Мы использовали GPT-5.5 в системе обслуживания клиентов европейских электронных магазинов, что позволило сэкономить 62% рабочих ресурсов, но при этом мы столкнулись с двумя серьезными проблемами.

В прошлом месяце, во время праздника Black Friday, наша команда по обслуживанию клиентов в Нидерландах чуть не рухнула: три оператора справлялись с 30 000 запросами от клиентов. Ранее использовавшийся инструмент GPT-4o приводил к тому, что 18% запросов на проверку адресов послепродажного обслуживания терялись из-за истечения времени, и уровень жалоб от пользователей увеличился в три раза по сравнению с обычным периодом. Мы срочно перешли на GPT-5.5 и использовали его в течение трех дней — проблемы были немедленно решены, но при этом мы столкнулись с двумя ситуациями, которых совершенно не ожидали.

Давайте сначала проясним, что такое GPT-5.5.

Не прислушивайтесь к СМИ, что они говорят о «начале AGI следующего поколения», для нас, кто занимается бизнесом, это мультимодальная оптимизированная версия OpenAI, выпущенная Q1 в 2026 году. Самый большой параметр привязки являетсяПри одинаковых способностях к рассуждению потребление токенов на 40% ниже, чем у GPT-4o.Кроме того, поддерживается одновременное вводение данных на нескольких языках в объеме до 128 килобайт, что избавляет от необходимости разбивать процесс на несколько отдельных запросов.

Три реальных дохода, которые мы получили в результате наших измерений.

• Во-первых, точность перевода на несколько языков значительно улучшилась. Ранее при обработке смешанных адресов на голландском, французском и немецком языках модель GPT-4o часто ошибалась, относя адреса из франко-говорящих районов Бельгии к Франции; ошибочность составляла около 8%. После перехода на GPT-5.5 мы проанализировали данные за 7 дней работы системы и…Ошибка распознавания адресов снизилась до 0,7%.Не нужно больше выделять специальных сотрудников для проверки информации о адресах.
• Затем процесс мультимодальной обработки стал более эффективным – не требуется разделять его на отдельные этапы. Раньше, для обработки фотографий возврата, отправленных пользователями, мы сначала использовали модель распознавания изображений для извлечения информации о повреждениях, а затем передавали результаты в большую модель для генерации ответа. Теперь мы просто передаем фотографии вместе с текстовыми запросами пользователями в GPT-5.5, и результат получаем сразу. Время обработки одного запроса сократилось с средних 2 секунд до 400 миллисекунд.
• И наконец, самый важный для всех вопрос — стоимость. Раньше ежемесячные затраты на работы с большими моделями составляли примерно 12 000 евро, но после перехода на GPT-5.5 при том же объеме запросов затраты сократились до 4 500 евро, что экономит 62% средств. Это эквивалентно зарплате еще одного сотрудника на полставки.

Два скрытых проблема, с которыми вы, скорее всего, столкнетесь

Не смотря только на плюсы, в первый же день после запуска мы столкнулись с проблемой: система GPT-5.5 проявила чрезмерную склонность к самостоятельному дополнению нечетких или неполных запросов пользователей. Один пользователь просто сказал: «Я хочу вернуть товар, адрес — главная улица в Амстердаме», но система сама придумала несуществующий номер дома и создала соответствующий этикет для возврата, в результате чего товар был отправлен не в тот склад. Мы были вынуждены возместить пользователю расходы на доставку в размере 80 евро.

Вторая проблема заключается в том, что стоимость пользовательской настройки (тренировки) этого моделя в 3 раза выше, чем у GPT-4o. Мы планировали использовать истории клиентских переговоров за последние 2 года для настройки модели, но после расчетов выяснилось, что это обойдется в 2700 евро, что значительно дороже, чем 800 евро для GPT-4o. В итоге мы отказались от этой идеи и вместо этого решили использовать метод оптимизации с помощью специальных подсказок (prompt-инженерии), и результат оказался не намного лучше.

Кому следует использовать что, а кому нет – давайте проведем четкую границу.

Если вы работаете в сфере межъязычного бизнеса и у вас маленькая или средняя команда, которая обрабатывает большое количество мультимодальных запросов (текст, изображения, короткие аудиозаписи), особенно в таких отраслях, как электронная коммерция, логистика или локальные услуги, как у нас, GPT-5.5 может существенно сэкономить вам деньги и ресурсы.

Но если ваш бизнес полностью связан с китайским языком и требует очень высокой точности прогнозирования (например, в медицинской диагностике или финансовом риск-менеджменте), или если ваша бизнес-логика может быть полностью реализована с использованием открытых моделей с небольшим количеством параметров, то нет никакой необходимости в замене текущего инструмента на другой — его дополнительные возможности для вас бесполезны.

Три конкретных совета для тех, кто собирается начать работу

• Сначала проведите 7 дней градационных тестов, не переключайте всю нагрузку сразу. Отправляйте 10% запросов на GPT-5.5 и сравнивайте результаты с теми, которые получаете с вашим текущим моделем. Особое внимание уделите доле аномальных выводов. Не допустите, чтобы вы столкнулись с теми же проблемами, что и мы — например, с неправильным заполнением адресов сразу после запуска системы.
• Если ваш бизнес связан с автодополнением информации, обязательно добавьте в примечание (prompt) следующее предложение: «Если информация неполная, прямо попросите пользователя её дополнить, не делайте выводы самостоятельно». Это поможет избежать 90% проблем, связанных с неправильным пониманием ситуации.
• Если у вас нет более миллиона обучающих данных, лучше не заниматься тонкой настройкой (тюнингом) моделей. Для решения большинства проблем достаточно использовать инструменты типа Prompt Engineering в сочетании с вызовами функций – это гораздо более экономически эффективно.

Ответы на два наиболее распространенных вопроса

Вопрос: Будет ли он более подвержен ограничениям по количеству запросов, чем GPT-4o? Ответ: Мы использовали его в течение месяца; пиковое количество запросов составляло 120 в секунду, и ни разу не возникло ошибки 429. Квоты, предоставленные OpenAI для этой версии, намного более щедрые, чем для GPT-4o.

Вопрос: Поддерживаются ли мультимодальные вызовы после тонкой настройки (fine-tuning)? Ответ: В настоящее время поддерживаются, но после тонкой настройки потребление токенов модели увеличится на 20%; необходимо заранее рассчитать связанные с этим затраты.