Чат-бот для сайта с ИИ: зачем бизнесу и чем отличается от виджета

Чат-бот для сайта с ИИ отвечает посетителю по базе знаний компании: находит подходящие фрагменты в ваших документах и формулирует ответ по ним. Кнопочный виджет вместо этого водит клиента по заранее нарисованным веткам сценария и упирается в «не понял вопрос» на первом же нестандартном обращении.

Ниже разберём, как такой бот устроен внутри, какие модели реально доступны в России, что требует 152-ФЗ от бота, собирающего контакты, когда он окупается и на чём такие проекты обычно ломаются.

Что такое чат-бот для сайта с ИИ?

Коротко: это виджет на странице, за которым стоит языковая модель, отвечающая строго по документам вашей компании.

Технически подход называется RAG, retrieval-augmented generation. Термин ввели Patrick Lewis и соавторы в работе 2020 года, представленной на конференции NeurIPS:

Мы исследуем универсальный рецепт дообучения для генерации с опорой на поиск (RAG) - моделей, которые совмещают предобученную параметрическую и непараметрическую память для генерации текста — Lewis et al., arXiv.

Для владельца бизнеса это переводится так. Параметрическая память это то, что модель выучила при обучении: общие знания о мире, которые устаревают и в которых нет вашего прайса. Непараметрическая это ваша база знаний, подключённая снаружи. Amazon Web Services формулирует смысл подхода как оптимизацию ответа модели, при которой она обращается к авторитетной базе знаний за пределами обучающих данных, прежде чем сформулировать ответ.

Вторая часть и делает бота вашим. Обновить его знания означает заменить документ в базе, а не переобучать модель.

Чем ИИ-бот отличается от виджета, оператора и бота в мессенджере?

Коротко: виджет ограничен сценарием, оператор стоит линейно числу обращений, мессенджер работает с уже захваченным контактом.

Отдельный вопрос это разница между ботом на сайте и ботом в мессенджере. Они закрывают разные задачи. Сайтовый виджет работает с холодным анонимным трафиком в момент выбора: он знает страницу, товар и источник перехода, но теряет диалог, как только человек ушёл со страницы. Бот в мессенджере работает с уже захваченным контактом и может написать повторно. Разумная связка выглядит так: бот на сайте снимает возражения и квалифицирует, а дальше переводит диалог в мессенджер и CRM. Про выбор площадки для второй части у нас есть отдельный разбор чат-ботов в Telegram и MAX.

Как ИИ-бот на сайте устроен под капотом?

Коротко: виджет, бэкенд-оркестратор, поиск по базе знаний, модель, правила эскалации и интеграции с CRM.

1. Виджет на странице. Скрипт, который держит сессию и передаёт контекст: какая страница открыта, какой товар смотрят, откуда пришёл посетитель.
2. Бэкенд-оркестратор. Здесь живёт вся логика: история диалога, ограничение частоты запросов, вызов поиска, вызов модели, правила передачи оператору, запись в CRM. Модель никогда не вызывается напрямую из браузера, иначе ключ доступа утекает и счёт за него оплачивает кто угодно.
3. Поиск по базе знаний. Документы компании нарезаются на фрагменты, для каждого считается векторное представление и складывается в хранилище. На вопрос система находит несколько самых близких фрагментов.
4. Модель. Формулирует ответ строго по переданным фрагментам, с инструкцией сказать о незнании и позвать оператора, если подходящего материала не нашлось.
5. Эскалация. Низкая уверенность, отсутствие релевантных фрагментов или прямая просьба клиента переводят диалог на человека вместе с полным транскриптом.
6. Интеграции. Создание лида в CRM, уведомление менеджеру, цель в аналитике.

Насколько это инженерная задача, хорошо видно по разбору production-внедрения команды Банки.ру. У них векторное хранилище на OpenSearch, история диалогов в PostgreSQL, контекст сессии в Redis, ответы генерирует YandexGPT Pro 4. Документы режутся фрагментами по 1000 символов с перекрытием в 200, индексы разделены по доменам знаний, а не свалены в один. База составляет более 44 тысяч документов корпоративной вики при задержке ответа около 2,5 секунды.

Какие ИИ-модели доступны в России?

Коротко: YandexGPT и GigaChat по API, корпоративные поставки с размещением в своём контуре и открытые модели для установки на собственные серверы.

• Yandex AI Studio. Платформа с API, совместимым с форматом OpenAI. Есть Vector Store API, то есть готовый примитив для поиска по документам, на котором собирается RAG.
• GigaChat. Линейка Lite, Pro и MAX, тоже OpenAI-совместимый формат, есть векторные представления и вызов функций.
• GigaChat Enterprise. Отдельный корпоративный продукт, представленный в марте 2026 года, с тремя вариантами поставки: локально в виде программно-аппаратного комплекса, в облаке и гибридом с хранением данных на серверах организации.
• Открытые модели на своих серверах. Публично доступны российские модели уровня T-Pro 2.0 от Т-Банка, пригодные для установки в собственном контуре.
• Зарубежные модели через прокси. Технически работают, юридически создают трансграничную передачу со всеми последствиями.

Цены здесь меняются достаточно часто, поэтому ориентироваться стоит на порядок величины (рубли за тысячу токенов) и сверять актуальный прайс на портале вендора, а не на цифру из статьи.

Что требует 152-ФЗ, если бот собирает контакты?

Коротко: уведомление Роскомнадзора, хранение в России, отдельное согласие и закрытый вопрос трансграничной передачи.

Как только виджет принимает имя, телефон или почту, компания становится оператором персональных данных. Дальше действует четыре требования.

1. Уведомить Роскомнадзор до начала обработки (статья 22). Формы утверждены приказом Роскомнадзора от 28.10.2022 № 180, подать их можно электронно.
2. Обеспечить локализацию (часть 5 статьи 18). Запись, хранение и извлечение данных граждан РФ выполняются в базах на территории России. Порядок был ужесточён с 1 июля 2025 года: сначала запись и хранение в РФ, и только потом возможна передача за рубеж в установленном порядке.
3. Взять отдельное согласие. С 1 сентября 2025 года согласие нельзя зашивать в текст договора или оферты. Оно оформляется отдельно и содержит конкретные цели, перечень данных, срок хранения и порядок отзыва. Для виджета это означает, что согласие берётся в момент запроса контакта.
4. Закрыть трансграничную передачу (статья 12), если в цепочке участвует зарубежный сервис. Оператор обязан уведомить регулятора о намерении такую передачу осуществлять.

Здесь же самая частая техническая ошибка. Публичные API языковых моделей прямо ограничивают отправку чужих персональных данных. В пользовательском соглашении GigaChat это пункт 8.7:

В рамках функционирования Сервиса и оказания Услуг Клиент обязуется не предоставлять/загружать в Сервис какие-либо персональные данные третьих лиц, а также свои биометрические персональные данные и (или) персональные данные специальной категории — пользовательское соглашение GigaChat.

Посетитель сайта относительно вас является третьим лицом. Значит, отправить его имя и телефон в промпте публичного сервиса нельзя даже технически безупречным кодом. Рабочих вариантов три: не пускать контактные данные в промпт вообще (бот отвечает по базе знаний, а форма заявки живёт отдельно), брать корпоративную поставку с размещением в российском контуре или ставить модель на свои серверы.

Полезно понимать и границу ответственности провайдера. Yandex Cloud указывает, что платформа имеет аттестат соответствия требованиям безопасности персональных данных, и тут же добавляет, что часть требований законодательства необходимо выполнять на стороне клиента. Аттестат облака сам по себе не делает ваш бот законным: инфраструктуру закрывает провайдер, а согласие, уведомление, политику и сроки хранения закрываете вы. Как построить контур, из которого данные не уходят наружу, разбираем в статье «Нейросети без утечки данных».

Почему боты выдумывают ответы и как это лечится?

Коротко: модель без подключённой базы знаний достраивает ответ по общим данным, и цена такой выдумки ложится на компанию.

Показательный прецедент произошёл с Air Canada. Чат-бот на сайте авиакомпании сообщил пассажиру, что льготный тариф в связи с утратой близкого можно оформить задним числом в течение 90 дней, хотя реальная политика компании это запрещала. Канадский трибунал по гражданским спорам встал на сторону пассажира, признал введение в заблуждение и взыскал компенсацию:

Для Air Canada должно быть очевидно, что она отвечает за всю информацию на своём сайте — решение по делу Moffatt против Air Canada, разбор McCarthy Tétrault.

Юридически отделить бота от бренда не получилось, и к весне 2024 года бот с сайта убрали. Практический вывод простой: «бот сказал» означает «компания сказала».

Лечится это архитектурой, а не уговорами модели. Ответ формируется только по найденным фрагментам базы знаний. При отсутствии подходящего материала бот сообщает о незнании и передаёт диалог человеку. Условия, цены и обязательства берутся из системы, а не из головы модели.

Сколько стоит подготовка и на чём проекты ломаются?

Коротко: основная статья затрат это приведение базы знаний в пригодный вид, а не подключение модели.

Самый недооценённый этап хорошо описан командой Банки.ру:

Визуально на странице всё выглядело логично, но после парсинга - просто обрывки фраз и служебный мусор — разбор внедрения RAG-бота, Хабр.

Оттуда же ещё два вывода, которые экономят бюджет. Первый: попытка дообучить модель на своих данных заняла у команды около недели и была признана нецелесообразной по ресурсам, потому что RAG обновляется заменой документа. Второй, контринтуитивный: хранение контекста диалога оказалось скорее вредным, так как пользователи прыгают с темы на тему, и его отключили.

Типичные антипаттерны, которые повторяются из проекта в проект:

1. «Бот должен знать всё». Попытка покрыть любые вопросы превращается в бесконечную задачу. Бот должен хорошо знать своё.
2. Дообучение модели вместо базы знаний. Дороже, дольше, и данные устаревают при следующем изменении прайса.
3. Отсутствие порога и эскалации. Передача человеку это обязательный элемент архитектуры, а не кнопка на всякий случай.
4. Ручная подготовка базы в последний раз. Без пайплайна переиндексации бот протухает за квартал.
5. Ожидание, что бот заменит поддержку. Рабочая конфигурация это первая линия плюс гарантированная передача человеку.

Когда чат-бот на сайте окупается?

Коротко: когда поток однотипных вопросов заметен, ответы на них уже написаны, а у обращения есть измеримая ценность.

Полезный отрезвляющий ориентир перед разговором с подрядчиком: в Т-Банке, у которого есть собственная команда по большим языковым моделям, доля обращений в поддержку, решаемых без участия оператора, достигла примерно 45%. Обещания закрыть ботом 80 или 90% обращений на входе в проект стоит читать скептически.

Окупается, когда совпадает несколько условий:

• поток однотипных вопросов стабилен, и экономия времени людей заметна в деньгах;
• ответы уже существуют в письменном виде: прайс, регламенты, частые вопросы, договоры;
• у обращения есть измеримая ценность (заявка, запись, продажа), от которой считается эффект;
• трафик идёт круглосуточно, и бот закрывает окно, когда операторов нет;
• цикл сделки требует снятия типовых возражений до звонка.

Не окупается, когда обращений единицы в неделю, когда каждый вопрос требует экспертного суждения (сложные юридические услуги, проектная инженерия) или когда базы знаний не существует и вести её некому. В последнем случае первый бюджет уйдёт на написание документов. Экономику первой линии с расчётом мы разбирали в статье «Когда AI-агент первой линии окупается», а разницу между ботом по сценарию и агентом, который сам выбирает шаги, в материале «ИИ-агенты для бизнеса».

Что происходит с рынком диалогового ИИ в России?

Коротко: рынок растёт, но темпы замедляются, и доля зрелых решений увеличивается за счёт экспериментов.

По исследованию Naumen «Эволюция диалогового ИИ», объём российского рынка диалогового ИИ в 2024 году составил 8 млрд рублей, а в 2025 году приблизился к 11 млрд при росте около 30%. Самым быстрорастущим сегментом стала речевая аналитика.

Мы наблюдаем качественный сдвиг на рынке диалогового ИИ. Если раньше аналитика диалогов ограничивалась набором типовых сценариев, то теперь системы на базе генеративного ИИ способны находить скрытые закономерности — Сергей Попов, директор департамента контакт-центров и роботизированных систем Naumen, пресс-релиз компании.

На 2026 год там же прогнозируют замедление роста до 20-25% и консолидацию игроков: доля зрелых решений вырастет, а экспериментов без выраженного эффекта станет меньше.

С чего начать, если бот нужен?

Порядок, который не приходится переделывать:

1. Посчитайте поток обращений. Сколько вопросов в месяц и какая доля из них типовая. Если типовых мало, бот не окупится ни на какой платформе.
2. Соберите базу знаний. Прайсы, регламенты, ответы на частые вопросы в пригодном для машинной обработки виде. Это основная статья затрат.
3. Определите точку эскалации. Когда бот обязан позвать человека и что при этом видит оператор.
4. Решите вопрос данных до старта. Где крутится модель, что уходит в промпт, кто оператор персональных данных, как берётся согласие.
5. Подключите CRM. Диалог без создания лида это потерянная заявка.
6. Заложите сопровождение. Переиндексация базы и разбор плохих диалогов, иначе качество падает за квартал.

Бот на сайте это часть более широкой картины автоматизации, устройство которой мы разобрали в опорной статье «Автоматизация бизнес-процессов».

Мы в IncubeAi делаем такие боты как инженерную систему: база знаний и логика на вашей стороне, модель выбирается под требования к данным, эскалация и интеграции с CRM и 1С входят в контур, после сдачи есть сопровождение. Если процесс уже понятен, начните с разговора о нём — обсудить проект.

Источники

• Patrick Lewis и соавторы, «Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks», arXiv, 2020 год — определение RAG.
• Amazon Web Services, «What is RAG?» — объяснение подхода и типовых ошибок моделей без базы знаний.
• Команда Банки.ру, разбор внедрения RAG-бота, Хабр — стек, параметры и грабли production-проекта.
• Пользовательское соглашение GigaChat, пункт 8.7 — запрет на загрузку персональных данных третьих лиц.
• Yandex Cloud, страница соответствия 152-ФЗ — аттестат платформы и разделение ответственности с клиентом.
• Роскомнадзор, портал персональных данных — обязанность уведомления и формы по приказу № 180.
• ГАРАНТ.РУ, о согласии на обработку персональных данных с 1 сентября 2025 года.
• McCarthy Tétrault, разбор дела Moffatt против Air Canada — ответственность компании за ответы бота.
• Naumen, исследование «Эволюция диалогового ИИ», 14 октября 2025 года — объём рынка и прогноз.