Сайт с ИИ: как встроить интеллект в веб-проект

В 23:40 клиент спрашивает в чате, подойдут ли двери модели X для бани и есть ли они на складе в Казани. Раньше вопрос ждал бы утра, а утром менеджер ушёл бы искать ответ в трёх файлах и в 1С. Сейчас бот находит паспорт изделия, условия эксплуатации и остаток по складу, отвечает за 4 секунды и оставляет заявку с телефоном. Конверсия в звонок по таким диалогам оказалась не ниже, чем у живого оператора.

Создать сайт с ИИ в 2026 году — это не «прикрутить ChatGPT в уголке экрана». Работающая надстройка состоит из четырёх слоёв: база знаний о продукте, поиск по ней, модель и сценарии, которые передают разговор человеку в нужный момент. Если хотя бы одного слоя нет, получается красивый демо-бот, который через неделю пугает клиентов выдуманными ценами.

Сначала решите, какой сайт можно создать на ваших данных: каталог с поиском, справочник услуг или кабинет с расчётами. Каждый вариант тянет свой набор сценариев и свою смету, и универсального рецепта здесь нет. Ниже — три сценария, которые окупаются на реальных проектах, их цены, сроки и грабли. Отдельно разберу, что делать с галлюцинациями, где проходит граница между ботом и ИИ-агентом и когда внедрять ничего не надо.

Ключевые выводы

• Чат-консультант на базе знаний снимает 55–70% типовых обращений в поддержку и стоит 400–900 тыс. ₽ на старте, 15–60 тыс. ₽ в месяц на эксплуатацию.
• Семантический поиск по каталогу от 10 000 SKU снижает долю нулевых выдач на 40–60% и обходится в 300–700 тыс. ₽ за 4–7 недель.
• Один диалог через API с RAG-контекстом стоит 3–12 ₽; при 2 000 диалогов в месяц это 6–24 тыс. ₽ — дешевле одного часа работы оператора.
• Срок запуска первой версии с честной приёмкой — 5–9 недель: 1–2 недели на сценарии, 2–3 на базу знаний, 2–4 на разработку и тесты.
• Проект не окупается, если обращений меньше 300 в месяц: экономия не покрывает 15–60 тыс. ₽ ежемесячных расходов на модель и поддержку.
• Точность ответа ниже 85% на тестовом наборе из 100 вопросов — сигнал не запускать бота в прод.

Что реально значит «сайт с ИИ»: три слоя вместо магии

Определение простое: RAG — это генерация ответа с опорой на найденные фрагменты ваших документов, а не на память модели. Сайт получает вопрос, ищет похожие куски в базе знаний, подставляет их в промпт и просит модель ответить строго по этому тексту.

Слой первый — знания. Это не «закинуть прайс в модель». Нужны выгрузка карточек и характеристик, регламенты, история переписок поддержки, скрипты менеджеров. Мусор в базе даёт уверенные неверные ответы, поэтому 2–3 недели уходят именно на подготовку.

Слой второй — retrieval. Тексты режутся на фрагменты по 300–800 токенов, превращаются в векторы и кладутся в векторную базу вроде Qdrant или pgvector рядом с PostgreSQL. Поиск по эмбеддингам находит ответ там, где совпадает смысл, а не ключевые слова.

Третий слой — сценарии и передача человеку. Бот должен уметь сказать «уточню у менеджера», собрать контакты и не выдумывать сроки поставки. Объём работы здесь напрямую определяет, какой сайт создать: пять сценариев для лендинга услуг — это 2–3 недели, двадцать сценариев для магазина — все восемь. Как соотносятся бот со скриптами и полноценный ИИ-агент с доступом к системам, разобрано в статье ИИ-агент или чат-бот. Подробнее про архитектуру поиска — в материале RAG для бизнеса.

Чат-консультант: сценарии, которые приносят заявки

Боту стоит отдавать четыре типа обращений: подбор товара по параметрам, вопросы по доставке и оплате, статус заказа, работа с возражениями на первом шаге. Всё, что касается денег, сроков и гарантийных исключений, лучше переводить на человека.

Рабочий набор сценариев на старте — 8–12 штук. Больше не нужно: 70% диалогов закрывают пять из них. Каждый сценарий описывается как цель, обязательные вопросы, критерий эскалации и точка, где бот оставляет заявку.

Что подготовить до разработки

1. База знаний: карточки товаров, инструкции, условия доставки и возврата, ответы на 100 самых частых вопросов из переписок.
2. Разметка эскалаций: список фраз и ситуаций, при которых разговор уходит оператору.
3. Доступы: канал (чат на сайте, Telegram, MAX), CRM для заявок, система складских остатков.
4. Тестовый набор из 100 реальных вопросов с эталонными ответами — по нему считается точность.
5. Ответственный за базу знаний со стороны бизнеса: 3–5 часов в неделю на актуализацию.

Умный поиск и персонализация: где отдача выше

Семантический поиск окупается быстрее чат-бота, если каталог большой. Клиент вводит «что-то тёплое на балкон до 30 тысяч» и раньше видит пустую выдачу, потому что фильтры ищут совпадение слов. Векторный поиск находит товары по смыслу и добавляет к ним обычные фильтры. Именно так сайт ии начинает зарабатывать на тех запросах, которые раньше уходили в никуда.

Замер на одном из проектов: доля запросов без результатов упала с 18% до 6%, конверсия в корзину выросла на 22%. Разработка заняла 6 недель и стоила 480 тыс. ₽. Индекс перестраивается при изменениях каталога, это 8–25 тыс. ₽ в месяц за векторную базу и пересчёт эмбеддингов.

Персонализация — самый дорогой слой и самый долгий. Она требует сбора событий, профилей пользователей и A/B-тестов на живом трафике. Без 50 000 сеансов в месяц модель не обучится, а тесты не покажут достоверной разницы. Внедрение с ИИ в этом объёме тянет на 900 тыс. – 2,5 млн ₽ за 2–4 месяца.

Сколько стоит создать сайт с ИИ и как читать смету

Смета состоит из четырёх частей: разовые работы, инфраструктура, оплата модели и поддержка. Путаница возникает, когда подрядчик называет только первую. Отдельная строка — обмен с учётной системой: чтобы создать 1С-контур с остатками, ценами и заказами, нужен свой бюджет и срок.

Разработка ии — это ещё и постоянный расход на токены: он растёт вместе с числом диалогов. При среднем диалоге 1 200 токенов и цене модели 0,3–0,8 ₽ за тысячу токенов получается 0,4–1 ₽ на короткий ответ и до 12 ₽ на длинный разговор с контекстом. Ошибка в промпте, из-за которой в контекст попадает лишний документ, увеличивает счёт в 2–3 раза.

Как выбирать модель

Для русского языка на 2026 год рабочие варианты — YandexGPT и GigaChat, плюс открытые модели на своём сервере, если данные нельзя отдавать наружу. Локальный контур стоит 250–600 тыс. ₽ на железо и 40–90 тыс. ₽ в месяц на поддержку, зато снимает вопросы 152-ФЗ. Выбор между API и своим сервером — это не технический спор, а расчёт: оборот диалогов, требования к данным, готовность платить за GPU.

Границы применимости честные: если обращений меньше 300 в месяц или каталог обновляется раз в год, ИИ на сайте не окупится. Экономия не покроет 15–60 тыс. ₽ ежемесячных расходов, и проект останется дорогой игрушкой.

Ошибки, которые убивают проект на старте

1. Запускать без тестового набора вопросов. Точность измеряют на 100 реальных обращениях, а не на пяти придуманных.
2. Отдавать боту вопросы о ценах и сроках без сверки с 1С. Ответ «около 40 тысяч» при цене 47 900 ₽ — это возврат и потеря клиента.
3. Прятать кнопку оператора. Если человек не может дозваться живого менеджера за два клика, негатив обеспечен.
4. Экономить на разметке эскалаций. Бот, который спорит с клиентом, дороже отсутствия бота.
5. Забыть про обновление базы знаний. Через квартал устаревшие ответы составят 15–25% и точность просядет до 70%.

Отдельная зона риска — данные. Персональные данные клиентов, номера заказов и адреса нельзя бесконтрольно отправлять во внешнюю модель: нужны анонимизация, логирование и договор с вендором. Что проверять до запуска, собрано в материале безопасность ИИ-агента.

Частые вопросы

Сколько стоит ИИ-консультант на сайте?

Первый рабочий вариант — 400–900 тыс. ₽ и 5–9 недель. Чтобы создать сайта с ИИ-консультантом, придётся отдельно оплатить подготовку базы знаний: обычно 80–200 тыс. ₽. Ежемесячно добавляются токены (6–40 тыс. ₽), инфраструктура (8–30 тыс. ₽) и поддержка (25–80 тыс. ₽). Простая форма без ИИ стоит 30–80 тыс. ₽, но и обращений не закрывает.

Заменит ли ИИ-бот менеджеров?

Нет, он забирает рутину: подбор по параметрам, статусы, типовые вопросы. По нашей практике поддержка высвобождает 1–2 оператора из трёх, а отдел продаж тратит время на квалифицированные диалоги. Полностью без людей работает только узкая ниша вроде записи на услугу.

Насколько точно бот отвечает и что делать с выдумками?

На подготовленной базе знаний с RAG точность 85–93% на тестовом наборе. Выдумки лечатся четырьмя приёмами: ответ строго по найденным фрагментам, цитирование источника, отказ отвечать при низкой уверенности, передача оператору. Плюс еженедельный разбор неудачных диалогов.

Сколько диалогов выдержит бот?

Технически — тысячи в сутки, ограничение не в модели, а в бюджете на токены и в очереди к операторам. Реальный предел для одного канала — 3 000–5 000 диалогов в месяц без деградации ответов. Выше этого порога нужна прослойка из нескольких сценариев и база с более точной разметкой.

Нужен ли ИИ обычному сайту услуг?

Если у вас 10–20 обращений в неделю, хватит нормального FAQ и формы. ИИ имеет смысл при 300+ обращениях в месяц или каталоге от 1 000 позиций, где клиенты не находят нужное через фильтры.

Что делать дальше

Начните с аудита обращений: выгрузите 200 последних диалогов из CRM, разметьте их по темам и посчитайте, сколько закрыл бы бот. Это 3–5 дней работы и ноль рублей на модель — но именно эта таблица показывает, есть ли экономика. Дальше выбирайте один сценарий, а не три сразу, и запускайте пилот на одном канале. Когда контур заработает, тот же бэкенд и та же база знаний позволят создать приложения для iOS и Android: логика ответов переиспользуется, доплачивать придётся только за мобильный клиент.

Если хотите оценку по вашим данным, пришлите выгрузку обращений и описание каталога: посчитаем точность, сроки и бюджет по вашей ситуации и покажем, где ИИ не нужен. Подходящий стартовый формат — ИИ-агенты и чат-боты с пилотом на 5–9 недель. Параллельно стоит проверить, готова ли к нагрузке сама площадка: медленная выдача убивает и бота, и конверсию — что с этим делать, разобрано в материале скорость загрузки сайта.

Статья основана на практике проектов НейроДела и данных Яндекс Вордстата по кластеру «Разработка сайтов». Основной запрос материала — «создать сайт с ии» (3 087 показов в месяц). Если у вас другая ситуация — напишите, разберём.