Мы не продаём доступ к модели. Мы разбираем ваши процессы, считаем ROI на ваших цифрах, за 2–4 недели запускаем пилот на одной измеримой метрике и дальше собираем систему цифровых сотрудников внутри вашего контура. Данные не уходят наружу, код и сервер остаются вашими.
Вы не платите за презентации. Первый шаг бесплатный, второй стоит как небольшой эксперимент и засчитывается в стоимость внедрения, третий начинается только тогда, когда эффект уже измерен.
Аудит процессов и ROI-модель на ваших цифрах. 30–40 минут разбора, на выходе — карта «что заменяем» и расчёт.
Один процесс, одна измеримая метрика. Сумма пилота идёт в зачёт внедрения, если продолжаем.
Система AI-отделов на вашем сервере: модели, интеграции, роли и доступы, дашборды, регламенты.
Еженедельные релизы с ручной проверкой и гейтом на вашей стороне, мониторинг, SLA, новые сценарии.
Внедрение ИИ — это не установка чат-бота. Это шесть слоёв работы, каждый из которых нужен, чтобы система приносила измеримый результат, а не оставалась демо.
Разбираем, где уходит время и деньги, и выбираем процесс, который даёт эффект быстрее всего. Формализуем его до шагов, развилок и нормативов качества.
Подбираем GPU-конфигурацию под нагрузку и контекст, разворачиваем открытые модели — Qwen, DeepSeek, GLM, Kimi, GigaAM — и оркестрацию поверх них.
Собираем регламенты, инструкции и удачные кейсы в структурированную базу, поднимаем RAG и дообучаем модель на вашей терминологии и стандартах.
Битрикс24, 1С, CRM, ERP, почта, документооборот, телефония. ИИ работает там, где уже работают люди, а не в отдельной вкладке.
SSO, RBAC, журналирование каждого действия, сегментация прав. Человек подтверждает любое необратимое действие.
Считаем объём и качество работы системы, сравниваем с ручным процессом и показываем экономику внедрения в дашборде руководителя.
Каждый продукт работает самостоятельно и стыкуется с остальными. Начать можно с одного сценария и расширяться по мере того, как эффект подтверждается цифрами.
Оркестр агентов под конкретную роль: база знаний по регламентам, формализованный процесс, цифровые KPI и самообучение по результатам.
Как устроен цифровой сотрудникРаспознавание и синтез речи на открытых российских моделях GigaAM и T-one — приём звонков, расшифровка встреч, контроль качества.
Голосовые сценарииLoRA и полный fine-tuning на ваших данных: модель начинает говорить вашими формулировками и знать вашу номенклатуру.
Как дообучаемИИ внутри воронки: квалификация лидов, автозаполнение сделок, сводки по менеджерам и живые дашборды руководителя.
ИИ в Битрикс24Агенты с инструментами и правом действия: сами читают почту, заводят задачи, готовят документы, эскалируют человеку.
Внедрение ИИ-агентовЖелезо, кластер, модели, контур безопасности и поддержка — когда данные нельзя выпускать за периметр вообще.
Локальный контурПроекты в закрытом контуре заказчика. Метрики — то, что считал сам клиент до и после, без округлений в свою пользу.
Классификация инцидентов, маршрутизация по ответственным, подготовка решений и контроль SLA поверх данных торговых точек.
Квалификация лидов, коммерческие предложения по прайсам и спецификациям, подсказка следующего шага менеджеру, история клиента под рукой.
Слой аналитики поверх учебных и операционных данных: автосборка отчётов, дашборды, комментарии к динамике показателей.
Разбор сообщений из всех каналов, проверка доступности, расчёт стоимости, подтверждение. Нестандартное уходит человеку.
Исследования дают неутешительную картину: большинство пилотов не отражаются в P&L. Причины повторяются от проекта к проекту, и все они лечатся на этапе постановки, а не на этапе модели.
Мы не выбираем модель до того, как описан процесс и назван KPI. Если метрику нельзя измерить — сценарий в пилот не идёт.
Пилот сразу встраивается в Битрикс24, 1С или почту. Не «отдельная вкладка для эксперимента», а работа в том же окне, где сидят люди.
На каждый сценарий назначается ответственный на вашей стороне и цифровой KPI. Раз в неделю — сверка факта с моделью.
Каждый релиз проходит ручную проверку человеком, версионируется и подписывается. Откат к прежней версии — одним действием.
Стек собран на открытых моделях, провайдер резервируется. При сбое основного система переключается на запасной сама.
Модели, индексы, журналы и интерфейсы стоят на вашем железе. Наружу не уходит ни один документ и ни один запрос.
Выбор контура определяется не модой, а требованиями к данным и стоимостью владения. Ниже — как мы принимаем это решение вместе с заказчиком.
| Параметр | Локально (on-premise) | Российское облако | Публичный зарубежный API |
|---|---|---|---|
| Где данные | Внутри периметра компании | В ЦОД провайдера в РФ | За пределами РФ |
| 152-ФЗ и коммерческая тайна | Полный контроль, проще проходить проверки | Нужен договор и аттестация ЦОД | Практически неприменимо для ПДн |
| Стартовые вложения | GPU-сервер от 1,5–2 млн ₽ либо аренда | Низкие, оплата по потреблению | Минимальные |
| Стоимость на объёме | Ниже: фиксированная, не зависит от токенов | Средняя | Растёт линейно с нагрузкой |
| Дообучение на своих данных | Без ограничений | Возможно у части провайдеров | Ограничено политикой вендора |
| Риск отключения доступа | Отсутствует | Низкий | Высокий: санкции, блокировки, смена условий |
| Кому подходит | Банки, промышленность, госсектор, медицина | Средний бизнес без жёстких требований к ПДн | Пилоты и задачи без чувствительных данных |
Результат проекта — не «подключённый ИИ», а перечень артефактов, которые остаются у вас и работают без нас.
Диагностика с ROI-моделью входит бесплатно. Платный пилот на 2–4 недели стоит $3–5 тыс., и эта сумма засчитывается в стоимость внедрения. Внедрение под ключ начинается от $30 000 и зависит от числа процессов, глубины интеграций и требований к железу. Подписка на развитие — $2,5–5 тыс. в месяц. Точную вилку по вашему проекту называем после диагностики, потому что она считается от объёма процессов, а не от прайса.
Диагностика — 30–40 минут плюс несколько дней на сбор данных. Пилот — 2–4 недели до работающего сценария с измеренной метрикой. Полное внедрение первого контура — 4–8 недель на типовом кейсе. Дальше система расширяется на новые процессы итерациями по 1–2 недели.
Собственная команда не нужна. Начинают с одного процесса, где результат считается в деньгах или часах: разбор входящих обращений, подготовка коммерческих предложений, сборка отчётности, работа с документами. Мы проводим диагностику, показываем карту процессов и расчёт, и вы решаете, стоит ли идти в пилот. Администратора системы на вашей стороне мы обучаем в ходе проекта.
Открытые модели можно развернуть на своём железе, дообучить на своих данных и не зависеть от условий чужого API. Рабочий стек: Qwen, DeepSeek, GLM и Kimi для текста и агентных сценариев, GigaAM и T-one для русской речи, Whisper как запасной вариант распознавания. Комбинацию подбираем под задачу, а не берём одну модель на всё.
Модели, векторные индексы, журналы и интерфейсы разворачиваются на вашем сервере или в вашем выделенном контуре. Внешние API по умолчанию отключены. Каждое обращение к системе журналируется, права разграничены по ролям, необратимые действия требуют подтверждения человеком.
Поэтому первый платный шаг — короткий пилот на одной метрике, а не сразу внедрение. Если по итогам пилота цифра не сходится с моделью, вы останавливаетесь, потратив стоимость пилота, а не бюджет всего проекта. Код и данные остаются у вас в любом случае, условия выхода прописаны в договоре.
Чат-бот отвечает на вопросы по сценарию. Внедрение ИИ означает, что система знает регламенты компании, видит данные в CRM и 1С, выполняет действия — заводит сделку, готовит документ, ставит задачу — и отчитывается по цифровым KPI. Разница видна на метрике: бот меряется числом ответов, внедрение — сокращением времени и ростом конверсии.
30–40 минут разбора: смотрим ваши процессы, отмечаем, что можно передать ИИ, считаем ROI-модель на ваших объёмах и сроках. Вы уходите с расчётом и картой внедрения — даже если работать дальше не будете.