Администратор каждый день слышит одни и те же вопросы: сколько стоит, есть ли места на субботу, можно ли оплатить картой. Между звонками он разбирает заявки и отвечает на отзывы. Такую повторяющуюся работу ИИ уже может взять на себя: типовые ответы, разбор заявок, черновики текстов. А вот решения о деньгах и обещания клиенту остаются за человеком.
Какую работу ИИ уже снимает с сотрудников
Ответы на типовые вопросы ночью и в выходные
ИИ-помощник на сайте или в мессенджере отвечает клиенту по вашей базе ответов. Это список частых вопросов, на которые сотрудники заранее написали ответы. Сам ответ составляет модель внутри помощника, а цены и условия она берёт из этой базы.
Пример. В воскресенье вечером стоматология закрыта, а пациенты всё равно пишут в чат клиники. Спрашивают, сколько стоит чистка и работает ли клиника в праздники. Помощник сразу отвечает по прайсу и графику клиники. Сложный вопрос он передаёт сотруднику: записывает имя, телефон и удобное время. Утром администратор получает готовую заявку вместо пропущенного сообщения. Советов о лечении помощник не даёт, для этого пациента зовут на осмотр.
Днём администратор на месте, и помощник может не отвечать сам, а подсказывать. Модель предлагает ответ, сотрудник правит его и отправляет. Так ответ уходит быстрее, а за каждое слово в нём отвечает человек. В 2023 году американские экономисты проверили такие подсказки в чате поддержки крупной компании [2]. Они посчитали, сколько обращений сотрудник закрывает за час. Новичкам подсказки дали прибавку в 34 %, опытным почти ничего [2].
Разбор входящих заявок
Заявки с сайта, почты и мессенджеров приходят вперемешку. Модель читает каждую и ставит метку, а программа по метке отправляет сообщение нужному человеку. Пример. В ресторан с банкетным залом пишут о банкетах, присылают жалобы гостей, резюме поваров и прайсы поставщиков. Заявки на банкеты уходят администратору, прайсы шеф-повару, жалобы и резюме управляющему. Копии жалоб можно отправлять и владельцу.
Ошибается такая сортировка на редких письмах и на тех, где смешаны две темы. Например, гость жалуется на прошлый ужин и в том же письме заказывает банкет. Часть таких писем модель замечает сама: если тем две, она ставит метку «разобрать вручную». Администратор разбирает их в тот же день. Если письмо всё же ушло не туда, получатель возвращает его администратору. По таким ошибкам мы уточняем правила сортировки.
Итоги звонков и переписки
Программа переводит запись разговора в текст. Модель сжимает его до трёх пунктов: что хотел клиент, что ему обещали и какой следующий шаг. Например, дизайнер интерьеров за день созванивается с заказчиками и прорабами. К вечеру итоги всех разговоров уже лежат в карточках проектов, и переслушивать день целиком не нужно.
Для этого телефония должна записывать разговоры. В записи звучат имя и телефон клиента, поэтому для расшифровки мы берём сервис с серверами в России.
Фраза «если успеете до пятницы» при сокращении легко теряется. Поэтому цену, срок и скидку перед сметой сверяют с полным текстом разговора. Слушать запись для этого не нужно: нужное место находится поиском по тексту.
Черновики описаний, писем и ответов на отзывы
Сотрудник не сидит над пустой страницей: первый вариант текста пишет модель. Например, управляющий кофейней просит три черновика: описание сезонного напитка, ответ на отзыв в картах и вакансию бариста. Каждый он правит под себя и публикует сам.
В 2023 году журнал Science опубликовал эксперимент: специалисты с ChatGPT тратили на рабочие тексты на 40 % меньше времени [3].
Проверять придётся факты. Модель пишет гладко даже там, где ошибается в размере, составе или сроке. Описание напитка сверяют с техкартой до того, как оно попадёт в меню: гость с аллергией поверит каждому слову.
Поиск ответа в своих документах
Новый сотрудник спрашивает, как оформить возврат денег клиенту. Помощник отвечает выдержкой из вашего регламента и показывает, из какого документа она взята. Опытным коллегам не приходится отрываться от своей работы. Для этого мы подключаем к помощнику ваши регламенты, договоры, инструкции и прайс.
Ответ хорош ровно настолько, насколько свежи документы. Старый прайс даст старую цену. Поэтому у базы нужен хозяин: сотрудник, который убирает устаревшее и добавляет новое.
Распознавание счетов и накладных
Бухгалтер фотографирует бумажный счёт поставщика или загружает скан. Сервис распознавания находит в нём поставщика, ИНН, позиции и суммы и заполняет черновик в учётной программе. Сбить его могут размытый снимок, рукописная правка или печать поверх строки. Поэтому перед проведением бухгалтер сверяет строки с бумагой, хотя перепечатывать их уже не нужно. С документами из ЭДО этот шаг не нужен: учётная программа принимает их уже заполненными.
Где ИИ ошибается
Модель сама факты не проверяет. Если она не знает ответа, то иногда угадывает. Получается правдоподобная, но неверная фраза вместо ответа «не знаю» [4].
В 2025 году исследователи из OpenAI и Технологического института Джорджии проверили это простым вопросом [4]. Они спросили модель о дне рождения одного из авторов и попросили отвечать, только если она знает дату. За три попытки модель назвала три разные даты, и все три оказались неверными [4]. Авторы объясняют это тем, как модели учат: за догадку там дают больше очков, чем за «не знаю» [4].
Ваших цен, расписания и свободных дат модель тоже не знает. Без доступа к вашим данным она ответит тем, что видела в интернете, или придумает число. Поэтому мы подключаем помощника к вашему прайсу и расписанию и настраиваем так, чтобы он отвечал только по ним. Это сокращает ошибки, но не убирает их: модель может неточно пересказать даже ваш прайс. Как часто она ошибается именно у вас, мы проверяем на ваших примерах до запуска.
Свободные места и время записи помощник видит, только если он подключён к вашей программе броней или записи. Тогда он сразу говорит клиенту, свободно ли место на нужное время. Саму бронь он принимает как заявку и пишет, что подтверждение придёт в рабочие часы. Подтверждает её администратор: ошибку в брони клиент заметит только у дверей.
- Сама модель отвечает, где вы находитесь, когда работаете, как оформить заказ и сколько стоит услуга по прайсу. Ответ она берёт из вашей базы, а если его там нет, передаёт вопрос сотруднику.
- Человек решает всё, что становится обещанием клиенту: скидку, расчёт, срок и бронь. Ответы о гарантии, возврате, законе и договоре тоже даёт он.
Можно ли отправлять нейросети данные клиентов?
Пост, описание услуги или вакансию отправлять можно: сведений о людях в них нет, и закон о персональных данных их не касается. А вот имя, телефон, адрес и история заказов клиента уже персональные данные. По закону так называют любую информацию о человеке, которого можно прямо или косвенно определить [5].
ChatGPT работает на зарубежных серверах. Если менеджер вставит туда переписку с именем и телефоном клиента, данные уйдут за рубеж [5].
Перед такой передачей компания должна получить от иностранного сервиса сведения о том, как он защищает данные [6]. Кроме того, она заранее уведомляет Роскомнадзор, а ведомство вправе передачу запретить или ограничить [6]. Для небольшой компании это много бумажной работы ради одного чата. Поэтому имена, телефоны и переписку клиентов в зарубежные нейросети не вставляйте.
С 1 июля 2025 года действует ещё одно требование. Собирая данные клиентов, компания обязана записывать их в базу в России [7]. Зарубежные базы для этого прямо запрещены [7]. Исключения в законе есть, но заявки клиентов к ним не относятся [8]. Если помощник на сайте принимает имя и телефон, база с ними должна стоять на сервере в России.
Требование касается и всех мест, куда заявка уходит дальше: CRM, онлайн-таблиц, почты. Если серверы сервиса стоят за рубежом, данные клиентов копятся там. Так устроены Google Таблицы и многие зарубежные CRM. Если список клиентов с телефонами лежит там, перенесите его в сервис с серверами в России. Штраф за сбор данных в зарубежную базу компании и ИП платят одинаковый: от 1 до 6 млн ₽ [13].
Как работать с данными безопасно
Если данные клиентов всё же нужны модели, безопасных путей три.
- Российский сервис с серверами в России. Закон разрешает поручить ему обработку по договору и с согласия клиента [8]. За ошибку сервиса перед клиентом всё равно отвечает ваша компания [8]. Яндекс по умолчанию сохраняет запросы к своим моделям, поэтому для данных клиентов мы это хранение отключаем [9].
- Своя установка. Некоторые модели можно скачать и запустить у себя. Например, Сбер выложил в открытый доступ модель GigaChat 3 [10]. Мы ставим такую модель на отдельный мощный сервер вашей компании, и тексты не выходят за его пределы. Настроить её сложнее, чем подключить готовый сервис. Этот путь выбирают, когда данные особенно чувствительные: медицина, финансы, документы клиентов.
- Обезличивание. Перед отправкой программа заменяет имя, телефон, адрес и номер заказа метками вроде «Клиент 1». В подключённом помощнике это настраиваем мы, сотрудникам ничего чистить не нужно. Обезличивание снижает риск, но правила о согласии и хранении не отменяет.
Образец правила для сотрудников
Какой бы путь вы ни выбрали, дайте сотрудникам короткое правило. Этот образец можно взять за основу и поправить под себя.
- Меню, посты, описания и вакансии можно писать с любой нейросетью.
- Имена, телефоны и адреса клиентов вставляем только в российский сервис, который компания подключила по договору.
- Отзыв или письмо клиента, прежде чем вставить в любую другую нейросеть, очищаем от имени, телефона, адреса и номера заказа.
- Цену, срок и любое обещание из ответа нейросети сверяем с прайсом или договором.
- Если сомневаемся, можно ли вставить текст, спрашиваем руководителя.
Остальные штрафы мы разобрали в статье «Персональные данные на сайте в 2026 году». Там же сказано, что проверить в согласиях и формах.
С чего начать, чтобы не заплатить за игрушку
ИИ становится игрушкой, когда его подключают везде понемногу и не считают результат. По опросу банка ПСБ в июне 2026 года, ИИ применяют 53 % малых и средних компаний [1]. Системно им пользуется каждая десятая компания, остальные пробуют его на отдельных задачах [1].
Надёжнее начать с одного процесса и одного числа. Разбираться в моделях для этого не нужно. От компании нужны настоящие вопросы клиентов и ответы на них.
- Выберите процесс, где результат виден в одном числе. Например, сколько ночных сообщений ждут ответа до утра или сколько минут уходит на одну заявку.
- Замерьте это число хотя бы за две недели до запуска. Иначе через месяц будет не с чем сравнить.
- Соберите от 50 до 100 настоящих вопросов клиентов из чатов, почты и звонков. Нужны живые формулировки, с ошибками и сокращениями.
- Напишите к ним ответы так, как их даёт ваш лучший сотрудник: цены, сроки, условия, исключения. Часы, которые сотрудники тратят на базу, запишите: их тоже сравнивают с результатом.
- Решите заранее, какие вопросы модель сразу передаёт сотруднику: скидка, бронь, жалоба, возврат. Первые недели сотрудник читает каждый ответ, а ночные смотрит утром. Если ночью ушёл неточный ответ, он пишет клиенту поправку, а мы правим настройку.
- Через месяц сравните число с исходным и поставьте рядом расходы: оплату модели и часы сотрудников. Если стало лучше, переносите опыт на соседний процесс. Если нет, сначала проверьте базу ответов и список вопросов для сотрудника, потом саму модель.
Коротко
- ИИ снимает повторяющуюся работу: типовые ответы, разбор заявок, итоги звонков, черновики, поиск по документам, ввод счетов.
- Модель иногда уверенно придумывает факты. Поэтому она отвечает только по вашей базе, а первые недели каждый её ответ читает сотрудник.
- Имена и телефоны клиентов в зарубежные нейросети не вставляйте и в зарубежных таблицах не храните. Для работы с ними подойдут российский сервис по договору, своя установка или обезличивание.
- Начинайте с одного процесса: настоящие вопросы клиентов, запуск с проверкой, сравнение через месяц.
Kreona Lab берёт на себя техническую часть пилота. Первый процесс выбираем вместе с вами и ставим замер. Если вопросы клиентов нигде не записаны, собираем их с вашим сотрудником из чата и почты. Модель и помощника подключаем к сайту, amoCRM, Битрикс24, 1С или мессенджеру. До запуска проверяем помощника на ваших примерах, а первый месяц разбираем его ошибки и правим настройку.
От вашего сотрудника нужны ответы на вопросы клиентов. Свои цены и условия он знает лучше всех, поэтому после запуска базу обновляет тоже он. Программу вашей отрасли, например iiko, r_keeper или GetCourse, подключаем, если она умеет передавать данные другим программам. Это проверяем до начала работы.
Начинаем с пилота на одной задаче. В него входят замер до запуска, база ответов из ваших примеров и месяц работы помощника под проверкой. Весь пилот занимает не меньше шести недель: две недели замера и месяц работы. Пилот стоит от 99 000 ₽. Сумму для вашей задачи называем после бесплатного разговора и записываем в договор до оплаты.
Работу модели вы оплачиваете её поставщику по тарифу. Договор со Сбером или Яндексом заключает ваша компания, потому что за данные клиентов по закону отвечает она. Возьмём тысячу разговоров с клиентами в месяц, это около 33 в день. По тарифам Сбера и Яндекса на октябрь 2026 года модель обойдётся от 195 до 2 400 ₽ в месяц [11] [12]. Нижняя сумма для простой модели GigaChat Lite, верхняя для более мощной YandexGPT Pro [11] [12]. Цены с НДС, длинные разговоры стоят дороже. Какая модель нужна, проверяем на ваших примерах до запуска.
Через месяц сравниваем цифры до и после. Если пользы нет, скажем об этом и не будем продолжать. Остановить работу можно и раньше, в любой момент. Вы платите за сделанную часть, остаток мы возвращаем. Как устроена работа и что происходит с данными клиентов, рассказываем на странице «Искусственный интеллект в работе».
Ночью в чате нашего сайта отвечает ассистент Kreona. Он задаст несколько вопросов о вашей задаче. Утром вам ответит инженер: с ним вы обсудите задачу, цену и срок. Инженеры на связи ежедневно.