Чат-бот для бизнеса: сценарный или на нейросети

Чат-бот для бизнеса выбирают между двумя разными по природе решениями: жёстким сценарием на кнопках и нейросетью, которая читает вопрос клиента и формулирует ответ сама. За практику работы с малым и средним бизнесом я собирал и то, и другое: ботов на aiogram с деревом состояний для доставки и оплаты, и ассистентов на Claude API с базой знаний для интернет-магазинов и сервисов с большим каталогом вопросов. Разница в деньгах, сроках запуска и в том, что бот будет делать, когда клиент напишет что-то нестандартное, ощутимая, и путать эти два типа при выборе подрядчика или готового конструктора обходится дороже, чем кажется на старте.

Чем сценарный чат-бот отличается от бота на нейросети

Сценарный бот работает по дереву состояний: клиент нажимает кнопку или пишет одно из ожидаемых слов, бот переходит в следующий узел сценария и выдаёт заранее написанный текст. Такие боты я собираю на aiogram с конечным автоматом (FSM), это часть кода, где хранится, на каком шаге диалога находится каждый пользователь. Бот не понимает свободную речь, он ищет совпадение с шаблоном или кнопкой, и если клиент написал что-то за пределами сценария, диалог упирается в тупиковую ветку вроде «не понял вопрос, напишите менеджеру».

Бот на нейросети получает вопрос как есть, без привязки к кнопкам, и формулирует ответ через языковую модель, чаще Claude или GPT. Когда у бизнеса есть база знаний, карточки товаров, условия доставки, ответы на частые вопросы, её загружают в векторную базу, и при обращении клиента модель сначала находит релевантные куски текста по смыслу вопроса, а потом собирает ответ на их основе, это и называется RAG, retrieval-augmented generation. Разница на практике такая: сценарный бот предсказуем и дешевле в разработке, а нейросетевой отвечает гибче, но требует подготовленной базы знаний и проверки на живых вопросах, чтобы не начал придумывать факты о товаре или услуге.

Когда хватает сценарного бота для сайта и Telegram

Если у бизнеса ограниченный набор сценариев, например запись на приём, статус заказа или приём оплаты, сценарный бот закрывает задачу быстрее и дешевле нейросетевого. Я делал бота для доставки, который по трек-номеру дёргает статус заказа из API СДЭК и присылает клиенту готовый текст с датой, и для этой задачи нейросеть не нужна вообще, нужны интеграция с внешним API и три-четыре состояния диалога. Похожая история с оплатой: бот принимает номер заказа, создаёт платёжную ссылку через T‑Bank и присылает чек после оплаты, вся логика укладывается в сценарий без единого обращения к языковой модели.

На Tilda часто хватает скрипта-автоответчика вместо отдельного бота: виджет чата на сайте плюс JS-скрипт, который подставляет типовые ответы по ключевым словам прямо в форме заявки. Telegram-бота на сценарии я оцениваю от 30 000 ₽, простую доработку существующего скрипта для Tilda от 3 000 ₽, а комплексную интеграцию сценария с CRM, эквайрингом или трек-номерами оцениваю от 40 000 ₽, потому что там уже несколько внешних API и обработка ошибок на каждом шаге.

Когда без нейросети не обойтись

Сценарий перестаёт справляться, когда вопросы клиентов не укладываются в заранее прописанный список: интернет-магазин с большим каталогом, где спрашивают про совместимость товаров, или сервис с юридическими нюансами, где клиенту нужно объяснение по существу, а не ссылка на страницу с общими условиями. В таких случаях я собираю бота с базой знаний на Claude API: загружаю документацию, карточки товаров или скрипты продаж в векторную базу, настраиваю поиск по смыслу вопроса и подключаю бота к Telegram или к виджету на сайте.

Стоимость чат-бота с базой знаний я считаю от 50 000 ₽, столько же стоит и отдельная AI-интеграция под конкретную задачу, например обработку заявок через Claude API или OpenAI. В эту сумму входят настройка модели и тестирование на реальных вопросах клиентов, но не входит оплата токенов: это отдельная статья расходов, которая зависит от количества обращений и при среднем потоке сообщений обычно укладывается в несколько тысяч рублей в месяц. Для быстрой проверки гипотезы иногда беру уже готовый ИИ-чат-бот на Claude из библиотеки скриптов и донастраиваю его под базу знаний конкретного бизнеса, вместо того чтобы сразу собирать бота с нуля.

Сравнение по деньгам, срокам и обслуживанию

Обслуживание сценарного бота дешевле именно потому, что логика внутри жёсткая и меняется только тогда, когда бизнес меняет процесс продаж или доставки. Бот на нейросети требует присмотра: нужно проверять, не начал ли он отвечать невпопад после обновления базы знаний, и контролировать расходы на токены, если поток обращений вырастет в сезон распродаж. Такие боты я обычно веду на техподдержке от 15 000 ₽ в месяц: слежу за логами диалогов и обновляю базу знаний, когда у клиента меняется ассортимент или условия доставки.

Где живёт бот: сайт, Telegram, WhatsApp

Выбор канала не связан с типом логики внутри бота: что сценарный, что нейросетевой бот одинаково подключается и к сайту, и к Telegram, и к WhatsApp Business API, разница только в трудозатратах на интеграцию с конкретной платформой. На сайт бот встраивают виджетом: для Tilda это отдельный скрипт, который поднимает чат поверх лендинга и обменивается сообщениями с бэкендом бота. В Telegram бот работает через Bot API и обычно написан на aiogram, это самый быстрый канал для проверки гипотезы, потому что не нужно согласовывать виджет с версткой сайта. WhatsApp Business API дороже и дольше подключается из-за верификации номера и тарифов провайдера, поэтому для старта я чаще советую Telegram или чат на сайте, а WhatsApp добавляю уже когда бизнес видит, что бот окупается.

Гибридная схема: сценарий плюс нейросеть

На практике я чаще советую не выбирать одно из двух, а комбинировать: первые шаги диалога, выбор категории вопроса, ввод номера заказа, идут по жёсткому сценарию на кнопках, а дальше, если вопрос не укладывается в готовые ветки, подключается нейросеть с базой знаний. Так дешевле, чем строить нейросетевую логику на весь диалог целиком, и надёжнее, чем сценарий без права на нестандартный вопрос. Оркестрирую такие связки в n8n: сценарная часть живёт в workflow с условиями и переходами, а узел с обращением к Claude API подключается только на тех ветках, где заранее не угадать содержание ответа.

Если у бизнеса уже есть Telegram-бот на сценарии и он упирается в потолок из-за однотипных жалоб «бот не понял вопрос», гибридную схему можно достроить поверх существующего бота, не переписывая его целиком: сценарная часть остаётся, а нейросетевой узел подключается только к веткам с открытыми вопросами. Заказывают такую доработку обычно после того, как посчитают, сколько сообщений в поддержку уходит на вопросы, которые сценарий не покрывает, и если таких больше трети, доработка окупается быстро. Если задача шире одного бота и нужна более глубокая работа с моделью и данными, такие проекты я веду через разработку AI-интеграций отдельным блоком.

Частые вопросы

Сколько стоит чат-бот для бизнеса?

Цена зависит от логики внутри бота, а не от канала: Telegram-бот на сценарии стоит от 30 000 ₽, комплексная интеграция сценария с CRM, оплатой или трек-номерами - от 40 000 ₽, а чат-бот с базой знаний на нейросети - от 50 000 ₽. Отдельно идёт оплата токенов API у бота на нейросети, она не входит в стоимость разработки и зависит от количества обращений клиентов.

Можно ли сделать одного бота сразу и сценарным, и на нейросети?

Да, чаще всего я так и собираю: первые шаги диалога идут по жёсткому сценарию, а на нестандартных вопросах бот переключается на нейросеть с базой знаний. Оркестрирую такую связку в n8n, это дешевле, чем строить нейросетевую логику на весь диалог целиком, и предсказуемее в поддержке.

Сколько времени занимает запуск чат-бота?

Сценарного бота на Telegram я запускаю за 1-2 недели, потому что вся логика описана заранее и её остаётся только протестировать на реальных сценариях. Бот на нейросети с базой знаний занимает от 3 недель: время уходит на подготовку базы знаний, настройку поиска по смыслу вопроса и проверку ответов на живых вопросах клиентов.

Где хранить переписку с клиентами и данные из CRM?

Держу такие данные на серверах в России, а не в иностранных облачных таблицах вроде Google Sheets: это требование 152-ФЗ о локализации персональных данных, и для бизнеса, который работает с клиентами внутри страны, тут нет вариантов на выбор.