Поддержка отвечает на одни и те же вопросы
Регламенты, прайсы и инструкции лежат в почте, Notion и десятке PDF. Собираем поиск по этим документам и ассистента, который отвечает цитатой из конкретного файла, а не пересказом по памяти.
S/06 — ии и машинное обучение
Внедрение ИИ в бизнес под ключ
Внедрение ИИ в бизнес под ключ — это подключение языковой модели к вашим данным и процессам: поиск по документам компании, ассистент в поддержке, разбор входящих заявок и извлечение полей из документов. Работа заканчивается не демо, а рабочим контуром: модель, источник данных, проверки ответов и метрика, по которой видно, что стало быстрее.
Обсудить задачуОценка за 1 день, ответ в течение 2 часов
Какие задачи закрываем
Заявки разбирают руками
Входящее письмо или сообщение нужно прочитать, понять тему, вытащить контакт и адрес, положить в CRM. Классификатор и экстрактор делают это за секунды, а спорные случаи уходят человеку с пометкой, что именно смутило модель.
Документы перебивают в таблицы
Счета, накладные, договоры, анкеты. Модель вытаскивает поля, сверяет их с вашими справочниками и складывает в базу; всё, что не сошлось по сумме, дате или контрагенту, попадает в отдельную очередь на проверку.
Данные нельзя отдавать наружу
Коммерческая тайна, персональные данные, требования безопасности. Разворачиваем открытую модель на вашем сервере или в российском облаке — запросы не выходят за периметр, логи остаются у вас.
ИИ уже пробовали, и он выдумывал
На трёх вопросах демо работает, на реальном потоке модель начинает сочинять. Лечится не формулировкой промпта, а архитектурой: ответ строго из найденных фрагментов, ссылка на источник и явное «не знаю» вместо догадки.
Как идёт работа
Разбор процесса и метрика
1–2 дняСмотрим один процесс: сколько заявок или документов в день, сколько минут уходит на штуку, где именно теряется время. Фиксируем цифру, которая должна измениться, — иначе внедрение нечем закрывать.
Прототип на ваших данных
5–7 днейБерём реальную выборку — 100–300 документов или диалогов — и собираем работающий прототип. На этом шаге видно, решается задача моделью вообще или нет, до основного бюджета.
Сборка рабочего контура
10–15 днейИндексация источников, поиск, промпты, проверки ответа, интеграция с CRM или Telegram, админка для правки базы знаний. Всё в вашем контуре, с логом каждого запроса и ответа.
Проверка на реальном потоке
5–7 днейГоняем на живых заявках рядом с человеком: он видит ответ модели и правит. Считаем долю правок и время на задачу, докручиваем поиск и промпты по реальным ошибкам, а не по предполагаемым.
Запуск и передача
2–3 дняВыкатываем, отдаём исходники и документацию, показываем, как обновлять базу знаний и читать логи. Месяц гарантии: баги в сданной функциональности правим бесплатно.
Стек
Модель выбираем под ограничение по данным, а не по громкости релиза: можно отдавать текст наружу — берём сильную облачную, нельзя — открытую на вашем железе. Основная инженерия здесь всё равно не в модели, а в том, как устроены хранилище и поиск.
- OpenAI API
- Anthropic Claude API
- Google Gemini
- GigaChat
- YandexGPT
- Qwen (self-hosted)
- Ollama / vLLM
- PostgreSQL 16 + pgvector
- Qdrant
- Python + FastAPI
- Node.js / TypeScript
- Docker
Сколько стоит
Пилот на одном процессе
от 90 000 ₽ / от $900Один процесс, ваши данные, работающий прототип и замер: сколько времени экономит и где ошибается. Около 30 часов работы. Дальше вы решаете, продолжать или нет, — код пилота остаётся у вас в любом случае.
Рабочий контур
от 240 000 ₽ / от $2 400Индексация источников, поиск, проверки ответов, интеграция с CRM или Telegram, админка базы знаний и логи. Около 80 часов. Цена растёт от числа источников, языков и от требования держать модель на своём сервере.
Развитие и поддержка
от 40 000 ₽ / от $400 в месяцВыделенный инженер: обновление базы знаний, разбор жалоб на ответы, донастройка поиска и промптов, контроль расходов на токены и переезд, когда провайдер выключает старую модель. Часы сверх пакета — по ставке от 3 000 ₽.
Цены указаны справочно и не являются публичной офертой (п. 1 ст. 437 ГК РФ). Итоговая стоимость, объём работ и сроки фиксируются в договоре или счёте после обсуждения задачи.
Кейс по теме
Ближайший по задаче проект — Hook: Telegram-бот для путешествий с админкой-CRM и AI-каналом обработки лидов. Там 12+ продуктов и 13 таблиц в базе, а ИИ работает в связке: Gemini на облачной части и локально развёрнутый Qwen там, где запрос не должен уходить с сервера. Это ровно тот гибрид, который мы предлагаем компаниям, где часть данных чувствительная, а часть — нет.
Смотреть кейс HookЧастые вопросы
- Сколько стоит внедрение ИИ в компанию?
- Пилот на одном процессе — от 90 000 ₽ / от $900, полноценный рабочий контур — от 240 000 ₽ / от $2 400. Считаем по часам, ставка от 3 000 ₽ / от $30 в час, оценка даётся после разбора процесса. Расходы на токены или на сервер под свою модель идут отдельно — показываем их в месяц до старта. Консультация и оценка бесплатны.
- Куда уходят наши данные при работе с моделью?
- Зависит от выбранной схемы, и мы проговариваем это до старта, а не после. При облачной модели запрос уходит провайдеру: по API-условиям OpenAI, Anthropic и Google этот трафик не используется для обучения, но физически он покидает ваш контур. Если это неприемлемо, берём российского провайдера или разворачиваем открытую модель у вас — тогда наружу не уходит ничего.
- Можно ли развернуть модель на нашем сервере?
- Да, это штатный вариант, а не доплата за экзотику. Открытые модели вроде Qwen ставятся на вашу машину с GPU или в российское облако через Ollama или vLLM, рядом — векторный поиск на PostgreSQL 16 с pgvector, всё в Docker. На сложных рассуждениях такая модель уступает топовым облачным, на поиске по документам и классификации заявок разницы почти нет — это и проверяем на пилоте.
- Как оплатить доступ к OpenAI из России?
- Напрямую — никак, российская карта не проходит. Рабочих путей три: оплата через нашу зарубежную структуру с перевыставлением вам, российские модели GigaChat и YandexGPT с обычным договором и закрывающими документами, либо своя модель на сервере, где счёта от вендора нет вообще — только железо. Что дешевле при вашем объёме запросов, считаем на пилоте.
- Соответствует ли решение 152-ФЗ о персональных данных?
- Архитектуру собираем под требования 152-ФЗ, но юридическое заключение даёт ваш юрист, а не подрядчик. На практике это означает: персональные данные обрабатываются и хранятся на серверах в РФ, во внешнюю модель уходит обезличенный текст либо не уходит ничего, каждое обращение логируется. Если данные особо чувствительные — разворачиваем контур целиком внутри вашего периметра.
- Как понять, окупится ли внедрение ИИ?
- Считать до старта и на одном процессе. Берётся исходная цифра: сколько заявок или документов в день и сколько минут уходит на штуку. Пилот показывает, какую долю модель закрывает без человека и с какой долей ошибок. Дальше вы сравниваете сэкономленные часы со стоимостью контура и токенов — если не сходится, честнее не внедрять, и мы так и скажем.
- Что если модель начнет выдумывать ответы клиентам?
- Это лечится архитектурой, а не уговорами в промпте. Модель отвечает только по найденным фрагментам ваших документов, к ответу прикладывается ссылка на источник, а при отсутствии данных выдаётся «не знаю» и передача человеку. В клиентской поддержке первые недели держим режим подсказки оператору: модель предлагает ответ, отправляет его человек.
- Можно ли сначала сделать пилот на одном процессе?
- Так и рекомендуем начинать. Пилот занимает 2–3 недели, стоит от 90 000 ₽ / от $900, делается на ваших реальных данных и заканчивается замером, а не презентацией. Оплата стандартная: 50% на старте, 50% при приёмке. Исходный код и документация после оплаты ваши, даже если продолжать вы не станете.
Расскажите про один процесс — посчитаем, тянет ли его модель
Опишите задачу и покажите пример данных: за день ответим, решается ли это моделью, как будет устроен контур и сколько стоит пилот. Ответ в течение 2 часов в рабочее время.
Обсудить задачу