Бот-консультант для сайта: почему RAG-бот закрывает 90% обращений, а кнопочный бот — только 40%

Большинство компаний, которые пишут нам «хотим чат-бота на сайт», имеют в виду кнопочный сценарий: «Выберите раздел → Частые вопросы → Ответ». Это работает ровно до тех пор, пока клиент задаёт вопрос из списка. Если он пишет своими словами — бот виснет, предлагает «повторите попытку» или сразу переводит на оператора.

По нашим данным из проектов, кнопочный бот закрывает в среднем 38-45% обращений автономно. AI-бот на базе RAG (Retrieval-Augmented Generation) — 85-92%. Разница в 2 раза — это не маркетинг. Это архитектурное различие.

Как работает RAG — простым языком

RAG — это связка из поиска и языковой модели. Когда клиент задаёт вопрос, система не ищет точное совпадение в базе сценариев. Она:

1. Превращает вопрос в вектор (числовое представление смысла)
2. Ищет в базе знаний фрагменты с похожим смыслом — не по ключевым словам, а по семантике
3. Передаёт найденные фрагменты и вопрос в языковую модель (GPT-4o или Claude)
4. Модель формулирует ответ своими словами, опираясь только на ваши данные

Ключевой момент: бот не «знает» информацию — он её извлекает из вашей документации в момент запроса. Это значит, обновить базу знаний = просто загрузить новый документ. Никакого переобучения, никаких программистов.

Три технические ошибки при внедрении бот-консультантов, которые мы видели на практике

Ошибка 1: плохая разбивка документов (chunking). RAG-система режет документы на фрагменты. Если фрагмент слишком большой (целая страница) — в него попадает много несвязанного текста, модель «путается». Если слишком маленький (одно предложение) — теряется контекст. Оптимальный размер чанка для консультационных ботов — 300-500 токенов с 15% перекрытием.

Ошибка 2: нет фильтрации по источнику. Бот смешивает информацию из разных документов — например, отвечает на вопрос о тарифах данными из устаревшего прайса. Решение: метаданные с датой создания документа и логика приоритизации по свежести.

Ошибка 3: нет «не знаю»-логики. Бот должен честно говорить «у меня нет информации по этому вопросу» и предлагать написать оператору. Бот, который выдумывает ответы на основе общих знаний модели — хуже, чем его отсутствие. Это прямой репутационный риск.

Чем AI бот-консультант отличается от Jivo и Carrot Quest

Jivo и Carrot Quest — это инструменты для живых операторов с элементами автоматизации. Они хороши, когда у вас есть команда поддержки и вы хотите повысить её эффективность. AI-бот — это замена оператора для типовых обращений, а не инструмент для оператора.

Реальные метрики из наших проектов

Из опыта запуска AI-консультантов для B2B-сервисов и e-commerce:

• Доля автономно закрытых обращений: 85-92% в первый месяц после обучения на полной базе знаний (FAQ + описания продуктов + условия)
• Время ответа: 1.5-3 секунды (против 4-12 минут у оператора в дневное время)
• Снижение нагрузки на поддержку: в среднем 68% обращений больше не доходят до человека
• Средний разговор до конверсии: 4-7 сообщений; у операторов — 11-15

Важный нюанс: первые 2 недели после запуска — «период дообучения». Бот логирует все вопросы, на которые не нашёл ответа. Мы анализируем эти пробелы и дополняем базу знаний. После этого доля автономных ответов растёт ещё на 8-15 процентных пунктов.

Когда AI-бот на сайте оправдан, а когда нет

Оправдан: - Более 30 обращений в сутки с типовыми вопросами - Большая часть обращений приходит вне рабочего времени - Есть структурированная документация (FAQ, описания услуг/товаров)

Не оправдан: - Все обращения — сложные и уникальные (B2B с длинным циклом сделки) - База знаний не структурирована — бот будет выдавать мусорные ответы - Менее 15 обращений в сутки — экономика не сходится

Что входит в проект

RAG-пайплайн на вашей документации (PDF, Google Docs, Notion, сайт), виджет для встраивания на сайт, Telegram и WhatsApp (опционально), интеграция с CRM для передачи горячих диалогов оператору с полным контекстом. Передача исходного кода, 60 дней поддержки.

Если помимо консультаций нужна запись клиентов — обе функции объединяются в одном боте: бот для записи клиентов в Telegram. Для автоматизации продаж через диалог — Telegram-бот с ИИ для продаж.

Стоимость разработки AI бот-консультанта — от 30 000 ₽. Напишите в Telegram: @onoutnoxon — разберём вашу базу знаний и оценим проект.

Обсудить AI бот-консультанта для вашего сайта →

Подробнее — на странице Разработка Telegram Ботов.

Источники:

https://arxiv.org/abs/2005.11401 Lewis et al. — Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (оригинальная статья RAG)

https://platform.openai.com/docs/guides/retrieval OpenAI — Retrieval and File Search (документация по векторному поиску)

https://just-ai.com/blog/tipy-chat-botov-scenarnyi-ai-agent-gibrid Just AI — Типы чат-ботов: сценарный, AI-агент или гибрид

https://livetex.ru/blog/2024/10/chat-bot LiveTex — ИИ-чат-боты для автоматизации клиентской поддержки