Внедрение ИИ в бизнес: ассистенты, агенты и чат-боты

Пилотный проект — от 70 000 ₽ за 2–3 недели: один сценарий, интеграция через API, документация и рекомендации по масштабированию. Внедрение ИИ в несколько процессов — от 500 000 ₽ за 1–2 месяца. К стоимости разработки добавляются операционные расходы на API-вызовы (от $5–50 в месяц для b2b с умеренной нагрузкой) или серверы для on-premise. Точную смету выдаём после анализа задачи — для этого нужны 30 минут на созвон.

С одного процесса, где много однотипной ручной работы и результат легко проверить: ответы на типовые вопросы клиентов, поиск по внутренней базе знаний, разбор входящих заявок или извлечение данных из документов. Такой сценарий проверяем пилотом, измеряем эффект и только потом расширяем ИИ на другие процессы. Начинать с самой сложной задачи или со всей компании сразу — дорого и рискованно.

Чат-бот отвечает на вопросы: по сценарию или по базе знаний. ИИ-агент выполняет действия: разбирает заявку, находит данные в документах, заполняет карточку в CRM, передаёт задачу нужному сотруднику. Агенту нужен доступ к системам компании и чёткие границы полномочий, поэтому такие сценарии проектируем и тестируем отдельно. На практике часто начинают с ассистента, а затем добавляют ему действия.

Зависит от выбранной модели. OpenAI/Anthropic API обрабатывают данные на серверах вендора (США/ЕС) — их корпоративные тарифы не используют пользовательские запросы для обучения. Для критичных данных используем on-premise: open-source модель крутится на вашем сервере или нашей инфраструктуре в РФ. RAG-данные шифруются at-rest и in-transit. Для b2b-проектов с ПДн помогаем оформить документацию по 152-ФЗ и проверяем соответствие требованиям Роскомнадзора.

В большинстве проектов — нет, мы используем готовые языковые модели (GPT-4, Claude, открытые модели через Ollama) и подаём ваши данные через RAG-поиск или промпт-инжиниринг. Это безопаснее, дешевле и быстрее, чем дообучение. Дообучение нужно только если требуется специфический стиль ответов или работа с узкими доменами — обсудим это на этапе анализа задачи. Если ваши данные нужны для контекста — поможем структурировать их в векторную базу.

Подбираем стек под задачу. Для большинства b2b-кейсов это OpenAI API (GPT-4o, GPT-4o-mini), Anthropic Claude (Sonnet, Haiku) или DeepSeek. Для on-premise и чувствительных данных — open-source модели через Ollama или vLLM (Llama 3, Qwen 2.5, Mistral). Для RAG используем LangChain или собственные пайплайны на Python, векторное хранилище — Pinecone, Qdrant или pgvector. Frontend интеграции — Vue.js или React, бэкенд — FastAPI/Node.js. Выбор фиксируется в ТЗ перед стартом.

Через REST или WebSocket API — фронтенд вызывает наш сервис, мы прокидываем запрос в LLM и возвращаем результат. Если у вас Vue/React — даём готовые компоненты чата с отображением streaming-ответов. Для CRM (Bitrix24, AmoCRM, Odoo) делаем модули или внешние интеграции через webhooks. Для мессенджеров — нативная интеграция в Telegram, WhatsApp Business API, VK. Если продукт ещё в разработке — закладываем ИИ-слой в архитектуру с самого начала.

Мониторинг качества ответов через дашборд (LangSmith или собственный), автоматическое логирование ошибок, регулярную ревизию промптов и тестов на регрессию, обновление моделей при выходе новых версий, оптимизацию стоимости через model routing (дешёвая модель для простых вопросов, дорогая — для сложных). Тариф «Поддержка» — от 40 000 ₽ в месяц. Включает SLA на отклик, фиксированный объём улучшений и регулярный health-check.