Более 70% российских организаций уже внедрили решения с генеративным ИИ как минимум в одном бизнес-­процессе, об этом говорится в исследовании консалтинговой компании «Яков и Партнеры». Торгово-­промышленные компании пока с осторожностью относятся к ИИ-инструментам — сказывается консервативность отрасли и недоверие к технологии. Однако некоторые ИИ-решения уже доказали свою эффективность на реальных кейсах в промышленном сегменте.

 

 

 

В беседе с редактором  журнала «РИТМ машиностроения» руководитель компании «ИЗИ ГАЙД», эксперт по ИИ-автоматизации Александр Малинин рассказал об одном из таких инструментов — чат-ботах на базе ИИ, которые выводят коммуникацию с клиентами и партнерами на новый уровень.

 

 

Сегодня уже никого не удивишь чат-ботами. 
А в чем отличие чат-ботов на базе нейросетей?

 

Обычные чат-боты опираются на жесткие сценарии. Они работают по принципу «Если пользователь сказал А, то ответь Б». Но совершенно не знают, что делать, если пользователь вышел за рамки сценария: допустил ошибки в сообщении или обратился с ­каким-то нестандартным запросом.

 

Чат-бот на базе нейронных сетей опирается не на сценарии, а на контекст беседы, понимает смысл. Поэтому общение с ним больше похоже на разговор с человеком. У чат-бота есть доступ к огромным массивам данных, на которых обучают нейросети. Им не нужны идеально точные команды, они спокойно воспринимают, если запрос написан с опечатками, разговорными оборотами или на профессиональном сленге. ИИ-менеджер запоминает все подробности беседы, может вернуться к началу разговора, продолжить общение с любой точки.

 

 

Как поставщики станков и инструмента могут использовать такое решение? Когда и кому оно нужно?

 

Главная задача чат-бота на базе ИИ — доводить клиента до целевого действия, будь то заказ расходных материалов и оснастки или запрос на технические характеристики металлообрабатывающего станка. Поэтому внедрять его логично туда, где коммуникаций с клиентами больше всего: сайты, мессенджеры, переписка по электронной почте. Если номенклатура компании насчитывает сотни и тысячи позиций, как это бывает при продаже промышленного оборудования, а входящих запросов поступает десятки и сотни в сутки, то такой чат-бот способен существенно разгрузить отдел продаж. Он берет на себя консультации по продукции, ценам, срокам и условиям поставки. Наконец, он может продавать, увеличивая прибыль компании, работая в режиме 24/7 и не теряя клиентов, даже если они пишут в нерабочее время.

 

Помимо продаж есть и другие бизнес-­процессы, где чат-боты на базе ИИ могут быть полезны. Например, первая линия техподдержки: типовые вопросы по обслуживанию и настройке уже поставленного оборудования, подбор запчастей и расходных материалов. Процент типовых запросов может доходить до 80%, оставшиеся 20% ИИ-менеджер переводит на квалифицированного специалиста.

 

 

Насколько универсальна эта технология? 
Приходится ли ее дорабатывать под специфику конкретного предприятия?

 

Да, специфика бизнеса имеет большое значение. Могу показать разницу на примере проектов, которые мы уже реализовали в «ИЗИ ГАЙД».

 

Один из наших клиентов — поставщик промышленных комплектующих: подшипников, ремней, приводных элементов и расходных материалов для станочного оборудования. У них огромная номенклатура товаров, клиенты постоянно уточняют наличие, размеры, актуальные цены.

 

Для них мы разработали чат-бот в «Телеграм» и МАХ на базе ИИ с интеграцией в 1С. По требованию заказчика бот авторизует клиента на входе — только «свои» получают доступ к информации. Номенклатура с ценами и остатками также подтягивается из 1С. Клиент может сразу сформировать заявку на поставку прямо в чат-боте — она уходит напрямую в 1С. Результат: менеджеры освободили до 20 часов рабочего времени в неделю.

 

Иной запрос у другого нашего заказчика — компании, которая торгует металлопрокатом. Задача заключалась в консультировании клиентов на сайте и в «Авито». Мы подключили базу знаний по продукции, номенклатура с ценами также подтягивалась из 1С. Чат-бот стал инструментом лидогенерации: он консультирует новых клиентов, помогает сформировать заявку, которая падает на менеджера в 1С. Все контактные данные в процессе диалога аккумулируются в CRM-системе «Битрикс24». Компания перестала терять клиентов, обращавшихся в выходные и из другого часового пояса.

 

Еще один клиент — производитель лакокрасочных материалов в Узбекистане. Задача — разгрузить отдел продаж от повторяющихся консультаций. Чат-бот в «Телеграм» отвечает на вопросы по характеристикам продукции, формирует заказ на отгрузку в 1С и видит историю предыдущих заказов клиента — предлагает то, что тот уже брал, или подбирает новинки по номенклатуре. Заказ в боте можно делать как текстом, так и голосом, причем он работает на русском и узбекском языках. Среднее время ответа на запрос — менее 
3 секунд. У менеджеров высвободилось до 15 часов рабочего времени в неделю на работу с новыми клиентами.

 

 

Какие нейросети вы чаще всего используете для создания чат-ботов?

 

Мы используем как зарубежные модели — ChatGPT, Claude, DeepSeek, — так и российские «ГигаЧат» и «Яндекс.GPT». При необходимости разворачиваем open-source-модели на серверах заказчика. Клиенту, по сути, все равно, какая нейросеть внутри, — ему важен результат и бюджет, поэтому мы гибко подходим к выбору. То же касается каналов коммуникации: MAX, «ВКонтакте», «Телеграм», сайт «Авито», электронная почта — всё зависит от пожеланий заказчика.

 

 

Если говорить о стоимости, в какую сумму в среднем обходится для бизнеса внедрение чат-бота на базе нейросети?

 

Важно понимать, что цена складывается не только из разработки, но и из архитектуры решения. Мы выделяем два основных сценария.

 

Первый сценарий — облачный. Это самый популярный вариант, отлично подходит для малого и среднего бизнеса. Ключевая особенность: здесь используется облачная языковая модель от стороннего провайдера (ChatGPT, Gemini, «ГигаЧат» и др.). Данные передаются за периметр предприятия. Расходы складываются из разовой стоимости разработки решения и ежемесячного платежа на пополнение бюджета нейросети, который зависит от объема общения бота с клиентами. Стоимость разработки решения зависит от количества сценариев коммуникации с клиентами, интеграций, размера базы знаний и варьируется в диапазоне 300–700 тыс. руб.

 

Второй сценарий — on-premises, подходит для более крупных компаний. В этом случае языковая модель развернута локально на серверах заказчика и данные не покидают контура безопасности. Такое решение требует наличия сервера с GPU, а также тонкой настройки open-source языковой модели. Бонусом будет полный контроль над данными и независимость от сторонних провайдеров. Стоимость такого решения стартует от 2–3 миллионов руб­лей с учетом стоимости железа. Зато нет ежемесячных затрат на токены нейросети.

 

 

Как решается вопрос безопасности данных при работе с облачными нейросетями?

 

Вопрос безопасности данных является одним из важнейших. Мы не отправляем в нейросеть никакие персональные данные, также можем ограничить отправку прочей чувствительной для клиента информации, фильтруя ее на входе. Это позволяет нам соблюдать требования 152-ФЗ о персональных данных.

 

 

Еще одна частая претензия к нейронкам — их склонность к галлюцинациям. Как эта проблема решается при использовании чат-ботов?

 

Тут есть несколько путей решения. Первое, что мы делаем, это подключаем к нейросети структурированную базу знаний, на основе которой чат-бот формирует ответы. То есть он не берет данные из самой языковой модели, а ищет ответ в подключенной базе. Еще мы можем регулировать такой параметр нейросети, как температура, который отвечает за креативность ответа. Чем ниже выставлена температура, тем ближе ответ будет к тому, что указано в базе знаний. За счет этого мы можем достигать точности ответов в 98+%. Полностью исключить галлюцинации нельзя (это заложено самой технологией генеративных сетей), но свести их к практически незаметным и некритичным для бизнес-­процессов — вполне реально.

 

 

Как компании подготовиться к внедрению чат-бота на базе ИИ? Без чего он просто не сможет нормально работать?

 

Начну с технического вопроса — нужно оценить состояние баз данных в компании и навести в них порядок. Задвоенные позиции, опечатки, разные написания названий, пропущенные характеристики — все это приводит к тому, что ИИ-бот начинает путаться, выдавая неверные ответы.

 

Второй важный момент: чат-бот — это автоматизатор существующего процесса. Если у вас есть понятный алгоритм — как приветствовать клиента, какие позиции предлагать, что о них рассказывать — мы можем обучить этому алгоритму и чат-бота. Но если общение с клиентом строится на интуиции менеджера, передать это на ИИ невозможно. Сначала необходимо формализовать бизнес-­процессы.

 

Именно поэтому мы всегда начинаем общение с новыми клиентами с диагностических консультаций. Смотрим, как строятся коммуникации, поднимаем прошлые диалоги, выявляем те точки, где внедрение ИИ даст максимальный эффект с точки зрения возврата инвестиций. Практика показывает: когда начинаешь разбираться детально, руководители удивляются — сколько рутинных задач, оказывается, можно передать нейросети уже сегодня.

 

Подробнее: 

 

Источник журнал "РИТМ машиностроения" № 2-2026