Просто о сложном
Авиа Адв
Вчера
ADPASS рекомендует материал к прочтению
Progressiya
ИИ-ассистенты нового поколения: LLM и Botpress в действии
Раньше разработка ИИ-ассистентов была сложной и затратной: обучение отдельным командам (классификаторам намерений). Это как писать код на устаревшем фреймворке. Представьте, что вместо заранее заданных команд, вы научили систему понимать человеческий язык в целом! LLM — это и есть тот самый game changer. Они разбираются в контексте, нюансах и даже в профессиональном сленге!
Искусственный интеллект (ИИ) стремительно меняет бизнес-ландшафт, и ИИ-ассистенты становятся ключевым инструментом для повышения эффективности и улучшения клиентского опыта. В строительном секторе и рынке недвижимости, где скорость реакции и персонализация играют решающую роль, ИИ-ассистенты могут стать настоящим game changer’ом. Но как создать действительно умного и полезного ассистента, который не будет раздражать пользователей шаблонными ответами и непониманием контекста?
В этой статье мы, digital-агентство PROGRESSIYA, погрузимся в мир современных подходов к разработке ИИ-ассистентов, и расскажем, почему мы сделали ставку на большие языковые модели (LLM) и платформу Botpress, отказавшись от устаревших классификаторов намерений. Эта статья будет полезна руководителям, маркетологам и ИТ-директорам строительных компаний, девелоперам и другим участникам рынка недвижимости, которые стремятся быть на острие технологического прогресса. Мы поделимся нашим опытом и экспертизой, помогая вам разобраться в тонкостях создания эффективных ИИ-решений, которые принесут реальную пользу вашему бизнесу.
Классификаторы намерений: что это и почему они устарели?
До недавнего времени основным подходом к созданию ИИ-ассистентов было использование так называемых классификаторов намерений (intent classifiers). Представьте себе, что вы обучаете собаку команде «сидеть». Вы многократно повторяете команду и показываете собаке, что нужно делать, пока она не усвоит связь между словом и действием. Классификаторы намерений работают по похожему принципу. Разработчики «натаскивают» систему на распознавание определенных фраз или ключевых слов, которые соответствуют конкретным намерениям пользователя. Например, в чат-боте для e-commerce фразы «Где моя посылка?», «Отследить мой заказ» и «Когда прибудет доставка?» должны быть классифицированы как намерение «TrackOrder» (отследить заказ).
Для каждого такого намерения разработчикам приходилось вручную создавать множество примеров возможных фраз, надеясь, что система сможет сопоставить ввод пользователя с одним из этих примеров. Это был долгий и трудоемкий процесс, требующий постоянного обновления и доработки базы данных фраз. И даже при вложении значительных ресурсов, классификаторы намерений страдали от ряда существенных недостатков:
-
Зависимость от данных. Для корректной работы классификаторам требуются огромные объемы разнообразных данных, представляющих все возможные варианты формулировок одного и того же намерения. Сбор и разметка таких данных — это настоящая головная боль для разработчиков, отнимающая кучу времени и ресурсов, или как мы говорим в IT — «ресурсоёмко».
-
Ограниченная масштабируемость. Добавление новых намерений или расширение функциональности ИИ-ассистента требует сбора новых данных и переобучения модели, что быстро становится узким местом при развитии проекта. «Заскейлить» такую систему быстро и безболезненно — задача со звездочкой.
-
Ограниченное понимание языка. Классификаторы намерений распознают только те фразы, на которые они были обучены. Они с трудом справляются с синонимами, перефразировками, опечатками, неологизмами, сленгом, и другими вариациями языка. Если пользователь сформулирует свой запрос нестандартно, классификатор может его просто не понять, что приводит к разочарованию и негативному опыту. Простыми словами — «тупит жестко».
-
Переобучение. Классификаторы намерений склонны к переобучению (overfitting), когда они запоминают конкретные примеры из обучающей выборки, но теряют способность обобщать и распознавать новые, невиданные ранее фразы. В результате такая система может отлично работать на тестовых данных, но провалиться в реальных условиях. «Оверфитится» и все тут.
Далее мы расскажем, как большие языковые модели (LLM) решают эти проблемы и открывают новые возможности для создания умных и эффективных ИИ-ассистентов.
LLM — Новая эра в создании ИИ-ассистентов
На смену классификаторам намерений пришли большие языковые модели (LLM) — это настоящий прорыв в области искусственного интеллекта. Представьте себе, что вместо того, чтобы учить собаку конкретным командам, вы научили ее понимать человеческий язык в целом. Теперь она может не только выполнять заученные команды, но и понимать контекст, распознавать намерения и даже импровизировать. Именно так и работают LLM.
LLM — это сложные нейронные сети, обученные на огромных массивах текстовых данных, таких как книги, статьи, веб-сайты и даже код. Благодаря этому они обладают глубоким пониманием языка, включая его грамматику, семантику, стилистику и даже культурные нюансы. Это позволяет им не просто распознавать ключевые слова, но и понимать смысл высказываний, учитывать контекст диалога и даже генерировать связные и осмысленные тексты.
Использование LLM дает нам, как разработчикам, ряд существенных преимуществ перед классификаторами намерений:
-
Способность к обучению с нуля или с небольшим количеством примеров (zero/few-shot learning). LLM не требуют огромных объемов размеченных данных для обучения. Они могут начать работать сразу после создания, понимая базовые принципы языка. Для более специфичных задач достаточно предоставить небольшое количество примеров, и LLM быстро адаптируется к новой области. Это значительно ускоряет и упрощает процесс разработки. Как говорится в нашей сфере — «запустили и поехали».
-
Понимание контекста и нюансов. LLM учитывают не только слова, но и их взаимосвязь, порядок, интонацию и другие контекстуальные факторы. Они способны распознавать синонимы, перефразировки, идиомы, сарказм, и даже опечатки, что делает общение с ИИ-ассистентом более естественным и комфортным. «Контекст решает» — это про LLM.
-
Масштабируемость. LLM легко масштабируются для обработки большого количества запросов и поддержки сложных сценариев взаимодействия. Добавление новых функций или расширение базы знаний не требует переобучения всей модели, что позволяет быстро развивать и совершенствовать ИИ-ассистента. «Масштабируемость из коробки».
-
Гибкость. LLM не ограничены жесткими шаблонами и правилами. Они могут генерировать разнообразные и естественные ответы, адаптируясь к конкретной ситуации и потребностям пользователя. Никаких больше заскриптованных диалогов — только живое общение.
Именно поэтому мы сделали выбор в пользу LLM как основы для создания ИИ-ассистентов для наших клиентов в строительной отрасли и рынке недвижимости. Но это еще не все. Важную роль в нашем подходе играет выбор правильной платформы для разработки. Об этом мы поговорим далее.
Практическое применение LLM в Botpress для создания ИИ-ассистентов
Выбор правильной платформы для разработки ИИ-ассистентов на основе LLM — это как выбор фундамента для дома. От него зависит надежность, масштабируемость и эффективность всего проекта. Именно поэтому мы выбрали Botpress — open-source платформу, которая идеально подходит для создания мощных и гибких ИИ-агентов, особенно в таких сложных отраслях, как строительство и недвижимость.
Botpress предлагает широкий набор инструментов и функций, которые значительно упрощают процесс разработки и интеграции LLM:
-
Визуальный конструктор диалогов. С Botpress создание сложных сценариев взаимодействия становится простым и интуитивно понятным. Вы можете визуально проектировать диалоги, добавлять условия, переходы и действия, не прибегая к сложному программированию. «No-code» в действии.
-
Интеграция с различными LLM. Botpress поддерживает интеграцию с ведущими LLM провайдерами, такими как OpenAI, что позволяет выбирать наиболее подходящую модель для вашей задачи. Хотите самую мощную или самую бюджетную? Выбирайте!
-
Управление контекстом диалога. Botpress обеспечивает надежное хранение и использование контекста диалога, что позволяет LLM понимать историю взаимодействия и генерировать более релевантные ответы. «Контекст не потеряется».
-
Расширяемость. Botpress — это open-source платформа, что означает, что вы можете расширять ее функциональность с помощью плагинов и интеграций с другими сервисами. «Запилить» нужную фичу? Легко!
Благодаря Botpress, мы в PROGRESSIYA создаем ИИ-ассистентов, которые не просто отвечают на вопросы, но и решают реальные бизнес-задачи наших клиентов:
-
Автоматизация консультирования клиентов. ИИ-ассистенты могут отвечать на часто задаваемые вопросы, предоставлять информацию об объектах недвижимости, записывать клиентов на просмотры и даже проводить предварительную квалификацию.
-
Автоматизация расчетов стоимости услуг. ИИ-ассистенты могут рассчитывать стоимость строительства или ремонта, учитывая различные параметры и пожелания клиента.
-
Автоматизация обработки заявок. ИИ-ассистенты могут принимать и обрабатывать заявки на строительство, ремонт или покупку недвижимости, автоматически передавая их соответствующим специалистам.
LLM в сочетании с платформой Botpress позволяют нам создавать действительно умных и полезных ИИ-ассистентов, которые улучшают клиентский опыт, повышают эффективность работы и дают конкурентное преимущество нашим клиентам. «Будущее уже здесь».
Почему другие компании все еще используют классификаторы намерений?
Возникает резонный вопрос: если LLM настолько превосходят классификаторы намерений, почему некоторые компании до сих пор используют устаревшие технологии? Ответ прост и немного грустный: они застряли в прошлом. Многие компании вложили значительные ресурсы в разработку систем на основе классификаторов намерений, и переход на новые технологии для них связан со значительными затратами и рисками. Это как продолжать ездить на старом автомобиле, хотя уже давно появились более современные и экономичные модели. «Работает же, зачем менять?» — думают они. Но такой подход обрекает их на отставание от конкурентов, которые активно внедряют инновации.
В PROGRESSIYA мы верим, что будущее за LLM и Botpress. Мы не боимся новых технологий, а наоборот, стремимся быть на острие прогресса, чтобы предоставлять нашим клиентам самые передовые и эффективные решения. Мы выбираем «Теслу», а не «Запорожец», потому что знаем, что это инвестиция в будущее.
Взгляд в будущее: Развитие ИИ-ассистентов на основе LLM
Мир ИИ не стоит на месте. LLM постоянно развиваются, становясь все более «умными» и «человечными». В будущем мы можем ожидать появления еще более сложных и гибких ИИ-ассистентов, способных выполнять широкий спектр задач и адаптироваться к индивидуальным потребностям пользователей. Это откроет новые возможности для автоматизации бизнес-процессов, персонализации клиентского опыта и повышения эффективности работы в различных отраслях, включая строительство и недвижимость.
В PROGRESSIYA мы внимательно следим за тенденциями развития ИИ и активно внедряем новейшие технологии в свои проекты
Мы видим огромный потенциал LLM для создания инновационных решений, которые помогут нашим клиентам достичь новых высот в своем бизнесе. Хотите узнать больше о том, как ИИ может преобразить ваш бизнес? Свяжитесь с нами, и мы с радостью проконсультируем вас!
Заключение
В этой статье мы рассказали о том, почему мы в PROGRESSIYA выбрали LLM и Botpress для создания ИИ-ассистентов. Мы уверены, что этот подход позволяет нам создавать самые современные и эффективные решения для наших клиентов. Если вы хотите быть на острие технологического прогресса, выбирайте будущее — выбирайте LLM и Botpress!
Лучшее в блогах
Вам понравится
Подкаст «Маркетинг и реальность»
28.11.2025
Южный форум брендинга, маркетинга и рекламы: что думают эксперты про рекламный рынок 2026
![]()
В Краснодаре прошел Южный форум брендинга, маркетинга и рекламы, в рамках которого эксперты поделились мнением о будущем рекламного рынка. Поговорили про исследования ЦА и роль AI в них; про важность ценности, а не цены; про лиды для B2B, а также про управление проектами и подрядчиками.
СберМаркетинг
19.11.2025
KINETICA
15.11.2025
Неделя рекламы 
Новости 
Кейсы 
How to 
Интервью и дискуссии 
Маркетинговые исследования 
Энциклопедия обмана 
Проверено ADPASS 
Рекламные кампании