The post has been translated automatically. Original language: Russian
Everyone is adding AI now, but half of the projects end up with an expensive toy that doesn't affect the metrics. We share our practice on how to approach this in an engineering way.
1. First the task, then the technology
Not "let's screw up the AI", but "what specific pain will it cover". AI really pays off where there is routine, volume, and text: support, application processing, content generation, and knowledge base search. If the task is solved by ordinary logic or a simple script, do not complicate it.
2. Don't train your model. Use the API
A common mistake of early teams is to try to "train a neural network." In 99% of cases, this is unnecessary and ruinous. Take ready-made LLMs through the API (Anthropic, OpenAI, Google, etc.), and use according to your specifics: industrial engineering — correctly formulated instructions close most cases; RAG (retrieval-augmented generation) — connecting your knowledge base/documents so that the model responds to your data rather than "hallucinating"; Fine-tuning — only when everything else has already been squeezed out and a stable narrow format is needed.
3. Keep the person in the loop
Especially at the start: the AI prepares a draft/response, and the human confirms it. This protects against errors in client communications and gives you the data on which the system becomes more accurate.
4. Consider the cost and speed from the first day
Two parameters that kill AI features in the product: the price per request and the latency. Practice: cache duplicate answers, choose a model for the task (don't take the top one where the easy one is enough), set limits. The same feature on a "cheap" and "expensive" model may differ significantly in cost with the same result.
5. Set limiters (guardrails)
AI in a product without a framework = risk. Minimum: filtering of unwanted input/output, clear boundaries of "what the assistant doesn't talk about", folback on a live person, logging for error analysis.
6. A quick start in a week, not a quarter
A working approach: take one narrow scenario (for example, AI answers to the 20 most frequent customer questions), assemble a prototype on the API in a few days, test it on real requests, measure the effect, and only then scale. A small working case is more useful than a large "AI-platform" plan in a presentation.
A short checklist before implementation: ✅ there is a specific task with a measurable metric The API + prompt/RAG path has been chosen, rather than learning from scratch , the cost of the request and latency are calculated , there is a man in contour and guardrails You start with one narrow scenario
Часть клиентов не возвращается — и бизнес не всегда понимает почему. Люди редко сами рассказывают, что им не подошло: чаще просто выбирают другого. Разбираем, как узнавать мнение клиентов, пока они ещё с вами.
1. Отсутствие вопросов — не всегда «всё отлично»
Если клиент не пишет отзывов, это не значит, что всё идеально. Часто это значит, что его просто не спросили. Мнение нужно собирать активно, а не ждать, пока оно придёт само.
2. Спрашивайте в правильный момент
Лучшее время — сразу после ключевого события: покупки, доставки, оказания услуги. Тогда впечатление свежее, и ответ точнее. Через месяц человек уже не вспомнит деталей.
3. Один вопрос лучше анкеты на двадцать
Длинные опросы не заполняют. Начните с одного: «Что можно улучшить?» или оценка от 1 до 10 с коротким уточнением. Чем меньше усилий, тем больше ответов.
4. Спрашивайте и тех, кто перестал покупать
Самое ценное мнение — у тех, кто выбрал другого. Короткое «что можно было сделать лучше?» иногда возвращает клиента и почти всегда показывает реальную зону роста.
5. Мнение без действий — потеря времени
Если собрали отзывы и ничего не изменили — потратили и своё время, и внимание клиента. Смысл не в сборе, а в улучшениях. Даже одно исправление по частому замечанию окупает всю работу.
Как начать: выберите одну точку контакта с клиентом и добавьте туда один вопрос. Не стройте систему сразу — начните с одного канала, дальше расширяйте.
Главное: клиенты почти всегда подсказывают, что улучшить, — просто действиями, а не словами. Задача бизнеса — спросить первым, пока человек ещё рядом.
💬 Как вы собираете мнение клиентов? Поделитесь в комментариях 👇
Share
