Что такое нейронная сеть и где её уже применяет бизнес
Заявка с Авито пришла в пятницу вечером, менеджер увидит её в понедельник, а клиент к тому времени купит у соседа. Нейросеть закрывает эту дыру, но только если понимать, что она умеет и где ломается. Ниже: как она устроена, какие задачи ей отдавать, сколько это стоит по силам и данным и как запустить пилот, не сжигая бюджет.
- Нейросеть учится на примерах. Правила за неё никто не прописывает: она сама подбирает внутренние коэффициенты (веса), пока ответы не совпадут с правильными.
- По данным обследования, 66% российских компаний, которые используют ИИ, работают с визуальными данными, более трети обрабатывают текст и речь (НИУ ВШЭ).
- Главный барьер внедрения у 58% организаций: высокие затраты.
- У наших клиентов в продажах узким местом оказывалась первая линия. Менеджеры тратили день на переписку вместо сделок.
- Пилот начинают с одного процесса, одного KPI и тестового набора реальных диалогов.
Что такое нейронная сеть простыми словами?
Нейронная сеть – это программа, которая учится находить закономерности на примерах и затем применяет их к новым данным: распознаёт речь, классифицирует заявку, отвечает клиенту. Правила «если А, то Б» для неё никто не пишет. Она выводит их сама из тысяч разобранных случаев.
Внутри всё устроено проще, чем звучит. Искусственный нейрон получает на вход несколько чисел, умножает каждое на свой коэффициент, складывает и передаёт результат дальше. Коэффициенты называют весами нейронной сети. Нейроны собраны в слои: первый принимает сырые данные (буквы, пиксели, звук), последний выдаёт ответ, а промежуточные постепенно вытаскивают из входа всё более сложные признаки.
Обучение выглядит так. Сети показывают обучающую выборку: тысячи примеров, где правильный ответ уже известен. Например, сообщения клиентов с пометкой «хочет записаться на тест-драйв» или «спрашивает цену». Сеть угадывает, сверяется с правильным ответом и чуть подкручивает веса в сторону, где ошибка меньше. После миллионов таких подкруток она начинает угадывать верно и на сообщениях, которых никогда не видела. Весь этот класс методов называют машинным обучением, а нейросети в нём стали основным инструментом.
Разницу с обычной программой проще показать на конкретном сообщении. Скрипт с жёсткими правилами ищет слово «цена». Клиент пишет «сколько отдадите?», и скрипт молчит. Нейросеть понимает, что это тот же вопрос, потому что видела тысячи похожих формулировок. В разговоре её часто зовут «нейронкой», устройство от этого не меняется.
Для бизнеса нейросети удобно делить по типу данных, с которыми они работают:
- Компьютерное зрение разбирает фото и видео: проверяет товар на брак, распознаёт номер авто, считает людей в зале.
- Обработка естественного языка понимает и пишет тексты: переписка с клиентами, разбор договоров, ответы на вопросы.
- Распознавание речи переводит звонки в текст, после чего их можно анализировать.
- Предиктивные модели прогнозируют спрос, отток и вероятность сделки по истории продаж.
- Генеративный ИИ создаёт новый контент: ответ клиенту, описание товара, сводку по звонку.
Последние два класса часто путают. Предиктивная модель отвечает на вопрос «сколько продадим в марте», генеративная пишет письмо поставщику. Деньги в них зарабатываются по-разному, и подрядчиков под них тоже нужно искать разных.
Как нейросеть превращает заявку в действие?
Цепочка состоит из пяти звеньев: сообщение клиента, распознавание намерения, ответ, запись в CRM и передача человеку. Ломается обычно третье или четвёртое звено, и сама нейросеть тут редко виновата.
Например, клиент пишет в чат на Авито: «Добрый вечер, а Камри ещё в продаже? Можно в субботу посмотреть?»
- Вход. Текст приходит через интеграцию с площадкой. Если это голосовое сообщение или звонок, его сначала прогоняет распознавание речи.
- Намерение. Модель определяет два намерения сразу: проверка наличия и запись на осмотр. Заодно извлекает сущности: модель авто и день недели.
- Действие. Система сверяется с остатками в учётной системе и свободными слотами. Без этой связки нейросеть пообещает машину, которую продали вчера.
- Ответ и фиксация. Клиент получает подтверждение и уточняющий вопрос про время, в amoCRM или Битрикс24 появляется сделка с заполненными полями.
- Эскалация. Если клиент спрашивает про трейд-ин своего авто с ДТП в истории, разговор уходит менеджеру с кратким резюме.
Скорость первого ответа решает больше, чем кажется. По нашим данным, в московском автосалоне после подключения ИИ-продавца время первого ответа сократилось до 15 секунд, раньше было от нескольких минут до нескольких часов. Конверсия входящих заявок в запись на визит выросла с 15% до 35%.
Нейросеть без доступа к остаткам, ценам и календарю работает как вежливый автоответчик. Половина бюджета пилота обычно уходит на интеграцию, поэтому закладывайте её в план с первого дня.
Где бизнес уже применяет нейросети: 66% работают с изображениями
В российских компаниях, которые используют ИИ, чаще всего встречается обработка визуальных данных, за ней идут поддержка решений и работа с текстом и речью. Анализ НИУ ВШЭ основан на обследовании свыше 15 тыс. крупных и средних организаций — пользователей ИИ (НИУ ВШЭ).
По функциям картина такая: более половины компаний применяют ИИ в маркетинге и продажах, в производстве и услугах либо в управлении персоналом (НИУ ВШЭ). Продажи давно перестали быть экспериментальной зоной.
Принято считать, что ИИ приходит в компанию, чтобы сократить людей. Это верно, но не до конца. О снижении численности работников из-за ИИ заявили 15% организаций, а 63% вообще не заметили влияния на штат (НИУ ВШЭ). Зато около половины отметили рост качества процессов, а более трети сообщили о росте доходов и числа клиентов.
ИИ пока чаще добавляет выручку, чем режет фонд оплаты труда.
По малому бизнесу сопоставимой статистики я не нашёл, ни у ВШЭ, ни у других открытых источников по России. Цифры выше относятся к крупным и средним компаниям, и переносить их на клинику из трёх кабинетов стоит с поправкой.
Какие задачи лучше отдать ИИ-продавцу?
ИИ-продавцу отдают первую линию: быстрый ответ, квалификацию, подбор и фиксацию заявки. Переговоры, возражения и закрытие сделки остаются за человеком, и на этом держится вся экономика внедрения.
Типичная ситуация: отдел продаж жалуется на «плохие лиды», руководитель меняет подрядчика по рекламе, а потом выясняется, что половину обращений никто не открыл вовремя. Менеджеры заняты перепиской с теми, кто спрашивает часы работы, и до горячих клиентов доходят к вечеру.
По нашим наблюдениям в трёх проектах, узким местом была пропускная способность первой линии: менеджеры фактически работали операторами переписки. Задачи, которые стоит с них снять:
- Квалификация лида. Бюджет, сроки, модель или услуга, способ оплаты. Менеджер получает клиента с заполненной карточкой.
- Ответы на типовые вопросы. Наличие, адрес, график, условия доставки и рассрочки.
- Подбор товара. По параметрам из диалога плюс выгрузка из каталога.
- Фиксация заявки. Запись на визит, сделка в CRM, напоминание клиенту.
- Эскалация. Нестандартный запрос, раздражённый клиент, торг по цене уходят человеку сразу, с историей диалога.
У наших клиентов в автосалоне с пробегом (проект с сентября 2025 по июль 2026) конверсия чата на Авито в контакт клиента выросла с 35–40% до примерно 50% за первые 2–3 месяца. Выдача автомобилей на одного менеджера выросла с 11 до 17 в месяц, после того как первичную переписку забрал ИИ-продавец. Выручка за апрель–июнь 2026 выросла на 30,5% год к году при стагнирующем рынке. ИИ-продавец там подключён к карточке каждого автомобиля и отправляет покупателю отчёт по истории машины, сопровождая его пояснениями по ключевым пунктам.
Отдельная история с соцсетями и рекламой по кодовому слову. По нашим данным, в московском агентстве недвижимости (проект с апреля по сентябрь 2026) один ролик давал до 300 комментариев за несколько часов, больше, чем менеджер успевает разобрать за рабочий день. Значительная часть обращений приходила вечером, ночью и в выходные. До внедрения до брокеров доходила только часть обращений, после стали обрабатываться 100% входящих диалогов, а первый ответ приходит в течение минуты вместо нескольких часов или суток.
Как нейросеть помогает закупкам и контролю качества?
В закупках нейросеть прогнозирует спрос, ищет отклонения и даже сама ищет поставщиков. В контроле качества она прослушивает все звонки и проверяет их по чек-листу, тогда как руководитель вручную успевает выборочно 2–3 разговора.
Прогноз спроса. Предиктивная модель смотрит на историю продаж, сезонность, акции и остатки и подсказывает, что и в каком объёме дозаказать. Для селлера маркетплейса это разница между дефектурой в пик и замороженными деньгами на складе. Работает только при истории продаж хотя бы за пару сезонов, на трёх месяцах данных модель будет гадать.
Поиск отклонений. Резкий рост цены у поставщика, нетипичная скидка менеджера, всплеск возвратов по одной позиции. Нейросеть замечает их в потоке, где человек видит только итоговую таблицу.
Активный поиск товара. По нашим данным, в том же автосалоне с пробегом работает второй агент, ИИ-байер: он сам пишет продавцам автомобилей на Авито и предлагает поставить машину на комиссию. Задача та же, что у ИИ-продавца, только развёрнута в сторону входящего товара.
Контроль качества звонков. Цепочка выглядит так: распознавание речи переводит звонок в текст, обработка естественного языка сверяет его с чек-листом. Поздоровался ли менеджер, выяснил ли бюджет, предложил ли следующий шаг, не нахамил ли. Сервисы речевой аналитики помечают нарушения стандартов и собирают статистику по каждому сотруднику.
Чек-лист для речевой аналитики пишите из 7–10 пунктов, которые реально влияют на сделку. Список из 40 критериев даёт красивый отчёт, который никто не читает, и менеджеров, которые учатся угождать алгоритму вместо клиента.
