Обучить AI-бота на документации за 1 день

Сколько раз ваши менеджеры отвечали на один и тот же вопрос «А какие у вас сроки доставки?» или «Как оформить возврат?». Десятки? Сотни? А теперь представьте, что всё это делает AI-бот, который знает вашу документацию лучше любого новичка в команде. Причём запустить такого бота можно буквально за один рабочий день. Расскажу, как это делается.

Что значит «обучить бота на своих данных»

Когда говорят об «обучении» AI-бота, обычно имеют в виду один из двух подходов. И выбор между ними — это как выбор между покупкой дома и арендой: оба варианта дают крышу над головой, но затраты и гибкость совершенно разные.

Fine-tuning (дообучение модели) — это когда вы буквально «переучиваете» нейросеть на своих данных. Модель меняет свои внутренние веса, запоминает ваши паттерны и стиль. Звучит круто, но есть нюансы: это дорого (счёт идёт на тысячи долларов), долго (недели работы), и каждое обновление данных требует нового цикла обучения. Для большинства бизнес-задач это overkill.

RAG (Retrieval-Augmented Generation) — совсем другой подход. Здесь мы не меняем саму модель, а даём ей «шпаргалку» — вашу базу знаний. Когда приходит вопрос, система сначала находит релевантные фрагменты из ваших документов, а потом передаёт их модели вместе с вопросом. Модель формулирует ответ, опираясь на конкретную информацию из вашей базы.

Для бизнеса RAG — это почти всегда правильный выбор. Судите сами: запуск за часы вместо недель, обновление документов без переобучения, прозрачность (всегда видно, откуда взята информация), и стоимость на порядок ниже. Именно этот подход мы используем в CRM AI.

Какие документы подойдут для обучения

Хорошая новость: скорее всего, у вас уже есть всё необходимое. Плохая новость: возможно, это «всё необходимое» разбросано по десяти разным местам. Давайте разберёмся, что искать.

FAQ и ответы на частые вопросы — это золото. Если у вас есть документ, куда менеджеры заглядывают, когда клиент спрашивает что-то стандартное — загружайте в первую очередь. Такие документы уже содержат связки «вопрос-ответ», которые идеально подходят для бота.

Инструкции и руководства пользователя — второй по важности источник. Как настроить продукт, как решить типовые проблемы, какие есть ограничения. Всё это бот должен знать, чтобы помогать клиентам с техническими вопросами.

Прайс-листы и коммерческие условия — да, бот может отвечать на вопросы о ценах. «Сколько стоит доставка в Новосибирск?», «Какая скидка при заказе от 100 штук?» — если ответы есть в документах, бот их найдёт.

Описания товаров и услуг — помогают боту консультировать по ассортименту. «Чем отличается тариф Базовый от Профессионального?» — классический вопрос, на который бот ответит за секунду.

Политики компании — возврат, гарантия, обработка персональных данных. Скучные, но важные документы, которые клиенты регулярно запрашивают.

Что касается форматов — CRM AI принимает практически всё: PDF, DOCX, TXT, HTML, а также умеет забирать контент напрямую из Notion и Google Docs. Не нужно ничего конвертировать или переформатировать.

Пошаговая загрузка документов в CRM AI

Окей, теория позади — переходим к практике. Весь процесс занимает от 30 минут до пары часов, в зависимости от объёма документации. Вот как это выглядит.

Шаг 1: Создаём базу знаний. В настройках CRM AI переходим в раздел «База знаний» и нажимаем «Создать новую». Даём ей понятное название — например, «FAQ для клиентов» или «Техническая документация». Если у вас несколько продуктов или направлений, имеет смысл создать отдельные базы для каждого.

Шаг 2: Загружаем документы. Здесь всё просто — перетаскиваете файлы в окно загрузки или выбираете через диалог. Можно загрузить сразу пачку документов. Система автоматически распознает формат и извлечёт текст. Если документы лежат в Notion или Google Docs — подключаете интеграцию, и контент подтянется автоматически.

Шаг 3: Ждём индексации. После загрузки система разбивает документы на смысловые фрагменты, создаёт эмбеддинги (это такие числовые представления текста, по которым потом ищутся релевантные куски) и строит поисковый индекс. Для небольшой базы (10-20 документов) это занимает 5-10 минут. Для крупной — до получаса. Можно пойти выпить кофе.

Шаг 4: Тестируем. Когда индексация завершена, открываем тестовый чат и начинаем задавать вопросы. Спросите то, что обычно спрашивают клиенты. Посмотрите, находит ли бот правильную информацию, корректно ли формулирует ответы. На этом этапе часто выясняется, что каких-то документов не хватает — это нормально, добавим позже.

Шаг 5: Настраиваем поведение. Выбираем тональность общения, указываем, в каких случаях переводить на человека, добавляем приветственные сообщения. Об этом подробнее — в следующем разделе.

Тонкая настройка ответов: как сделать бота «своим»

Загрузить документы — это только половина дела. Важно научить бота общаться так, как принято в вашей компании. Вот на что стоит обратить внимание.

Тональность общения. Ваша компания — это молодой стартап с неформальной культурой или солидный B2B-поставщик с корпоративными клиентами? Бот должен соответствовать. В настройках можно выбрать формальный, нейтральный или дружелюбный стиль. Разница существенная: «Добрый день! Стоимость доставки составляет2 750 ₸» vs «Привет! Доставка обойдётся в2 750 ₸». Мелочь? Для клиента — нет.

Борьба с «галлюцинациями». AI-модели иногда выдумывают факты — это называют галлюцинациями. В бизнес-контексте это неприемлемо: нельзя, чтобы бот обещал несуществующую скидку или выдумывал характеристики товара. В CRM AI есть режим «строго по документам»: если информации в базе знаний нет, бот честно скажет, что не знает ответа, вместо того чтобы фантазировать.

Эскалация на человека. Бот — не замена менеджерам, а их помощник. Есть вопросы, которые должен решать человек: сложные рекламации, нестандартные запросы, эмоционально заряженные ситуации. Настройте правила эскалации: при каких условиях бот должен подключить оператора. Например, если клиент трижды переформулировал вопрос, или если обнаружен негативный тон, или если тема касается юридических вопросов.

Примеры эталонных ответов. Лучший способ научить бота отвечать правильно — показать примеры. Добавьте несколько образцовых диалогов: типичный вопрос и идеальный ответ. Бот будет использовать эти примеры как ориентир при формулировке собственных ответов. Особенно полезно для сложных или деликатных тем.

Как тестировать бота перед запуском

Запускать бота в продакшен без тестирования — всё равно что выпускать стажёра к клиентам в первый же день. Может повезти, а может и нет. Лучше потратить час на проверку.

Составьте список контрольных вопросов. Соберите 30-50 вопросов, которые реально задают клиенты. Идеально — взять из переписки с поддержкой или из CRM. Включите и простые вопросы («Какой у вас график работы?»), и сложные («Могу ли я вернуть товар, если прошло больше 14 дней, но он оказался бракованным?»).

Прогоните вопросы и оцените ответы. Для каждого ответа задайте себе три вопроса: Правильный ли ответ? Полный ли? Понятен ли клиенту? Фиксируйте проблемные места — это основа для улучшений.

Найдите «слепые зоны». Обычно при тестировании выясняется, что бот не может ответить на какие-то вопросы, потому что в базе просто нет соответствующей информации. Это сигнал: нужно добавить недостающие документы. Или, возможно, пересмотреть существующие — бывает, что информация есть, но сформулирована так, что бот её не находит.

Повторяйте итерационно. Улучшение бота — это не разовое действие. После запуска анализируйте реальные диалоги, находите новые проблемные места, дополняйте базу знаний. Первую неделю стоит просматривать диалоги ежедневно, потом — раз в неделю.

Типичные ошибки при обучении бота

За время работы с клиентами мы видели немало граблей, на которые наступают при настройке AI-ботов. Вот самые частые — и как их избежать.

Слишком мало документов. «Загрузили FAQ на одну страницу и удивляемся, почему бот ничего не знает». Бот может отвечать только на основе той информации, которая у него есть. Если в базе 10 вопросов — он и будет знать ответы только на эти 10 вопросов. Решение: загружайте всё, что может пригодиться. Лучше больше, чем меньше.

Устаревшая информация. Прайс изменился полгода назад, а в документах всё ещё старые цены. Бот радостно называет неактуальную стоимость. Решение: назначьте ответственного за актуализацию базы знаний. Добавьте в календарь ежемесячную проверку.

Нет механизма эскалации. Бот пытается ответить на всё, даже на то, что не знает, — и выдаёт чепуху. Клиент злится. Решение: настройте правила передачи на человека. «Не знаю» — это нормальный ответ, если за ним следует «Сейчас подключу специалиста».

Запуск без тестирования. «Мы всё загрузили, вроде работает» — и сразу в бой. А потом оказывается, что бот путает два похожих продукта или неправильно понимает вопросы с опечатками. Решение: выделите время на тестирование. Это инвестиция, которая окупится.

Что дальше?

Обучение бота на документации — это только начало. Дальше можно подключать интеграции с CRM для персонализированных ответов («Здравствуйте, Иван! Ваш заказ №12345 уже в пути»), настраивать автоматизации (бот не просто отвечает, а создаёт тикеты, обновляет статусы, отправляет уведомления), анализировать метрики качества (какой процент вопросов бот закрывает сам, сколько передаёт на людей, какие темы самые проблемные). Но об этом — в отдельных статьях.