Что на самом деле значит «rule-based»

Rule-based chatbot построен на логике «если-то-это», написанной человеком заранее. Клиент пишет «часы» → бот отвечает «Мы открыты 9-5 пн-пт.» Клиент пишет «вы открыты» → бот не распознаёт фразу и откатывается к общему «Я не понял.» Это честная версия. Маркетинговая версия называет это «продвинутый интеллект дерева решений». То же самое. Rule-based боты предсказуемы, быстры и дёшевы для запуска первых 20 вопросов. Они ломаются на масштабе, потому что человеческий язык не укладывается в ветви. Клиент может спросить «во сколько вы закрываетесь в субботу?» пятьюдесятью разными способами — «часы субботы», «закрытие на выходных», «вы открыты в эти выходные», «у меня вопрос по выходным» — и rule-based боту нужна явная ветвь для каждой формулировки. После первых нескольких сотен ветвей каждое изменение рискует сломать пять других вещей, и нагрузка по поддержке съедает всё, что вы сэкономили на запуске. Если у вашего бизнеса 5–10 вопросов покрывают 90% сообщений клиентов, rule-based работает нормально. Дальше — разваливается.

Что на самом деле значит «AI»

AI chatbot построен на большой языковой модели — системе AI, обученной на огромных объёмах текста и научившейся, как работает язык в целом. Ему не нужны явные ветви. Он читает сообщение клиента, понимает, о чём вопрос, и пишет ответ на естественном языке. Для бизнес-использования AI chatbot почти всегда требует RAG — техники, позволяющей боту читать ваш конкретный контент (сайт, FAQ, документы) перед ответом, чтобы он говорил о ваших ценах, а не общих. Без RAG AI chatbot выдумывает. С RAG отвечает из вашего контента. Честная слабость AI chatbot: они могут галлюцинировать. Даже с RAG бот AI иногда генерирует уверенно звучащий неверный ответ — особенно когда ваш контент не покрывает то, о чём реально спрашивает клиент. Для большинства вопросов это нормально. Для вопросов с высокими ставками (юридически обязывающие цены, медицинские советы, регуляторные раскрытия) изредка уверенно звучащие неверные ответы — это проблема.

Что на самом деле значит «гибрид»

Гибридный chatbot использует правила для небольшого набора ответов с высокими ставками и AI для всего остального. Архитектура простая. Бот сначала проверяет, подходит ли вопрос клиента под правило. Если да — «какой у вас адрес?», «сколько стоит базовый план?» — бот возвращает точный заранее написанный ответ. Детерминированно. Никакого риска, что AI придумает другое число. Если ни одно правило не подходит, AI берёт верх и отвечает на основе вашего более широкого контента. Вы получаете предсказуемость правил там, где это важно (цены, контактная информация, бронирование, регуляторные раскрытия), и гибкость AI там, где не важно (разговорные вопросы, длинно-хвостные вопросы о товаре, follow-ups). Для большинства бизнесов гибрид — правильный ответ. Это также упрощает мониторинг AI-стороны: где точность важнее всего, вы её уже покрыли правилами.

Дерево решений: какой тип подходит вам?

Пять вопросов. Паттерн ваших ответов укажет на правильный тип.

  1. Насколько предсказуемы вопросы клиентов? Если 90% попадают в 10–20 категорий и редко отклоняются — rule-based может хватить. Если вопросы сильно варьируются по формулировке или теме — нужен AI.
  2. Какова цена неверного ответа? Если неверный = «клиент слегка запутался, переспросит» — AI один справится. Если неверный = «клиенту выставили неверную сумму и он подал chargeback» — нужны правила для этих конкретных ответов.
  3. Как часто меняется ваш контент? Ежедневно — выигрывает AI с авто-переиндексацией. Раз в год — правила успевают.
  4. Регулируется ли ваша отрасль по точности? Медицина, право, финансы — гибрид с упором на правила — безопасный выбор. Гостеприимство, e-commerce, услуги — обычно работает чистый AI.
  5. Есть ли у вас тот, кто будет мониторить и настраивать бота? AI требует периодического ревью логов разговоров и обновлений контента. Если никто этим не займётся — склоняйтесь к правилам. Если ваши ответы смешанные — а обычно они смешанные — гибрид и есть ответ.

Реальные примеры по отраслям

Паттерны, которые повторяются. Медицинская клиника. Гибрид, упор на правила. Часы, цены, адрес, поток бронирования → правила. Биографии врачей, описания процедур, принимаемые страховки → AI, со строгой передачей человеку для любого вопроса о симптоме или диагнозе. Неверные ответы по медицинским советам — опасная категория, поэтому бот настроен отказаться, а не угадывать. Отель или гостеприимство. С уклоном в AI. Большинство вопросов («есть ли бассейн?», «завтрак включён?», «что рядом?») — разговорные и с низкими ставками. Неверный ответ про часы бассейна поправим. Тарифы и бронирование → правила; всё остальное → AI. Юридическая фирма. Гибрид с упором на правила. Бот в основном собирает данные первичного приёма (тип дела, срочность, контакты) через rule-based поток, AI — только для общих вопросов «работаете ли вы с делами типа X». Всё, что похоже на юридический совет, жёстко зашито на отказ и маршрутизацию к юристу. E-commerce. С уклоном в AI. Вопросы о товаре («есть размер 12?», «можно мыть в посудомойке?») хорошо работают с AI, читающим каталог. Возвраты, доставка, статус заказа → правила, привязанные к вашей письменной политике. Ресторан. Чистый AI обычно подходит. Меню, часы, бронирования, диетические вопросы — все с низкими ставками и хорошо подходят для гибких ответов AI со страниц меню и политики.

Различия в стоимости со временем

Форма расходов каждого типа удивляет бизнесы больше всего. Rule-based дешевле всего запустить и дороже всего поддерживать. Каждый новый вопрос клиентов требует разработчика или администратора, чтобы написать новую ветвь. После первого года rule-based бота часы поддержки обычно превышают изначальную стоимость постройки. Чистый AI имеет более высокую стоимость запуска (вы платите комиссию платформы, $30–500/мес в зависимости от объёма), но очень низкую поддержку. Когда меняется контент, бот обновляется автоматически. Скрытая стоимость — мониторинг: вам стоит ревьюить логи разговоров минимум раз в месяц, чтобы ловить галлюцинации и пробелы. Гибрид располагается посередине по обеим осям. Запуск чуть дороже rule-based (нужны обе системы), месячная стоимость близка к чистому AI (за AI вы всё равно платите) и наименьшая суммарная стоимость за 2+ года для большинства бизнесов — потому что правила поглощают трафик с высокими ставками, а AI поглощает длинный хвост без ручного написания правил. Если смотреть только на месячный счёт — rule-based выглядит самым дешёвым. Если смотреть на суммарную стоимость за два года, включая часы поддержки — гибрид почти всегда побеждает.