Вертикальный и горизонтальный ИИ: почему «просто ChatGPT» — это ещё не решение

Прежде чем учиться слышать AI-сигналы в конкретных функциях бизнеса, важно понять одну рамку, без которой весь дальнейший разговор рассыпается.

Клиент почти наверняка уже знаком с ИИ — но знаком он с ним в виде ChatGPT, Gemini, YandexGPT или встроенного помощника в почте. Поэтому в разговоре всё чаще звучит:

• «Зачем нам что-то покупать, у нас же есть бесплатный ChatGPT»;
• «Мы попробовали GPT — сотрудники иногда пользуются, но в работу это не встроено»;
• «Дайте нам такого же бота, как ChatGPT, только по нашим данным»;
• «Мы дали команде доступ к нейросети, а толку мало».

Если сотрудник не понимает разницу между горизонтальным и вертикальным ИИ, он не сможет ни ответить на это, ни объяснить, за что вообще клиент платит. А значит — не сможет распознать AI-возможность там, где она есть.

Этот урок — не про технологии под капотом. Он про то, как устроен рынок AI-решений и почему ценность бизнесу почти всегда приносит не универсальный инструмент, а заточенное под задачу решение.

Что важно понять

Все AI-продукты можно условно разложить на две большие группы.

Горизонтальный ИИ (horizontal AI) — это универсальные инструменты «обо всём»: ChatGPT, Gemini, Copilot, YandexGPT. Они умеют почти всё понемногу: написать письмо, придумать текст, ответить на общий вопрос, перевести, набросать код. Их сила — широта.

Вертикальный ИИ (vertical AI) — это решение, заточенное под конкретную отрасль или конкретную задачу: анализ звонков в продажах, поиск по внутренним регламентам компании, прогноз кассовых разрывов, нормализация справочников номенклатуры. Их сила — глубина и привязка к делу клиента.

Проще всего объяснить разницу через образ:

Горизонтальный ИИ — это очень эрудированный стажёр без доступов: он умный, начитанный, но не знает вашу компанию, не имеет доступа к вашим системам, не отвечает за результат и каждый раз начинает с чистого листа.

Вертикальный ИИ — это обученный сотрудник на конкретной должности: он знает вашу отрасль и регламенты, работает на ваших данных, встроен в ваши процессы и системы, и его задача — закрывать понятную бизнес-метрику.

Чем именно вертикальное решение отличается от «просто ChatGPT»

Когда клиент говорит «у нас же есть GPT», полезно держать в голове четыре отличия, которые и создают ценность.

1. Контекст и данные компании

Горизонтальный ИИ не знает ваших договоров, регламентов, истории продаж и остатков на складе. Вертикальное решение работает на данных клиента — поэтому отвечает не «в общем», а по конкретной ситуации компании.

2. Встроенность в процессы и системы

ChatGPT живёт в отдельном окне браузера: сотрудник должен сам туда зайти, скопировать, вставить, перенести результат обратно. Вертикальное решение встроено в рабочий процесс — в 1С, в CRM, в телефонию, в почту — и работает там, где реально идёт работа.

3. Заточенность под задачу и отрасль

Универсальный инструмент решает любую задачу «на троечку». Вертикальное решение делает одну задачу очень хорошо: речевая аналитика заточена под разбор звонков, RAG-ассистент — под поиск по документам, прогнозная модель — под конкретные числа.

4. Безопасность и ответственность за результат

Публичный ChatGPT — это чужой контур, куда нежелательно отдавать чувствительные данные, и у него нет SLA. Вертикальное решение можно поставить в закрытом контуре, с контролем доступа, и за его результат кто-то отвечает.

Почему это рамка для всего модуля 3

Дальше в этом модуле мы разберём, как слышать AI-сигналы в коммуникациях, документах, финансах, отраслевых задачах. И каждый раз логика будет одна и та же: конкретная боль → конкретное (вертикальное) решение.

Это не случайность. Именно потому, что ценность бизнесу даёт вертикаль, мы и учимся слушать конкретную задачу клиента, а не предлагать ему «поставить нейросеть». Если бы хватало универсального ИИ, не нужны были бы ни мы, ни этот курс — клиент бы просто оформил подписку на ChatGPT.

Поэтому правильная установка сотрудника звучит так:

«ChatGPT — это не конкурент нашему AI-направлению, а точка входа. Клиент уже распробовал ИИ на универсальном инструменте и упёрся в его потолок: нет данных компании, нет встроенности, нет ответственности за результат. Наша работа — услышать конкретную задачу и предложить решение, которое доводит ценность до дела».

Как связать это с разговором клиента

Типичные ошибки

Ошибка 1. Спорить с клиентом, что «ChatGPT — это плохо»

ChatGPT — это нормально и полезно. Спорить не нужно. Нужно показать, где у него потолок для бизнес-задачи и что начинается дальше.

Ошибка 2. Обесценивать интерес клиента к ИИ

Если клиент уже пробовал нейросети — это хорошо, он «тёплый». Это не повод сказать «вы всё делали неправильно», а повод разобрать, какая задача осталась нерешённой.

Ошибка 3. Продавать «вертикальность» как технологию

Клиенту не нужны слова «вертикальный ИИ» и «horizontal vs vertical». Ему нужно: решение работает на его данных, встроено в его процессы и даёт измеримый результат. Термин — для внутреннего понимания сотрудника, а не для презентации клиенту.

Ошибка 4. Не услышать готовый запрос на вертикаль

Фраза «хотим GPT по нашим документам» — это не возражение, а почти оформленный запрос на конкретное решение (RAG). Важно не пропустить его за привычным словом «GPT».

Пример из клиентской логики

Клиент говорит:

«Мы год назад раздали менеджерам доступ к нейросети. Кто-то пользуется, кто-то нет, единого эффекта не видно. Не очень понимаем, зачем платить ещё за что-то, если базовый ИИ и так есть».

Что здесь должен услышать сотрудник:

• клиент уже знаком с ИИ и не боится темы — это плюс;
• он использует горизонтальный инструмент без привязки к задаче и данным;
• у него нет встроенности в процессы и нет измеримого результата;
• за фразой «зачем платить ещё» стоит не отказ, а непонимание, что бывает дальше.

Как можно отреагировать:

«То, что команда уже пробует ИИ, — отлично, это полдела. Универсальные инструменты вроде ChatGPT хорошо показывают саму идею, но упираются в потолок: они не знают ваши данные, не встроены в ваши системы и ни за какой результат не отвечают. Давайте посмотрим, есть ли у вас конкретная задача, где эффект можно измерить, — и тогда обсудим решение, которое работает уже на ваших данных и внутри ваших процессов».

Это хорошая реакция, потому что она:

• не обесценивает опыт клиента и не спорит с ним;
• объясняет потолок горизонтального ИИ простым языком;
• разворачивает разговор от «зачем платить» к «какая задача»;
• открывает путь к конкретному решению или диагностике.

Проверьте себя