Почему нейросеть пишет «воду»
Нейросеть пишет «воду» не потому, что «плохо обучена». Причина в том, что ей неоткуда взять факты. У нейросети нет личного опыта, она не знает, как выглядит ваш склад, сколько стоит конкретная услуга и какие сроки реальны для вашего производства. Всё, что она может выдать — это реконструкция из тех данных, которые вы ей передали. Если в запросе просто «расскажите о компании», она вытаскивает обобщённый шаблон из своего обучающего массива: «динамично развивающаяся компания», «индивидуальный подход», «широкий спектр услуг». Это не злой умысел, а механика работы.
- Нейросеть не додумывает детали. Она берёт их из запроса. Нет в запросе конкретики — она заполняет пустоту самыми частотными фразами из своего обучения. Чем больше в вашем запросе общих слов, тем более размытым будет ответ.
- Конкретика рождается только из фактов: цены, сроки, условия, роли, названия продуктов, реквизиты, имена. Без этих данных нейросеть вынуждена писать то, что подходит «всем и никому».
- Пустая база знаний — это пустой контекст. Если вы не загрузили в систему прайс-лист, описание процессов, скрипты или хотя бы список частых вопросов клиентов, нейросеть не сможет отличить ваш бизнес от любого другого в той же нише.
Итог прост: нейросеть не генерирует факты, она их комбинирует. Если на входе — пустота, на выходе — «вода».
База знаний как источник фактов
База знаний — это не pdf-файл с философией бренда, а набор документов, по которым сотрудник реально работает. В неё загружают прайс, условия сделок, должностные инструкции, скрипты, тарифы, технические ограничения. ИИ обращается к этому массиву как к справочнику, а не как к источнику вдохновения.
На примере ОРБИИТА: в базу знаний загружены конкретные цифры и формулировки. Вместо «доступные цены» ИИ напишет «от 94 тыс. руб. за штатного менеджера» — потому что в прайсе зафиксирована зарплата от 94 до 126 тыс. руб. Вместо «быстро запускаем» — «2–3 рабочих дня, от клиента нужны прайс и 20 минут разговора».
Как это устроено технически: ИИ не гадает, что значит «быстро» или «дёшево». Он находит в загруженном документе точное значение и подставляет его в ответ. Если в базе знаний написано «порог зависшей сделки зависит от суммы: крупную поднимаем на пятый день молчания, обычную — на десятый», нейросеть не напишет «скоро напомним». Она скажет: «Поднимем через 5 дней, если сумма крупная».
Что даёт бизнесу:
- Клиент получает точную цифру, а не обещание. Доверие растёт, потому что факт проверяем.
- Менеджеры тратят меньше времени на уточнения: «а сколько стоит?», «а когда?», «а что входит?».
- ИИ не может уйти в обобщение, потому что в базе знаний нет шаблонных фраз — только инструкции и документы.
Чтобы собрать базу знаний, не нужно писать тексты заново. Достаточно собрать актуальные файлы: прайс-лист, договор оферты, инструкцию для менеджеров, скрипты обработки возражений, политику обработки персональных данных. Чем больше точных данных, тем меньше «воды» в ответах ИИ.
Пример «до»
На сайте компании ОРБИИТА появляется заявка: владелец стоматологической клиники хочет укрепить продажи. Он оставляет контакт, и через минуту ему звонит или пишет цифровой сотрудник — но без базы знаний. Вместо конкретики о стоимости лечения или записи на приём клиент слышит: «Наша компания помогает бизнесу расти с помощью современных технологий. Мы используем ИИ, чтобы вы привлекали больше клиентов». Владелец клиники не понимает ни что ему предлагают, ни сколько это стоит. Ему не объясняют, умеет ли этот ИИ считать стоимость имплантации по прайсу, может ли записать пациента на приём в ближайший час или подключается ли к его CRM. Вместо этого он получает общую фразу про «рост», которая подходит любому бизнесу. Его промо-акция на чистку зубов не упоминается, КП не формируется, а уточняющие вопросы вроде «А вы уже работали со стоматологиями?» или «Сколько стоит пилот?» остаются без ответа, потому что в системе нет ни одного факта. Клиент ждёт внятного предложения, но видит пустышку. Вполне вероятно, что он теряет интерес: его время потрачено на бессодержательный диалог. Менеджер с утра разбирает этот контакт, видит «недозвон» или «неответ» и тратит ещё время на попытки вернуть человека, который уже ушёл к конкуренту. В итоге сделка не начиналась, а ресурсы улетели на пустой разговор.
Пример «после»
Цифровой сотрудник ОРБИИТА отвечает на входящий запрос за секунды. Не шаблонной фразой, а действием — создаёт карточку сделки в Битрикс24, рассчитывает стоимость по прайсу и задаёт уточняющие вопросы, но не больше трёх подряд.
Пример: клиент пишет в Telegram: «Нужна консультация по страхованию квартиры». Цифровой сотрудник отвечает: «Здравствуйте. Подскажите, площадь квартиры и оценочную стоимость?» — получает ответ — «45 кв.м, 8 млн». Мгновенно подтягивает тариф из прайса, пишет сумму и предлагает передать заявку специалисту. Если клиент не отвечает — возвращается через 2 дня: «Здравствуйте, вы просили расчёт по квартире 45 м² — он готов. Удобно обсудить детали?» Потом через 5, 12 и 30 дней — каждый раз с новым поводом, а не простым «напоминаем о себе».
Крупную сделку цифровой сотрудник поднимает на пятый день молчания, обычную — на десятый. Владелец получает сводку каждый вечер в 19:00: кому написали, кто ответил, что ждёт решения. Запуск пилота занимает 2–3 рабочих дня — от клиента нужен прайс и 20 минут обсуждения, настраивает команда Орбииты. Программист не требуется.
Как собрать базу знаний для ИИ
Начните со списка услуг и цен. Без конкретики ИИ начнёт выдумывать стоимость «от 50 тысяч» или обещать скидки. В базе зафиксируйте название услуги, что в неё входит, срок выполнения и цену. Если цена не публикуется, укажите, как её считать: например, «узнаётся после брифа» или «зависит от количества посадочных мест». То же самое со сроками: «запуск — 2–3 рабочих дня» — это факт, а «быстро» — нет. ИИ должен отвечать на вопрос «Сколько стоит?» и «Когда сделаете?» одинаково для всех клиентов, иначе доверие рухнет.
Второй блок — условия работы. Здесь пропишите каналы связи, гарантии и ограничения. Например, правило «WhatsApp не подключаем» должно быть в базе, чтобы нейросеть не пообещала клиенту то, чего вы не делаете. Сюда же — про смену статусов: «договор всегда передаётся человеку», «не задаёт больше трёх вопросов подряд». Это не просто запреты, а маркеры качества: клиент понимает, что общается с алгоритмом, и знает, когда подключится живой сотрудник. Добавьте регламент эскалации: при каком условии ИИ зовёт владельца, а при каком — отвечает сам.
Третий блок — типичные вопросы клиентов. Не выдумывайте их, а соберите из реальных диалогов в отделе продаж. Например: «Вы чат-бот?», «Что будет с моими данными?», «Можно ли вернуть деньги?», «Сколько времени занимает настройка?». На каждый вопрос — короткий ответ, который ИИ будет использовать дословно. Это избавит от импровизаций вроде «мы передадим ваши данные партнёрам» или «конечно, работаем с WhatsApp». Формат ответа тоже зафиксируйте: одно предложение или абзац, в зависимости от сложности. Так вы закроете 80% повторяющихся обращений ещё до подключения человека.
Ошибки при наполнении базы
Первая ошибка — загружать в базу знаний общие фразы вроде «мы за качество» или «индивидуальный подход». ИИ воспринимает их как факты и будет воспроизводить дословно. В результате вместо конкретики клиент получает пустые обещания, которые не отличают компанию от конкурентов. В базу попадает только то, что можно проверить: цена, срок, условие. Если фразу нельзя подтвердить документом или прайсом — ей не место в базе.
Вторая ошибка — пропускать важные детали. Без точных цен, сроков и ограничений ИИ начинает додумывать. Например, если в базе нет запрета на обещание WhatsApp, нейросеть может пообещать подключение. Если не указать, что договор передаётся человеку, ИИ решит, что может подписать его сам. Каждое «что нельзя обещать» — такое же обязательное поле в базе, как «чем занимается компания».
Третья ошибка — не обновлять данные. Если в базе остался старый прайс или устаревший список каналов, ИИ будет ссылаться на них месяцами. Клиент получит цену, которая уже не действует, или узнает о канале, который отключён. Обновление базы — не разовая задача, а регулярный процесс: после каждого изменения продуктов, цен или условий вносите правки в источник, иначе нейросеть превратится в генератор дезинформации.
Как проверить, что ИИ пишет по фактам
Проверка начинается с простого действия: дайте нейросети запрос по конкретной услуге. Например: «Опиши цифрового сотрудника Орбииты — что делает, как подключается, сколько стоит, какие каналы». Не «расскажи о компании», а именно про продукт с деталями.
После получения ответа откройте базу знаний — в нашем случае раздел «Факты, цифры, гарантии, сроки». Сверьте каждое утверждение. Нейросеть должна написать, что сотрудник работает в Битрикс24 или встроенной CRM Орбииты, подключается к сайту одной строкой без программиста, каналы — Telegram, MAX, ВКонтакте, Avito, WhatsApp не подключён. Запуск занимает 2–3 рабочих дня, от клиента нужен прайс и 20 минут разговора. Если в ответе появилось «быстро», «просто», «доступно» без цифр — факты не сработали.
Следующий маркер — маркеры неопределённости. Фразы «в общем», «в целом», «как правило», «обычно» в ответе означают, что нейросеть не нашла конкретики в базе и додумала. Допустим, она пишет: «Цифровой сотрудник обычно отвечает клиентам в рабочее время». По базе — круглосуточно. Или «стоимость зависит от объёма заявок» — а в реальности фиксировано: зарплата штатного менеджера 94–126 тыс. ₽ в месяц, Орбиита в 5–6 раз дешевле.
Ещё один способ — провокация. Спросите про то, чего в базе нет: «Звонит ли сотрудник клиентам?» или «Подписывает ли договоры?». Честный ответ на основе фактов — «нет, не звонит и не подписывает». Если нейросеть начинает уклоняться («зависит от настроек», «может быть настроено»), значит, она не опирается на базу, а использует общие знания модели, которые могут быть неверными для вашего бизнеса.
Проверку стоит проводить как минимум по трём разным запросам — по одной услуге, по условиям запуска и по ограничениям. Если хотя бы в одном ответе появилось обобщение без опоры на конкретные цифры, сроки или условия — база знаний не доработана или сама архитектура запроса к нейросети построена неверно. В базу должны попасть только проверенные данные, иначе ИИ будет генерировать правдоподобную «воду», а не факты.
Практический итог
Соберите базу знаний из прайса, списка услуг, условий работы и ограничений. Это не документ для клиентов, а рабочий файл для нейросети: чем точнее вы опишете, что можно обещать, а что нельзя, тем меньше общих слов останется в текстах. Загрузите её в нейросеть и попросите написать один пост. Если в ответе появятся фразы вроде «индивидуальный подход» или «высокое качество» — вернитесь к базе и добавьте конкретику: как именно вы подходите, из чего складывается качество.
Проверьте пост на фактах: в нём должны быть только те цифры, условия и обещания, которые вы готовы выполнить. Если факта нет в базе — нейросеть не должна его придумывать. Когда текст пройдёт проверку, запустите пилот на реальных клиентах через orbiita.ru: две недели цифровой сотрудник будет работать на ваших входящих, а вы увидите, где он отвечает по делу, а где скатывается в общие слова. На этом этапе правки вносятся в базу знаний, а не в каждый ответ отдельно. Пилот покажет, какие вопросы клиентов остались без конкретного ответа, — эти пробелы закрываете новыми фактами, и база становится полнее. Дальше процесс повторяется: каждый месяц вы обновляете прайс, условия и кейсы, а нейросеть перестаёт писать «воду», потому что ей просто нечем её заменить.