Как обучить ИИ под задачи своей компании: реальное руководство

90% бизнес-задач не требуют дообучения модели. Когда руководитель ищет «как обучить ИИ», чаще всего нейросотруднику просто не хватает понятной инструкции, базы знаний и тестирования на реальных диалогах.

В бизнесе «обучение ИИ» обычно означает объяснить ИИ-агенту специфику компании, продукты, правила общения, ограничения и сценарии обработки клиентов. Разберем, как это сделать без разработки.

Что «обучение ИИ» значит на самом деле – 3 разных подхода

Слово «обучить» используют слишком широко:

• Один человек имеет в виду доработку модели.
  
• Другой – настройку ИИ-агента под свою компанию.
  
• Третий – загрузку документов, из которых агент должен брать ответы.
  

Для бизнеса чаще всего подходит второй и третий вариант.

Fine-tuning: для разработчиков

Fine-tuning – это техническое дообучение модели на подготовленных примерах.

Такой подход нужен, когда компания разрабатывает собственный ИИ-продукт, работает с узкой классификацией, строит сложную модель под внутренний процесс или решает задачу, где обычной инструкции недостаточно.

Для типовых бизнес-задач fine-tuning практически никогда не оправдан.

Если нужно, чтобы ИИ-агент отвечал клиентам, квалифицировал заявки, работал со скриптом продаж, брал цены из прайса и передавал лиды в CRM, доработка модели не нужна.

Промпт + база знаний: для бизнеса

Для большинства компаний обучение ИИ начинается с двух элементов:

• Промпт – инструкция, как агент должен работать.
  
• База знаний – структурированная и актуальная информация о компании, продуктах, ценах, услугах, правилах и частых вопросах.
  

Так настраивают ИИ-агентов на no-code платформах.

Например, это можно сделать на базе NextBot – российской платформе для создания ИИ-агентов без кода. ИИ-бот собирается через текстовые инструкции. Вы описываете задачу, загружаете базу знаний, подключаете нужный канал связи, тестируете, и агент готов работать.

Такая схема подойдет, если нужно обучить ИИ под свои задачи – продажи, поддержку, запись, консультации, обработку заявок, подбор товаров, первичную квалификацию.

RAG: когда нужна работа с большим объемом знаний

RAG – это подход, при котором ИИ-агент перед ответом ищет нужные фрагменты во внешних источниках (документах, справочниках, таблицах, базе знаний). Проще говоря, агент не держит всю информацию в инструкции, а обращается к нужному источнику в момент диалога.

RAG актуален, когда:

• много товаров или услуг;
  
• часто меняются цены;
  
• есть регламенты, инструкции, юридические или технические документы;
  
• нужно снизить риск выдуманных ответов;
  
• нельзя раздувать промпт до огромного размера.
  

Для бизнеса это самый практичный способ «дообучить» ИИ без сложной разработки.

Как «обучить» ИИ через промпт: 5 обязательных блоков

Промпт – это должностная инструкция для ИИ-агента. Хороший промпт отвечает на 5 вопросов.

1. Кто ИИ-агент

Опишите роль. Пример: «Ты ИИ-агент медицинской клиники. Твоя задача – первично квалифицировать обращение пациента, уточнить направление, собрать контактные данные и передать заявку администратору».

Роль задает контекст. Агент понимает, в какой логике вести диалог.

2. Какую задачу он решает

Не пишите общими словами «помогай клиентам». Дайте конкретные задачи:

• отвечай на вопросы о направлениях клиники;
  
• уточняй симптомы и желаемую услугу;
  
• определяй, к какому направлению относится запрос;
  
• уточняй имя и номер телефона;
  
• передавай заявку в amoCRM;
  
• не ставь диагнозы;
  
• при сложном запросе подключай к диалогу администратора.
  

Чем точнее ограничена зона ответственности, тем меньше хаоса в ответах.

3. По какому алгоритму он идет

ИИ-агенту нужна последовательность. Например:

• Поздоровайся.
  
• Уточни запрос.
  
• Определи категорию обращения.
  
• Задай 2-3 вопроса для квалификации.
  
• Предложи следующий шаг.
  
• Собери контакты.
  
• Передай данные в CRM.
  

Если алгоритма нет, агент будет импровизировать. Иногда удачно, иногда – нет.

4. В каком стиле он отвечает

Стиль лучше задавать через конкретные правила. Плохо: «Общайся красиво и профессионально».

Лучше: «Пиши коротко. Не используй медицинские термины без пояснения. Не дави на клиента. Задавай по одному вопросу за сообщение. Не используй эмодзи. Не обещай результат лечения».

Так ИИ-агент быстрее попадает в тон компании.

5. Где границы ответственности

Это один из самых недооцененных блоков.

Агент должен знать, что ему делать нельзя. Пример:

• не придумывай цены;
  
• не давай ответ, если информации нет в базе знаний;
  
• не обещай наличие свободного времени без проверки календаря;
  
• не отвечай на юридически чувствительные вопросы от себя;
  
• если клиент спорит, просит скидку или требует руководителя, передай диалог человеку.
  

Ограничения снижают риск ошибок и помогают агенту не выходить за рамки бизнес-процесса.

В NextBot можно собрать и протестировать такого ИИ-агента бесплатно – 7 дней тестового доступа доступны каждому новому пользователю. Подробности и регистрация здесь.

Как собрать базу знаний, чтобы ИИ-агент не выдумывал ответы

База знаний – это не склад всех файлов компании, а структурированная информация, которую агент использует в диалоге.

Если загрузить хаотичный набор документов, нейросотрудник начнет путаться. Если разложить данные по категориям, качество ответов становится выше, а стоимость диалогов – ниже.

В одном из проектов NextBot расходы на диалоги снизили на 46,2% без пересборки агента. Логика осталась прежней, но изменилась структура базы знаний.

Собираем реальные вопросы клиентов

Начните не с регламентов, а с диалогов. Возьмите:

• переписки из мессенджеров;
  
• обращения из CRM;
  
• вопросы из Авито;
  
• комментарии в соцсетях;
  
• записи звонков, если они есть;
  
• вопросы менеджеров к руководителю.
  

Минимум 50-100 реальных диалогов. Лучше 300-500, если поток обращений большой.

Задача – понять, что клиенты спрашивают на самом деле, что хотят уточнить перед покупкой.

Разбиваем на категории

После анализа вопросов сгруппируйте их. Пример для клиники:

• направления и услуги;
  
• цены и акции;
  
• подготовка к приему;
  
• противопоказания;
  
• запись и перенос визита;
  
• врачи и квалификация;
  
• документы и оплата.
  

Пример для металлобазы:

наличие товара;

• цена;
  
• объем и вес;
  
• доставка;
  
• резка;
  
• скидки;
  
• условия оплаты.
  

В одном из кейсов проанализировали 400 запросов клиентов и объединили их в 7 категорий. Для каждой категории подготовили отдельную базу знаний. После этого агент смог квалифицировать клиента, считать стоимость по прайс-листу, проверять наличие и передавать подходящие заявки менеджеру.

Готовим структурированные ответы

Ответ в базе знаний должен быть коротким и конкретным.

Плохо: «Мы всегда стараемся идти навстречу клиентам и предлагаем разные варианты доставки в зависимости от ситуации».

Лучше: «Доставка по городу – от 1 500 ₽. Срок – в день заказа или на следующий рабочий день. Точная стоимость зависит от района и объема заказа. Если клиент спрашивает цену доставки, уточни адрес и объем».

Хороший блок базы знаний содержит:

• вопрос или тему;
  
• точный ответ;
  
• условия;
  
• исключения;
  
• действие агента.
  

Если есть ограничение, его нужно четко прописать.

Прайс-листы, таблицы, документы

Разные данные лучше хранить в разных форматах:

• Текст – для правил, FAQ, скриптов, возражений.
  
• Таблицы – для прайсов, каталогов, перечней услуг, характеристик товаров, остатков.
  
• Файлы – для инструкций, регламентов, документов, которые агент должен использовать как справочник.
  
• Интеграции подходят, когда данные часто меняются – цены, остатки, записи, статусы заказов.
  

В NextBot для базы знаний можно использовать текст, файлы, таблицы, сайт, OpenAI-документы, справочники, веб-поиск, интеграции с таблицами и внешними сервисами. Для CRM-сценариев агент может передавать данные в amoCRM, Битрикс24 и другие системы.

Как тестировать «обученного» ИИ

Обучение ИИ-агента нельзя считать завершенным после загрузки базы знаний. Нужен тест.

Проверьте агента на 4 типах диалогов.

1. Типовые вопросы

Задайте самые частые вопросы клиентов. Например:

• «Сколько стоит?»
  
• «Как записаться?»
  
• «Есть ли доставка?»
  
• «Какие сроки?»
  
• «Чем вы отличаетесь?»
  

Агент должен отвечать быстро, точно и без лишних рассуждений.

2. Неполные запросы

Клиенты редко пишут идеально. Они формулируют так:

• «Здравствуйте, сколько?»
  
• «А есть такое?»
  
• «Мне нужно на завтра»
  
• «Можно дешевле?»
  

Проверьте, умеет ли ИИ-агент уточнять, а не додумывать.

3. Сложные и пограничные ситуации

Проверьте, где агент должен передать диалог человеку. Например, клиент:

• требует нестандартную скидку;
  
• просит гарантию результата;
  
• задает вопрос, которого нет в базе;
  
• пишет агрессивно;
  
• отправляет противоречивые данные.
  

Хороший агент не пытается любой ценой ответить сам. Он понимает, когда нужно передать диалог менеджеру.

4. Реальные старые диалоги

Лучший тест – взять старые переписки и пройти их заново от лица клиента. Фиксируйте случаи:

• где агент ошибся;
  
• где задал лишний вопрос;
  
• где не понял контекст;
  
• где ответил слишком длинно;
  
• где не вызвал нужную функцию;
  
• где не передал заявку в CRM.
  

После теста корректируйте промпт и базу знаний. Затем прогоняйте диалоги еще раз.

Кейс: как «обучали» ИИ-квалификатора для медицинской компании

У медицинской компании была типовая проблема: заявки приходили из разных каналов, администраторы тратили много времени на первичную квалификацию, часть обращений обрабатывалась с задержкой.

Задача ИИ-агента – не заменить врача и не консультировать по лечению. Его зона ответственности:

• определить направление обращения;
  
• задать первичные уточняющие вопросы;
  
• объяснить порядок записи;
  
• собрать контактные данные;
  
• передать заявку в amoCRM;
  
• подключить администратора в сложных случаях.
  

Работу начали с анализа 500+ диалогов. Из них выделили частые сценарии, когда пациент:

• хочет записаться, но не знает к какому специалисту;
  
• уточняет цену;
  
• спрашивает, как подготовиться к процедуре;
  
• хочет перенести запись;
  
• сравнивает клиники;
  
• описывает симптомы и ждет совета.
  

Дальше собрали алгоритм квалификации. Агент должен был:

• Уточнить цель обращения.
  
• Определить одно из четырех направлений.
  
• Задать вопросы только по этому направлению.
  
• Проверить, нужна ли передача диалога администратору.
  
• Собрать имя и телефон.
  
• Создать заявку в amoCRM.
  

Базу знаний разделили на 4 направления. В каждом направлении были:

• услуги;
  
• цены;
  
• подготовка;
  
• ограничения;
  
• частые вопросы;
  
• правила передачи человеку.
  

Промпт настроили под живое, спокойное общение. Отдельно прописали запреты:

• не ставить диагноз;
  
• не назначать лечение;
  
• не обещать результат;
  
• не спорить с пациентом;
  
• при сомнении передавать диалог администратору.
  

После тестов агент стал работать как первая линия: быстро разбирал входящий поток, собирал данные и передавал подготовленные заявки в CRM.

Типичные ошибки в обучении – 4 сценария

Ошибка 1. Записать все в промпт

Если поместить в промпт цены, регламенты, FAQ, акции, адреса, условия доставки и скрипты, инструкция станет тяжелой. Агенту будет сложно ориентироваться. Его ответы могут стать медленнее и дороже.

Лучше оставить в промпте роль, задачу, алгоритм, стиль и ограничения, а факты вынести в базу знаний.

Ошибка 2. Загружать документы без структуры

Большой документ сам по себе не делает агента умнее. Если внутри хаос, разные форматы, устаревшие данные, дубли и противоречия, ИИ-бот будет брать для ответа случайные фрагменты. Иногда правильные, иногда – нет.

Перед загрузкой данные нужно очистить:

• убрать повторы;
  
• обновить цены;
  
• разделить темы;
  
• подписать категории;
  
• удалить неактуальные условия.
  

Ошибка 3. Не прописывать, когда звать человека

ИИ-агенту нужно дать понятные условия, когда он должен передать диалог сотруднику.

Например: «Если клиент просит индивидуальный расчет, требует скидку, задает вопрос вне базы знаний или пишет жалобу, передай диалог менеджеру».

Без этого агент будет продолжать диалог там, где уже нужен сотрудник.

Ошибка 4. Не тестировать на реальных вопросах

Реальные клиенты пишут коротко, с ошибками, без контекста. Они меняют тему, пропадают, возвращаются, спорят, задают вопросы кусками.

Именно на таких диалогах нужно проверять обучение ИИ.

Если хотите посмотреть, как ИИ-агент может усилить ваш бизнес, зарегистрируйтесь в NextBot. Каждому новому пользователю доступны 7 дней бесплатного доступа – этого хватит, чтобы собрать первого ИИ-агента и посмотреть, как он обработает реальные заявки.

FAQ

Как обучить ИИ под свою компанию?

Для бизнес-задач обычно достаточно настроить промпт, собрать базу знаний и протестировать агента на реальных диалогах. В промпте описывают роль, задачу, стиль, алгоритм и ограничения. В базе знаний хранят факты – цены, услуги, правила, FAQ, регламенты, документы.

Нужен ли обучение ИИ для бизнес-задач?

Чаще всего нет. Если ИИ-агент должен отвечать клиентам, квалифицировать заявки, работать с прайсом и передавать данные в CRM, хватает промпта и базы знаний. Обучение нужно для более технических задач, где обычная настройка не закрывает требования.

Как правильно составить базу знаний для ИИ-агента?

Начните с реальных вопросов клиентов. Разделите их на категории, уберите повторы, подготовьте короткие и точные ответы. Прайсы и каталоги лучше хранить в таблицах, FAQ – в справочнике, большие инструкции – в документах.

Как научить ИИ отвечать в стиле моей компании?

Опишите стиль через конкретные правила. Укажите длину сообщений, тон, обращения, запреты, допустимые формулировки и примеры хороших ответов. После этого протестируйте агента на реальных переписках и скорректируйте промпт.

Сколько времени занимает обучение ИИ?

Срок зависит от сложности задачи, объема материалов и качества исходных данных. Простого агента для FAQ можно подготовить быстрее, чем квалификатора с CRM, прайсами и несколькими сценариями. Основное время обычно уходит не на настройку, а на сбор материалов и тестирование.

Как тестировать ИИ после обучения?

Проверьте агента на типовых, неполных, сложных и старых реальных диалогах. Фиксируйте ошибки: где агент выдумал, задал лишний вопрос, не нашел данные или не передал заявку человеку. После каждого теста корректируйте промпт и базу знаний.