Доверился ИИ и провалился: 3 кейса бизнеса из России
За 2025 год нейросети стали полноценным инструментом для бизнеса, траты на ИИ начали закладывать в бюджет, сотрудников стали обучать работать с нейросетями.
Но внедрение ИИ не всегда приводит к успеху. Т‑Бизнес секреты собрали неудачные кейсы применения ИИ в бизнесе. Вместе с героями разобрали причины провалов.
Подключили ИИ‑обзвоны и потеряли 200 000 ₽
Что случилось. В компании решили протестировать новый канал привлечения — ИИ‑робота для холодных продаж. Была задача автоматизировать воронку и выстроить продажи с минимальным участием сотрудников.
Подрядчик обещал умного ИИ‑робота, который будет звонить потенциальным клиентам, вести диалог по скрипту, фиксировать ответы и передавать лиды в CRM. Робот должен был понимать контекст беседы и обучаться, а со временем — заменить менеджера по продажам.
Сотрудники Vagabond вместе с подрядчиком составили сценарии, интегрировали ИИ‑робота с CRM и загрузили базу контактов. Чтобы следить за работой нейросети, звонки записывали.
«Вместо лидов мы получили бесконечный подкаст из абсурдных разговоров»
ИИ плохо понимал контекст беседы, не различал живых собеседников и автоответчик. Робот мог несколько минут спорить с другим роботом или настойчиво предлагать неподходящие услуги. Например, дизайн‑аудит конезаводу или шиномонтажу. Еще ИИ иногда перебивал клиентов, зависал после приветствия или продолжал читать скрипт, когда трубку уже повесили.
Что предприняли. Подрядчик должен был дорабатывать решение. Но за четыре месяца трижды сменялась команда. Каждый раз приходилось заново объяснять суть проблемы и перечислять претензии. В итоге заказчик потратил на ИИ 200 000 ₽, не получил ни одного лида и проект остановили.
Какой вывод сделали. В Vagabond считают, что главная ошибка — попытка применить инструмент массмаркета к сложному продукту. Холодные автоматические звонки могут работать для типовых товаров и услуг, но для B2B‑сегмента — дизайна, брендинга, коммуникаций — ключевую роль играют контекст, экспертность, доверие и диалог. Это очень сложно получить от ИИ даже с хорошо составленным скриптом.
Сотрудничество с подрядчиком в Vagabond прекратили и ИИ‑обзвоны больше не применяют.
Собрали кейсы предпринимателей, которые успешно внедрили ИИ в свои процессы:
- Wildberries повысит тарифы на возврат товаров с 21 мая
- В Москве заработала система цифрового контроля за курьерами
- У россиян резко вырос интерес к санаториям, баням и спа‑процедурам
- ЦБ увидел причину дефицита кадров в стремлении бизнеса удерживать сотрудников
- Виртуальные примерочные повышают доверие к онлайн‑магазинам одежды
- Аналитики назвали регионы с самым высоким заработком для таксистов
Сделали карточки товаров с помощью ИИ — возвраты и невыкупы выросли в два раза
Что случилось. Один из клиентов агентства Pearls — бренд детской одежды. Он использовал ИИ для обработки карточек на маркетплейсе. Сначала ИИ‑контент проверили на трех SKU с большими оборотами. Гипотезу тестировали 20 дней, эффект оказался положительным: CTR вырос вдвое — с 3,5 до 8%, а в отдельные дни — до 10%. Количество заказов выросло примерно на 30% за счет роста входящего трафика и кликов, а расходы на производство контента сократились в 10 раз.
Тогда бренд массово переработал карточки остальных SKU. Но через месяц начала проявляться обратная сторона роста — массовый негатив и возвраты.
ИИ‑контент увеличил количество просмотров карточки, но ухудшил ключевой показатель — соответствие ожиданий и реальности. ИИ изменил цвет кофточки, текстуру носков, материал чепчика был другой. А сделанное им описание товара привлекало покупателей по нерелевантным запросам. В итоге процент возвратов подскочил с 9—11 до 24%, а невыкупы — с 7 до 15%. Часть SKU выпала из топ‑50 по ключевым запросам.
Что предприняли. Когда компания обратилась в Pearls, первым делом решили отказаться от ИИ‑контента и вернуть карточки в реальность. Сделали настоящие фото товаров, чтобы покупатель видел в карточке именно то, что получит после покупки.
А еще вручную ответили на все отзывы, чтобы решить проблемы покупателей, снизить тревожность и закрыть возражения. Показатели карточек постепенно выровнялись и вернулись в норму.
Какой вывод сделали. Нейросети — классный инструмент, но использовать его нужно аккуратно и дозированно. Важно глубоко погружать ИИ в контекст задачи, четко формулировать запрос и ограничения, обязательно проверять работу нейросети на длинной дистанции.
Если этого не делать, можно получить негатив, который перекроет весь положительный эффект.
Вложили 50 000 $ в ИИ‑сервис для путешественников и получили +180% негативных отзывов
Что случилось. Чтобы масштабировать бизнес, разработали приложение с ИИ‑помощником. Нейросеть по подписке должна была стать умным тревел‑ассистентом. В MVP вложили примерно 50 000 $: около 30 000 $ — в разработку, еще 20 000 $ — в маркетинг.
За первые четыре месяца приложение установили 18 000 пользователей. Платную подписку оформили 540 человек, средний чек — 9,99 $ в месяц. Привлекать новых клиентов для установки приложения было недорого, но они плохо конвертировались в платные подписки. Причина — некачественная работа ИИ.
После внутренней проверки выяснили, что примерно 30% рекомендаций ИИ содержали неточности. В 10% случаев нейросеть предлагала путешественникам несуществующие или уже закрытые локации. Еще ИИ‑помощник рекомендовал мобильных операторов из других стран или несуществующие заведения, путал визовые требования. В итоге большинство пользователей отказывались от платного тарифа после бесплатного теста.
За два месяца количество негативных отзывов выросло на 180%, рейтинг приложения упал с 4,6 до 3,2. Доля возвратов по подписке достигла 28%. Стоимость привлечения пользователя составила около 33 $, а жизненный цикл клиента — 1,4 месяца. В то же время максимальная прибыль с одного клиента — не более 6 $ в месяц. Юнит‑экономика проекта стала отрицательной.
Что предприняли. Когда бизнес обратился в 2LEADS, команда попыталась исправить ситуацию. Провели внутренний аудит контента, начали вручную проверять самые проблемные города и популярные направления.
Противоречивых данных скопилось слишком много, и ручная модерация не успевала все исправить. Негативные отзывы быстро снижали рейтинг приложения и приток новых клиентов.
Решили приостановить маркетинговую кампанию, чтобы не усиливать приток недовольных пользователей. Часть ИИ‑рекомендаций временно ограничили, но это снижало ценность подписки и не решало проблему. Тогда начали разработку обновленного ИИ‑ассистента на актуальных данных с ручной проверкой.
Какой вывод сделали. Ключевая ошибка — ставка на универсального ИИ‑помощника без надежного контроля качества.
ИИ хорошо справлялся с общими советами и вдохновляющими рекомендациями, но в задачах, где важна точность, актуальность и локальный контекст, цена ошибки оказалась слишком высокой. Масштабирование усилило не главное преимущество продукта, а его слабые места.
А вы советуетесь с ИИ по поводу бизнеса? Делитесь успехами и неудачами в комментариях.