AI-интеграции: агенты, RAG и чат-боты внутри продукта

Сколько это стоит

• AI-агент или чат-бот в продукте — от 250 000 ₽. Диалоговый помощник или автономный агент, который выполняет задачи, а не пересказывает справку.
• Поиск по вашим данным, RAG — от 300 000 ₽. Модель отвечает по вашим документам и базам, а не по памяти интернета.
• Начать можно с прототипа — 150 000 ₽. Сценарии, структура, роли и кликабельный прототип. Берётся отдельно, сумма зачитывается в основной проект.

Это порядок сумм, а не прайс: цена собирается из состава работ. Собрать её под свою задачу можно прямо на сайте — билдер и AI-оценщик считают смету по тому же каталогу, из которого взяты числа выше.

Когда это нужно, а когда нет

Подходит

• В продукте копятся тексты, документы или переписка, и по ним нужен осмысленный ответ, а не поиск по словам.
• Рутина отнимает часы людей: разбор заявок, первичная поддержка, классификация, заполнение карточек.
• Пользователю приходится проходить длинную цепочку кликов там, где хватило бы одной фразы.
• Данных много, а решение по ним принимает человек, который каждый раз собирает картину заново.

Не подходит

• Задача решается правилом или запросом к базе. Модель здесь дороже, медленнее и добавляет неопределённость там, где её не было.
• Ошибка стоит слишком дорого, а проверить ответ нечем. Модель ошибается уверенно — если рядом нет контроля, это не задача для неё.
• Нужен AI «чтобы был». Это самая дорогая формулировка из всех: она не задаёт границы, по которой работу можно принять.
• Данных, на которых модель должна отвечать, пока не существует. Сначала данные, потом модель.

Модель не делает того, что ей не поручено

Языковая модель хорошо разбирает текст и плохо отвечает за последствия. Поэтому мы разводим эти две работы: модель классифицирует, извлекает и формулирует, а решения, расчёты и доступ к данным остаются на детерминированном коде.

Так устроен оценщик на этом сайте. Он разбирает описание проекта нейросетью, но модель возвращает только идентификаторы из закрытого каталога услуг — сумму целиком считает сервер. Подменить цену через текст заявки нельзя: модель к деньгам не прикасается. Тот же принцип мы переносим в продукт заказчика.

Отсюда практическое следствие для приёмки: у AI-функции всегда есть проверяемая граница. Не «работает ли нейросеть», а «попадает ли она в справочник, и что происходит, когда не попадает».

Что входит в направление

• AI-агенты — автономные помощники внутри продукта.
• RAG и базы знаний — ответы, построенные на ваших данных.
• Чат-боты — диалог, который решает задачи.
• LLM-интеграции — Claude, GPT и другие модели под ключ.
• Автоматизация — рутину забирает машина.
• Компьютерное зрение — продукт, который видит и понимает.
• Голосовые интерфейсы — разговор вместо цепочки кликов.
• AI-персонализация — опыт, подстроенный под пользователя.

AI редко приезжает отдельно: агенту нужен интерфейс, базе знаний — хранилище и доступы, боту — бэкенд. Собираем продукт целиком, включая инфраструктуру и запуск, поэтому подрядчик остаётся один.

Проверить можно прямо сейчас

Этот сайт — не витрина скриншотов. Опишите задачу словами, и нейросеть разберёт её по каталогу, а сервер соберёт смету. Это тот самый механизм, о котором абзацем выше: посмотрите, как он ведёт себя на вашей задаче, прежде чем обсуждать работу.

Дальше — кабинет: с первого дня видно, что сделано, что решено и что идёт следующим. Для AI-функции это важнее, чем для любой другой: качество модели обсуждают на примерах, а примеры должны быть под рукой у обеих сторон.

Частые вопросы

Чем агент отличается от чат-бота?

Бот отвечает, агент действует. Бот подскажет, как оформить возврат; агент оформит его — сходит в базу, проверит условия, создаст заявку. Разница не в модели, а в правах и в объёме кода вокруг неё, и в цене она отражается сильнее всего.

Модель будет выдумывать?

Будет, если ей нечем ответить. Поэтому в задачах, где важна точность, мы строим ответ на ваших данных (RAG) и оставляем модели формулировку, а не факты. И закладываем поведение на случай «ответа нет» — это отдельная ветка, а не досадный край.

Наши данные уедут в чужую модель?

Это решается на этапе архитектуры и зависит от требований: часть проектов работает на внешних API, часть — на моделях в вашем контуре. Выбор влияет на стоимость и на скорость, поэтому обсуждается до начала работ, а не после.

Можно начать с малого?

Да, и это обычный сценарий. Прототип за 150 000 ₽ показывает, как функция ведёт себя на ваших данных, и его сумма зачитывается в основной проект. Решение продолжать принимается по результату, а не по презентации.

У нас уже есть продукт. Вы возьмётесь?

Да. AI чаще всего и приходит в существующий продукт. Начинаем с того, что читаем код и данные: без этого оценка была бы гаданием.

Обсудить задачу

Опишите, что нужно сделать, — форма на главной занимает один шаг, остальные по желанию. Или соберите смету сами в билдере.