Антон Дегтярёвai-квалификация лидов: bitrixgpt, gigachat или yandexgpt
Год назад выбор был один — OpenAI через API. Сейчас для квалификации лидов в Битрикс24 есть три рабочих варианта с поддержкой русского языка, и на каждом проекте спрашивают: какой ставить? Ниже — разбор каждого с ценами, тестом на одном и том же лиде и конкретные рекомендации.
почему выбор модели стал актуален именно сейчас
Ещё год назад, если заказчик хотел AI-квалификацию, я подключал API OpenAI через серверную прослойку и настраивал промпт. Как это устроено архитектурно — вебхук, прослойка, запись результата в поле лида — разбирал в статье про AI-квалификацию через ChatGPT. Принцип тот же, меняется только эндпоинт и авторизация.
Сейчас ситуация другая. В самом Битрикс24 появился BitrixGPT (CoPilot) — встроенный AI без внешних API. Сбер выкатил GigaChat с полноценным API для разработчиков. Яндекс развивает YandexGPT в облаке. Все три работают с русским текстом нативно, а не через перевод — и это критично для квалификации, где модель должна понимать «двушка в новостройке ПИК» и «ремонт под ключ» без дополнительных пояснений в промпте.
На моих проектах вопрос «какую модель подключить» задают чаще, чем «нужна ли AI-квалификация вообще». Ответ зависит от трёх вещей: бюджет на токены, сложность сценария квалификации и готовность заказчика разворачивать серверную прослойку. При этом «правильного» ответа на все случаи нет — на одном проекте лучше встроенный CoPilot, на другом без внешнего API не обойтись. Ниже разбираю каждый вариант и считаю стоимость на реальном потоке.
bitrixgpt (copilot) — что умеет и чего не умеет для квалификации
BitrixGPT — встроенный AI-ассистент в Битрикс24, он же CoPilot. Главный плюс — нулевой порог входа: никаких API-ключей, серверов, вебхуков. Включается в настройках портала, работает внутри CRM.
Для квалификации его можно использовать через роботов — CoPilot умеет генерировать текст по контексту сделки или лида. На практике: робот на стадии вызывает CoPilot с инструкцией «оцени обращение и присвой категорию hot/warm/cold», результат записывается в поле.
Ограничения существенные. Контроль над промптом минимальный — вы работаете в рамках интерфейса CoPilot, а не пишете произвольный системный промпт с JSON-схемой ответа. Нельзя задать строгий формат выхода, сложно отлаживать: нет логов промптов, нет fallback-логики при ошибке. Количество запросов ограничено тарифом — на стандартном тарифе CoPilot-баллы заканчиваются быстро при потоке 30+ лидов в день.
Когда подходит: команда из 2–3 человек, поток до 20–30 лидов в день, критерии квалификации простые. Когда не подходит: нужен собственный промпт с JSON-ответом, поток выше 50 лидов в день, нужна точная отладка по историческим обращениям.
gigachat через api — подключение, цена, качество на русском тексте
GigaChat — модель Сбера, доступна через REST API. Для подключения к Битрикс24 нужна серверная прослойка (скрипт на VPS или облачная функция), как и для любого внешнего API. Регистрация на developers.sber.ru, получение API-ключа, OAuth-авторизация по сертификату — стартовый порог чуть выше, чем у OpenAI, но ничего запредельного.
Качество на русском тексте — сильная сторона. Модель обучена на русскоязычных данных, и в задачах квалификации лидов строительных, юридических, медицинских компаний она стабильно понимает отраслевой сленг без дополнительных пояснений. На моих тестах GigaChat реже путает «ремонт квартиры под ключ» и «ремонт телефона» — там, где другие модели иногда сбоят без явного указания контекста.
Ценообразование: оплата за токены, есть бесплатный лимит для тестирования. GigaChat Pro — примерно 3.5 рубля за 1000 токенов. Один запрос на квалификацию лида обычно укладывается в 500–800 токенов, итого 1.7–2.8 рубля за лид.
Из минусов: API иногда отвечает медленнее (3–7 секунд в пике), документация местами сырая, SDK обновляется реже, чем у конкурентов. Но для задачи квалификации, где ответ не нужен в реальном времени и обработка идёт асинхронно, задержка в 5–7 секунд некритична — робот Битрикс24 всё равно пишет результат в поле лида в фоне.
yandexgpt через api — подключение и ценообразование yandex cloud
YandexGPT доступен через Yandex Cloud. Для подключения нужен аккаунт в облаке, сервисный аккаунт с IAM-токеном и настроенная квота. Порог входа выше, чем у GigaChat: если у заказчика нет облака Яндекса, придётся заводить аккаунт, привязывать биллинг и разбираться с IAM-авторизацией. Если облако уже используется — подключение занимает час.
Качество на русском тексте сопоставимо с GigaChat. В моих тестах YandexGPT чуть лучше справляется с короткими обращениями (3–5 слов типа «нужен сайт срочно»), где контекста мало и важна способность модели додумать намерение из минимума данных.
Ценообразование: Yandex считает токены отдельно на вход и выход, тарифы зависят от версии модели. YandexGPT Pro — примерно 1.2 рубля за 1000 токенов генерации. С учётом входных токенов один запрос обходится в 1.5–2.5 рубля за лид — сопоставимо с GigaChat.
Отдельный плюс — данные остаются в российском контуре. Для заказчиков из медицины, финансов, госсектора это решающий аргумент, перевешивающий любые технические сравнения.
сравнение на практической задаче — квалификация лида строительной компании
Беру реальный пример: лид строительной компании, которая делает ремонт квартир в Москве. Обращение через форму на сайте: «Добрый день, двушка 54 кв.м, новостройка ПИК, хотим ремонт с мебелью, бюджет до 2.5 млн, заехать нужно к марту».
Промпт одинаковый для всех трёх моделей: оцени лид по шкале 1–5, присвой категорию hot/warm/cold, верни JSON с полями score, category, reason.
BitrixGPT (CoPilot): выдал текстовый ответ — «Это горячий лид, клиент указал бюджет и сроки». Полезно как подсказка менеджеру, но автоматически записать результат в поле CRM без парсинга свободного текста нельзя. Для автоматической квалификации на потоке — не годится без доработок.
GigaChat Pro: вернул корректный JSON — score: 5, category: hot, reason: «указан бюджет, площадь, сроки, новостройка — целевой клиент». Время ответа — 2.4 секунды. Правильно распознал «ПИК» как застройщика, а не аббревиатуру.
YandexGPT Pro: тоже вернул JSON — score: 5, category: hot, reason: «конкретный запрос с бюджетом и дедлайном». Время ответа — 1.8 секунды. Не упомянул застройщика в reason, но оценка корректная.
Оба API-варианта справились. Разница — в деталях reason-поля и скорости, но для квалификации это непринципиально. BitrixGPT для автоматического скоринга с записью в поле подходит хуже из-за отсутствия контроля над форматом ответа.
арифметика — стоимость квалификации одного лида при 500 лидах в месяц
Считаю для потока 500 лидов в месяц — типичный объём для компании с активной рекламой.
BitrixGPT: зависит от тарифа Битрикс24. На тарифе «Профессиональный» CoPilot-баллы ограничены — при 500 лидах баллы закончатся к середине месяца. Доплата за дополнительные баллы или переход на Enterprise поднимает расходы до 5000–15000 рублей в месяц только за AI-квалификацию.
GigaChat Pro: 500 лидов × ~2.2 рубля = ~1100 рублей в месяц за токены. Плюс сервер-прослойка — если уже есть VPS, дополнительных затрат нет; если нет — ещё 500–1000 рублей за минимальный VPS.
YandexGPT Pro: 500 лидов × ~2 рубля = ~1000 рублей в месяц. Плюс Yandex Cloud (минимальный тариф, если облако уже есть — копейки; если заводить с нуля — от 500 рублей).
По чистой стоимости токенов GigaChat и YandexGPT сопоставимы и в 3–5 раз дешевле BitrixGPT на этом объёме. Но BitrixGPT не требует серверной прослойки — и если считать стоимость часа разработчика на настройку, картина может измениться для небольших команд.
какую модель выбрать в зависимости от задачи
BitrixGPT — если поток до 20–30 лидов в день, команда без разработчика, критерии квалификации простые (3–4 признака), не нужен строгий JSON на выходе. Это вариант «включил и работает» без внешних зависимостей и расходов на инфраструктуру.
GigaChat — если нужен полный контроль над промптом и форматом ответа, уже есть VPS или облачная инфраструктура, важно качество понимания отраслевого русского сленга.
YandexGPT — если заказчик уже в экосистеме Yandex Cloud, критично хранение данных в российском контуре, нужна быстрая генерация (на моих тестах YandexGPT стабильно отвечал быстрее), или нужна интеграция с другими сервисами Яндекса — Метрикой, Директом, Трекером.
На моих проектах в 8 из 10 случаев ставлю GigaChat или YandexGPT — выбор между ними зависит от инфраструктуры заказчика. BitrixGPT оставляю для маленьких команд, которым нужна квалификация «на минималках» без возни с API. Подробнее про архитектуру интеграции и fallback-логику — в статье про AI-квалификацию через ChatGPT.
типичные ошибки при подключении ai-квалификации
Первая — подключить модель без тестирования на исторических лидах. На каждом проекте первые 30–50 лидов прогоняю вручную и сравниваю оценку AI с реальным результатом — без этого промпт работает вслепую.
Вторая — не предусмотреть fallback при сбое API. Любой внешний сервис может лечь на 10 минут — и если в роботе нет правила «API не ответил за 15 секунд → оставить лид без приоритета, передать оператору», вся очередь квалификации зависает.
Третья — экономить на контексте в промпте. Если модель не знает, чем занимается компания заказчика, она квалифицирует по общим признакам и путает целевых клиентов с нецелевыми. Две-три строки контекста в системном промпте экономят десятки ошибочных классификаций в месяц.
Четвёртая — забыть, что данные для квалификации можно обогащать. Если лид пришёл через звонок, передавать в промпт AI-резюме разговора вместо пустого поля «комментарий» — это разница между 60% и 85% точности. А если лид уже попал в сделку, дополнить его данными из AI-follow up — ещё один источник контекста для модели.