Сейчас многие говорят про ИИ-сотрудников, но обычно имеют в виду просто бота в Telegram. Объясни, что именно ты называешь ИИ-сотрудником в контексте GetCourse?

Это путаница в терминах. То, что часто называют «ИИ-сотрудником», это по сути просто узкие GPT-агенты: один пишет тексты, другой анализирует ЦА, третий ещё что-то — набор инструментов под отдельные функции. Мой ИИ-сотрудник — это обученная сущность, которая самостоятельно работает внутри GetCourse, например, в роли сотрудника техподдержки (но не только), встроена в процессы и действует как член команды. Мы его один раз создаем, а дальше он стабильно работает в системе, а не ждёт, пока ему вручную будут ставить задачи, в отличие от агента, который для корректной работы ждёт конкретных запросов.

Я давно ушёл дальше «демо-ботов» с заведомо заготовленными ответами и сейчас решаю системные задачи клиентов прямо в их среде. Поэтому да, у большинства — ИИ-инструменты, у меня — ИИ-сотрудники, потому что это встраиваемые роли в реальный бизнес-процесс на платформе.

Пример с вебинарами. Агент будет ждать явного «хочу купить». А ИИ-сотрудник считывает поведение пользователя: сообщения, реакции, «плюсы/минусы», время удержания. Он оценит теплоту лида, заметит, что человек вовлекался, но отвлёкся (например, ушёл с вебинара), и подаст сигнал — инициирует корректное касание с учетом поведения. Это не «ещё один бот», это процессная роль, встроенная в воронку.

Как ты пришел к их интеграции именно в GetCourse?

Я изначально ориентировался не на «нейросеть ради нейросети», а на реальную боль бизнеса: в GetCourse много входящих и на них надо быстро и по делу отвечать. И здесь нужен не просто инструмент, а целая инфраструктура, которая забирает вопрос из GetCourse, обрабатывает и возвращает ответ назад. С этого и началась архитектура моего продукта.

Какие первые результаты внедрения ты видишь на проектах?

Очень наглядно сейчас результаты показывают отчёты по ответам в техподдержке. ИИ-сотрудники отвечают быстро, вдумчиво, пошагово и часто тщательнее, чем человек; пользователи благодарят, им нравится.

Когда смотришь аналитику и видишь, что нейросеть за день дала 25, 50, 100 и даже 230 ответов, умножаешь на ~5 минут на один ответ, которые бы уделил живой человек, и понимаешь, сколько часов жизни команда не тратила на рутину. Это уже решенная мной задача, которую можно воспроизводить из проекта в проект. Это чистая автоматизация действий, и её приятно видеть в цифрах. Ну и пользователи довольны, что им оперативно отвечают, общаются всегда исключительно вежливо и готовы тратить на них сколько угодно времени.

Параллельно работаю над настройкой «вебинарщика»: из «просто отвечаю на конкретные вопросы» он уже вырос в роль, которая может оценивать теплоту лида, вовлекать и поддерживать продажи во время эфира. Но здесь пока большая «зона неизвестного»: на вебинарах люди часто пишут не вопросы, а какие-то отдельные реплики («мне 55, и я свободен») — системе нужно научиться корректно реагировать и оценивать. Таких кейсов рынок не видел — иду первым, прокладываю путь и разбираю сложности по мере появления.

Есть результаты и организационные: где-то после запуска пересобрали функции отдела продаж — часть задач ушла, часть людей перевели на другие роли или даже сократили. Параллельно с этим вижу и растущее сопротивление менеджеров: «он продаёт не так», «он заберёт часть клиентов, а значит и мой процент». Это нормальная реакция, я могу её понять, но подобный прогресс с применением нейросетей неизбежен, и лучше возглавить его, чем пытаться избежать

А дальше есть пространство для масштабирования и появления у ИИ-сотрудника новых функций? Или на текущем уровне — это предел его развития? Какую перспективу ты видишь или уже знаешь?

Сейчас только начало. Перспектива точно есть. Из ближайшего, чего стоит ожидать:

— «Первая линия» на сайтах, которая забирает людей в диалог и ведёт дальше.

— Телеграм-сотрудник — полноценная роль внутри чат-ботов. — Маркетолог как отдельная сущность — не инструмент, а «живущая» роль в системе.

Дальше:

— Голос и видео. Реалистичные созвоны, когда «не отличишь от человека», — это вопрос ближайшего года-двух. Уже идут тесты формата «вы пишете текстом, а система отвечает голосом или видео в онлайне». Масштабирование туда неизбежно.

— «Бот полного цикла»: система сама смотрит на ваши данные, тестирует гипотезы, перестраивает этапы воронки, меняет вопросы, строит варианты под разные сегменты ЦА и учится лучше продавать. В идеале — вы говорите: «Вот новый курс, вот гипотезы и аудитории», а он берёт и продаёт. К этому идём.

Какие ошибки чаще всего совершают школы, когда пытаются внедрять ИИ-сотрудника сами?

Самая частая — пытаться засунуть в нейросеть всё подряд — видео, инструкции, скрипты — и ожидать, что она всё переварит, станет умнее и начнет самостоятельно действовать. Так не работает. ИИ-сотруднику нужны правильная настройка и обучение.

Вторая ошибка — ожидать, что нейросеть, как часть техподдержки, начнёт писать первой и сама продавать. Но саппорт не инициирует диалоги, он отвечает на входящие; проактивное поведение — зона маркетинга, в GetCourse для этого уже есть штатные инструменты. Не надо натягивать нейросеть туда, где работают другие механики.

Люди ждут «волшебную кнопку», которую можно нажать, чтобы ИИ прочел мысли и всё сделал идеально. Это вера в «условного бога». В реальности нужен нормальный онбординг как у живого сотрудника: инструкции, регламенты, понятные границы ответственности. Хорошая новость — 90% этих инструкций уже универсальные: выбираем подходящее под конкретную школу, и остаётся 10% — докрутка под редкие кейсы и хотелки.

Страх «бот будет нести ерунду» встречается часто?

Я это вылечил ещё на релизе продукта. В ИИ-сотрудника заложен механика AnswerUnknown: если информации недостаточно или возникает ситуация, в которой запрещено задавать ответы, то система не отвечает «от себя», а корректно сигнализирует, что необходимо вмешательство человека. Это лучше, чем уверенно генерировать чушь. Поэтому кейс «бот несёт ерунду» — это не норма, а сигнал того, что настроено неправильно.