Кто такой AI-интегратор и зачем он нужен
AI-интегратор — это компания, которая встраивает технологии искусственного интеллекта в работающие бизнес-процессы: соединяет языковые модели и ML-инструменты с вашей CRM, 1С, телефонией и данными так, чтобы на выходе получился измеримый результат в деньгах, а не «инновационный проект» в отчёте.
Рынок молодой, и под вывеской «ИИ-интегратор» сегодня работают очень разные компании: вчерашние веб-студии, перепродавцы одной платформы, консультанты без рук и инженеры без понимания бизнеса. Цена ошибки при выборе высока: по разным оценкам, до 70–80% корпоративных ИИ-инициатив не доходят до продуктивной эксплуатации — и чаще всего не из-за технологий, а из-за того, как был устроен проект. Поэтому ниже — не реклама, а рабочий фильтр: семь критериев, по которым можно отличить подрядчика, с которым проект доедет до результата.
7 критериев выбора компании по внедрению ИИ в бизнес
Критерий 1. Кейсы в вашей отрасли — с метриками, а не логотипами
Страница «нам доверяют» с двадцатью логотипами не говорит ничего. Важны кейсы, в которых есть три элемента: стартовая метрика, итоговая метрика и срок. «Сократили время обработки заявки с 4 часов до 20 минут за 6 недель» — это кейс. «Внедрили нейросети в крупном ритейле» — это не кейс, это предложение поверить на слово.
Что спросить:
- «Покажите 2–3 проекта, похожих на нашу задачу. Какие метрики были до и после?»
- «Как именно вы измеряли эффект? Кто подтверждал цифры со стороны клиента?»
- «Можно референс-звонок с одним из клиентов?»
Нюанс: отрасль — это хорошо, но тип задачи важнее. Подрядчик, который пять раз строил ИИ-обработку заявок в разных отраслях, скорее всего, справится лучше, чем «отраслевой» интегратор, делавший в вашей отрасли только сайты.
Критерий 2. Расчёт ROI до старта, а не после
Главный водораздел на рынке: одни подрядчики начинают с технологии («давайте внедрим ИИ-ассистента»), другие — с экономики («давайте посчитаем, где у вас теряются деньги и что даст автоматизация»). Второй подход — признак зрелости. Если эффект нельзя оценить до старта хотя бы вилкой, проект превращается в эксперимент за ваш счёт.
Мы в Digital-Pro Tech называем это принципом ROI Before Code: сначала расчёт окупаемости на ваших цифрах, потом разработка. За 150+ проектов этот фильтр не раз останавливал нас от внедрений, которые технически красивы, но экономически бессмысленны — и это нормальный исход дискавери-этапа.
Что спросить:
- «Покажите пример расчёта окупаемости из прошлого проекта — как он был устроен?»
- «Какие наши данные вам нужны, чтобы оценить эффект до старта?»
- «Бывало, что после расчёта вы отказывались от проекта? Расскажите случай».
Критерий 3. Пилот за недели, а не «проект на год»
В ИИ-проектах слишком много неопределённости, чтобы стартовать с годового контракта: качество ваших данных, реакция сотрудников, поведение моделей на реальных кейсах — всё это выясняется только в бою. Зрелый интегратор предлагает пилот: один процесс, одна метрика, 4–8 недель, фиксированный бюджет и заранее согласованный критерий успеха.
Если подрядчик настаивает, что «меньше чем за 12 месяцев ничего не сделать», — либо он привык к проектам, где процесс важнее результата, либо продаёт вам команду на аутстафф под видом внедрения. И наоборот: готовность показать первый измеримый результат за месяц-полтора — сильный сигнал, что компания умеет управлять рисками.
Что спросить:
- «Что мы увидим через 30 дней после старта? Назовите конкретный артефакт и метрику».
- «Каков критерий успеха пилота и что будет, если он не достигнут?»
Критерий 4. Работа с вашими данными и 152-ФЗ
Любой серьёзный ИИ-проект — это работа с вашими данными: клиентскими базами, звонками, договорами, перепиской. Здесь два уровня требований. Юридический: персональные данные должны обрабатываться в соответствии со 152-ФЗ, с локализацией на территории России и понятными основаниями обработки. Практический: подрядчик должен внятно объяснить, какие данные куда передаются, что уходит во внешние API, а что остаётся в вашем контуре.
Отдельный вопрос — облачные языковые модели. Для одних задач допустимо обезличенное использование внешних API, для других нужны модели, развёрнутые на ваших серверах. Хороший интегратор предлагает варианты и честно называет компромиссы: локальная модель безопаснее, но дороже и слабее; облачная — мощнее, но требует аккуратной работы с данными.
Что спросить:
- «Какие из наших данных покинут наш контур? В каком виде — сырые или обезличенные?»
- «Как вы решаете задачу соответствия 152-ФЗ? Кто отвечает за это в проекте?»
- «Можете развернуть решение полностью на нашей инфраструктуре? Что мы потеряем?»
Критерий 5. Стек и независимость от одного вендора
Рынок ИИ меняется каждые полгода: модель, которая была лучшей весной, к осени проигрывает конкурентам по цене и качеству. Если интегратор строит всё на единственной платформе — «мы делаем только на X» — вы получаете решение, заложником которого станете вместе с подрядчиком.
Признак зрелой архитектуры — слой абстракции над моделями: завтра поставщика можно заменить без переписывания системы. То же касается и кода: уточните, кому принадлежат исходники и сможет ли другая команда поддерживать решение, если вы расстанетесь с подрядчиком.
Что спросить:
- «Какие модели и платформы вы использовали в последних пяти проектах? Почему разные?»
- «Что будет, если ваш основной вендор поднимет цены вдвое или уйдёт с рынка?»
- «Исходный код и промпты остаются у нас? Это зафиксировано в договоре?»
Критерий 6. Поддержка после запуска
ИИ-система — не сайт-визитка: её нельзя сдать и забыть. Модели деградируют на новых данных, у языковых провайдеров меняются версии и поведение, бизнес-процессы дрейфуют. Решение, которое никто не сопровождает, через полгода тихо начинает ошибаться — и хуже всего, что без мониторинга вы узнаете об этом последним.
Поэтому ещё на пресейле спрашивайте про жизнь после запуска: формат поддержки, время реакции, мониторинг качества ответов, регулярные отчёты по метрикам. Отсутствие внятного ответа означает, что подрядчик зарабатывает на внедрениях и не планирует жить с последствиями.
Что спросить:
- «Как вы узнаете, что качество работы системы упало? Покажите пример мониторинга».
- «Что входит в поддержку и сколько она стоит в месяц? Какое время реакции?»
- «Кто обучает наших сотрудников и дообучает систему после запуска?»
Критерий 7. Честность: говорит ли подрядчик «вам это не нужно»
Самый недооценённый критерий. Подрядчик, который на любую вашу идею отвечает «да, сделаем», — опасен: он продаёт часы, а не результат. Зрелый интегратор спорит: объясняет, что половину задачи закрывает настройка CRM без всякого ИИ, что для другой половины у вас пока нет данных, и предлагает начать с того, что реально окупится.
Проверить это просто: принесите на встречу заведомо сомнительную идею — например, «хотим ИИ-аватара директора для переговоров с клиентами». Если подрядчик с энтузиазмом берётся оценивать сроки — перед вами продавец. Если задаёт вопрос «какую бизнес-задачу это решает?» — есть шанс, что вам попался партнёр.
5 красных флагов: когда стоит насторожиться
Обратная сторона критериев — сигналы, при которых лучше взять паузу, даже если презентация впечатляет:
- Гарантии результата до знакомства с вашими данными. «Поднимем продажи на 40%» на первой встрече — маркетинг, а не инженерия. Честный ответ до диагностики звучит как вилка с условиями.
- Презентации без живых демо. Если за час встречи вам показали 40 слайдов и ни одной работающей системы — спросите про демо прямо. Интегратору с реальными проектами всегда есть что показать вживую.
- Старт с большого контракта без пилота. Настойчивое «давайте сразу зафиксируем годовой бюджет» перекладывает все риски неопределённости на вас.
- Ноль вопросов про ваши процессы. Если на первой встрече подрядчик больше рассказывает, чем спрашивает, — он продаёт коробку, а не решает вашу задачу.
- Туман вокруг команды. Продаёт харизматичный фаундер, а кто будет делать проект — неизвестно. Просите познакомить с конкретными исполнителями до подписания договора.
Отдельно про цену: самое дешёвое предложение в ИИ-проектах почти всегда оказывается самым дорогим. Бюджет, заниженный на этапе продажи, возвращается допсоглашениями — или проектом, который «формально сдан», но не работает. Сравнивайте не цифру в КП, а стоимость достижения измеримого результата.
Что спросить на первой встрече: чеклист
Десять вопросов, которые за час показывают уровень подрядчика лучше любого тендера. Удобно распечатать и ставить отметки по ходу разговора:
- Покажите похожий кейс с метриками «до и после». Как измеряли?
- Как вы посчитаете окупаемость нашего проекта до старта? Какие данные нужны?
- Что мы увидим через 30 дней? Какой критерий успеха пилота?
- Какие наши данные и куда будут передаваться? Как закрыт вопрос со 152-ФЗ?
- На каких моделях и платформах работаете? Что будет при смене вендора?
- Кому принадлежит код и промпты после проекта?
- Как устроена поддержка после запуска и сколько стоит?
- Кто конкретно будет работать на нашем проекте? Можно познакомиться?
- Был ли проект, где вы посоветовали клиенту не внедрять ИИ? Почему?
- Какой самый провальный ваш проект и что вы из него вынесли?
Последние два вопроса — лакмус. Компания, которая не может вспомнить ни одного отказа и ни одной неудачи, либо сделала слишком мало проектов, либо недоговаривает. Как выглядит честный портфель с разными исходами, можно посмотреть на примере нашей подборки проектов — обратите внимание именно на формат описания результатов.
Как сравнивать коммерческие предложения
Допустим, вы провели встречи и получили три КП. Сравнивать их «по итоговой цифре» — ошибка: предложения почти наверняка описывают разный объём работ. Рабочий способ — привести их к общему знаменателю по четырём осям:
- Результат. Что именно будет работать в конце: какой процесс, на каком объёме, с какой метрикой. «Внедрение ИИ-платформы» — не результат; «агент обрабатывает 100% входящих заявок с конверсией не ниже текущей» — результат.
- Этапность и точки выхода. Можно ли остановиться после пилота без штрафов? Привязана ли оплата к контрольным точкам с измеримыми критериями?
- Полная стоимость владения. Цена внедрения + поддержка за год + стоимость лицензий и API + ваши внутренние трудозатраты. Дешёвое внедрение с дорогой подпиской за три года обгоняет «дорогой» вариант с разумной поддержкой.
- Риски и допущения. Хорошее КП честно перечисляет, что может пойти не так и какие допущения заложены в смету. КП без раздела о рисках — само по себе риск.
Если после сравнения остаются сомнения в самой постановке задачи — возможно, вам нужен не интегратор, а сначала стратегия внедрения ИИ: короткий консалтинговый этап, на котором формируется карта сценариев с экономикой по каждому. С ней разговор с любым подрядчиком становится предметным.
Выбор AI-интегратора — это выбор не технологии, а способа принятия решений. Подрядчик, который начинает с ваших цифр, предлагает пилот и умеет говорить «нет», доведёт проект до результата с куда большей вероятностью, чем тот, кто обещает всё и сразу. Технологии у всех примерно одинаковые — разница в дисциплине.
А если хотите глубже разобраться, как вообще устроен процесс внедрения — от выбора сценария до масштабирования, — читайте наш подробный гид по внедрению ИИ в бизнес.
Частые вопросы
Чем AI-интегратор отличается от обычной IT-компании?
IT-компания пишет софт по техническому заданию. AI-интегратор сначала помогает понять, где ИИ даст эффект в деньгах, считает экономику, а уже потом внедряет — соединяя готовые модели, ваши данные и бизнес-процессы. Ключевая компетенция интегратора — не код, а способность довести ИИ-проект до измеримого результата в вашей операционке.
Сколько стоит внедрение ИИ через интегратора?
Пилотный проект на один сценарий — обычно от 300 тысяч до 1,5 млн рублей за 4–8 недель. Полноценное внедрение — от 1,5 до 10 млн в зависимости от масштаба. Насторожить должны обе крайности: и «всё за 100 тысяч под ключ», и смета на десятки миллионов до того, как подрядчик разобрался в вашей задаче.
Можно ли внедрить ИИ своими силами, без интегратора?
Да, если у вас есть команда с опытом ML-проектов и время на эксперименты. Для типовых задач — чат-бот на сайте, транскрибация звонков — иногда хватает готовых сервисов. Интегратор оправдан, когда нужна связка ИИ с вашими системами (CRM, 1С, телефония), когда цена ошибки высока или когда внутренней команде не хватает экспертизы, чтобы отличить работающий подход от тупикового.
Как проверить кейсы AI-интегратора на достоверность?
Просите конкретику: какая была стартовая метрика, какая стала, за какой срок, как измеряли. Настоящий кейс легко выдерживает три уточняющих вопроса вглубь, выдуманный рассыпается на втором. Дополнительно просите контакт клиента для референс-звонка — отказ под предлогом «все под NDA» по всем кейсам сразу является плохим сигналом.
Что такое пилотный проект и зачем он нужен?
Пилот — это проверка гипотезы на ограниченном объёме: один процесс, одна метрика, 4–8 недель, фиксированный бюджет. Он снижает риск: вместо ставки на годовой проект вы за месяц-два получаете измеримый результат и решаете по цифрам — масштабировать, скорректировать или остановиться. Серьёзные интеграторы сами настаивают на пилоте.
Хотите так же? Обсудим вашу задачу — бесплатно и по делу.
Обсудить проект