Разработка AI чат-бота от 250 000 ₽

Услуга · 13

Коротко

InnovateSoft разрабатывает чат-ботов и AI-ассистентов на базе LLM: для клиентов на сайте и в Telegram, для сотрудников по внутренним документам и данным, с передачей сложных обращений человеку; автономные AI-агенты и голосовые IVR-боты не разрабатываются. Стоимость — от 250 000 ₽ за пилот (один сценарий, один канал) и от 600 000 ₽ за несколько сценариев или каналов; токены LLM-провайдера оплачиваются отдельно. Срок — от 3 до 6 недель (пилот) и 8-12 недель (полная интеграция); долю обращений, которую закроет бот, не обещаем: она зависит от вашего потока.

Вопросы повторяются, а ответ каждый раз ищет человек

Если узнаёте свою ситуацию, это тот случай, где LLM-бот может иметь смысл. Если вопросов мало, на аудите так и скажем: часть сценариев мы честно отклоняем.

Клиенты задают на сайте и в мессенджерах одни и те же вопросы: про каталог, статус заказа, условия, запись. Первая линия отвечает на них вручную.
Вне рабочего времени и в пиковые часы обращения ждут ответа, а часть посетителей уходит, не дождавшись.
Сотрудники тратят время на поиск регламента или ответа в документах, чатах и у коллег.
Посетитель сайта не находит нужный раздел или товар: обычный поиск реагирует только на совпадение слов.
Вы пробовали бота с кнопками, который не понимает вопрос, или «умного» бота, который выдумывал ответы, и не готовы доверять ему клиентов.

Как мы это решаем: бот с чёткими границами, а не «AI-агент на всё»

Встраиваем LLM в заранее спроектированный сценарий: понятно, кто спрашивает, что бот отвечает сам и когда передаёт диалог человеку.

01
Сценарий и границы
Определяем, кто задаёт вопросы (клиент на сайте, сотрудник в Telegram) и какие из них бот закрывает сам. Если рутины мало или цена ошибки высока, так и скажем.
02
Ответы по вашим данным
Подключаем бота к вашей базе знаний, документам или данным через API, чтобы он отвечал по фактам, а не из общих знаний модели. Для большой базы документов со ссылкой на источник используем RAG.
03
Передача человеку
Настраиваем эскалацию оператору или менеджеру там, где уверенности в ответе нет, и проверяем бота на пограничных и провокационных вопросах до запуска.
04
Измеряем после релиза
Логируем диалоги, смотрим, какая доля обращений закрыта без человека и как часто передача сработала корректно, и донастраиваем сценарий.

Что получили клиенты

Проекты под NDA, названия клиентов не раскрываем. Цифры ниже — результаты этих проектов, а не прогноз для вашего бизнеса.

60% / -40%
SaaS для ретейла: поддержка
LLM-автоответы закрывают 60% типовых тикетов, нагрузка на первую линию поддержки снизилась на 40%; сложные обращения уходят оператору. Проект занял 5 недель.
Кейс: поддержка SaaS
15 мин → 10 с
Юридический департамент: база знаний на LLM
Скорость поиска ответа юристами снизилась с 15 минут до 10 секунд. Точность ссылок на источник — 96% (замеряли на тестовой выборке из 500 запросов).
Это внутренний ассистент для сотрудников (RAG, on-premise), а не бот для клиентов сайта.
Кейс: RAG-ассистент для юристов
NDA
Финтех: RAG-ассистент для операторов
Ассистент отвечает по внутренней базе знаний со ссылками на источник, риск придуманных ответов подавлен guardrails. Срок — 6 недель. Цифры результата закрыты NDA.
Кейс: финтех

13 · Разработка чат-бота и AI-ассистента для бизнеса

Разработка чат-бота и AI-ассистента для бизнеса — это создание диалогового помощника на базе большой языковой модели (LLM): он отвечает клиентам на сайте и в Telegram, помогает сотрудникам находить ответы во внутренних данных и передаёт сложные случаи человеку. Это не автономный AI-агент и не голосовой IVR: мы делаем текстового бота с заранее спроектированным сценарием, границами ответственности и эскалацией на оператора. Бот отвечает по вашей базе знаний, CRM или данным через API, а не «из общих знаний» модели. Пилот одного сценария в одном канале — от 250 000 ₽, от 3 до 6 недель; токены LLM-провайдера оплачиваются отдельно.

Для кого

Бизнесу, у которого клиенты задают на сайте и в мессенджерах одни и те же вопросы, а первая линия отвечает вручную
Компаниям, которым нужен корпоративный чат-бот для сотрудников: справка по регламентам и документам вместо поиска по папкам и чатам
Интернет-магазинам и сайтам с каталогом, где посетителю нужен виртуальный консультант и поиск, понимающий вопрос, а не только слова
Командам продаж и поддержки, которым нужен помощник с черновиками ответов, а решение остаётся за человеком
Владельцам сайта, личного кабинета или приложения, которые хотят встроить AI-ассистента в продукт, а не подключать отдельный сервис

Вопросы клиентов или сотрудников повторяются изо дня в день?

Обсудить чат-бота

Что входит в стоимость

Аудит сценария: какие вопросы бот закрывает сам, какие передаёт человеку и какие автоматизировать не стоит
Проектирование диалога, тона общения и границ ответственности бота, правила эскалации на оператора или менеджера
Интеграция с LLM-провайдером (OpenAI, Anthropic Claude или другой — выбор под задачу, бюджет и требования к хранению данных)
Telegram-бот или веб-виджет на сайте, в личном кабинете или в приложении
Ответы по вашей базе знаний, документам или данным через API — без выдумывания фактов моделью (для большой базы документов — RAG, отдельная услуга)
Проверка на реальных вопросах, включая пограничные и провокационные, донастройка промптов и границ эскалации
Логирование диалогов и базовая аналитика: сколько обращений закрыто ботом, сколько передано человеку
Состав работ, срок и стоимость фиксируются в договоре до старта
Гарантийный период на разработку — 3 месяца с момента сдачи

Форматы чат-бота и AI-ассистента, стоимость

Чат-бот для клиентов: сайт и Telegram

Бот отвечает на типовые вопросы о каталоге, условиях, статусе заказа или записи, квалифицирует обращение и передаёт сложные случаи оператору. Пилот — один сценарий в одном канале. Токены LLM-провайдера оплачиваются отдельно.

от 250000₽от 3 до 6 недель

Корпоративный чат-бот и AI-помощник для сотрудников

Справка по регламентам, инструкциям и внутренним документам в Telegram или во внутреннем веб-интерфейсе. Если база большая и ответ нужен со ссылкой на конкретный документ, это уже RAG-ассистент — отдельная услуга «Разработка RAG-ассистента для бизнеса».

от 250000₽от 3 до 6 недель

Виртуальный консультант и AI-поиск по сайту и каталогу

Посетитель задаёт вопрос обычными словами и получает ответ или переход в нужный раздел; поиск учитывает смысл запроса, а не только совпадение слов. Кейсов именно по поиску в каталоге товаров в портфолио нет — технология та же, что в проектах RAG (векторный поиск), применимость к вашему каталогу оцениваем на аудите. Подключение к товарной базе и 1С — отдельно, после брифа.

от 250000₽от 3 до 6 недель

Несколько сценариев и каналов

Бот для клиентов и для сотрудников, Telegram и веб-виджет, подключение к CRM. Объём определяем на аудите.

от 600000₽8-12 недель

В цену не входят токены LLM-провайдера — это отдельная статья расходов, оплачиваемая напрямую провайдеру по факту использования; ориентир по объёму даём на аудите. Интеграции с 1С/CRM и написание текстов считаются отдельно (плюс к смете). Цифры — нижние границы форматов, итог называем после аудита.

Собрать диапазон в калькуляторе

Что учитываем в цене

Пилот — один сценарий в одном канале, например бот на сайте или в Telegram. Несколько сценариев или каналов — полноценная интеграция. Верхнюю границу цены заранее не называем: итог после аудита.

Нижняя граница — пилот от 250 000 ₽, от 3 до 6 недель; полноценная интеграция — от 600 000 ₽, 8-12 недель. Состав работ, срок и бюджет фиксируются в договоре до старта; гарантийный период на разработку — 3 месяца с момента сдачи.

Обсуждается после брифа

Число сценариев и каналов (Telegram, веб-виджет на сайте, в личном кабинете или в приложении)
Объём и формат вашей базы знаний, документов и данных, к которым подключается бот
Интеграции с 1С и CRM и написание текстов (ответы, сценарии диалога) считаются отдельно (плюс к смете)
Ориентир по ожидаемому объёму токенов LLM — даём на аудите

Не входит

Токены LLM-провайдера: отдельная статья расходов, оплачивается напрямую провайдеру по факту использования
Автономные AI-агенты, принимающие решения без надзора, и голосовой бот для телефонных звонков (IVR): такого мы не делаем
Сопровождение и новые сценарии после гарантийного периода: обсуждаются отдельно, единого тарифа нет

Как мы фиксируем KPI в договоре

Для чат-бота метрика — доля потока, которую закрывает автоматика, и качество передачи сложных случаев человеку. Исходное значение записываем на аудите по вашему реальному потоку обращений. Метрика фиксируется в брифе, а сроки, бюджет и состав работ — в договоре.

1
Выбираем метрику вместе
На первой встрече формулируем, что считается успехом проекта, в виде показателя, который можно измерить.
2
Фиксируем исходное значение
Если у вас уже есть сайт или аналитика, записываем, с какой точки стартуем. Если данных нет, договариваемся, как и от какой точки считать.
3
Метрика — в бриф, сроки и бюджет — в договор
Метрика фиксируется в брифе, а базовые KPI (сроки, бюджет, состав работ) — в договоре до старта, чтобы не спорить после сдачи.
4
Показываем ход работ
Еженедельные демо: вы видите результат каждую неделю и можете скорректировать курс, а не узнать о проблеме после того, как бюджет потрачен.
5
Измеряем после запуска
Смотрим на зафиксированную метрику и, если нужно, донастраиваем. Часть клиентов переходит на постоянное сопровождение.

Какие метрики можно зафиксировать

доля обращений, закрытых без оператора
доля обращений, корректно переданных человеку
время ответа клиенту и время ручной работы на обращение (до и после)
для бота сотрудников: время на поиск ответа в документах (до и после)

Мы не обещаем заданную долю закрытых обращений: она зависит от того, насколько однотипны ваши обращения и насколько полна база знаний.

Что мы не обещаем. Целевое значение результата (число заявок, долю заказов, долю закрытых обращений) мы не гарантируем: оно зависит от рынка, трафика, оффера и продукта, а не только от нашей работы. Мы отвечаем за то, что делаем сами: состав работ, срок, работу интеграций и аналитики. Если вам нужны особые условия по результату, обсуждаем их в договоре индивидуально, заранее такого обязательства не даём.

Получить смету Рассчитать в калькуляторе

Как мы работаем: этапы пилота — от 3 до 6 недель

Аудит сценария и границ автоматизации

начинаем не с «давайте добавим бота», а с разбора, достаточно ли однотипны вопросы, чтобы LLM справлялась без потери качества, и где проходит граница: что бот решает сам, а что обязан передать человеку. Часть сценариев на этом этапе честно отклоняется, если рутины недостаточно или риск ошибки слишком высок.

Проектирование диалога и выбор LLM-провайдера

формулируем сценарий и тон общения, а провайдера (OpenAI, Anthropic Claude или другой) выбираем под задачу, бюджет на токены и требования к хранению данных, а не берём один и тот же для всех проектов.

Интеграция с API и вашими данными

это backend-задача: подключаем LLM-провайдера к продукту так же, как подключают CRM или платёжную систему, и связываем ответы бота с вашей реальной базой знаний или данными, чтобы он не отвечал «из общих знаний» там, где это приведёт к выдуманному ответу.

Тестирование на реальных вопросах

прогоняем бота через реальные или близкие к реальным вопросы клиентов или сотрудников, включая пограничные и провокационные, и донастраиваем промпты и правила передачи человеку.

Запуск и мониторинг

после релиза смотрим, какая доля обращений закрывается ботом без человека и как часто передача сработала корректно, и донастраиваем сценарий по этим цифрам. Метрику фиксируем в брифе до старта.

AI для поддержки клиентов: что бот закрывает сам, а что передаёт оператору

AI-ассистент в службе поддержки отвечает на типовые обращения — про каталог, статус заказа, условия, запись — в Telegram или в виджете на сайте, а сложные случаи эскалирует оператору. Он не заменяет оператора и не принимает решений за вас: границы ответственности мы проектируем заранее.

Реальный пример: в поддержке SaaS-продукта для ретейла LLM-автоответы закрывают 60% типовых тикетов, нагрузка на первую линию снизилась на 40%, проект занял 5 недель; сложные обращения уходят оператору (кейс под NDA). Это результат одного проекта, а не прогноз для вашего бизнеса: он зависит от того, насколько однотипны ваши обращения и насколько полна база знаний.

Помимо ответов клиентам, ту же модель можно использовать для первичной классификации обращений по темам и для черновиков ответов, которые проверяет человек. Анализ уже записанных звонков отдела продаж — отдельная услуга, а не функция чат-бота.

Примеры проектов

Поддержка клиентовSaaS для ретейла (NDA)-40%нагрузка на первую линию поддержки RAG-ассистент, on-premiseЮридический департамент (NDA)15 мин → 10 сскорость поиска ответа юристами RAG-ассистентФинтех-компания (NDA)Интеграция AI и LLM в цифровые продуктыРезультат под NDA

Читайте в блоге

Частые вопросы

Бот на кнопках ведёт человека по заранее нарисованному дереву ответов и теряется, если вопрос сформулирован иначе. LLM-бот понимает вопрос, заданный своими словами, и отвечает на основе вашей базы знаний или данных. Границы при этом задаём так же жёстко: что бот решает сам, а что передаёт человеку. Если у вас десяток однотипных вопросов, которые меняются раз в год, достаточно простого FAQ-бота, и об этом мы скажем на аудите.

Нет. Мы встраиваем LLM в конкретный, заранее спроектированный сценарий с чёткими границами: бот отвечает на определённый круг вопросов и эскалирует остальное на человека. Это не автономный агент, самостоятельно принимающий бизнес-решения без надзора — если вам нужна именно такая система, честно скажем, что это не то, что мы сейчас предлагаем.

Чат-бот — это канал и сценарий: кто задаёт вопрос (клиент на сайте, сотрудник в Telegram), что бот делает сам и когда передаёт диалог человеку. RAG — способ, которым бот находит ответ: ищет фрагменты в вашей базе документов и отвечает со ссылкой на конкретный источник. Если главная задача — ответы по большой внутренней базе знаний с проверяемым источником (регламенты, договоры, техдокументация), начните со страницы «Разработка RAG-ассистента для бизнеса»; чат-бот в Telegram или на сайте обычно служит интерфейсом такого ассистента. Если вопросов немного и ответы укладываются в несколько страниц, RAG избыточен.

Пилот — один сценарий в одном канале, например бот на сайте или в Telegram — от 250 000 ₽, от 3 до 6 недель. Несколько сценариев или каналов — полноценная интеграция — от 600 000 ₽, 8-12 недель. В цену не входят токены LLM-провайдера: вы оплачиваете их напрямую по факту использования, ориентир по объёму даём на аудите. Интеграции с 1С/CRM и написание текстов считаются отдельно (плюс к смете). Состав работ, срок и бюджет фиксируем в договоре, гарантийный период на разработку — 3 месяца с момента сдачи.

Мы делаем текстовых ботов: в Telegram и в виде веб-виджета на сайте, в личном кабинете или в приложении. К CRM (например, Bitrix24 или amoCRM) бота подключаем через API — это отдельная работа, она считается плюс к смете. Голосового бота, отвечающего по телефону в реальном времени (IVR), мы не делаем. Анализ уже записанных звонков — отдельная услуга «Анализ звонков отдела продаж с помощью ИИ».

Это реальный риск LLM, и защиту от него мы закладываем в сам процесс. Там, где это возможно, подключаем бота к вашей базе знаний или данным через API, чтобы он отвечал на основе фактов. До запуска отдельно проверяем поведение на пограничных и провокационных вопросах и настраиваем эскалацию на человека там, где уверенности в ответе недостаточно. Полностью исключить ошибки нельзя, поэтому после релиза мы смотрим на реальные диалоги и донастраиваем сценарий.

Да, как сценарий пилота или часть интеграции: посетитель задаёт вопрос обычными словами и получает ответ или переход в нужный раздел. Поиск по внутренним документам и базе знаний со ссылкой на источник — это RAG, см. страницу «Разработка RAG-ассистента для бизнеса». Честно: кейсов именно умного поиска по каталогу товаров в портфолио нет; технология та же, что в наших проектах RAG (векторный поиск в Qdrant или pgvector), а применимость к вашему каталогу оцениваем на аудите.