ITOQ
Все статьи
AI / LLM 4 мин чтения

Как выбрать подрядчика для внедрения ИИ: 12 вопросов до договора

Чек-лист для выбора компании по внедрению ИИ в бизнес: какие вопросы задать подрядчику про процесс, данные, 152-ФЗ, качество, тесты, стоимость и поддержку. Красные флаги и что должно быть в договоре.

Коротко

Хороший подрядчик по внедрению ИИ начинает с вашего процесса, а не с модели: спрашивает, какую работу нужно ускорить, как выглядит правильный результат и где ошибка недопустима. До договора стоит проверить 12 вещей — от кейсов с измеримым результатом и плана тестирования до того, куда уйдут ваши данные и как это соотносится со 152-ФЗ. Главный красный флаг — обещание автоматизировать «всё» без пилота и без проверки качества на ваших данных.

Зачем нужен чек-лист

По глобальному опросу McKinsey «The State of AI» 2025 года, 88% организаций уже используют ИИ хотя бы в одной функции, но измеримую отдачу получает меньшинство. Мешает не выбор модели, а то, как её встраивают в процесс. Поэтому подрядчика стоит оценивать по тому, как он работает с процессом, данными и качеством. Подробнее — в статье «Внедрение ИИ в бизнес: какие процессы автоматизировать, а какие нет».

12 вопросов подрядчику

Процесс и результат

  1. С чего вы начинаете? Правильный ответ — с разбора процесса: сколько времени он занимает сейчас, где ошибаются, что считается правильным результатом.
  2. Какие ваши кейсы похожи на нашу задачу и какой в них измеримый результат? Ищите конкретику: было — стало, по времени или ошибкам, а не «рост эффективности».
  3. Что вы предлагаете не автоматизировать? Подрядчик, который честно говорит, где хватит обычных правил без ИИ, экономит ваши деньги.
  4. Как будет выглядеть пилот? Запуск на части потока со сравнением с ручной работой до масштабирования.

Данные и безопасность

  1. Куда уйдут наши данные? Если в данных есть персональные данные россиян, учитывайте 152-ФЗ: с 1 июля 2025 года запись, систематизация, накопление и хранение персональных данных граждан РФ должны вестись в базах данных на территории России (ч. 5 ст. 18). Передача таких данных в зарубежный облачный сервис — юридический риск; законные варианты — обезличивание, российская инфраструктура или модель на ваших серверах. Окончательную схему согласуйте с юристом.
  2. Можно ли развернуть модель у нас? Для чувствительных данных это часто единственный вариант. Спросите, есть ли у подрядчика опыт развёртывания локальных моделей и какое железо понадобится.
  3. Кто владеет кодом, промптами и настройками? Это должно быть прописано в договоре.

Качество

  1. Как вы проверяете качество? Нужен набор реальных примеров, на котором решение проверяется до запуска и после каждого изменения.
  2. Что происходит, когда модель не уверена? Правильная схема — спорные случаи уходят человеку, а не угадываются.
  3. Что будет при смене модели? Модели обновляются каждые несколько месяцев; тесты позволяют сменить модель без месяца ручной перепроверки.

Деньги и поддержка

  1. Из чего складывается цена и какие будут текущие расходы? Кроме разработки — оплата модели (по запросам или своё железо), хостинг, поддержка.
  2. Что входит в поддержку после запуска? Мониторинг ошибок, обновления, реакция на изменения в процессах.

Красные флаги

  • Обещают автоматизировать «весь бизнес» без разбора процессов.
  • Нет кейсов с цифрами «было — стало».
  • Нет плана тестирования на ваших данных.
  • Не могут ответить, куда уходят данные.
  • Предлагают сразу большой проект без пилота.

Как на эти вопросы отвечаем мы

Мы начинаем с аудита процесса и честно говорим, где ИИ даст эффект, а где хватит обычной автоматизации. В проектах ИИ — часть системы с проверками: там, где данные предсказуемы, работает обычная логика; модель подключается для сложных случаев и как независимый проверяющий; спорные результаты уходят человеку; поведение закрепляем автотестами. Пример — PurchaseAI: обработка закупочной заявки сократилась примерно с 20 до 5 минут, 121 автотест. Когда данные нельзя передавать наружу, разворачиваем модель на серверах заказчика, как в проекте приватной LLM на двух RTX.

Стоимость внедрения ИИ и разработки чат-ботов у нас — от 60 000 ₽, срок — от 2 недель; точная смета — после разбора задачи. Подробнее — на странице «Внедрение ИИ и разработка чат-ботов».

Вопросы и ответы

Как выбрать компанию для внедрения ИИ в бизнес? Смотрите, начинает ли подрядчик с разбора процесса, есть ли у него кейсы с измеримым результатом, план тестирования на ваших данных и понятный ответ, куда уйдут данные.

Можно ли передавать данные клиентов в ChatGPT? Если это персональные данные граждан РФ — это риск по 152-ФЗ: с 1 июля 2025 года их запись и хранение должны вестись в базах данных в России. Законные варианты — обезличивание, российская инфраструктура или модель на своих серверах; схему стоит согласовать с юристом.

С чего начать внедрение ИИ? С одного процесса и пилота на части потока со сравнением с ручной работой. Масштабировать стоит только то, что показало результат.

Сколько стоит внедрение ИИ? У нас — от 60 000 ₽ и от 2 недель за решение под одну задачу. Цена зависит от числа сценариев, интеграций и того, нужна ли модель на своих серверах.

Источники

  1. McKinsey, The State of AI 2025
  2. Федеральный закон № 152-ФЗ «О персональных данных» (КонсультантПлюс)
  3. Cloud.ru: ИИ и 152-ФЗ
  4. Кейсы ITOQ: PurchaseAI, Локальная Llama 3.3
#ВНЕДРЕНИЕ ИИ#ПОДРЯДЧИК#ЧЕК-ЛИСТ#152-ФЗ#LLM
АП
Автор
Антон Правкин, основатель ITOQ

Внедряет ИИ и LLM в процессы компаний, разрабатывает платформы и чат-ботов. LinkedIn

Делаем это для бизнеса

Внедрение ИИ и разработка чат-ботов для бизнеса

Внедряем LLM в процессы компании: AI-агенты, Telegram-боты, автоматизация на n8n, облачные и локальные модели на своей инфраструктуре.

Подробнее об услуге
CTA

Похожая задача в вашем бизнесе?

Расскажите коротко — предложим путь от аудита до запуска. Можно без формальностей.

Читать дальше