Как устроены AI Telegram-боты: объяснение без технического жаргона
Вы хотите делать AI-ботов и зарабатывать на этом. Но сначала — понять, как они вообще устроены. Не на уровне кода, а на уровне логики: что происходит, когда пользователь пишет сообщение и бот отвечает.
Объясняем без технического жаргона — так, чтобы потом объяснить это клиенту за пять минут.
AI-бот — это не магия. Это три компонента, которые работают вместе: мессенджер принимает сообщение, AI его обрабатывает, бизнес-логика решает, что ответить.
Три слоя любого AI-бота
Слой 1: Мессенджер — вход и выход
Telegram — это просто канал передачи сообщений. Пользователь пишет → Telegram отправляет текст в ваш бот → бот что-то отвечает → Telegram показывает ответ пользователю.
Telegram Bot API — это набор инструментов, которые позволяют боту принимать и отправлять сообщения. Именно поэтому боты работают в Telegram, а не сами по себе.
Слой 2: AI-модель — «мозг»
Когда бот получил сообщение, оно отправляется в языковую модель — GPT-4, Claude, Gemini или отечественные аналоги (YandexGPT, GigaChat). Модель анализирует текст и генерирует ответ.
Как именно модель понимает, что отвечать? Через промпт — системные инструкции, которые вы пишете заранее. Промпт говорит модели: «Ты — консультант магазина мебели. Отвечай только на вопросы про мебель. Используй вежливый тон».
Хороший промпт — это 70% качества бота. Не платформа, не модель, а то, как вы описали роль и ограничения.
Слой 3: Бизнес-логика — «правила игры»
AI-модель умная, но она не знает, что запись на «понедельник» — это конкретная дата, что скидка 10% действует только до конца месяца, что VIP-клиенты получают другой ответ.
Бизнес-логика — это правила, которые вы прописываете: условия, ветки, интеграции с базами данных и CRM. Она определяет поведение бота в конкретных ситуациях.
Что такое база знаний и зачем она нужна
Языковая модель обучена на огромном массиве данных — но она не знает ничего о конкретном бизнесе клиента. Часы работы, прайс, условия доставки, ответы на специфические вопросы — это не в GPT.
База знаний — это документы, которые вы добавляете «рядом» с моделью. Когда пользователь задаёт вопрос, система сначала ищет ответ в базе знаний, потом передаёт его модели для формулировки ответа. Это называется RAG (Retrieval-Augmented Generation).
Для клиента это означает: «Бот знает всё о вашем бизнесе». Чем полнее база знаний — тем точнее ответы.
Сколько стоит работа AI-бота
Каждый ответ AI-бота что-то стоит — вы платите за использование API языковой модели. Единица измерения — токен (примерно 0,75 слова по-русски).
Стоимость ориентировочно:
- GPT-4o (OpenAI): около 2–5 ₽ за 1000 токенов (с прокси)
- Claude Haiku (Anthropic): дешевле, около 0,5–1 ₽ за 1000 токенов
- YandexGPT: около 0,06 ₽ за 1000 токенов, доступен без ограничений в РФ
Для небольшого бота с 50–100 диалогами в день — это 300–2000 ₽/мес. Это включается в стоимость обслуживания или передаётся клиенту как переменная статья расходов.
Простые боты против AI-ботов
Не каждая задача требует AI. Разбираемся, когда AI нужен, а когда — нет:
- Кнопочный бот: пользователь выбирает из заданных вариантов. Запись на время, квиз с фиксированными вопросами. Без AI — проще, дешевле, надёжнее.
- AI-бот: пользователь пишет что угодно своими словами, бот понимает смысл и отвечает. FAQ в свободной форме, консультант, ассистент.
Совет: начинайте с кнопочного, добавляйте AI там, где пользователь реально пишет разные вопросы своими словами.
Почему бот «не понимает» — три причины
Когда клиент говорит «бот отвечает невпопад», причина обычно одна из трёх:
- Плохой промпт. Модель не знает, кто она и что должна делать. Переписать промпт — первый шаг.
- Неполная база знаний. В базе нет ответа на этот вопрос. Добавить информацию — решение.
- Слабая модель для задачи. Редко, но бывает: задача требует более умной модели.