Компании, которые создают AI-решения на заказ для бизнеса: какая вам нужна и как её проверить

Компании, которые создают AI-решения на заказ для бизнеса, делятся на шесть видов: AI-консалтинговые компании, облачные провайдеры и их компании-партнёры, продуктовые студии, инженерные компании, которые подключают модели к данным и системам компании, компании по data science и фрилансеры. Работу они делают разную. Какая подойдёт вам, зависит от задачи, которую вы хотите решить, поэтому сформулируйте задачу, прежде чем кому-либо звонить.

Большинство компаний в каждой группе говорят, что делают «AI на заказ». Эти слова покрывают и стратегическую презентацию, и чат-бот, добавленный в приложение, и модель прогноза, и систему, которая читает тысячи договоров в день. Ниже компании разобраны по работе, которую они делают, и сопоставлены с бизнес-задачами. Последние разделы — о том, что проверить до подписания договора.

Что сегодня обычно означает «AI-решение на заказ»?

Во многих бизнес-проектах сегодня никто не обучает новую модель. Компания берёт существующую языковую модель или стандартный метод машинного обучения и строит вокруг него остальные части. Эти части подключают модель к вашим документам и данным и к софту, которым уже пользуются ваши сотрудники.

Сама работа обычно относится к одному из этих типов:

• Ответы на вопросы по вашим собственным документам, например политикам, договорам или руководствам к продуктам. Инженеры называют это retrieval-augmented generation, или RAG
• Чтение документов, которые приходят в разных форматах, и превращение их в записи, с которыми могут работать ваши системы, например счетов, заявлений на выплату или уведомлений от банков и брокеров
• Прогноз числа или ответа «да» или «нет» по вашим историческим данным, например спроса в следующем месяце, вероятности ухода клиента или риска по кредиту
• Добавление AI-функции в продукт, которым пользуются ваши клиенты, например помощника для написания текстов или строки поиска, которая понимает вопросы, заданные обычным языком
• Запуск языковой модели на серверах, которые контролирует ваша компания, потому что данные не должны покидать компанию
• Принятие решения внутри системы, которая обязана ответить до жёсткого дедлайна, например на онлайн-аукционе рекламы

Для каждого вида нужны разные навыки. Компания, сильная в одном, могла ни разу не выпустить другой.

Какие виды компаний создают AI-решения на заказ?

Список ниже группирует компании по работе, которую они делают, а не по названию или рейтингу. В каждом пункте сказано, что такой вид компании делает хорошо и о чём его спросить.

• AI-консалтинговые и стратегические компании помогают выбрать, где AI стоит применять, написать экономическое обоснование и спланировать программу. Многие из них передают разработку другой команде. Попросите познакомить вас с инженерами, которые будут её делать, и проверьте, штатные это сотрудники или субподрядчики
• Облачные провайдеры и их компании-партнёры строят решения на собственных AI-сервисах провайдера. Например, Amazon Web Services в июне 2023 года объявила об AWS Generative AI Innovation Center. Это программа на 100 млн долларов, в рамках которой собственные AI-специалисты AWS работают с клиентами над проектами в области генеративного AI. Этот путь подходит, если ваши системы уже живут в этом облаке. Спросите, какие части архитектуры пришлось бы перестраивать, если вы когда-нибудь перейдёте к другому провайдеру
• Продуктовые студии проектируют и разрабатывают приложения и часто добавляют AI-функции, вызывая модель через API провайдера. Они подходят, когда AI — одна из функций внутри нового продукта. Спросите, как функция ведёт себя, когда сервис провайдера тормозит или недоступен, и кто платит за его использование
• Инженерные компании, которые работают внутри ваших систем, подключают модель к вашим документам, базам данных и внутренним инструментам. Типичная работа — поиск по документам компании, извлечение данных из входящих документов и запуск модели на ваших собственных серверах. Они подходят, когда AI должен работать с данными и софтом, которые у вас уже есть
• Компании по data science и машинному обучению строят прогнозные модели на ваших исторических данных: прогнозы, скоринг и проверки на мошенничество. Они подходят, когда ответ — число или категория и у вас есть записи за годы. Спросите, как модель будут переобучать, когда ваши данные изменятся
• Фрилансеры подходят для первого прототипа или отдельного скрипта, когда всю работу может сделать один человек, а результат вы можете проверить сами. Спросите, что будет с системой и её документацией, когда договор закончится

Готовый софт — седьмой вариант, и проверить его стоит первым. Если вашу задачу разделяют многие компании, например ответы на типовые вопросы поддержки, поищите готовый продукт, прежде чем платить кому-то за разработку.

Какой вид компании подходит для нашей задачи?

Начните с задачи, а затем посмотрите на вид компании, который делает такую работу каждый день:

• «Мы не знаем, где AI окупится». Начните с консалтинговой компании или внутреннего разбора и сведите результат к короткому списку задач, у каждой из которых есть названный ответственный
• «Сотрудники часами ищут нужное в наших же документах». Инженерная компания, которая делает поиск по документам с правилами доступа, или готовый продукт, если документы лежат в одной общей библиотеке
• «Мы вручную перепечатываем данные из входящих документов». Инженерная компания, которая уже делала извлечение данных из документов и может показать долю ошибок на образцах ваших документов
• «Мы хотим прогнозировать спрос или оценивать риск». Компания по data science, если у вас есть чистые исторические записи по тому, что вы хотите предсказывать
• «Нашему продукту нужна AI-функция». Продуктовая студия или ваша собственная продуктовая команда при поддержке инженерной компании
• «Наши данные не должны покидать компанию». Инженерная компания, которая уже разворачивала модели в собственной инфраструктуре клиента
• «Мы целиком сидим в одном облаке». Собственная команда этого облачного провайдера или одна из его компаний-партнёров

На что смотрят другие компании, когда выбирают AI-поставщика?

Отчёт MIT NANDA «The GenAI Divide: State of AI in Business 2025», опубликованный в июле 2025 года, опирается на интервью с представителями 52 организаций. Авторы сгруппировали по темам то, на чём делали акцент покупатели при оценке AI-инструментов. Звучали доверие к поставщику, глубокое понимание рабочего процесса покупателя, минимум помех для текущих инструментов и чёткие границы данных. Звучали и способность со временем становиться лучше, и гибкость, когда что-то меняется.

Большую часть этого можно проверить до подписания договора. Компания, которая понимает вашу работу, задаёт подробные вопросы о вашем процессе, прежде чем что-то предлагать. То, куда могут попадать ваши данные, должно быть прописано в договоре, а проверки ниже описывают, как компании следует измерять качество после запуска.

Как проверить AI-компанию до подписания договора?

Отправьте каждой компании из шорт-листа одни и те же запросы и сравните ответы между собой:

• Покажите одну построенную вами AI-систему, которой сегодня пользуются каждый день. Спросите, что она делает, кто её сейчас эксплуатирует и как часто она ошибается. Демо на собственных тестовых данных компании не считается
• Скажите, кому что принадлежит в конце. Код — очевидная часть. Спросите то же самое о промптах (письменных инструкциях, которым следует модель), настройках модели, наборе тестовых вопросов с правильными ответами и скриптах, которые подают ваши данные в систему, потому что без них система не работает
• Объясните, как будет измеряться качество результата. Хороший ответ — набор реальных примеров из вашей компании, у каждого из которых есть правильный ответ; его согласуют до разработки и прогоняют заново после каждого изменения
• Нарисуйте, куда уходят ваши данные. На схеме должно быть видно каждое место, куда попадают или где хранятся ваши данные, включая логи, резервные копии и любого внешнего провайдера модели, а также используется ли что-то из этого для обучения моделей, которые работают на других клиентов
• Опишите, что происходит после запуска. Спросите, кто следит за качеством, кто исправляет неверный ответ и что будет, когда провайдер модели выведет из эксплуатации модель, на которой работает система. И OpenAI, и Anthropic публикуют страницы со списком моделей, которые они выводят из эксплуатации, и датами

Какие тревожные сигналы стоит замечать при выборе AI-компании?

• На любую задачу один и тот же ответ, например чат-бот или AI-агент, ещё до того, как кто-то посмотрел на ваш процесс
• Люди со встреч по продажам не будут работать над проектом, а компания не может назвать тех, кто будет
• Точность обещают одной цифрой ещё до того, как компания что-либо проверила на ваших документах или данных
• Система будет совершать действия в другом софте, например отправлять письма или менять записи, без шага, на котором их одобряет человек
• Договор молчит о промптах и тестовых вопросах или записывает их в собственность компании
• Единственные примеры у компании — пилоты и демо, и нет ни одной системы, которой реальные сотрудники или клиенты пользуются каждый день

Где здесь место amBrain?

amBrain разворачивает приватные языковые модели в собственной инфраструктуре клиента и подключает их к системам, которые у клиента уже работают. amBrain строит системы retrieval-augmented generation (RAG) поверх собственных документов компании.

Единственный проект с языковой моделью, который amBrain описывает публично, таков: «Мы вывели интеграцию LLM в прод внутри FinTech-периметра клиента: извлечение и нормализация неструктурированных уведомлений брокеров и торговых площадок — о корпоративных действиях, изменениях по инструментам и марже — в структурированные записи, которые потребляет торговая система».

Отдельное направление работы amBrain — онлайн-реклама. amBrain делает ML-инференс внутри биддера: модель определяет ставку в пределах окна аукциона. Биддер — это система, которая решает, сколько предложить за рекламное место на онлайн-аукционе.

amBrain делает софт с 2019 года. Свою команду компания описывает одной строкой: «Команда до 40 человек, около 75% из них — сеньоры». amBrain работает в трёх форматах: полная разработка, выделенная команда или инженеры внутри вашей команды. Клиент сохраняет полное владение продуктом и кодом, кроме переиспользуемых компонентов amBrain.

Если ваша задача — отвечать на вопросы по вашим собственным документам или запускать языковую модель на серверах, которые вы контролируете, отправьте amBrain свою задачу в одном предложении и те же пять запросов, которые отправляете всем остальным компаниям из вашего списка.

Частые вопросы

• Нужен ли нам AI на заказ вообще? Не всегда. Если готовый продукт уже решает задачу и соответствует вашим правилам о том, куда могут попадать данные, купить его часто проще. Разработка на заказ окупается, когда задача зависит от ваших собственных документов, данных или систем так, как не покрывает ни один продукт
• Должна ли компания обучать для нас собственную модель? На старте — редко. Прежде чем платить за обучение, попросите компанию показать, почему существующая модель, получив ваши документы и хорошие инструкции, не справляется с вашими тестовыми вопросами
• Сколько стоит AI-решение на заказ и сколько времени оно занимает? Цена зависит от типа работы, числа систем, к которым нужно подключить AI, состояния ваших данных, правил о том, куда могут попадать данные, и от того, кто будет эксплуатировать систему после запуска. Попросите каждую компанию оценить небольшой первый этап с письменными критериями приёмки
• Можно ли потом сменить компанию? Да, если вам принадлежат код, промпты, тестовые вопросы и инструкции по эксплуатации, а система не зависит от серверов или лицензионных ключей компании. Пропишите это в договоре до начала работ