9 ошибок при создании и внедрении чат‑ботов

Хайп искусственного интеллекта ^[1] все еще в разгаре, поэтому можно часто услышать, а давайте «просто прикрутим сюда LLM». А с учетом того, что собрать чат‑бота ^[2] с вызовом LLM можно минут за 15, то насобирали их уже огромное множество, но теперь для многих стал актуальным вопрос окупаемости собранного чат‑бота.

И сразу хочется отметить, что проблема не в том, что выбранная LLM “слабая”, а в том, что архитектура и бизнес‑процессы вокруг неё нормально не спроектированы, а необходимых данных контекста просто нет или они уже не актуальны.

Я бизнес‑архитектор, много лет работающий на стыке управления бизнес‑процессами и корпоративной архитектурой. Теперь активно работаю с LLM.

В этой статье я собрал 9 типовых ошибок, которые компании совершают при создании и внедрении чат‑ботов.

1. Давайте создадим чат‑бота, потому что у всех он уже есть

Можно увидеть, что компания или отдельное подразделение запускает бота на базе LLM, потому что другие уже внедрили ИИ‑ассистентов. Но часто при внедрении никто не задает себе вопрос: а что именно мы оптимизируем? Какие показатели изменятся? Снизится ли нагрузка на первую линию поддержки? Увеличатся ли продажи? Сократятся ли трудозатраты сотрудников и насколько?

Пример из жизни: средний региональный интернет‑магазин потратил более миллиона рублей на разработку «умного» бота для сайта, чтобы быть «в тренде». Бот красиво приветствовал пользователей, но решал лишь 2% их запросов. В месяц через него проходило около 100 диалогов. Когда посчитали стоимость одного успешно обработанного запроса (с учетом стоимости разработки и оплаты токенов LLM), оказалось, что содержать одного дополнительного оператора на удаленке было бы дешевле.

Как надо: перед написанием первой строчки кода или промпта зафиксируйте базовые метрики и целевые показатели. Если создаваемый чат‑бот не влияет на них — это просто дорогая игрушка для организации.

2. Нет эскалации запроса пользователя от чат‑бота на человека

Каждый из нас встречался с ситуацией, когда бот уходит в цикл, не понимая вопрос. Пользователь начинает злиться, а бот снова и снова гоняет его по стандартной логике ^[3], которая не помогает. В итоге клиент оказывается в логической ловушке.

Пример из жизни: клиент крупного телекоммуникационного оператора пишет в чат: «Хочу отключить платную услугу». Бот отвечает: «Я могу предложить вам более выгодный тариф!». Клиент пишет: «Нет, отключите». Бот: «Чтобы подобрать тариф, уточните, сколько минут вы тратите?». После пятого круга клиент не выдерживает и уходит к конкуренту, оставив соответствующий отзыв в социальных сетях.

Как надо: при внедрении обязательно должен быть выход на оператора‑человека. В идеале система должна оценивать уверенность LLM в ответе, и если она падает, то бот должен передавать диалог человеку автоматом вместе со всей историей контекста взаимодействия.

3. Вера в возможности LLM без внимания к управлению контекстом

Видел примеры, когда при внедрении чат‑бота в базовую LLM просто скармливают сканированные документы в формате PDF с тарифами и выпускают его «на клиента». В результате чат‑бот начинает галлюцинировать, выдумывая несуществующие тарифы и услуги.

Пример из жизни: компания загрузила в своего чат‑бота PDF‑файл с устаревшими правилами оказания своих услуг. Клиент спросил про существующие скидки, и чат‑бот, опираясь на старый документ, уверенно пообещал скидку, которой не существовало. После чего клиент пришел в офис требовать оплату с учетом скидки.

Как надо: организовать регулярную работу с базой знаний — цены, правила и так далее. Бот должен отвечать исключительно на основе проверенных и актуальных документов, а для критически важных ответов лучше использовать утвержденные шаблоны.

4. У чат‑бота нет связи с реальными данными

На моей практике покупок есть примеры, когда чат‑бот уверенно сообщал мне, что товар есть в наличии, хотя на складе компании его уже не было. Или чат‑бот не мог ответить мне на вопрос: «Где мой заказ?», потому что у него нет доступа к данным о заказах.

Пример из жизни: небольшая компания внедрила чат‑бота для отслеживания заказов. Клиент спрашивает: «Где мой курьер? Заказ был час назад». Бот, не имея доступа к системе трекинга, выдает заготовленную фразу: «Обычно доставка занимает 30–45 минут, ожидайте!». Клиент, получивший формальную фразу, ставит боту «единицу» и требует возврата денег.

Как надо: интеграция с информационными системами компании (CRM, складской учет и так далее) — это обязательное требование. Бот должен давать актуальные ответы, подтягивая данные из систем в реальном времени.

5. Игнорирование интересов сотрудников и клиентов

Компании часто внедряют AI с целью «сэкономить на операторах», понимая это, сотрудники саботируют процесс, давая не совсем точные инструкции, в результате клиенты чат‑бот вместо помощника становится барьером.

Пример из жизни: интернет‑магазин внедрил чат‑бота для обработки возвратов. Операторы поддержки, не доверяя «машине», начали вручную перепроверять каждый диалог бота с клиентом и самостоятельно перезванивать людям «для уточнения деталей». В итоге бот формально закрывал тикеты, но сотрудники дублировали их работу. Нагрузка на отдел не снизилась, а затраты на содержание бота стали дополнительными расходами, которые не принесли никакой экономии.

Как надо: позиционировать бота внутри компании как помощника, снимающего рутину. Для клиентов всегда должен быть простой и быстрый способ переключиться на живого специалиста.

6. Отсутствие аналитики и развития чат‑бота

Команда разработала и протестировала чат‑бота, торжественно его запустила, отчиталась и переключилась на другие задачи. Через полгода чат‑бот отвечает корректно только на 20% вопросов, потому что его знания устарели, а развития и актуализации не происходит.

Пример из жизни: интернет‑магазин электроники запустил бота перед «Черной пятницей». Он отлично отработал, но после окончания сезона скидок информацию на сайте обновили, а базу знаний бота — нет. Поэтому чат‑бот уверенно сообщал покупателям старые условия, что привело к потоку претензий.

Как надо: внедрение бота — это непрерывный бизнес‑процесс. Необходимо регулярно анализировать диалоги и выделять ресурс на актуализацию контекста.

7. Попытка сделать «всё и сразу»

Заказчик внутри организации хочет, чтобы бот сразу и продавал, и консультировал по всем вопросам, и принимал жалобы, и проводил викторины. В итоге диалог получается громоздким, и пользователь просто закрывает чат.

Пример из жизни: частная медицинская клиника создала чат‑бота (в то время еще без AI), который должен был и записывать на прием, и предлагать лекарства, и собирать отзывы, и напоминать о визитах. Диалог получился достаточно сложным, поэтому клиенты закрывали чат, так и не записавшись к врачу, и уходили в телефонный канал.

Как надо: начинать с малого. Выберите 2–3 самые частые и рутинные задачи и отточите эти сценарии до идеала. Постепенно расширяйте функционал, контролируя уровень сложности для клиента.

8. Неверная оценка стоимости владения

Частой ошибкой ^[4] является расчет только стоимости первичной разработки чат‑бота, без учета регулярной оплаты запросов к нейросети, стоимости доработок, интеграций и затрат на поддержку бота.

Пример из жизни: в рамках одного из проектов был разработан чат‑бот на базе бесплатных лимитов LLM, и на этапе тестирования все работало, поэтому затраты не были учтены. После масштабирования и выхода на полную мощность количество запросов выросло на несколько порядков. В итоге экономика бота стала сильно хуже, что привело к отказу от него.

Как надо: на этапе планирования закладывайте бюджет на годовое обслуживание и считайте реальную стоимость одного успешно решенного диалога, а главное, пытайтесь оценить эффект в части сокращения затрат или увеличения продаж от его применения.

9. Пренебрежение безопасностью

Часто можно увидеть, что чат‑бот собирает номера телефонов, данные заказов или платежную информацию, передавая их в сторонние облачные LLM без должной защиты. Это прямой путь к штрафам и потере репутации.

Пример из жизни: небольшое агентство недвижимости внедрило чат‑бота для продаж. Для верификации личности чат‑бот просил клиентов прислать фото паспорта прямо в чат, а затем пересылал эти файлы сторонней LLM для «анализа текста». Очень хорошо, что утечки данных не случилось, иначе компания получила бы крупный штраф от регулятора за нарушение закона о персональных данных.

Как надо: продумайте все нюансы использования внешних сервисов для чувствительных данных и используйте обезличенные данные там, где это возможно.

В качестве заключения

Чат‑бот — это инструмент, который лишь ускоряет и масштабирует те процессы, которые уже выстроены в компании. Если автоматизировать хаос, вы получите масштабированный хаос, умноженный на стоимость токенов.

Успешное внедрение — это не только про технологии (LLM, RAG, интеграции), но и про бизнес‑логику: метрики, данные, команда и понятный путь клиента.

Не внедряйте бота, потому что «так модно». Внедряйте его, потому что у вас есть проблема, которую он может решить дешевле и быстрее человека.

• Считайте деньги (стоимость владения, а не только разработки).

• Держите данные в актуальном состоянии.

• Всегда оставляйте клиенту кнопку «Позвать человека».

Если ваш ИИ-ассистент уже отвечает пользователям, но опирается на устаревшие документы, ошибается или не приносит заметной пользы бизнесу, начните с двух задач: настройте работу с контекстом и выберите процесс, в котором ИИ действительно снимет нагрузку с команды.

Как это сделать и превратить чат-бота из дорогого эксперимента в управляемый инструмент, рассмотрим на бесплатных открытых уроках:

• 18 августа, 19:00. «AI‑ассистент на ваших документах: почему он врёт и что с этим делать». Записаться ^[5]

• 3 сентября, 18:00. «Как руководителю внедрить ИИ в работу команды: от выбора процесса до рабочего сценария». Записаться ^[6]

Больше бесплатных уроков — в дайджесте мероприятий ^[7].