Вбудовування AI у робочі процеси
Ми не навчаємо моделі. Ми вбудовуємо наявні туди, де вже йде робота, — і робимо так, щоб на них можна було покластися: рішення лишається за людиною, а кожна відповідь має джерело.
Це вже працює
Власна система продажів працює 20 місяців: помічник у месенджері обробив 3 332 повідомлень, система провела 260 замовлень і згенерувала 196 документів без людини. Дані з документів клієнтів витягуються з фотографій. Цифри звірено з робочою базою 14.09.2026.
Окремо — внутрішня платформа, де агенти щодня шукають замовлення, розбирають їх і готують відповіді. Нічого не виходить назовні без ухвалення: це не налаштування, а властивість системи.
Що саме робимо
- Агент, який робить роботу, а не відповідає на питання
- Різниця між чатом і агентом у тому, чи є в нього доступ до ваших даних і право діяти. Агент дивиться в базу, зіставляє з правилами, готує документ або відповідь і зупиняється перед дією, яку має підтвердити людина. Чат просто говорить.
- Відповідь із джерелом, а не з памʼяті моделі
- Модель, у якої немає доступу до ваших даних, упевнено назве ціну, строк і наявність — і помилку побачить клієнт, а не ви. Тому в робочій системі модель не має права стверджувати нічого, чого немає в даних: вона формулює, а не вирішує, і поруч із кожною відповіддю лежить те, звідки вона взята.
- Людина в контурі за побудовою
- Не «можна переглянути перед відправкою», а неможливо відправити без перегляду. Це різні речі: перше тримається на дисципліні, друге — на коді. Усе, що йде назовні — лист, документ, публікація, — проходить через ухвалення, і система це не обходить.
- Вбудовування в те, що вже є
- AI рідко буває окремим продуктом. Найчастіше це шар усередині вашої CRM, адмінки чи месенджера: там, де людина вже працює. Тому найбільша частина роботи — не промпти, а інтеграції: доступ до даних, права, черги, поведінка при збої стороннього сервісу.
Три речі, на яких такі системи ламаються
Усі три ми проходили на власних системах, а не читали про них.
- Модель, яка вигадує
- Найдорожча поломка не технічна. Вигадана ціна звучить так само впевнено, як справжня, і клієнт її запамʼятає. Лікується не кращим промптом, а архітектурою: у моделі просто немає поля, куди вписати те, чого немає в даних.
- Вартість, яка зʼясовується потім
- Виклик моделі коштує грошей, і система, яка кличе її на кожен рух, з’їдає бюджет тихо. Дешевий детермінований відсів перед моделлю прибирає більшість роботи: правила відсіюють очевидне, модель дивиться лише на те, що справді потребує судження.
- «Успішно» ще не означає «спрацювало»
- Відповідь про успішну відправку підтверджує, що запит прийнято, а не що людина щось побачила. Різниця видно лише в журналі доставки, і перевіряти його треба системно. Ми на цьому спіймались на власній системі — тепер вона перевіряє сама.
Часті питання
Ви навчаєте моделі?
Скільки це коштує в експлуатації?
Наші дані підуть у модель?
Чим це відрізняється від готового чат-бота?
Відповіді по темі
Розгорнуті пояснення без маркетингу — корисні навіть тому, хто нас не найме.
Своя система чи готова коробка: чесне порівняння
Коли готовий продукт виграє, коли варто робити своє, і третій варіант — готова система під ваш процес. Привʼязка, право на код, підтримка, переїзд.
Продажі у WhatsApp: вікно 24 години і втрачені повідомлення
Як насправді працює WhatsApp Business API: вікно 24 години, шаблони, і чому відповідь «ok» від API не означає, що клієнт побачив повідомлення.
Автоматизація документів у продажах: рахунок, договір, ТТН
Чому менеджери витрачають години на документи і що саме варто автоматизувати першим. Реальний приклад: 196 документів, згенерованих системою без ручного набору.