Бот не отвечает на вопросы клиентов, хотя данные есть в прайсе, на сайте и в CRM. Показываю 5 причин сбоя и как это чинить — Марина Погодина, PROMAREN
Бот не отвечает, хотя ответ уже есть в вашем прайсе, на сайте и в CRM. Проблема обычно не в модели вроде ChatGPT или YandexGPT, а в том, что базе знаний бота не дали доступ к данным, структуру и правила обновления.
Обновлено: 06 мая 2026
Время чтения: 13 минут
- Почему бот не отвечает на вопросы клиентов
- Как понять, что боту не хватает базы знаний
- Как сделать, чтобы бот отвечал правильно
- Сколько стоит бот с базой знаний для бизнеса
- Что лучше: обычный бот или AI-бот с базой знаний
- Что ещё стоит учесть
Если бот не отвечает на вопросы, при том что данные уже есть в документах компании, причина почти всегда в архитектуре доступа к знаниям. В 80% случаев чинится не модель, а база знаний, поиск по данным и обновление источников.
Клиент пишет: «Доставка в Казань?». Бот отвечает: «Не могу ответить». Цена и условия лежат в трёх местах: прайс, сайт компании, CRM. Значит, вопрос не в том, что AI слабый. Вопрос в том, что ему не дали нормальный контур данных. Я строю такие решения от бизнес-цели, а не от ТЗ: если бот должен снижать нагрузку на поддержку и поднимать конверсию, он обязан видеть актуальные документы компании, а не угадывать ответ по общим знаниям.
Почему бот не отвечает на вопросы клиентов
База знаний бота — это набор подключённых источников, правил поиска и обновления, который даёт модели точный ответ на основе ваших данных.
Самая частая причина, почему бот не отвечает на вопросы клиентов, проста: ему нечего читать в момент запроса. Формально bot есть, окно чата есть, модель подключена. По факту прайс лежит отдельным pdf-файлом, сайт компании обновляется вручную, а CRM живёт своей жизнью. Бот не видит ни одного из этих слоёв или видит их частично.
В проектах PROMAREN это всплывает уже на первой диагностике. В 2025 и в апреле 2026 я несколько раз видела одну и ту же картину: бизнес купил «умного бота», но не описал, откуда брать ответ и как проверять его актуальность. В результате чат-бот не отвечает на вопрос по цене, наличию, доставке или срокам, хотя менеджер находит ту же информацию за 20 секунд.
Если бот не отвечает, сначала проверяйте не модель, а доступ к данным. AI-бот без подключённой базы знаний не знает ваш прайс, ваши условия доставки и ваши исключения по регионам.
Типовых поломок здесь пять:
- Прайс загружен как картинка или плохо распознанный PDF, поэтому поиск по данным не находит цену.
- Сайт компании подключён без нужных разделов, и бот не видит страницы с тарифами и FAQ.
- CRM (система учёта клиентов и сделок) не интегрирована, поэтому бот не понимает статус заказа, остатки или персональные условия.
- Нет RAG (подход, когда модель сначала ищет ответ в базе, потом формулирует его), и бот пытается отвечать «из головы».
- База знаний не обновляется после изменения прайса, акций или условий доставки.
Отдельная проблема — ожидания бизнеса. Руководитель думает: «мы поставили AI, значит он сам разберётся». Не разберётся. Даже в больших контурах уровня МТС или X5 сначала описывают источники данных, права доступа, контроль качества и маршрут эскалации. Только потом подключают модель. Иначе бот не отвечает на вопросы, которые для компании являются базовыми.
Отсюда следующий вопрос: как быстро понять, поломка уже в знаниях или пока только начинается.
Как понять, что боту не хватает базы знаний
Есть 4 симптома, по которым видно проблему ещё до жалоб продажников и поддержки.
Первый симптом — бот уверенно отвечает на общие вопросы и сыпется на конкретике. Например, может рассказать о доставке как процессе, но не говорит стоимость в Казань. Может описать услугу, но не назвать цену из прайса. Это прямой признак того, что база знаний для бота либо не подключена, либо подключена фрагментарно.
Второй симптом — ответы нестабильны. Сегодня бот находит нужный тариф, завтра на тот же вопрос пишет «не знаю». Такое бывает, когда документы компании загружены без структуры, а один и тот же ответ размазан между сайтом, несколькими файлами и заметками менеджеров. Модель получает слишком шумный контекст и выбирает пустой безопасный ответ.
Третий симптом я часто вижу в разборе уже после неудачного запуска: бот не видит информацию на сайте и в CRM одновременно. Вопрос клиента требует склейки двух источников. Например, цена лежит в документе, а наличие услуги по филиалу — в CRM. Если интеграция собрана наполовину, бот ломается именно на стыке.
Проверка занимает 1-2 дня, а не месяц. Достаточно взять 30-50 реальных запросов клиентов за последние 3 месяца и прогнать их через бота. Если точных ответов меньше 70% на типовых вопросах, база знаний бота собрана плохо. Если ниже 50%, запускать рекламу на такого бота опасно: он начнёт сжигать лиды.
- Соберите 30 частых вопросов из поддержки и продаж.
- Отметьте, где ответ есть: сайт, прайс, CRM, регламент, договор.
- Проверьте, видит ли бот каждый источник и умеет ли цитировать его.
- Сравните точность по пяти темам: цена, доставка, сроки, наличие, исключения.
- Посмотрите, когда бот передаёт диалог человеку и делает ли это вообще.
В компаниях с 50-100 обращениями в день ручная обработка повторяющихся вопросов легко съедает до 3 часов в день на сотрудника. При нормальной автоматизации стандартных запросов это время обычно сокращается примерно на 60%. Поэтому вопрос «почему ai бот не знает» — это уже не про технологию, а про прямые потери времени и конверсии.
После такой диагностики видно, что именно чинить: данные, поиск, маршруты или сами формулировки ответов.
База знаний для бота — это связка документов, сайта, CRM и правил поиска, которая даёт ответ по вашим данным, а не по общим знаниям модели. Если источник не подключён или устарел, бот будет молчать даже на вопрос из собственного прайса.
Как сделать, чтобы бот отвечал правильно
Сначала соберите контур знаний, потом подключайте модель. В обратном порядке вы получите красивый интерфейс с плохими ответами.
Когда меня спрашивают, как исправить ответы бота, я начинаю с инвентаризации. Нужны все источники, из которых бот должен брать ответ: прайсы, регламенты, страницы сайта, карточки товаров, статусы в CRM, шаблоны договоров, условия доставки. Дальше каждый источник оценивается по 3 критериям: актуальность, машиночитаемость, частота обновления.
Если бизнесу нужен быстрый пилот за 2-4 недели, подойдут Make или n8n. Они хороши там, где сценарий понятен, объём данных ограничен и риск ошибки умеренный. Если нужен надёжный контур с масштабом, логированием и контролем качества ответов, я рекомендую код. Это особенно критично, когда вопрос клиента влияет на оплату, юридические условия или SLA. За 16 лет в аудите и ИТ-рисках я привыкла смотреть туда, где процесс сломается на третьей неделе, а не в день демо.
Рабочая схема обычно выглядит так:
- Чистим источники: разбираем pdf-файл, убираем дубли, выносим таблицы и исключения в понятный текст.
- Строим базу знаний: делим данные на небольшие смысловые блоки, чтобы поиск находил точный фрагмент.
- Настраиваем поиск: бот должен брать 3-5 релевантных кусков и ссылаться на них в ответе.
- Добавляем интеграции: сайт, CRM, иногда ERP или склад.
- Обучаем маршрутизацию: типовые вопросы закрывает бот, спорные уходят оператору.
Если вам нужен AI-ассистент с базой знаний, ключевой вопрос не «какая модель стоит внутри», а «какие данные она получает в реальном времени». В марте 2026 в одном проекте после подключения актуального прайса и FAQ точность на типовых вопросах выросла с 43% до 81% без смены модели. Было 15 минут среднего ответа через человека. Стало меньше 2 минут на потоковых обращениях.
Отдельно проверьте эскалацию. Когда ai бот говорит «не знаю что делать», у него должен быть маршрут: передать чат менеджеру, сохранить вопрос, пометить проваленный сценарий в логе. Без этого вы не учите систему, а просто собираете раздражение клиентов.
Подход PROMAREN здесь прикладной: сначала бизнес-цель, потом архитектура, потом интерфейс. Иначе бот не отвечает красиво, но бесполезно.
Проведите диагностику на реальных 50 вопросах до запуска рекламы и трафика. Это экономит 2-3 месяца на переделку и показывает, где именно ломается поиск, база знаний или интеграция с CRM.
Сколько стоит бот с базой знаний для бизнеса
Диапазон бюджета для малого и среднего бизнеса обычно начинается от 100 000 рублей и доходит до 500 000 рублей. Дальше цена зависит от числа источников, интеграций и требований к качеству.
Здесь ошибка номер один — считать только стоимость сборки. На деле бюджет состоит из 4 частей: подготовка данных, разработка логики, интеграции, сопровождение. Если у вас хаотичный прайс, десятки PDF и несколько менеджеров правят условия вручную, большую часть времени съедает именно подготовка базы знаний бота.
В простом сценарии бот отвечает на 20-30 типовых вопросов, читает один прайс и несколько страниц сайта. Такой проект можно собрать за 3-6 недель. В более зрелом варианте добавляются CRM, персональные условия, история диалога, контроль качества и отчётность по проваленным ответам. Тогда срок легко уходит в 6-10 недель.
Экономика обычно сходится быстро. Если оператор тратит около 3 часов в день на повторяющиеся ответы, а бот снимает 60% этой нагрузки, экономия составляет примерно 1,8 часа в день на человека. При ставке 500 рублей в час окупаемость часто укладывается в 6-12 месяцев. Плюс компании нередко видят рост конверсии на 20-30%, потому что клиент получает ответ сразу, а не через 15 минут.
Я советую считать бюджет по сценарию, а не по модному слову AI. Например:
- Нужно отвечать на цены и сроки — хватит базы знаний и подключения сайта.
- Нужно учитывать клиента и сделку — потребуется интеграция с CRM и контроль прав доступа.
- Нужна надёжность на большом потоке — закладывайте код, мониторинг и тестовый контур.
- Нужны регулярные обновления прайса — добавляйте автоматический импорт и регламент проверки.
Для ориентира можно посмотреть подход к оценке бюджета автоматизации. А если интересует не разовый бот, а система знаний и ответов, у PROMAREN есть отдельное направление по AI-ассистентам.
Деньги здесь тратятся не на «умность». Деньги тратятся на снижение ошибок, скорость ответа и предсказуемость процесса.
Что лучше: обычный бот или AI-бот с базой знаний
Если у вас 10 жёстких сценариев и стабильные формулировки, обычный бот закрывает задачу дешевле. Если вопросов больше 30, формулировки плавают, а ответы лежат в разных источниках, нужен AI-бот с базой знаний.
Обычный сценарный бот хорошо работает там, где клиент нажимает кнопки: выбрать тариф, записаться, оставить заявку. Он предсказуем, дёшев и прост в тестировании. Но как только пользователь пишет свободным текстом «сколько стоит доставка образцов в Казань при заказе от 50 тысяч», дерево кнопок заканчивается.
AI-бот с базой знаний нужен, когда ответы надо искать, а не показывать по шаблону. Он умеет понимать вариации формулировок, искать фрагменты в документах и собирать ответ из нескольких источников. Именно поэтому вопрос «как сделать бота с ответами из документов» обычно приводит к RAG-архитектуре, а не к обычному конструктору сценариев.
Есть и границы. AI-бот не должен сам принимать спорные решения по скидкам, обязательствам или нестандартным условиям договора. В таких точках нужен либо строгий бизнес-правил движок, либо передача человеку. Так работают зрелые процессы и в больших компаниях, и в проектах, где цена ошибки выше стоимости внедрения.
Большинство провалов начинается после пилота, когда прайс уже обновился, а база знаний нет. Закладывайте автоматическое обновление источников и ежемесячную проверку 20-30 реальных запросов, иначе качество ответов начнёт падать незаметно.
По данным OpenAI, качество ответов модели сильно зависит от структуры контекста и инструкций, а не только от самой модели в документации по retrieval. У Yandex Cloud в материалах 2025-2026 по генеративным сервисам тот же вывод: ценность даёт подключение корпоративных данных и управляемый контур ответа в документации Yandex Cloud. Поэтому когда бот не отвечает, искать виноватого надо в архитектуре знаний, а не в кнопке «AI».
Проверьте 6 пунктов до следующего запуска или доработки бота:
- Есть ли единый список источников, из которых бот обязан брать ответы.
- Разобран ли каждый PDF и можно ли искать по его тексту.
- Подключены ли нужные разделы сайта, а не только главная страница.
- Интегрирована ли CRM и понимает ли бот, когда нужен контекст по клиенту.
- Настроена ли передача сложных вопросов человеку.
- Есть ли регламент обновления базы знаний после изменения прайса.
В апреле 2026 минимальный стандарт для бизнеса уже другой, чем в 2024: бот должен не просто «общаться», а работать с корпоративными данными в реальном времени. Рынок уходит от демо-ботов к прикладным помощникам, которые отвечают по базе, логируют ошибки и дообучаются на фактических вопросах.
Точка диагностики простая: если бот не отвечает на вопрос из вашего же прайса, проблема в доступе к знаниям, а не в отсутствии очередной модной модели. Исправляется это архитектурой данных, тестами на реальных вопросах и дисциплиной обновления.
Где ломается ценность бота для бизнеса
1. Бизнес теряет лиды в тот момент, когда клиент задаёт конкретный вопрос, а бот отвечает пусто. Самые дорогие провалы происходят на цене, сроках и доставке.
2. База знаний бота должна обновляться как операционный процесс. Один старый прайс рушит доверие быстрее, чем отсутствие бота.
3. Выбирайте инструмент по риску. Make и n8n ускоряют пилот, код даёт контроль и масштаб, а RAG-связка делает ответы проверяемыми.
Обо мне. Я — Марина Погодина, основательница PROMAREN. Раньше занималась аудитом ИТ-рисков в Большой четвёрке и проектах уровня ЦБ. Помогаю бизнесу в РФ строить автоматизацию кодом и на конструкторах.
Если ваш бот не отвечает на вопросы из прайса, разобрать вашу ситуацию можно на диагностике. Разбираю такие ситуации еженедельно в Telegram, MAX и других разборах по AI-ассистентам.
Что ещё стоит учесть
Почему бот не отвечает, если прайс загружен в систему?
Потому что самого факта загрузки недостаточно. Бот должен уметь читать файл, разбивать его на смысловые блоки и находить нужный фрагмент по запросу клиента. Если PDF загружен картинкой или без индексации, ответ не будет найден.
Можно ли подключить базу знаний для бота к CRM?
Да, можно, и для многих сценариев это обязательно. Подключение к CRM нужно, когда ответ зависит от статуса сделки, истории клиента, наличия товара или персональных условий. Без этой интеграции бот отвечает только общими фразами.
Что делать, когда чат-бот не отвечает на вопрос по цене?
Сначала проверьте, где хранится актуальная цена. Затем убедитесь, что бот видит этот источник, а не старую копию прайса. После этого протестируйте 10-15 вариантов формулировок вопроса и добавьте эскалацию на менеджера для спорных случаев.
Как понять, что база знаний бота устарела?
Это видно по расхождению между ответом бота и ответом менеджера. Если в течение недели появляются 3-5 ошибок по ценам, срокам или доставке, база знаний уже требует обновления. Проверять такие сценарии лучше по реальным диалогам, а не по придуманных тестам.
Подойдёт ли обычный бот без AI для бизнеса?
Да, если сценарии жёсткие и короткие. Обычный бот хорошо работает для записи, заявок, выбора услуги и ответов по кнопкам. Когда клиенты пишут свободным текстом и ждут ответ из документов, нужен AI-бот с базой знаний.
Как часто нужно обновлять базу знаний для бота?
Обновлять нужно каждый раз после изменения прайса, условий доставки, ассортимента или регламентов. Для активного бизнеса этого может требоваться ежедневно. Минимум раз в месяц стоит делать контрольный прогон по 20-30 реальным вопросам клиентов.
Почему AI-бот не знает информацию с сайта компании?
Обычно потому, что сайт не подключён как источник знаний или подключён частично. Часто индексируется только часть страниц, а тарифы и FAQ остаются вне контура поиска. В таком случае модель не врёт, а честно сообщает, что данных у неё нет.
Сколько времени занимает запуск бота с базой знаний?
Простой проект обычно занимает 3-6 недель. Если нужно подключать CRM, несколько документов, логику эскалации и контроль качества, срок вырастает до 6-10 недель. Основное время уходит на подготовку данных и тестирование ответов.