Собственник платит за модную нейросеть, а спустя несколько месяцев обнаруживает, что менеджеры по-прежнему вручную переносят заявки из почты в таблицу. Демо впечатляло, счёт оплачен, рутина осталась. Разбираем, какие задачи в 2026 году стоит отдавать ИИ, а какие закрываются обычной интеграцией за куда меньшие деньги.
Типичная ситуация, с которой к нам приходят. Компания уже оплатила внедрение «умного ассистента»: красивая презентация, обещание, что нейросеть возьмёт на себя общение с клиентами и разгрузит сотрудников. Проходит несколько месяцев — люди работают ровно так же, ассистент регулярно отвечает невпопад, и его в итоге просто выключают. Деньги ушли, рутина осталась.
Когда в таких случаях мы садимся разбирать, на что реально уходит время команды, картина обычно похожая. Больше всего часов съедает не общение с клиентами, а перекладывание данных: перенести запись из виджета на сайте в журнал, продублировать её в таблицу для собственника, вечером вручную посчитать загрузку по сотрудникам. Никакого интеллекта эта работа не требует. Требуется связка нескольких систем, которая настраивается за считаные дни и обходится заметно дешевле, чем внедрение ассистента.
Про ИИ говорят из каждого утюга, и собственник начинает искать, куда бы его приткнуть. А правильный вопрос звучит иначе: какая задача съедает больше всего времени и денег — и каким самым простым инструментом её можно закрыть.
Дело не в том, что технологии плохие. Они за последние годы стали заметно лучше. Проблема в трёх вещах, которые редко проговаривают на этапе продажи.
Первое — демо и рабочий процесс это разные миры. На демонстрации модель отвечает на аккуратно сформулированный вопрос. В жизни клиент пишет «а можно как в прошлый раз, только пораньше» — и без доступа к истории заказов такую фразу не разберёт никакая модель. Ассистент, не подключённый к вашим данным, ближе к говорящей витрине, чем к сотруднику.
Второе — ИИ вероятностный, а бизнес-процессы детерминированные. Если нужно, чтобы заявка со всех форм сайта попадала в CRM с правильным источником, нейросеть здесь не помощник. Нужна интеграция: она работает по жёсткому правилу и повторяет одно и то же действие одинаково, раз за разом. Нейросеть с такой задачей в основном справится, но время от времени сформулирует что-то своё — и кто-то будет разбираться, куда делся клиент. На потоке даже нечастый сбой превращается в регулярную головную боль.
Третье — никто не считал экономику. Часто внедряют то, что звучит красиво, а не то, что дорого обходится. Мы начинаем с простого упражнения: выписать процессы, прикинуть, сколько человеко-часов в месяц каждый съедает, и умножить на стоимость часа. Верхние две-три строчки этого списка и есть кандидаты на автоматизацию. Подробно про эту арифметику мы писали в материале сколько стоит автоматизация и когда она окупается.
Простое правило: если задачу можно описать чёткой инструкцией «если А, то Б» — это работа для скрипта или интеграции. Если задача требует понять смысл текста, речи или изображения — тогда имеет смысл звать нейросеть.
Прежде чем платить за что бы то ни было, ответьте себе на три вопроса.
Эти три вопроса отсекают заметную часть неудачных внедрений ещё на берегу. Отвечать на них лучше письменно и вместе с теми, кто будет пользоваться системой каждый день: у собственника и у администратора представление об одном и том же процессе нередко расходится.
Это самый честный сценарий. Люди пишут одно и то же: как добраться, сколько стоит, есть ли в наличии, можно ли перенести запись. AI-агент, подключённый к вашей базе и расписанию, снимает основную массу таких обращений и отдаёт человеку только сложное. Здесь цена ошибки невысока — клиент переспросит или его подхватит менеджер. Мы разбирали устройство такой схемы в статье про AI-агента на первой линии поддержки.
Расшифровать звонок и вытащить суть. Прочитать сотню отзывов и сгруппировать претензии. Разобрать входящее письмо и понять, это заявка, счёт или спам. Раньше это делал человек глазами, теперь машина справляется быстрее и без выгорания. Важно только помнить: итог такой обработки — материал для решения, а не само решение.
Описания товаров, ответы на типовые письма, посты, карточки услуг. Ключевое слово — черновики. Публиковать без редактуры человеком не стоит: страдает и качество, и репутация. Особенно это касается отзывов — в тексте про отзывы, написанные нейросетью, мы показываем, насколько заметен сгенерированный текст со стороны.
Если вакансия администратора висит месяцами, а обращения идут, ИИ может закрыть часть смены. Это не идеальное решение, но чаще всего оно лучше пропущенных звонков. Подробнее — в материале про то, как AI-агент заменяет ненайденного сотрудника.
А вот здесь начинается основная экономия. Большая часть рутины в малом бизнесе — это не интеллектуальная работа, а перекладывание данных из одного места в другое.
| Задача | Чем закрывать | Почему так |
|---|---|---|
| Заявки с сайта попадают в CRM | Интеграция | Нужна предсказуемость, понимать смысл не требуется |
| Напоминание клиенту о визите | Скрипт по расписанию | Текст типовой, условие простое |
| Сводка по выручке и загрузке | Выгрузка и дашборд | Считать умеет и обычная формула, ИИ тут лишний |
| Счета и закрывающие документы | Шаблоны и автоформирование | Ошибка в реквизитах стоит слишком дорого |
| Ответы на типовые вопросы клиентов | AI-агент | Формулировки непредсказуемые, нужен разбор смысла |
| Разбор входящей почты по типам | ИИ плюс правила | Смысл определяет модель, действие выполняет скрипт |
Обратите внимание на последнюю строку. Самые устойчивые внедрения, которые мы видим, — гибридные: нейросеть отвечает за понимание, а обычный код за исполнение. Модель определила, что письмо — это заявка, и вытащила телефон. Дальше заявку в CRM кладёт скрипт, а не модель. Так вы получаете и гибкость, и предсказуемость, и возможность проверить, что именно произошло на каждом шаге.
Отдельная тема — отчётность. Живая сводка вместо ручных таблиц редко требует ИИ, зато освобождает собственнику часы в неделю. Как это устроено, мы описали в статье про автоматизацию отчётности.
Есть зоны, куда мы стараемся не пускать нейросеть у наших клиентов.
Последний пункт самый болезненный. Если в компании каждый менеджер работает по-своему, автоматизация с высокой вероятностью просто зафиксирует беспорядок. Сначала описываем процесс, потом автоматизируем. Признаки того, что момент настал, мы собрали в материале 8 признаков, что бизнесу пора автоматизироваться.
Про персональные данные скажем отдельно. Если ассистент видит имена, телефоны и историю обращений, нужно понимать, где эти данные хранятся и обрабатываются: данные граждан России должны первично записываться в базы на территории России. Плюс у клиента есть право обратиться к вам с запросом — ответить на него нужно в течение десяти рабочих дней, срок можно продлить ещё на пять рабочих дней; при отзыве согласия обработку следует прекратить в срок не более тридцати дней. Если внутри контура работает сторонний сервис, эти обязанности с вас не снимаются, и продумывать их разумнее до запуска, а не после первой претензии.
Мы придерживаемся простой последовательности: при ней первые изменения обычно заметны в ближайшие недели, а не через год.
Шаг первый — замер. Неделя наблюдения за тем, куда реально уходит время команды. Не по ощущениям, а списком: кто, что, сколько раз в день, сколько минут. Как правило, всплывают одна-две операции, которые никто не считал проблемой, а съедают они больше всего.
Шаг второй — самая дорогая рутина без ИИ. Берём верхнюю строчку списка и закрываем её самым простым способом: интеграция, скрипт, автоматическое уведомление. Обычно это неделя-две работы и первый ощутимый эффект. Примеры таких задач мы собрали в статье про автоматизацию рутины.
Шаг третий — порядок в данных. Пока заявки живут в почте, мессенджерах и блокнотах, ИИ мало чем поможет: ему негде взять контекст. Нормальная CRM — это фундамент. Заодно она решает проблему теряющихся обращений, о которой мы писали в материале почему теряются заявки.
Шаг четвёртый — только теперь нейросеть. И начинаем с узкого участка: например, ответы на частые вопросы в одном канале, с обязательной передачей человеку в непонятной ситуации. Смотрим на долю обращений, которые агент закрыл сам, на количество передач менеджеру и на жалобы. Если картина устраивает — расширяем на соседние каналы и сценарии, если нет — сужаем зону ответственности агента и разбираемся в причинах.
Плохой сценарий выглядит так: сначала покупают ИИ, потом обнаруживают, что данных для него нет, потом надолго уходят в наведение порядка. Хороший — наоборот: сначала порядок и связки, потом интеллект поверх.
Ощущение «стало удобнее» — плохая метрика: через месяц уже никто не помнит, как было раньше. Поэтому цифры для проверки лучше зафиксировать до старта, на этапе замера. Обычно хватает трёх-четырёх показателей: сколько времени в неделю уходит на конкретную операцию, сколько обращений остаётся без ответа дольше условленного срока, сколько заявок теряется между каналом обращения и CRM, сколько ручных исправлений приходится делать после автоматики.
Если после внедрения эти показатели не сдвинулись, дело редко в том, что «технология не работает». Чаще либо автоматизировали не ту операцию, либо процесс на бумаге отличается от реального, либо сотрудники продолжают вести параллельную таблицу «для себя». Последнее встречается особенно часто и лечится не техникой, а разговором и обучением: пока людям удобнее старый способ, они будут им пользоваться.
Полезный набор вопросов, который экономит деньги ещё до начала работ. Что конкретно система будет делать сама, а что останется человеку. Откуда она возьмёт данные и что произойдёт, если источник недоступен. Как выглядит сценарий передачи диалога менеджеру и по каким признакам он срабатывает. Кто и как будет вносить изменения, когда у вас поменяются услуги или цены. Сколько стоит поддержка после запуска — это отдельная статья расходов, про которую вспоминают в последнюю очередь.
Отдельно стоит уточнить, что именно вы получаете на выходе: доступы, настройки и документацию на свою инфраструктуру или коробку, которая работает только на стороне подрядчика. От ответа зависит, сможете ли вы поменять исполнителя без переделки с нуля.
Скажем честно: автоматизация нужна не всем и не всегда. Есть ситуации, когда деньги лучше потратить на другое.
Если обращений совсем немного и вы справляетесь вдвоём — автоматизировать по большому счёту нечего. Вам нужен поток клиентов, а не оптимизация. Если бизнес совсем молодой и модель меняется от месяца к месяцу, настроенная система рискует устареть раньше, чем окупится. Если процесс выполняется раз в месяц и занимает полчаса, экономия за год выйдет символической и внедрение себя не оправдает.
И отдельно: если проблема в том, что нет заявок, автоматизация её не решит. Тут работают продвижение и нормальный сайт, а не роботы внутри.
Ориентиры такие. Автоматизация бизнес-процессов — от 40 000 ₽: это связки между системами, автоматические уведомления, выгрузки, отчёты. Внедрение CRM — от 60 000 ₽, и чаще всего это правильный первый шаг, если базы порядка ещё нет. Чат-бот — от 200 000 ₽, полноценный AI-агент на нейросети — от 700 000 ₽. Разница в цене отражает разницу в сложности: бот работает по сценарию, агент понимает произвольный вопрос и обращается к вашим данным за ответом.
Видно, что нейросеть заметно дороже связки систем. Именно поэтому мы редко предлагаем начинать с неё. Сначала закрываем то, что даёт эффект за недели и стоит десятки тысяч, а не сотни. Если после этого останется задача, где действительно нужен интеллект, — берёмся за неё осознанно, с понятной экономикой и понятным критерием успеха.
Начать проще всего с разговора. Расскажите, на что уходит время вашей команды, и мы честно скажем, где хватит скрипта, где нужна автоматизация процессов, а где действительно имеет смысл нейросеть. Если задача решается проще и дешевле, чем вы думали, — мы так и скажем. Пишите в WhatsApp или звоните на , либо в Telegram @nuclearlove.
Начните с замера: неделю фиксируйте, кто из команды на что тратит время, списком и в минутах. Возьмите самую дорогую по времени операцию и закройте её самым простым способом — интеграцией или скриптом, а не нейросетью. Обычно это неделя-две работы и от 40 000 ₽, а первые изменения заметны довольно быстро. Нейросети имеет смысл подключать позже, когда данные уже в порядке и осталась задача, которую скриптом не решить.
Чат-бот работает по заранее написанному сценарию: кнопки, ветки, фиксированные ответы. Он предсказуем и стоит от 200 000 ₽. AI-агент на нейросети понимает произвольно сформулированный вопрос, обращается к вашей базе и расписанию и формулирует ответ сам, поэтому стоит от 700 000 ₽. Если ваши клиенты задают несколько типовых вопросов, переплачивать незачем — хватит бота. Агент оправдан, когда обращений много и формулировки непредсказуемые.
Без контроля не стоит. Мы закладываем передачу диалога человеку: при жалобе, при вопросе о цене или условиях договора, при любой нестандартной ситуации. Нейросеть даёт правдоподобный ответ, а не заведомо верный, и ошибка в скидке или сроках может стоить дороже, чем вся экономия на первой линии. Рабочая схема — агент снимает массовые типовые вопросы, а сложное и конфликтное сразу уходит менеджеру.