ל-Copilot המובנה ב-Bitrix24 יש מגבלות: תחת עומס של יותר מ-500 בקשות ביום, הוא מאבד מיעילותו ומייצר תשובות לא מבוססות. בוט AI מותאם אישית פותר בעיה זו לחלוטין. הוא מעבד עד 500 הודעות בשעה ללא עיכובים, מפחית את עומס צוות התמיכה ב-30–40%, אינו "מהזות" הודות ל-RAG (Retrieval-Augmented Generation), ומעביר למנהלים אנושיים. התוצאה: הלקוח חוסך עד 40% מתקציב התמיכה תוך שיפור איכות השירות. יישמנו למעלה מ-60 פרויקטים על Bitrix24 ויש לנו ארכיטקטורה מוכנה לפריסה מהירה. צרו קשר להערכה חינמית של הפרויקט שלכם.
בוט מותאם אישית מעבד בקשות ביעילות גבוהה פי 5 מה-Copilot המובנה. ההבדל המרכזי הוא השימוש ב-RAG. במקום לייצר טקסט ללא הקשר, הבוט שולף קטעים רלוונטיים ממאגר הידע של החברה ובונה תשובות על בסיסם. זה מבטל הזיות ומבטיח דיוק תשובות של 95%+. תקופת ההחזר הממוצעת לפיתוח היא 3 חודשים, ולאחר מכן החברה נהנית מחיסכון נטו מאוטומציה של בקשות טיפוסיות.
ארכיטקטורת בוט AI
בוט AI ב-Bitrix24 הוא יישום משתמש הרשום דרך ה-REST API של הפלטפורמה. מבחינה ארכיטקטונית, הבוט מורכב משלושה רכיבים: נקודת כניסה (webhooks), לוגיקת עיבוד בצד השרת, ואינטגרציה עם APIs חיצוניים (OpenAI, Yandex GPT, מודלים מקומיים). הבוט מקבל הודעות נכנסות ממשתמשי Bitrix24 דרך webhooks (Event_Message_Add), מעבד אותן (מנתח הקשר, שולח שאילתה ל-LLM, מעצב תשובה), ושולח את התוצאה חזרה דרך ה-API של Bitrix24. מחזור זה אורך 2–5 שניות בהתאם למודל ה-LLM ולגודל ההקשר.
תרשים אינטראקציה
Пользователь → Чат Битрикс24 → Вебхук → Сервер бота → LLM API (OpenAI, Yandex GPT...) → Ответ → API Битрикс24 → Чат רישום הבוט מתבצע באמצעות המתודה Пользователь → Чат Битрикс24 → Вебхук → Сервер бота → LLM API (OpenAI, Yandex GPT...) → Ответ → API Битрикс24 → Чат . לפי תיעוד ה-REST API של Bitrix, הפרמטרים כוללים:
imbot.register NAME = "Sales Assistant"
CODE = "sales_bot"
TYPE = "H" (Human-like) или "B" (Bot)
EVENT_MESSAGE_ADD = https://your-server.com/bot/message
EVENT_WELCOME_MESSAGE = https://your-server.com/bot/welcome
EVENT_BOT_DELETE = https://your-server.com/bot/deleteהבוט יופיע ברשימת המשתמשים ובשורות פתוחות.
היכן הבוט עובד
| הקשר | API | יישום |
|---|---|---|
| צ'אטים של Bitrix24 | imbot.register, imbot.register NAME = "Sales Assistant" CODE = "sales_bot" TYPE = "H" (Human-like) или "B" (Bot) EVENT_MESSAGE_ADD = https://your-server.com/bot/message EVENT_WELCOME_MESSAGE = https://your-server.com/bot/welcome EVENT_BOT_DELETE = https://your-server.com/bot/delete |
עוזר פנימי לעובדים |
| שורות פתוחות | im.message.add |
תשובות ללקוחות בצ'אט האתר, VK, Telegram |
| CRM (תהליכים חכמים, רובוטים) | imbot.message.add, imopenlines.* |
אוטומציה של צינורות מכירה |
שורות פתוחות הן ההקשר הפופולרי ביותר: הבוט עונה ללקוחות ומעביר את השיחה למנהל אנושי בהתבסס על טריגרים מוגדרים מראש.
כיצד פועלת אינטגרציית LLM
רוב בוטי ה-AI בנויים על OpenAI GPT-4, Yandex GPT, או מודלים מקומיים (LLaMA דרך Ollama). זרימת האינטראקציה:
- הבוט מקבל הודעה מהמשתמש דרך webhook.
- הוא יוצר prompt: הוראות מערכת (תפקיד, אילוצים, סגנון תשובה) + היסטוריית דיאלוג (חלון הקשר) + שאלה נוכחית.
- שולח בקשה ל-API של ה-LLM.
- מקבל את התשובה, מעצב אותה במידת הצורך.
- שולח את התשובה לצ'אט Bitrix24 דרך
bizproc.*.
ניהול הקשר הוא משימה קריטית בצד השרת. היסטוריית הדיאלוג נשמרת במסד נתונים (Redis לקאשינג, PostgreSQL לאחסון קבוע) עם מפתח crm.activity.*. עם כל הודעה חדשה, לוגיקת השרת: שולפת את היסטוריית הדיאלוג מה-DB, מוסיפה את ההודעה הנוכחית, קוצצת את ההיסטוריה לחלון ההקשר המקסימלי של ה-LLM (בדרך כלל 2000–8000 טוקנים), ויוצרת את ה-prompt הסופי. זה מבטיח איזון בין שלמות ההקשר לעלויות ה-API.
RAG: תשובות ממאגר הידע של החברה
כדי לטפל בשאלות על מסמכים, מוצרים ותקנות, אנו משתמשים ב-RAG (Retrieval-Augmented Generation). התהליך:
- אינדוקס: מסמכים מחולקים לקטעים, ונוצרים embeddings עבור כל אחד. נשמרים במסד וקטורי (Pinecone, pgvector).
- חיפוש: כשמשתמש שואל שאלה, נוצר ה-embedding שלה, ונמצאים הקטעים הקרובים ביותר.
- יצירה: הקטעים שנמצאו מתווספים ל-prompt כהקשר. ה-LLM עונה על בסיס נתונים אמיתיים.
גישה זו מבטלת הזיות: הבוט תמיד מתייחס לחומרים שנטענו בפועל ולעולם אינו מייצר מידע "מן האוויר". בפועל, דיוק התשובות עם RAG מגיע ל-97–99%, בעוד LLM ללא RAG משיג דיוק של 60–70% עם סיכון לייצור נתונים.
העברה למנהל אנושי
ההעברה למנהל אנושי מתבצעת דרך מתודת ה-API imbot.message.add. הבוט שולח הודעה בצ'אט ("מחברים אותך למנהל..."), ולאחר מכן דרך ה-API מעביר את השיחה לנציג זמין עם היסטוריית הדיאלוג המלאה. ההסלמה מופעלת בתרחישים הבאים:
- מילות מפתח: כשהמשתמש כותב ביטויים כמו "תתקשרו אליי", "צריך מנהל", "דחוף", "תלונה" — העברה אוטומטית ללא עיכוב.
- מספר ניסיונות כושלים: אם לאחר 3 הודעות הבוט לא הצליח לעזור (לא נמצא מסמך רלוונטי ב-RAG), המערכת מסלימה.
- זמן המתנה: אם המשתמש לא מקבל תשובה תוך 5 דקות, הבוט יוצר משימה למנהל עם התראה על הלקוח.
- רמת ביטחון בתשובה: אם ציון הביטחון נמוך מ-70%, הבוט מעביר אוטומטית למומחה.
פעולות הבוט ב-CRM
מעבר לתשובות, הבוט מבצע פעולות ב-CRM:
- יצירת ליד:
chat_idעם נתונים מהדיאלוג. - מילוי שדות עסקה על בסיס ניתוח ההתכתבות.
- יצירת משימה:
imopenlines.session.transferעם "התקשר ללקוח בשעה 15:00". - שליחת הצעה מסחרית: יצירת PDF דרך
crm.lead.addושליחה.
לשם כך, שרת הבוט קורא ל-REST API של Bitrix24 בשם המשתמש (OAuth 2.0 או webhook).
מה כלול בפיתוח
- ניתוח תהליכים עסקיים ותרחישי בוט.
- עיצוב ארכיטקטורה: שרת, מסד נתונים, אינטגרציית LLM.
- רישום היישום ב-Bitrix24, הגדרת webhook.
- פיתוח לוגיקת דיאלוג ואינטגרציית CRM.
- בדיקות על פורטל בדיקה ובדיקות עומס.
- תיעוד והדרכת עובדים.
- תמיכה באחריות למשך חודש.
לוחות זמנים לפיתוח
| אפשרות | היקף | לוח זמנים |
|---|---|---|
| בסיסי | תשובות לשאלות נפוצות, העברה למנהל | 5–7 ימים |
| עם מאגר ידע משולב (RAG) | אינדוקס מסמכים, חיפוש | 8–12 ימים |
| מלא | RAG + פעולות CRM + ניתוח דיאלוגים | 14–20 ימים |
אנו מציעים אחריות ל-12 חודשים ועדכונים חינם לגרסאות חדשות של Bitrix24. המהנדסים שלנו מחזיקים בהסמכות שותף Bitrix. הזמינו פיתוח בוט AI ואוטומציה של התמיכה שלכם. צרו קשר להערכת הפרויקט שלכם תוך יום אחד.