AI-бот блискуче виглядає на демонстрації: відповідає людською мовою, розуміє питання з помилками, не має дерева кнопок. А потім реальний клієнт питає, чи є доставка в його місто в суботу, і бот упевнено вигадує відповідь. Різниця між цими двома ботами — не в моделі, а в тому, звідки він бере факти і що йому заборонено робити. Нижче — де AI-асистент справді дешевший за сценарний бот, як підключити базу знань, скільки це коштує на місяць у токенах і які помилки коштують клієнта.

Чим AI-асистент відрізняється від сценарного бота

Це два різні інструменти, а не старіша й новіша версія одного. Сценарний бот детермінований: ви точно знаєте, що він скаже. AI-асистент імовірнісний: він формулює відповідь щоразу заново, і саме тому потребує обмежень, яких сценарний бот не потребує взагалі.

Правило, яке ми застосовуємо в кожному проєкті: AI відповідає, кнопки діють. Бронювання слота, створення замовлення, приймання оплати не можна віддавати мовній моделі — ці кроки мають бути звичайним детермінованим кодом. Якщо ви ще не визначились із базовим сценарієм, спершу варто прочитати про сценарії ботів, що окупаються.

Де AI справді дешевший за людину

Спільна риса цих задач — у них є правильна відповідь, яка вже існує у ваших даних, і вартість помилки невелика. Там, де правильної відповіді немає або помилка коштує грошей, AI має лише допомагати людині, а не заміщати її.

База знань — це 80% результату

Якість AI-бота на 80% визначається не моделлю, а тим, що ви їй дали читати. Модель без ваших даних відповідатиме загальними фразами з інтернету. Модель із чистою базою знань і забороною виходити за її межі відповідає точно й нудно — саме так, як треба в підтримці.

1. 1

   Зібрати джерела

   Прайс, умови доставки й повернення, опис послуг, часті питання, а головне — архів реальних переписок. Останній дає формулювання, якими користуються клієнти, а не ваш відділ маркетингу.

2. 2

   Почистити суперечності

   Найпоширеніша причина брехні бота — два документи з різними цінами. Модель обере випадковий. Один вечір на звірку економить місяць скарг.

3. 3

   Розбити на фрагменти й проіндексувати

   Документи ріжуться на шматки по 300–800 слів і перетворюються на вектори. На запит система знаходить 3–5 найближчих фрагментів і подає їх моделі як контекст. Це і є retrieval — без нього AI-бот вигадує.

4. 4

   Прописати правила поведінки

   Заборона відповідати поза контекстом, обов’язкове «не знаю, покличу менеджера», формат відповіді, тон, довжина. Це системний промпт, і він переписується разів десять за перший місяць.

5. 5

   Прогнати 100 реальних питань

   Беремо архів звернень і порівнюємо відповіді бота з відповідями менеджера. Менше 80% збігу — база знань неповна, а не модель погана.

# Мінімальні обмеження, без яких бота не можна пускати до клієнтів
system:
  grounding: strict          # відповідати лише з наданих фрагментів
  max_context_chunks: 5
  on_missing_context: handoff  # немає даних -> передати менеджеру
  never_answer:
    - individual_pricing
    - refunds_and_disputes
    - legal_or_medical
  always_include_source: true  # показувати, з якого документа взято відповідь
  max_reply_chars: 600
  temperature: 0.2

Скільки це коштує щомісяця

Токени лякають клієнтів більше, ніж варто. Один діалог у підтримці — це зазвичай 3–8 обмінів повідомленнями, і в наших проєктах він виходить у район одного-двох центів на моделях середнього рівня. Реальні гроші з’їдають не відповіді, а роздутий контекст: якщо в кожен запит підкладати весь прайс замість п’яти релевантних фрагментів, рахунок зростає в десятки разів.

1. 1Порахуйте обсяг. 1000 діалогів на місяць при $0.01 за діалог — це $10 на токени. Навіть при десятикратній помилці в оцінці це не та стаття, через яку варто відмовлятись від AI.
2. 2Тримайте контекст маленьким. 5 фрагментів по 500 слів замість повного каталогу — різниця у витратах приблизно двадцятикратна при однаковій якості відповіді.
3. 3Кешуйте типові питання. Половина звернень — це 20 однакових питань. Готова відповідь із кешу коштує нуль і повертається миттєво.
4. 4Беріть меншу модель для класифікації. Визначити тему звернення можна найдешевшою моделлю; дорога потрібна лише для формулювання складної відповіді.
5. 5Поставте ліміт на користувача. 30 повідомлень на добу з одного акаунта — захист і від зловживань, і від несподіваного рахунку.

Три способи втратити клієнта через AI

• Впевнена вигадка. Бот називає ціну, якої немає, або обіцяє доставку, якої ви не робите. Лікується жорстким grounding і забороненими темами — не «кращим промптом».
• Пастка без виходу. Клієнт тричі пише «дайте людину», а бот продовжує пропонувати статті. Кнопка передачі менеджеру має бути видимою з першого повідомлення, і будь-яке згадування живої людини має її вмикати.
• Мовчазне старіння. Прайс змінили в лютому, а документ у базі знань лишився листопадовий. Бот місяцями впевнено називає стару ціну. Прив’яжіть оновлення бази до тих самих процесів, що й оновлення сайту.

Усі три проблеми — організаційні, а не технологічні. Тому AI-асистента варто запускати тоді, коли у вас уже описані процеси: хто оновлює дані, хто дивиться логи, хто відповідає на ескалацію. Якщо процесів немає, спершу почитайте про автоматизацію бізнес-процесів, а вже потім про моделі. І визначтесь, де у вас проходить межа між ботом і людиною — це добре розібрано в порівнянні чат-бота з живим чатом. Якщо ви ще не впевнені, що саме варто віддавати моделі, спершу подивіться на ознаки задач, де AI справді окупається.

Часті питання про AI-чатботів

Коротко

• AI відповідає, кнопки діють: бронювання, оплати й зміни замовлень залишайте детермінованому коду.
• Результат на 80% визначає база знань, а не модель. Суперечності в документах — головна причина вигаданих відповідей.
• Токени рідко бувають проблемою: тримайте контекст малим і кешуйте типові питання.
• Заборонені теми, обов’язкове «не знаю» і видима кнопка виходу на людину — не опції, а мінімум безпеки.
• Без відповідального за актуальність документів AI-бот перетворюється на джерело застарілих цін.