ИИ АВТОМАТИЗАЦИЯ

От $1.500 за один автоматизированный процесс до $5.000 и выше за систему с локальной моделью и несколькими сценариями. Сумма зависит от того, сколько шагов в процессе, к скольким системам нужно подключаться, работает модель на нашей инфраструктуре или на вашей. Именно поэтому первая ступень — разбор за $1.000–2.000, после которого вы получаете не вилку наугад, а карту процесса с оценкой по каждой точке внедрения.

Разбор процессов — 1–1,5 недели. Первый процесс, доведённый до рабочего состояния, — 1–4 недели. Система с локальной моделью и несколькими сценариями — от 2 недель. Больше всего времени обычно уходит не на разработку, а на проверку на ваших реальных данных: пока не видно, как модель ведёт себя на настоящих документах и запросах, запускать её в работу рано.

ИИ хорошо работает там, где нужно понять текст, извлечь смысл, сравнить, сформулировать: разбор входящих документов, подготовка черновиков, поиск по внутренней базе, сведение данных из разных источников. Плохо — там, где требуется точность без исключений: расчёты, бухгалтерия, юридически значимые решения. Такие шаги мы оставляем обычному коду и говорим об этом на разборе, а не после оплаты.

Зависит от того, какой вариант вы выбираете. При работе через внешнего провайдера запросы уходят к нему — это дешевле и быстрее в запуске, и подходит, когда чувствительных данных нет. При локальном развёртывании модель работает на выделенном сервере, вашем или нашем, и данные не покидают контур. Вопрос решается до старта, а не в середине разработки: от него зависит и архитектура, и бюджет.

В большинстве задач хватает готовой модели, настроенной под ваш контекст: ваши данные, ваши регламенты, ваши правила ответов. Обучать свою с нуля дорого и почти никогда не окупается. Открытые модели, развёрнутые локально, закрывают случаи, где важна конфиденциальность или предсказуемая стоимость при большом объёме запросов. Какая подойдёт вам, видно после разбора — это вопрос задачи и бюджета, а не моды.

Ошибки будут — вопрос в том, где они происходят и что за ними следует. Поэтому мы разделяем шаги: там, где цена ошибки высокая, модель готовит вариант, а решение принимает человек. Там, где низкая, — работает сама. Плюс ограничения на то, что модель может отвечать, и журнал всех запросов: если что-то пошло не так, видно, что именно спросили и что ответили. Систему, которая делает необратимые действия без проверки, мы не собираем.

Обычно нет — меняется то, чем они заняты. Автоматизируются шаги, а не должности: разбор входящих, черновики, перенос данных, поиск по документам. Сотрудник перестаёт быть звеном передачи и начинает работать с результатом. Если задача в том, чтобы сократить людей, скажите об этом прямо — расчёт будет другим, и мы честно скажем, реалистичен ли он.

Доступ к людям, которые выполняют процесс, и к тому, с чем они работают: примеры документов, переписок, таблиц, регламентов. Техническое задание не нужно — оно появляется в результате разбора. Чем ближе примеры к реальности, тем точнее оценка: на вылизанных образцах модель показывает результат, который не повторится в работе.

Вам. Исходный код, настройки, документация и все наработки передаются вместе с проектом — это не подписка на наш сервис и не привязка к нам. Если решите сменить подрядчика или собрать свою команду, система уйдёт с вами. Расходы на модель, если она внешняя, вы оплачиваете напрямую провайдеру — мы не перепродаём доступ.

Система может остаться на нашей инфраструктуре: мониторинг, обновление моделей, доработка сценариев по мере того, как процесс меняется. У ИИ-проектов это чаще правило, чем исключение — качество работы видно только на длинной дистанции, и первые месяцы обычно уходят на донастройку по реальным логам.