Технология
Почему 0% галлюцинаций — это инженерное решение, а не маркетинг
Стандартный AI-бот — это один промпт, в который загружено всё: база знаний, история диалога, инструкции, товарный каталог. С каждым сообщением контекст растёт, фокус теряется, ИИ начинает придумывать. Мы решили эту задачу архитектурно.
Проблема: единый промпт
❌ Стандартный подход
~65%
вероятность галлюцинации в диалоге из 10 шагов. Один промпт на всё → с каждым сообщением контекст растёт экспоненциально → ИИ теряет фокус → придумывает данные, цены, условия.
✓ Каскадная архитектура
0%
Каждый нейроузел решает одну задачу с изолированным промптом. Генератор ответа получает уже подготовленный контекст. Верификатор проверяет перед отправкой. Гарантия в договоре.
Единый промпт с вероятностью ошибки p = 5% на каждом шаге:
P(ошибка за 10 шагов) = 1 − (1 − 0.05)¹⁰ ≈ 40%
При p = 10% → 65% за 10 шагов.
В каскадной архитектуре каждый узел обрабатывает один тип задачи с минимальным промптом → p падает на порядок. Плюс верификатор ловит оставшиеся ошибки до отправки.
Решение: 10+ нейроузлов
Вместо одного промпта мы построили конвейер специализированных нейроузлов. Каждый занимается только своей задачей. ИИ в финале генерирует ответ свободно — но с полностью подготовленным контекстом.
01
🔀 Декомпозитор
Разбивает сообщение клиента на смысловые запросы. «Рассрочка на 12 месяцев и доставка в Казань» → два отдельных запроса к разным системам. Каждый обрабатывается независимо.
Вход: raw_message → Выход: [{type: 'faq', query: 'рассрочка'}, {type: 'logistics', query: 'Казань'}]
↓
02
📝 Саммаризатор
Сжимает историю диалога до сути. Вместо 50 сообщений полного контекста → 5 ключевых фактов. Промпт генератора не растёт бесконечно.
Входит полная история → выходит summary: {name, need, budget, stage, objections}
↓
03
🔍 RAG-поиск
Суб-агент тегирует запрос → другой ищет только в нужном разделе базы знаний. Не вся база, а точное попадание. Мультиагентность внутри одного узла.
tag: 'payment' → поиск только в разделе «Оплата и рассрочка» → result: точный ответ
↓
04
📦 Товарная база
Каскадный поиск: тегирование запроса → выбор точных SKU из тысяч позиций. Клиент не получает список на 40 товаров — получает 2–3 релевантных варианта.
query: 'грузовой велосипед до 300кг' → matched: [{sku: 'CB-200', ...}, {sku: 'CB-350', ...}]
↓
05
💬 База цитат и возражений
Экспертные фразы и ответы на типовые возражения. Активируется только при возражении — не засоряет другие ответы.
trigger: 'дорого' → response_hint: 'сравнение с расходами на менеджера'
↓
06
🎯 Генератор ответа
Ключевой принцип: ИИ генерирует ответ самостоятельно и без ограничений. Промпт разгружен каскадом до точного фокуса. Это не «ограничения для ИИ», а «подготовка идеальной среды для ИИ». Свобода + точность.
Вход: {summary, rag_result, products, quote_hint} → Выход: живой, человечный ответ
↓
07
🛡️ Верификатор
Проверяет каждое сообщение перед отправкой. Факты, цены, условия — всё сверяется с базами знаний. Если обнаружено несоответствие — ответ переписывается. Ошибка не уйдёт клиенту.
Проверки: price_match ✓ | fact_check ✓ | tone_check ✓ | hallucination_score: 0
↓
✓ Отправлено клиенту
Точный, живой, без галлюцинаций — проверен 7 нейроузлами
Дополнительные узлы
🧬 Самообучение
Нет ответа в базе → ИИ ставит клиента на паузу → связывается с менеджером через его мессенджер → получает ответ → заносит в базу → отвечает текущему клиенту и всем последующим автоматически.
📅 Календарь
Фиксирует созвоны, предлагает время, напоминает, отправляет саммари переговоров.
🔄 Дожимы
Клиент не ответил → определяем шаг воронки → персонализированный follow-up через полный пайплайн.
🛡️
Гарантия в договоре
Мы настолько уверены в результате, что прописываем в договоре ТЗ и условия: если AI-продавец галлюцинирует — полный возврат средств. Это не маркетинг, а инженерная уверенность в собственной архитектуре.
📋 ТЗ, критерии качества и условия возврата — всё в договоре до начала работы