Мультиязычный ИИ-бот: почему 100% точности не бывает

Знакомая картина. Клиент пишет на английском: “What’s the price for delivery to Dubai?”. Бот отвечает на русском: “Стоимость доставки уточняется у менеджера”. Клиент в шоке. Иногда блокирует диалог. Иногда пишет владельцу бизнеса: “Что это за непрофессионализм?”. И так в 10-15% сообщений на трёх языках.

Я Дмитрий Дьяконов, CEO Botseller AI. За три года и 100+ внедрений  я разобрал эту проблему до атомов. Сразу честно: 100% точности на трёх языках в одном боте не существует. Это не криворукость интегратора и не “плохой ChatGPT”. Это физика больших языковых моделей. Но решения есть, и каждое имеет свою цену. В этой статье - инженерный разбор причин, четыре уровня моделей и три варианта действий для бизнеса с международным трафиком.

Почему ИИ-бот ошибается с языком в 10-15% случаев?

Языковая ошибка возникает не там, где её ищут. Большинство думает, что бот “плохо знает арабский” или “путает английский с русским”. На самом деле проблема глубже - в том, как нейросеть представляет языки внутри одного контекстного окна.

По данным научного сообщества (см. отчёт science.mail.ru со ссылкой на исследования Stanford), на арабский язык, пятый по распространённости в мире, приходится менее 1% от всего обучающего корпуса крупных LLM. Англоязычный текст занимает 60-80%. Русский - около 5-7%. Когда такая модель работает с тремя языками одновременно, веса её внимания распределяются неравномерно. Самый редкий язык всегда страдает первым.

К этому добавляется три типа ошибок: wrong language reply (бот отвечает не на том языке, что вход), code-switching breakdown (клиент написал смешанно “Hello, скажите цену” - модель теряется), и RTL/LTR конфликт (арабский справа налево ломается на эмодзи и числах). По нашим измерениям на 100+ внедрений, при работе на трёх языках совокупная точность языковой маршрутизации опускается до 85-90%. На двух языках - стабильно 95-98%.

Причина диагноза - в том, как устроен обучающий корпус современных LLM. Веса внимания модели распределяются неравномерно между языками, и это распределение отражает пропорции данных, на которых модель училась. Английский доминирует подавляющим объёмом. Русский занимает скромное место. Арабский, несмотря на его глобальную значимость, оказывается на периферии. Это не злонамеренность разработчиков, а объективное следствие того, что интернет-контент в основном англоязычный.

Как Botseller определяет язык: нодная архитектура?

В общей архитектуре Botseller  одно входящее сообщение проходит через шесть специализированных нейросетевых нод. Самая первая - Нода 1 “Язык”. Это лёгкая дешёвая модель, которая за 50-80 миллисекунд определяет, на каком языке пишет клиент: RU, EN, AR или другой. Стоит это доли копейки.

Дальше работает простая логика: язык-метка передаётся в следующие ноды как контекст маршрутизации. Нода 3 (RAG Retrieval) ищет в базе знаний только релевантный для этого языка контент. Нода 4 (Генерация) получает промпт с явной инструкцией  “отвечай на языке клиента”. Нода 5 (Guardrails) проверяет, что ответ действительно сгенерирован на нужном языке - если нет, переписывает.

Звучит надёжно. И для двух языков работает с точностью 95-98%. Но при добавлении третьего языка с малым объёмом в обучающих данных (особенно арабского) Нода 1 начинает ошибаться чаще: на коротких сообщениях, на смеси языков, на сообщениях из 1-3 слов где сигнала недостаточно. Каскад: ошибка Ноды 1 ведёт к неправильной маршрутизации в Ноде 3, неправильному промпту в Ноде 4, и Guardrails не всегда успевают это исправить.

Что значит “разделяй и властвуй” и почему это удешевляет?

Парадигма “разделяй и властвуй” - центральное инженерное решение Botseller. После того как Нода 1 определила язык, мы разбиваем дальнейший контекст на узкие срезы. Вместо того чтобы тяжёлая LLM держала в голове все три языка, RAG-базу для всех языков, и историю диалога целиком - она получает только нужный срез. Один язык, релевантные документы только этого языка, история переписки только в этом языке.

Это даёт прирост скорости и снижение стоимости в 5-10 раз. Узкий контекст быстрее обрабатывается, требует меньше токенов, позволяет использовать модели с меньшим контекстным окном. Для дожимной кампании на 1000 контактов разница принципиальная: один диалог в “разделённом” режиме обходится в условные 3 рубля, в режиме “полный контекст со всеми языками” - в условные 30 рублей.

Но есть цена. Если Нода 1 ошиблась, дальше всё работает на неправильном срезе. Это и даёт те самые 10-15% wrong language reply, на которые жалуется ваш клиент. Это сознательный инженерный compromise: мы выбираем дешёвую массовую обработку с допустимым процентом ошибок, чтобы средний бизнес мог себе позволить ИИ-бота. Альтернатива - дорогая обработка с почти идеальной точностью, доступная только премиум-сегменту.

Классический пример проблемы - code-switching, смешение языков в одном сообщении. Три алфавита, три грамматики, одна LLM пытается их разложить по полочкам и часто ошибается. На смешанных текстах даже топовые модели теряют 10-25% точности маршрутизации (arXiv 2506.14012).

Именно чтобы снизить вероятность таких ошибок, мы после Ноды 1 разбиваем контекст на узкие срезы. Вместо того чтобы заставлять тяжёлую LLM держать в голове сразу три языка, три RAG-базы и трёхъязычную историю диалога, мы передаём в модель только то, что относится к определённому языку. Одна LLM-сессия - один язык, одна база знаний, одна логика формулировок. Это не просто экономия, это инженерный приём борьбы со снижением точности.

Почему точность растёт на 60% при двух языках вместо трёх?

Уберите один язык из мульти-языкового бота - и точность взлетит. По нашим внутренним измерениям, переход с 3 языков на 2 даёт прирост точности маршрутизации с ~50% (на сложных мульти-язычных кейсах) до ~95%. Это не маркетинг, это физика контекстного окна.

В исследовании arXiv 2506.14012 (“Lost in the Mix: Evaluating LLM Understanding of Code-Switched Text”, июнь 2025) учёные показали: модель Mistral 7B при контролируемом code-switching (когда английский встроен в арабский контекст) даёт прирост точности с 0.35 до 0.48 - плюс 13 процентных пунктов. Звучит скромно, но это означает, что добавление одного “якорного” языка в контекст помогает модели лучше понимать остальные.

Параллельно работает другой эффект - “lost in the middle” (потеря в середине). LLM с контекстным окном 200K токенов начинает терять качество понимания после 130K токенов. Информация в начале и в конце обрабатывается отлично, в центре - хуже. Когда вы держите три языка в одном контексте, каждый язык занимает свою долю окна, и часть критичных токенов оказывается ровно в “слепой зоне” модели. Уберите один язык - освободите треть пропускной способности - и оставшиеся два получат больше внимания.

Какие 4 уровня моделей мы используем?

В Botseller четыре уровня LLM: Low, Medium, High, Ultra. Каждый - это компромисс между ценой, скоростью и точностью. Главная характеристика для мульти-язычных кейсов - размер контекстного окна и качество мульти-языкового претрейна.

Уровень	Контекст	Multi-lang точность	Относительная стоимость	Когда использовать
Botseller Low	узкий	~80%	x1 (база)	1 язык, короткие сценарии, FAQ-ответы
Botseller Medium	средний	~90%	x3	2 языка, основной поток продаж
Botseller High	широкий	~95%	x7	3+ языков, длинные диалоги, сложные кейсы
Botseller Ultra	полный	~98%	x10	премиум-сегмент, низкий объём, max качество

Цена растёт нелинейно. Закон убывающей отдачи: переход с Low на Medium даёт +10% точности при росте стоимости в 3 раза. Переход с High на Ultra даёт +3% при росте стоимости в полтора раза. Для большинства бизнесов оптимум - Medium или High. Ultra оправдан только там, где каждая ошибка стоит репутации или сделки на сотни тысяч.

При этом важно понимать: даже Ultra на трёх языках не даёт 100%. 98% - это потолок текущих публичных моделей при работе с code-switching и низкоресурсными языками вроде арабского. Чтобы получить условные 99.5%, нужно либо доучивать модель на корпусе клиента (это отдельный продукт), либо разделять трафик по языкам на этапе входа.

Какие 3 решения мы предлагаем для мульти-язычного трафика?

Перед каждым клиентом с международным трафиком мы кладём три варианта. Не один “правильный”, а три инженерно обоснованных пути. Выбор за бизнесом.

Решение А - разделение трафика по номерам. На этапе рекламы и сайта вы выдаёте два или три телефона. Один - русскоязычным (через таргетинг по гео и интересам), второй - англоязычным, третий - арабоязычным. Каждый номер привязан к отдельному боту, который работает только на одном языке. Точность взлетает до 99%, потому что Нода 1 не нужна, контекст узкий, модель оптимальная. Технически это поддержано через мульти-канальную конфигурацию Botseller . Минус: дополнительные номера, дополнительные BI-метрики, дополнительная операционка. Это хозяйственная нагрузка, но не астрономическая.

Решение Б - дорогая модель с полным контекстом. Переходите на Botseller High или Ultra, держите все три языка в одном контекстном окне, не делите. Точность 95-98%. Подходит, если вы готовы платить в 7-10 раз больше за каждый дожимной диалог. Если ваша дожимная кампания на 1000 контактов в Medium стоит 3000 рублей, то в Ultra она будет стоить 30 000 рублей. Если LTV арабоязычного клиента у вас высокий (туризм - см. наш кейс турфирмы , недвижимость, премиум-услуги) - это может окупиться уже на 5-10 дополнительных конверсиях.

Решение В - принять 1-3% потерь. Оставляете текущую конфигурацию, но осознанно. Если арабоязычные клиенты составляют 1-3% от вашего трафика, а LTV сравним с другими языками - математически выгоднее терять часть таких клиентов, чем платить х10 за всех. Это классический подход бережливого производства: минимум косты, максимум пользы для основной массы.

Сколько стоит идеальная мульти-языковая точность?

Считаем юнит-экономику на конкретном примере. Допустим, у вас 1000 контактов в месяц для дожимной кампании. Из них 5% - арабоязычные (50 контактов), 25% англоязычные (250), 70% русскоязычные (700). LTV арабоязычного клиента - 15 000 рублей.

В Решении А (два номера) дополнительная стоимость: один номер ~500 рублей в месяц плюс настройка двух ботов вместо одного (разовое). Точность 99%, потери клиентов менее 1%. На горизонте года - +5500 рублей доп. косты. Если хотя бы один арабоязычный клиент конвертируется благодаря этому - решение окупается с х2.

В Решении Б (Ultra модель): дожимная кампания на 1000 контактов обходится в 30 000 рублей вместо 3000 рублей в Medium. Доп. стоимость: 27 000 рублей в месяц. Чтобы окупить, нужно дополнительно конвертировать минимум 2 арабоязычных клиента в месяц, чьи деньги перекроют разницу.

В Решении В (принять 1-3% потерь): доп. стоимость 0 рублей. Потеря: при 50 арабоязычных контактах и 1-3% оттока из-за wrong language - это 1-2 клиента в месяц. При LTV 15 000 рублей - до 30 000 рублей упущенной выручки в месяц.

Вывод математический: при таких числах Решение Б проигрывает Решению А, потому что доп. стоимость одинакового порядка с потенциальной потерей, но при этом усложняет архитектуру. Решение А выигрывает, если у вас стабильно есть арабоязычный трафик и инфраструктура справляется с двумя номерами. Решение В выигрывает, если арабоязычный трафик - случайный, и LTV сопоставим с двумя другими языками.

Что мы рекомендуем по умолчанию и когда нарушать правило?

По умолчанию мы строим ботов в режиме бережливого производства: модель Medium, нодная архитектура с разделением контекста, осознанные 5-10% ошибок на multi-language трафике. Это даёт стоимость, которую может позволить себе средний бизнес, и качество, которое не убивает конверсию для 90%+ клиентов. Для большинства проектов это оптимум.

Нарушаем правило в трёх случаях. Первое - премиум-сегмент, где каждая упущенная сделка стоит сотни тысяч рублей. Здесь оправдан Ultra или Решение А с разделением трафика - даже за высокую цену. Второе - репутационные риски, когда жалоба недовольного клиента может попасть в Telegram-канал, СМИ, или к ключевому партнёру. Тут точность важнее экономии. Третье - регуляторные требования: если бот общается с пациентами клиники или клиентами банка, ошибка с языком может квалифицироваться как нарушение прав потребителя.

Для всех остальных проектов мы говорим клиенту прямо: вот три решения, вот их цена, вот их математика. Решение всегда за владельцем бизнеса. Мы как инженеры даём цифры и архитектуру. Вы как предприниматель смотрите на свою воронку, свою маржу и свой LTV - и принимаете решение.

Если вы хотите посчитать точно для своего бизнеса, воспользуйтесь нашим калькулятором ROI  или напишите нам в контакты  - разберём ваш конкретный случай.

За последние три года мы увидели десятки таких развилок. Кто-то начинал с “давайте сделаем идеально”, а через месяц возвращался за Medium-конфигурацией, потому что математика не сходилась. Кто-то наоборот стартовал с бережливого варианта, получал первые деньги, видел рост MENA-трафика и осознанно переходил на Ultra. Правильного ответа нет - есть ответ, правильный для вашей воронки, вашей маржи и вашего LTV прямо сейчас. Через квартал цифры могут измениться, и решение вместе с ними.

FAQ

Какие языки поддерживает Botseller из коробки?

Из коробки - все языки, которые поддерживают современные LLM: русский, английский, испанский, французский, немецкий, итальянский, китайский, японский, корейский, арабский, иврит, турецкий и около 50 других. Качество распознавания и генерации зависит от языка: для топ-10 (RU/EN/ES/FR/DE/IT/PT/ZH/JA/KO) - стабильное качество 95%+ на двух языках одновременно. Для низкоресурсных (арабский, иврит, языки СНГ кроме русского) - точность ниже на 5-10 процентных пунктов из-за меньшего объёма в обучающих данных моделей.

Что такое code-switching и почему это сложно?

Code-switching - это смешение языков в одном сообщении. Например: “Hello, скажите цену на профнастил, شكرا”. Для человека это естественно, особенно у билингвов и в международных компаниях. Для LLM - challenge. Модель обучалась на текстах, где обычно один язык от начала до конца. Когда в одном предложении три алфавита и три грамматики, модель должна переключать внутренние представления на лету. Текущее состояние науки: даже топовые модели теряют 10-25% точности на code-switched текстах по сравнению с моноязычными (см. arXiv 2506.14012, июнь 2025).

Можно ли использовать один номер для разных языков?

Технически да - именно это и есть стандартная конфигурация Botseller. Один номер WhatsApp или Telegram-аккаунт, бот определяет язык каждого сообщения через Ноду 1 и отвечает соответственно. Работает с точностью 95% при двух языках и 85-90% при трёх. Если вам нужна точность 99%+, разделение по номерам - надёжнее.

Что выгоднее: один бот на 3 языка или 3 разных бота?

Зависит от объёма и распределения трафика. Если у вас по 30%+ трафика на каждом языке - три отдельных бота выгоднее: каждый работает в узком контексте, точность близка к 99%, операционка несильно сложнее. Если распределение 70/25/5% - один бот с разделением контекста выгоднее: вы платите за инфраструктуру одного бота, а не трёх. Третий язык с 5% трафика часто можно вообще отдать на отдельный мини-бот или принять 1-2% потерь. Похожая логика работает в нашем кейсе по продаже стройматериалов  - там основной трафик в одном регионе, и оптимизация шла под него.

Как Botseller обрабатывает арабский справа налево?

В чатах WhatsApp и Telegram направление текста определяется автоматически на стороне клиента (по первому символу или Unicode-метке RTL). Botseller на стороне сервера хранит и передаёт текст в стандарте UTF-8 с правильной разметкой. Проблемы возникают только при смешении: например, арабский текст с эмодзи или цифрами в середине. Тогда отображение может ломаться у клиента. Мы обходим это через Guardrails (Нода 5), которые проверяют формат ответа и при необходимости перестраивают.

Что делать если клиент пишет на смеси языков?

В мульти-язычной конфигурации Нода 1 пытается определить доминантный язык в сообщении. Если в “Hello, скажите цену” 60% символов на русском - язык будет определён как русский, ответ пойдёт на русском. Это часто разочаровывает англоязычных клиентов, которые начали с приветствия на английском. Решение: либо обучить Ноду 1 на ваших типичных смешанных сообщениях (доступно в Botseller High и Ultra), либо разделить трафик на этапе входа.

Какие модели лучше всего справляются с арабским?

По публичным бенчмаркам (Artificial Analysis, 2026) лучшие результаты на арабском показывают специализированные модели: Jais 13B Chat от G42, ALLAM 7B от Saudi Data and AI Authority, и закрытые версии больших моделей с расширенным мульти-язычным обучением. В Botseller Ultra мы используем именно такие модели для проектов с крупным MENA-трафиком. Для большинства задач русско-английско-арабского трио хватает топовых публичных LLM в High-уровне.