Сколько стоит RAG для компании в 2026 году: бюджет, сроки, из чего складывается цена

Короткий ответ: пилот RAG-системы на ограниченном корпусе документов стоит от 700 тысяч рублей и занимает 3–6 недель. Промышленный контур — с ролями доступа, аудитом ответов и автоматическим обновлением индекса — от 2,5 до 5 млн рублей и 2–4 месяца работы. GPU-инфраструктура считается отдельно: аренда в российских облаках — от 50–150 тыс. ₽/мес, покупка сервера — от 1,5 млн ₽ разово.

Теперь разберём, откуда берутся эти цифры и почему вилка такая широкая.

Из чего складывается бюджет RAG-проекта

RAG (Retrieval-Augmented Generation) — это не «одна нейросеть», а конвейер: подготовка документов → векторный индекс → поиск → генерация ответа с цитатами. Бюджет распределяется примерно так:

Статья	Доля бюджета	Что внутри
Подготовка данных	25–35%	Парсинг PDF/Excel/1С, чистка, разбиение на чанки, метаданные
Поиск и индекс	20–25%	Векторная БД (Qdrant), гибридный поиск, ре-ранкинг
Генерация и промпты	15–20%	Выбор модели, промпт-инжиниринг, цитирование источников
Интеграции	15–20%	CRM, Telegram, корпоративный портал, SSO
Качество и безопасность	15–20%	Оценка ответов, роли доступа, логирование, fallback на человека

Главный сюрприз для заказчиков: самая дорогая часть — не «нейросеть», а подготовка данных. Если ваша база знаний — это 10 000 PDF со сканами, таблицами и версиями одного и того же регламента, именно здесь уйдёт треть бюджета.

Что влияет на цену сильнее всего

1. Состояние данных. Чистая база в Confluence и свалка сканов в сетевой папке — проекты разной стоимости при одинаковой формулировке задачи.

2. Облачная или локальная модель. GigaChat и YandexGPT по API — дешевле на старте, оплата за токены. Локальная LLM (Saiga, Qwen, Mistral) — дороже во внедрении, но данные не покидают периметр, а расходы не растут с объёмом запросов. Для отраслей с чувствительными данными (юристы, медицина, оборонка) локальный контур — фактически единственный вариант.

3. Требования к точности. «Ассистент для внутренних вопросов сотрудников» и «бот, который отвечает клиентам от имени компании» — разные уровни ответственности. Во втором случае закладывайте бюджет на систему оценки качества ответов и человека в контуре.

4. Число интеграций. Каждая система-источник (1С, CRM, СЭД) — это отдельный коннектор и отдельное тестирование.

Как сэкономить без потери качества

• Начните с пилота на одном сценарии. 2–3 типовых вопроса, ограниченный корпус документов, 20–50 реальных запросов для проверки. Это от 700 тыс. ₽ и даёт честный ответ на вопрос «работает ли это на наших данных» до того, как вы потратите миллионы.
• Не дообучайте модель. В 80% B2B-задач fine-tuning не нужен — RAG на хорошем индексе даёт лучший результат за меньшие деньги. Подробнее — в нашем разборе RAG против fine-tuning.
• Арендуйте GPU, пока не выйдете на стабильную нагрузку. Покупка сервера окупается при постоянном потоке запросов, но на этапе пилота это замороженные деньги.

Сроки: чего ждать по этапам

1. Discovery (1–2 недели). Аудит данных, выбор сценариев, оценка рисков. Здесь выясняется реальный объём работ.
2. Пилот (3–6 недель). Рабочий прототип на реальных документах с метриками качества.
3. Промышленный контур (2–4 месяца от старта). Роли, мониторинг, обновление индекса, обучение сотрудников.

Если подрядчик обещает промышленный RAG «под ключ за месяц» — он либо не делал этого раньше, либо под «RAG» имеет в виду обёртку над ChatGPT без работы с вашими данными.

Итог

• Пилот: от 700 тыс. ₽, 3–6 недель — честная проверка на ваших данных.
• Промышленный контур: от 2,5 млн ₽, 2–4 месяца — с безопасностью, ролями и метриками качества.
• GPU: аренда от 50 тыс. ₽/мес или сервер от 1,5 млн ₽ — отдельной строкой.

Хотите оценку под ваш корпус документов? Разберём вашу задачу за 60 минут — покажем архитектуру, риски и что можно проверить на пилоте. Подробнее об услуге — Локальная LLM и RAG для бизнеса.