Как научить нейросеть отвечать на вопросы вместо техподдержки и кураторов

Можно ли доверить искусственному интеллекту общение со студентами онлайн-школы? Александр Воздвиженский, директор клуба GetMechanic и технический специалист GetCourse, показал, как связка GetCourse + ChatGPT уже сегодня заменяет кураторов и техподдержку. На примере рабочих схем и реальных кейсов он объяснил, как нейросеть отвечает на вопросы внутри платформы, персонализирует ответы, вызывает человека при необходимости и снижает затраты в несколько раз.

Возможности нейросетей на GetCourse

Если ещё год назад идея подключить нейросеть прямо к GetCourse казалась экспериментом, то сегодня она уже реализована. Теперь нейросеть может перехватывать входящие сообщения пользователей и отвечать на вопросы внутри самой платформы, без участия кураторов или службы поддержки.

Ответы на входящие сообщения

Первое, что стало возможным, — это автоматические ответы на запросы во вкладке «Входящие». Пользователь пишет сообщение, и бот отвечает прямо в интерфейсе GetCourse.

Система поддерживает все каналы связи, подключённые к платформе: Telegram, ВКонтакте, WhatsApp* и другие. Школа может выбрать, где именно бот будет активен: только во входящих, только в Telegram или сразу во всех каналах.

Можно задать и имя отправителя. В некоторых проектах, например эзотерических школах, бот отвечает не от собственного имени, а от имени эксперта, сохраняя личный тон общения. Кроме того, администратор выбирает, в каких разделах бот работает, а в каких нет. Это позволяет гибко разграничивать зоны ответственности между людьми и нейросетью.

Разные ответы на один и тот же вопрос

Нейросеть анализирует состояние пользователя и отвечает по-разному на один и тот же вопрос — в зависимости от сегмента. Это особенно удобно для онлайн-школ, где условия часто меняются: до вебинара одна цена, после — другая.

Александр Воздвиженский показал это на примере вебинара «Как гладить котика». До начала эфира бот сообщает, что запись стоит 900 рублей. После завершения вебинара тот же запрос получает другой ответ: 2 000 рублей. Если пользователь возражает («но раньше было 900»), нейросеть объясняет: «Ранее цена составляла 900 рублей, но после завершения вебинара она увеличилась до 2 000».

GetCourse позволяет создавать собственные сегменты пользователей: по дате участия, статусу оплаты, активности и другим параметрам. Нейросеть ориентируется именно на эти сегменты, а не на внешние базы. Это открывает широкие возможности для персонализации: один и тот же вопрос может получать десятки вариантов корректных ответов, в зависимости от контекста общения.

Персонализация через дополнительные поля

Следующий уровень — использование данных из анкет и карточек пользователей. Нейросеть может опираться на любые дополнительные поля, которые школа решит передать: имя, интересы, хобби, цели, раздражающие факторы и даже мечты.

Воздвиженский продемонстрировал, как это работает. В анкете указано: «Александр», «любимое животное — котик», «мечта — жить у моря в Сочи», «хобби — шахматы», «раздражает — очередь в магазинах».

На вопрос «Запись будет?» бот отвечает: «Привет, Александр! Да, запись будет. Кстати, рекомендую курс “Как гладить котика” — он поможет лучше понимать питомца и подарит то самое спокойствие, о котором ты мечтаешь, сидя у моря в Сочи. А ещё избавит от раздражения, как будто больше не стоишь в очереди».

Нейросеть сама связывает разрозненные данные в логичное обращение, создавая ощущение личного диалога. При этом школа может выбрать, какие поля передавать. Искусственный интеллект необязательно использует все данные — он способен определить, что уместно в конкретном ответе.

Если нужно, чтобы он учитывал определённое поле, это можно закрепить дополнительной инструкцией в промпте.

Вызов человека

Даже при высокой автоматизации часть ситуаций требует участия специалиста. Нейросеть умеет определять такие случаи и «звать» человека.

Когда бот получает сообщение вроде «позови человека» или сталкивается с вопросом, который выходит за рамки базы знаний (например, оформление возврата, выписка счёта или изменение сертификата), он создаёт задачу в GetCourse.

Под капотом запускается системный заказ «Позвать техподдержку», который можно связать с любым процессом: уведомлением в Telegram, постановкой задачи менеджеру или внутренним уведомлением.

Школа сама задаёт, в каких случаях это происходит. Если бот не уверен в ответе, он может вежливо написать: «Мне нужно немного времени», — и автоматически вызвать специалиста.

Таким образом, нейросеть не заменяет живого человека, а берёт на себя повторяющиеся запросы, сохраняя при этом возможность передать диалог оператору.

Как работает схема GetCourse + FileBrain + ChatGPT

Под капотом автоматических ответов — связка трёх систем: GetCourse, модуля «Воронки» (Refunnels) и сервиса FileBrain.pro.

GetCourse служит точкой входа: именно здесь пользователь пишет сообщение. Модуль «Воронки» внутри платформы обрабатывает входящие данные и передаёт их в FileBrain вместе с инструкцией, как должен быть составлен ответ. FileBrain обращается к OpenAI, получает результат и возвращает готовый текст обратно в «Воронки». Оттуда ответ снова уходит в GetCourse — и пользователь видит его в чате.

Этот цикл занимает всего несколько секунд. Александр Воздвиженский отмечает, что среднее время отклика — 3–5 секунд, при этом каждый раз система проходит полный путь: вопрос пользователя → модуль «Воронки» → FileBrain → OpenAI → ответ.

Как собрать схему пошагово

Как настроить на стороне GetCourse

Первым делом создаётся отдельный сотрудник, которому разрешено работать со входящими сообщениями. Это важно для корректной маршрутизации диалогов и фиксации ответов.

Рекомендуется задать аватарку, имя и должность — так проще отслеживать, от кого пришёл ответ. В поле «Фамилия» можно прописать должность, чтобы она всегда отображалась, например: Гарик, агент техподдержки.

Далее в разделе прав нужно отметить галочку «Может работать со входящими сообщениями».

Кроме того, стоит убедиться, что приложение GetCourse включено и отображается ученикам. Воздвиженский вспоминает случай, когда из-за отключённого статуса система не работала и команда потратила 3 часа на поиск причины.

Настройка FileBrain.pro

Следующий шаг — регистрация на сайте FileBrain.pro.

После регистрации создаётся новый проект: задаётся название и вставляется API-ключ от OpenAI или российского прокси-сервиса ProxyAPI.ru.

FileBrain управляет базой знаний и формирует стабильные ответы на основе этих данных. Для запуска достаточно одного примера — вопроса и ответа.

Например:

• вопрос: «Запись будет?»
• ответ: «Да, запись будет».

После этого нужно скопировать API-ключ из личного кабинета и Project ID из адресной строки проекта. Этого достаточно, чтобы связать FileBrain с GetCourse.

Александр Воздвиженский подчёркивает: все настройки промпта уже прописаны по умолчанию. В сервисе заранее выставлены оптимальные параметры: «температура», память и другие значения, при которых нейросеть стабильно выдаёт корректные ответы.

Подключение модуля «Воронки»

Чтобы интеграция заработала, в GetCourse нужно активировать модуль «Воронки» (Refunnels). Если он не включён, достаточно открыть левое меню Apps → Приложения, найти «Воронки» и установить модуль.

После этого подключается плагин FileBrain Pro. В поля модуля вставляются API-ключ и Project ID из FileBrain, выбирается созданный сотрудник, от имени которого будет отвечать бот. Поле Prompt можно оставить пустым — все настройки уже встроены.

Затем копируется готовая схема воронки, вставляется в модуль и активируется. Обязательно выбирается сегмент пользователей, через который будет работать бот.

Если после настройки остаются вопросы, Александр Воздвиженский предлагает обратиться в телеграм-группу поддержки FileBrain.pro, где можно получить консультацию по подключению и использованию.

Частые ошибки при внедрении

Главное, что подчёркивает Александр Воздвиженский: нейросеть не создаёт новое — она ускоряет уже существующие процессы. Это инструмент автоматизации, а не замена команды или волшебная кнопка, которая всё сделает сама.

Ошибка 1. Придумывать новые задачи для нейросети

Многие школы, вдохновившись возможностями искусственного интеллекта, начинают искать, куда бы его применить, придумывая сложные сценарии и новые способы общения с клиентами. Воздвиженский предупреждает: так делать не нужно. 

Нейросеть не создаёт инноваций в логике коммуникации — она лишь помогает делать быстрее то, что уже работает. 

Поэтому первым шагом должно быть упрощение и автоматизация существующих процессов: повторяющихся ответов, типовых запросов и стандартных диалогов.

Ошибка 2. Внедрять бота сразу во все процессы

Другая типичная ошибка — желание охватить всё и сразу. Особенно это характерно для крупных школ с большим потоком сообщений. Команды тратят месяцы на составление десятков логических схем, пытаются прописать все возможные варианты вопросов и ответов, а потом запускают систему одним махом.

Воздвиженский советует начинать с одного вопроса для одного сегмента пользователей.

Например, если в школе есть автовебинар и часто задают вопрос «Запись будет?», достаточно настроить бота на этот сценарий. Пусть нейросеть отвечает только на этот вопрос, а остальные запросы остаются за операторами.

Так проще протестировать качество ответов и понять, как реагирует аудитория. Постепенно можно добавлять новые вопросы и сегменты.

Если бот не знает ответа — он просто молчит. Этого достаточно для начала интеграции.

Ошибка 3. Страх команды перед нейросетью

Александр Воздвиженский отмечает, что иногда внедрение тормозят сами сотрудники техподдержки. Из-за страха увольнения они начинают саботировать процесс: говорят, что базы знаний нет, времени писать ответы не хватает, а «нейросеть всё равно не справится».

На практике нейросеть не заменяет людей, а разгружает их. Она снимает часть однотипных вопросов, позволяя сотрудникам сосредоточиться на нестандартных запросах и сложных ситуациях.

Руководителям важно объяснить это команде заранее: автоматизация — это не сокращение штата, а инструмент помощи. После такого разговора внедрение проходит гораздо легче.

Показатели и советы

Точность ответов — один из ключевых показателей эффективности нейросети. По данным Александра Воздвиженского, 95% ответов система выдаёт корректно «из коробки». При дополнительной настройке и расширении базы знаний показатель можно довести до 98–99%.

Однако важно различать понятия «верный ответ» и «стабильный ответ». Даже если бот однажды ответил правильно, это не значит, что он будет делать это всегда. Спикер советует проверять устойчивость работы: задать один и тот же вопрос 5 раз в разных формулировках, а затем повторить проверку через несколько часов. Если нейросеть стабильно выдаёт нужный результат, ответ можно считать надёжным.

Когда стоит доверять ответы нейросети

Воздвиженский вводит понятие «цена ошибки». Если ошибка не несёт серьёзных последствий — например, бот перепутал формулировку, но смысл остался верным, — такой вопрос можно спокойно отдавать на автоматизацию.

Но если ошибка может привести к финансовым потерям или сбоям в коммуникации (например, неправильная сумма, неверное время или ссылка на оплату), эти вопросы лучше оставить людям или дополнительно контролировать через переменные в GetCourse.

Таким образом, критерий прост:

• если цена ошибки низкая — вопрос можно отдать нейросети
• если высокая — лучше оставить под контролем оператора.

Лучшие практики

Александр Воздвиженский рекомендует всегда проверять стабильность ответов перед запуском и внимательно следить за качеством выдачи. Регулярное тестирование и уточнение базы знаний помогают держать точность системы на уровне 95–99%.

«Верный ответ — не значит стабильный. Проверяйте, чтобы нейросеть понимала контекст и выдавала правильный результат не один раз, а постоянно».

Эффект внедрения

Результаты внедрения нейросети на GetCourse измеряются конкретными цифрами. Главное — резкое сокращение времени ответа и разгрузка команды поддержки.

Скорость реакции

Если раньше пользователи могли ждать ответ 10–15, а иногда и 30 минут, то теперь сообщение обрабатывается за 5–30 секунд. Такой отклик особенно важен во время продаж и вебинаров, когда на платформу поступает поток однотипных запросов: «где ссылка», «как войти в личный кабинет», «будет ли запись».

Когда человек получает быстрый ответ, вероятность оплаты или возвращения на сайт значительно повышается. В итоге сокращение времени реакции становится фактором роста конверсии — пусть и косвенным, но заметным.

Масштаб автоматизации

По данным кейсов, с которыми работает GetMechanic, от 25 до 80% входящих вопросов в онлайн-школах можно автоматизировать. 

Зависит это от специфики курса: если обучение построено на личном контакте и требует индивидуальных ответов преподавателя, доля автоматизации ниже. Но для большинства стандартных сценариев: вход в кабинет, регистрация, оплата, ссылки на уроки, информация о вебинарах — нейросеть справляется полностью.

Время интеграции

Полная настройка занимает от 30 минут до 3 месяцев. Всё зависит не от сложности технологий, а от того, как быстро команда формирует базу знаний и тестирует сценарии.

Воздвиженский отмечает, что технически настроить схему GetCourse + ChatGPT можно за 20–30 минут, но процесс итеративный: сначала бот отвечает на один вопрос, затем к нему добавляют второй, третий и т. д. Система постепенно «обрастает» логикой и опытом.

Такой подход позволяет избежать ошибок и держать качество ответов на высоком уровне с самого начала.

Себестоимость: человек против нейросети

Чтобы оценить реальную выгоду автоматизации, Александр Воздвиженский сравнивает стоимость работы обычного оператора и нейросети, подключённой через FileBrain.

Сколько стоит человек

Средняя зарплата сотрудника техподдержки — около 25 000 рублей в месяц. Если предположить, что он работает 8 часов в день и тратит 4 минуты на один ответ, его продуктивность составляет примерно 120 ответов в день, или 2 700 ответов в месяц.

Эта оценка справедлива при условии, что человек всё время отвечает на вопросы, не отвлекаясь на переписки, соцсети или звонки. На практике реальная производительность ниже.

Сколько стоит нейросеть

Подключённая к GetCourse нейросеть использует сервис FileBrain.pro. Абонентская плата за него составляет 5 000 рублей в месяц. Стоимость одного запроса — около 1 рубля, хотя фактические затраты на токены OpenAI редко превышают 3 копейки.

Если взять те же 2 700 ответов в месяц, получается: 5 000 руб. (абонентка) + 2 700 руб. (запросы) = 7 700 руб.

Даже при завышенной оценке себестоимости нейросеть обходится более чем в 3 раза дешевле, чем сотрудник поддержки. При этом она работает без перерывов, мгновенно отвечает и масштабируется без потери скорости.

При увеличении объёма

Если нагрузка растёт и количество запросов удваивается, расходы на сотрудников увеличиваются пропорционально: два человека — уже 50 000 руб. Для нейросети рост затрат незначителен: при тех же условиях стоимость составит примерно 10 800 рублей в месяц.

Таким образом, при масштабировании система становится ещё выгоднее. Даже если часть вопросов (до 20%) остаётся за живыми специалистами, автоматизация позволяет существенно снизить затраты и повысить стабильность работы поддержки.

Спикер подчёркивает: «Мы не можем переложить на нейросеть 100% задач, но до 80% обращений она берёт на себя без потери качества».

Опыт Александра Воздвиженского показывает: GetCourse + ChatGPT — это не теоретическая возможность, а реальный рабочий инструмент для онлайн-школ. Нейросеть способна отвечать на вопросы персонализировано и быстро, брать на себя рутину техподдержки, снижая нагрузку на кураторов и менеджеров.

Главный эффект внедрения — сочетание скорости, персонализации и экономии. 

За счёт автоматизации до 80% запросов снижается стоимость обработки сообщений, а качество коммуникации с учениками растёт.

* WhatsApp принадлежит компании Meta, признанной экстремистской организацией и запрещённой в РФ.