Каждый кейс внедрения ИИ в бизнес я довожу через одни и те же четыре стадии: заявка с расплывчатым «хотим чат-бота», аудит реальных процессов, разработка под конкретные данные клиента и цифры после запуска. В этом материале разберу один такой проект от первого сообщения в Telegram до отчёта с метриками через полтора месяца работы. Клиент - интернет-магазин оптовых поставок спецтехники и запчастей, обратился с проблемой, что менеджеры отвечают на однотипные вопросы по 2-3 часа, а часть заявок теряется вечером и в выходные.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
С чего начинается кейс внедрения ИИ в бизнес: заявка и бриф
Заявка пришла через форму на сайте на Tilda, формулировка стандартная: «нужен чат-бот, чтобы отвечал на вопросы клиентов». На созвоне за 40 минут выяснил детали. У компании каталог из 1200 позиций, отдел продаж из трёх человек, поток обращений около 60 в день в Telegram, WhatsApp и на почту. Больше половины вопросов повторяются: есть ли позиция в наличии, сроки доставки СДЭК, можно ли внести предоплату через T‑Bank, есть ли аналоги подешевле. На такие вопросы менеджеры тратили до 40% рабочего времени, а вечером и в выходные заявки просто копились до утра.
Собрал требования в бриф: бот отвечает по каталогу и условиям доставки, говорит по-русски без ощущения шаблонных фраз, передаёт сложные случаи живому менеджеру вместо попыток закрыть сделку самостоятельно. Отдельно обговорили, что телефоны и адреса клиентов остаются на серверах в России, без выгрузки в зарубежные таблицы и облачные сервисы - для B2B-компании с персональными данными клиентов это принципиальный момент.
Аудит процессов перед интеграцией ИИ-решения
Прежде чем проектировать архитектуру, разобрался, откуда берутся данные и куда уходят заявки. Каталог выгружался из 1С в csv раз в сутки, лиды падали в amoCRM, у клиента уже был Telegram-бот на aiogram, но использовался он только для уведомлений менеджеру - без диалоговой логики.
Определил, что должно попасть в базу знаний: описания товаров и характеристики, FAQ по доставке и оплате, типовые возражения из скриптов отдела продаж. Отдельно зафиксировал нагрузку - около 60 обращений в день, из которых оптовый B2B-клиент ждёт ответа в течение минуты, а не к вечеру.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Как проходила разработка ИИ-ассистента: RAG, Claude API и n8n
Собрал связку из трёх частей. База знаний - каталог и FAQ, проиндексированные для поиска по смыслу, а не по точному совпадению слов. Claude API - модель, которая формирует ответ с учётом найденного контекста и истории переписки. n8n - оркестратор, который связывает Tilda, amoCRM и Telegram-бота на aiogram между собой.
Заявка с сайта уходит вебхуком в n8n, тот запускает поиск по базе знаний, собирает промпт с найденным контекстом и отправляет запрос в Claude API. Если уверенность модели ниже порога или вопрос выходит за рамки каталога, например торг по цене или претензия по браку, сценарий эскалирует диалог менеджеру в тот же Telegram-бот вместе со всей историей переписки.
Часть диалоговой логики не стал собирать с нуля - у меня в библиотеке есть готовый ИИ-чатбот на Claude, который адаптировал под каталог и FAQ клиента. Это сэкономило около недели на этапе прототипа. Дальше настроил интеграцию с amoCRM через n8n: карточка лида создаётся автоматически, с тегами «отвечен ИИ» или «эскалирован менеджеру».
Тестирование и запуск умного помощника в отделе продаж
Две недели тестировал бота на исторических диалогах - собрал больше 200 реальных обращений за месяц и прогнал через сценарии. Добавил ограничения: бот не придумывает цены и не называет сроки доставки, если они не подтверждены данными СДЭК, а при сомнении переводит диалог на менеджера вместо того, чтобы гадать.
Первые пять дней бот работал в теневом режиме: генерировал черновик ответа, менеджер проверял и отправлял сам. На этом этапе поправки понадобились примерно в 15% случаев, в основном по тону и формулировкам, а не по фактам. После этого перевёл типовые вопросы в автономный режим, оставив эскалацию для сложных случаев, торга по цене и проблем с оплатой.
- Наличие товара, характеристики, аналоги - отвечает бот без участия менеджера
- Сроки и стоимость доставки СДЭК по конкретному адресу - бот запрашивает через интеграцию и отвечает сам
- Торг, спецусловия, жалобы, вопросы по оплате через T‑Bank для крупных сумм - уходит менеджеру с полной историей переписки
Результаты внедрения искусственного интеллекта в бизнес-процессы
Через 5 недель после запуска посчитали цифры вместе с клиентом. Среднее время ответа на типовой вопрос сократилось с 3 часов до 40 секунд. 62% обращений закрываются без участия менеджера. Отдел продаж освободил порядка 15 часов в неделю, которые раньше уходили на повторяющиеся вопросы. Ночные и выходные заявки теперь получают ответ сразу, а не утром следующего рабочего дня.
Конверсия из заявки в счёт тоже подросла, но за 5 недель делать далекоидущие выводы по этой метрике рано - тут честно предупреждаю клиентов на старте, что для чистой оценки нужно минимум квартал.
Сколько стоит и сколько занимает такой кейс внедрения ИИ
По срокам процесс обычно укладывается в 4-6 недель в зависимости от объёма каталога и числа систем, которые нужно связать между собой.
| Этап | Срок | Что делаю |
|---|---|---|
| Бриф и аудит процессов | 3-5 дней | Созвон, разбор каталога и текущих сценариев ответов, доступ к CRM и боту |
| Сборка базы знаний и промптов | 1-1,5 недели | Разметка каталога и FAQ, тестовые промпты для Claude API |
| Интеграция с n8n, Tilda, amoCRM и Telegram-ботом | 1-1,5 недели | Вебхуки, маршрутизация заявок, логика эскалации |
| Тестирование в теневом режиме | 5-7 дней | Проверка ответов на реальных диалогах, донастройка ограничений |
| Запуск и мониторинг | первая неделя после запуска | Разбор ошибок, корректировка сценариев эскалации |
Стоимость AI-интеграции на Claude API с базой знаний у меня начинается от 50 000 ₽, отдельно закладываю автоматизацию в n8n от 25 000 ₽, если нужно связать несколько систем помимо самого бота. На рынке студии за похожий объём работ называют 150 000-300 000 ₽, фрилансеры на биржах берутся от 40 000 ₽, но чаще всего без адаптации под конкретный каталог и без сопровождения на этапе теневого запуска.
Частые вопросы
Сколько времени занимает внедрение ИИ-чатбота в бизнес
В среднем 4-6 недель: неделя на бриф и аудит, полторы на базу знаний и промпты, полторы на интеграции с CRM и мессенджерами, ещё неделя на тестирование в теневом режиме перед полным запуском.
Нужна ли своя база знаний для запуска ИИ-ассистента
Да, без неё бот отвечает общими фразами без привязки к реальному каталогу и условиям компании. Обычно это выгрузка товаров, FAQ по доставке и оплате и скрипты возражений отдела продаж - то, что уже есть у клиента, я просто привожу в формат для поиска по смыслу.
Что делать, если чат-бот не может ответить на вопрос
Сценарий эскалации закладываю на этапе проектирования: при низкой уверенности модели или вопросе за рамками каталога диалог уходит менеджеру вместе с историей переписки, а не зависает без ответа.
Можно ли подключить ИИ-ассистента к уже существующему Telegram-боту или CRM
Можно, через n8n как связующее звено между источником заявок, базой знаний и каналом, где сидит менеджер. В описанном кейсе использовал уже существующего бота на aiogram и amoCRM клиента, не пришлось переносить их на новую платформу.