Три провальных кейса внедрения ИИ в бизнес: потеря денег, рост возвратов и 180% негатива

За 2025 год нейросети стали полноценным инструментом для бизнеса. Траты на ИИ начали закладывать в бюджет, сотрудников стали обучать работе с новыми технологиями. Однако внедрение искусственного интеллекта не всегда приводит к успеху. Редакция Т-Бизнес секреты собрала неудачные кейсы применения ИИ в бизнесе и вместе с героями разобрала причины провалов. В этой статье — три истории о том, как компании потеряли деньги, клиентов и репутацию, пытаясь автоматизировать процессы с помощью нейросетей, и какие выводы они из этого извлекли.

Подключили ИИ-обзвоны и потеряли 200 000 рублей

Что случилось. Компания Vagabond, работающая в сфере дизайна и брендинга, решила протестировать новый канал привлечения клиентов — ИИ-робота для холодных продаж. Задача стояла амбициозная: автоматизировать воронку и выстроить продажи с минимальным участием сотрудников.

Подрядчик обещал «умного ИИ-робота», который будет:

• звонить потенциальным клиентам и вести диалог по скрипту;
• фиксировать ответы и передавать лиды в CRM;
• понимать контекст беседы и обучаться в процессе;
• со временем полностью заменить менеджера по продажам.

Сотрудники Vagabond вместе с подрядчиком составили сценарии, интегрировали ИИ-робота с CRM и загрузили базу контактов. Для контроля все звонки записывались.

«Вместо лидов мы получили бесконечный подкаст из абсурдных разговоров», — вспоминают в компании.

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. Также 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 сменилась команда. Каждый раз приходилось заново объяснять суть проблемы и перечислять претензии. В итоге заказчик потратил на ИИ 200 000 рублей, 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 прекратили, и ИИ-обзвоны больше не применяют.

Сделали карточки товаров с помощью ИИ — возвраты и невыкупы выросли в два раза

Что случилось. Клиент агентства Pearls — бренд детской одежды — решил использовать ИИ для обработки карточек товаров на маркетплейсе. Сначала технологию протестировали на трёх SKU с большими оборотами. Гипотезу проверяли 20 дней, и эффект оказался положительным:

• CTR вырос вдвое — с 3,5 до 8%, а в отдельные дни до 10%;
• количество заказов увеличилось примерно на 30% за счёт роста входящего трафика и кликов;
• расходы на производство контента сократились в 10 раз.

Вдохновлённые успехом, в компании массово переработали карточки остальных SKU. Но через месяц начала проявляться обратная сторона роста — массовый негатив и возвраты.

ИИ-контент увеличил количество просмотров, но ухудшил ключевой показатель — соответствие ожиданий и реальности. Нейросеть изменила цвет кофточки, текстуру носков, материал чепчика оказался другим. А сгенерированное описание товара привлекало покупателей по нерелевантным запросам. В итоге:

• процент возвратов подскочил с 9–11% до 24%;
• невыкупы выросли 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 ещё 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, чётко 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. Для масштабирования бизнеса 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, ещё 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. Также 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. При этом 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. Но противоречивых данных скопилось слишком много, и ручная модерация не успевала всё 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 обновлённого ИИ-ассистента на актуальных данных с ручной проверкой.

Какой вывод сделали. Ключевая ошибка — ставка на универсального ИИ-помощника без надёжного 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.

Общие выводы из трёх кейсов

Три разные истории — от холодных обзвонов до тревел-приложения — объединяют общие ошибки, которые стоит учитывать при внедрении ИИ в бизнес.

1. ИИ не понимает контекст так, как человек.

Во всех трёх кейсах технология плохо справлялась с задачами, где важны нюансы: понимание специфики бизнеса (обзвоны), точная передача визуальных характеристик (карточки товаров), локальный контекст (тревел-приложение).

2. Цена ошибки может быть катастрофической.

В Vagabond потеряли 200 000 рублей и не получили ни одного лида. Производитель детской одежды столкнулся с двукратным ростом возвратов и падением позиций в выдаче. Тревел-стартап получил 180% негатива и отрицательную юнит-экономику.

3. Масштабирование усиливает не только плюсы, но и минусы.

Во втором кейсе удачный тест на трёх SKU создал ложное ощущение успеха, но при масштабировании проблемы проявились в полный рост. В третьем — инвестиции в маркетинг при неработающем продукте только ускорили падение рейтинга.

4. Контроль качества — обязательное условие.

Ни в одном из кейсов не было системы постоянной проверки работы ИИ. Обзвоны никто не контролировал в реальном времени, карточки не тестировались на соответствие реальности после массового внедрения, а рекомендации тревел-помощника не верифицировались.

5. Не все процессы можно автоматизировать.

Особенно это касается сфер, где ключевую роль играет доверие, экспертность и человеческое взаимодействие. Холодные продажи в B2B, презентация детских товаров, планирование путешествий — в этих областях ошибки ИИ обходятся слишком дорого.

ИИ — инструмент, а не панацея

Кейсы, собранные Т-Бизнес секреты, — не повод отказываться от внедрения искусственного интеллекта, а скорее руководство к действию: как делать не надо. Нейросети действительно могут сокращать издержки и увеличивать эффективность, но только при грамотном, осторожном и контролируемом применении.

Три главных урока из провалов:

• тестируйте тщательно и на репрезентативной выборке;
• никогда не отключайте человеческий контроль полностью;
• помните, что ИИ не понимает контекст — его нужно обучать и ограничивать.

Технологии развиваются, но пока они остаются инструментом в руках человека. И от того, насколько умело этот инструмент применяется, зависит успех или провал бизнеса.