Разработка ИИ под заказ: как строятся такие системы

Запрос «разработайте нам ИИ» звучит одинаково от всех, но скрывается за ним разное: кому-то нужен чат-бот на сайт, кому-то распознавание входящих документов, кому-то помощник для аналитиков. Заказная разработка ИИ это ремесло сборки системы под конкретный процесс: готовые модели плюс ваши данные плюс обвязка под ваши системы. Разберём, как такое строится, сколько стоит и когда заказ имеет смысл.

Из чего состоит заказная ИИ-система

Фундамент это модель: открытая, размещённая у вас, или облачная через API. С нуля нейросети почти никто не пишет: это годы работы и миллионы на кластеры, и для бизнес-задач не нужно. Выбор модели это выбор подстраховки под данные и нагрузку, и делается он после постановки задачи, а не до.

Второй слой это данные: ваши документы, переписки, таблицы, на которых система учится отвечать. Для большинства задач хватает готовой модели с подключённой базой знаний, для специфического стиля и форматов модель дообучается на ваших примерах. Третий слой это интеграции: система встраивается в ваш процесс, а не наоборот, от почты и мессенджеров до 1С и CRM. Как выглядят такие связки вживую, разобрано в материале про маршрут внедрения ИИ.

Как идут этапы

Первый этап это диагностическая сессия: что за процесс, где часы и ошибки, что считается успехом. Выход этой работы не презентация, а постановка задачи с измеримой целью: например, первый ответ клиенту за 30 секунд в 90 процентах случаев. Без числа дальше идти нельзя, оно будет проверять и пилот, и приёмку.

Второй этап это пилот: минимальная версия системы на реальных данных, обычно за две-четыре недели. Пилот отвечает на два вопроса: тянет ли задачу доступная модель и сколько стоит масштабирование. Третий этап это промышленная версия: железо или облако под нагрузку, интеграции, права доступа, мониторинг, обучение команды. Четвёртый это жизнь: поддержка, дообучение на новых данных, развитие. Как выглядит такой маршрут по шагам для компании, разобрано в статье про ИИ-помощника для бизнеса.

Сколько это стоит

Структура расходов одна и та же: пилот как фиксированная цена проверки гипотезы, промышленная версия как основной бюджет, поддержка как подписка. На размер бюджета влияют сложность интеграций, требования к безопасности и нагрузка, а не «крутость модели»: открытые модели бесплатны по лицензии.

Частый вопрос: почему не взять готовый сервис. Если процесс типовой, так и надо: готовое дешевле. Заказная разработка оправдана, когда процесс повторяется ежедневно, вручную и именно у вас: уникальные документы, внутренние стандарты, чувствительные данные, которые нельзя отдавать в чужое облако. Тогда система окупается экономией часов и снижением рисков, и пилот показывает эту экономику на ваших цифрах до большого бюджета.

Риски и как их снимают

Риск первый: «сделайте нам ИИ» без задачи. Лечится диагностикой с числом-целью, без неё проект не стартует. Риск второй: качество модели на ваших данных ниже ожиданий, его ловит пилот, до больших денег. Риск третий: данные в плохом состоянии, документы разрозненны, прав нет; это выясняется на старте и часто чинится параллельно.

Риск четвёртый: система построена, а люди не пользуются. Лечится ранним вовлечением будущих пользователей и обучением, а не приказом сверху. Риск пятый: зависимость от подрядчика, когда система непрозрачна. Лечится документацией, доступами и передачей ключей, это обсуждается до контракта, а не после. Как построить доверие к системе у всей команды, разбирает опыт цифровых сотрудников в процессах.

Когда заказная разработка не нужна

Если задача закрывается готовым сервисом за адекватные деньги, заказ затеян ради заказа. Если процесс ручной и редкий, дешевле держать человека. Если данных нет совсем, системе не на чем учиться, и сначала надо навести порядок в учёте. Честный подрядчик скажет об этом на диагностике, потому что репутация в этом рынке дороже одного контракта.

Проверочный вопрос один: есть ли процесс, который повторяется каждый день, съедает часы и следует правилам. Если да, под него можно строить ИИ, и пилот покажет, какой. Какие процессы уже автоматизируются нейросетями у других компаний, собрано в обзоре автоматизации процессов с ИИ.