX важен компаниям с требованием хранить данные внутри страны. Для сотрудников бот обычно живёт в Битрикс24 или корпоративном мессенджере.
Бот при этом должен быть один, а контекст диалога - общим для всех площадок, чтобы клиент, начавший на сайте и продолживший в мессенджере, не пересказывал всё заново.
Интеграции определяют, на что бот вообще способен отвечать. Наличие и цены он берёт из 1С, историю обращений и сделки - из CRM, записи разговоров - из телефонии, отклики кандидатов - из hh.ru. Без этих связок остаётся окно чата, которому нечего ответить.
Откуда бот берёт ответы
Языковая модель подключается за пару часов и доступна любой компании, поэтому точность ответов определяется вашими документами. Ассистент выдумывает по регламентам ровно потому, что этих регламентов у него нет, и берёт общий ответ из интернета.
Рабочая схема выглядит так: документы, прайсы и инструкции режутся на фрагменты и векторизуются, поверх идёт смысловой поиск, модель отвечает строго по найденному и приводит источник, а при отсутствии данных сообщает об этом прямо. Архитектуру называют RAG - почему собранный так агент не выдумывает, разбирали отдельно. Сборка такой базы с учётом прав доступа и вложенных файлов занимает основное время проекта.
Модель подбирают под требования к безопасности. Локальные Gemma и Llama живут в контуре клиента и не выпускают запросы наружу, российские YandexGPT и GigaChat держат обработку внутри страны, GPT и Claude берут там, где ограничений нет. Требования 152-ФЗ при этом выполняет оператор данных, то есть вы, а не модель, и условия у сервисов разные: соглашение GigaChat, например, прямо запрещает отправлять в запросах персональные данные. Это читают до внедрения, а не после.
Сколько занимает запуск и от чего зависит цена
Устойчивый результат наступает через два-три месяца. Основное время уходит на инвентаризацию документов, настройку прав доступа и доводку по живым диалогам первых недель.
Цена зависит от ступени: готовый агент по подписке, пакет готовых связок поверх вашего Битрикса или разработка под ваш контур. На рынке кнопочный бот обходится в десятки тысяч рублей, агент с базой знаний и интеграциями - в сотни тысяч, проект с локальной моделью в своём контуре - в миллионы. Что входит в каждую ступень и из чего складывается смета - в статье про то, сколько стоит чат-бот для бизнеса. Точную цифру называем после разбора вашего потока обращений.
Как проверить задачу на своих данных
Проверить можно до разговора с подрядчиком. Выгрузите переписку менеджеров, поддержки или рекрутёра за две недели и разложите обращения на три группы: ответ есть в документах компании, ответ есть в учётной системе, нужен человек с опытом и полномочиями. Первые две группы автоматизируются, третья остаётся людям. Их соотношение показывает и уровень решения, и ожидаемый результат - подробнее это упражнение разобрано в статье 9 вопросов, которые задают директора перед запуском.
И ещё одно условие, без которого проект не живёт: у базы знаний должен быть владелец. Человек, который её обновляет и раз в месяц читает реальные переписки. Без него ответы портятся при каждой правке контента.
