---
title: "ИИ в продукте или ИИ в презентации: как отличить"
url: "https://kzsaleshub.com/ii-v-produkte-dlya-prodavca/"
type: "knowledge_article"
category: "AI"
language: "ru"
source: "KZSalesHub"
published: "2026-11-10"
last_updated: "2026-09-30"
---

# ИИ в продукте или ИИ в презентации: как отличить

На рынке сейчас две категории продуктов с одинаковым описанием: те, где искусственный интеллект действительно меняет результат работы, и те, где к обычной программе добавили окно чата поверх готовой модели. Отличить их можно за одну встречу тремя вопросами — про данные, про ошибки и про то, что происходит, когда модель отвечает неправильно. Продавцу это нужно не для разоблачения конкурентов, а для себя: если вы не знаете, к какой категории относится ваш продукт, вы не сможете ответить техническому директору, а он спросит.

## Четыре уровня, за которыми стоит разная цена

**Обёртка.** Интерфейс поверх чужой модели, доступной всем. Ценность — в удобстве и в том, что кто-то собрал промпты и подключил к данным. Это нормальный продукт, но обосновывать его цену «нашим ИИ» не стоит: клиент проверит за вечер и обидится.

**[Модель плюс ваши данные](https://kzsaleshub.com/glossary/rag-term/).** К общей модели подключён контекст компании: документы, база знаний, история обращений. Ответы становятся про клиента, а не вообще. Здесь появляется настоящая ценность и настоящая работа — по подготовке и обновлению данных.

**[Дообученная модель](https://kzsaleshub.com/glossary/fine-tuning/).** Модель адаптирована под конкретную область и стиль. Дороже, требует размеченных данных, оправдана там, где общая модель систематически ошибается в специфике.

**Собственная модель.** Обучена с нуля на отраслевых данных. Дорого, долго и оправдано в узких задачах, где нет ничего готового. В корпоративных продажах встречается редко — и заявление о собственной модели стоит проверять вопросом про объём обучающих данных.

Вопрос, который сразу расставляет всё по местам: «На чём именно основаны ответы — на общедоступной модели, на наших документах или на модели, обученной под нас?» Ответ определяет и цену, и риски, и то, что вообще можно обещать. Уклончивый ответ — сам по себе ответ.

## Три вопроса, которые надо задать своему продукту

**Откуда берутся данные и кому они принадлежат?** Уходят ли запросы клиента к внешнему поставщику модели, используются ли для обучения, где хранятся. Это первый вопрос службы безопасности, и он задаётся всегда.

**Что происходит, когда модель ошибается?** Модели уверенно выдают неверное — это называется [галлюцинацией](https://kzsaleshub.com/glossary/gallyucinaciya/). Вопрос не «бывает ли», а «как устроена проверка»: показываются ли источники, есть ли подтверждение человеком на важных действиях, видно ли, что ответ ненадёжен.

**Как измеряется качество?** Если ответ — «пользователям нравится», управляемого улучшения нет. Зрелый продукт имеет набор проверочных примеров и измеряет, стало лучше или хуже после каждого изменения.

Эти три вопроса задаст любой опытный технический директор. Прийти на встречу без ответов — потерять её.

## Как об этом говорить с клиентом

Не «на базе искусственного интеллекта», а «сокращает время на подготовку ответа с сорока минут до пяти». Упоминание технологии в описании ценности выдаёт отсутствие ценности.

Не «точность 95 процентов», а «в этих сценариях работает, в этих требует проверки человеком». Честная граница применимости вызывает больше доверия, чем высокий процент без контекста.

Не «заменит сотрудников», а «снимет рутину, люди займутся исключениями». Первая формулировка вызывает сопротивление у тех, кто будет пользоваться, — а именно они решают судьбу внедрения.

Не «обучается на ваших данных», без уточнения. Эта фраза для службы безопасности означает «наши документы уйдут наружу». Если это не так, надо сказать явно; если так — тем более.

## Где вендоры преувеличивают

**Демонстрация.** Показывают на подготовленных примерах, где всё работает. Просите провести демонстрацию на данных клиента и с вопросами клиента — разница бывает драматической, и лучше узнать о ней до внедрения.

**«Точность 95%».** Вопрос не в числе, а в том, на каких данных считали и что считается ошибкой. И главное — что происходит в оставшихся процентах: если ошибка стоит дорого, пять процентов могут быть неприемлемы.

**«Не нужны технические специалисты».** Для запуска — возможно. Для подготовки данных, настройки под задачу и разбора ошибок — нужны. Эта работа не исчезает, она переезжает.

**«Работает с любыми документами».** С хорошо структурированными — да. Со сканами низкого качества, таблицами внутри изображений и документами со сложной вёрсткой — заметно хуже. Стоит проверять на реальных файлах клиента.

**«Полностью автономно».** Автономность — это ответственность. Спрашивать надо, какие действия система совершает без подтверждения человеком и как это откатывается.

## Что спросить у своего инженера перед встречей

1. На какой модели мы работаем, где она размещена и уходят ли данные клиента наружу?
2. Что мы делаем с ошибочными ответами: показываем источники, требуем подтверждения, ограничиваем область?
3. Как мы измеряем качество и что покажем клиенту в подтверждение?
4. Сколько стоит один запрос и от чего зависит счёт при росте использования?
5. Что нужно от клиента, чтобы это заработало: какие данные, в каком виде, кто их готовит?

## Красные флаги на стороне клиента

- **Хотят «внедрить ИИ», без задачи.** Проект без измеримой задачи закроют при первой смене приоритетов. Помочь выбрать одну задачу — самая полезная работа на этом этапе.
- **Данные в беспорядке.** Модель воспроизводит качество того, что ей дали. Проект по данным логично идёт первым, и это честный аргумент, а не способ продать больше.
- **Ожидание полной автоматизации.** Если в плане нет человека, проверяющего результат, первая же заметная ошибка остановит проект целиком.
- **Служба безопасности не в курсе.** Узнают на этапе внедрения и остановят. Приводить их в разговор надо рано, а не в конце.

## Вопросы, которые задаст технический директор

*«Где обрабатываются наши данные?»* — размещение модели и путь данных. Ответ должен быть точным.

*«Что если поставщик модели изменит её поведение?»* — реальный риск: обновление модели может изменить ответы. Зрелый продукт имеет проверочные примеры и фиксирует версии.

*«Как мы объясним клиенту решение, принятое системой?»* — вопрос про объяснимость, критичный там, где решения касаются людей и денег.

*«Сколько это будет стоить при десятикратном росте использования?»* — про экономику. Плата за запрос делает счёт зависимым от успеха внедрения, и это стоит показать заранее.

### Что забрать с собой

- Четыре уровня — обёртка, модель плюс данные, дообучение, своя модель — и у каждого своя честная цена.
- Три вопроса своему продукту: откуда данные, что при ошибке, как измеряется качество.
- Демонстрация на подготовленных примерах ничего не доказывает; просите данные клиента.
- «Обучается на ваших данных» без уточнения читается службой безопасности как утечка.
- Проект без измеримой задачи и без человека в контуре проверки не переживёт первой ошибки.

**Клиент спрашивает: «чем вы отличаетесь от общедоступного чата?»**

Ответ должен быть про их данные, их процессы и их ограничения: подключение к внутренним документам, роли и права, журнал действий, проверка перед важными операциями. Если ничего из этого нет, вопрос задан справедливо, и лучше это признать, чем защищаться.

**Как отвечать про галлюцинации?**

Признать, что модели уверенно выдают неверное, и показать устройство защиты: ответы со ссылками на источники, ограничение области поиска, подтверждение человеком на действиях с последствиями. Отрицание проблемы обесценивает всё остальное.

**С какого сценария начинать?**

С внутреннего и низкорискового: поиск по документам, подготовка черновиков, разбор обращений. Сценарии с прямым выходом на клиента и на деньги — второй этап, после того как появилось доверие и понятны границы.

**Как считать выгоду?**

Через время на операцию до и после, умноженное на количество операций в месяц. И обязательно вычесть время на проверку результата человеком — иначе расчёт будет красивым и неверным.

**Что делать, если наш продукт — та самая обёртка?**

Продавать то, что есть: собранные сценарии, подключение к данным, права и журнал, поддержку. Это реальная ценность. Опасно другое — называть это собственной моделью: проверят, и потерянным окажется доверие ко всему предложению.

---
Источник: https://kzsaleshub.com/ii-v-produkte-dlya-prodavca/