AI и локальные LLM
Практика внедрения языковых моделей в корпоративный контур: где проходит граница между облачной моделью и локальной, почему качество ответов упирается не в модель, а в подготовку данных, и сколько такой проект стоит на самом деле.
-
AI-ассистент для отдела продаж: что подготовить до старта проекта
Качество ответов AI-ассистента упирается не в модель, а в подготовку данных. Разбираем, что компания должна привести в порядок до старта: какая система является источником истины по каждому типу данных, что делать с разными CRM после слияний, как проверить готовность архива и какие ответы считать правильными.
-
RAG на реальных корпоративных документах: почему 70% работы — это парсинг, а не нейросеть
Главный источник плохих ответов RAG — не «глупая модель», а мусор, попавший в индекс на этапе парсинга. Разбираем на реальных корпоративных корпусах: постраничная классификация PDF, сериализация таблиц, чистка колонтитулов, версионность, гибридный поиск и голд-сет для оценки качества.
-
Сколько стоит RAG для компании в 2026 году: бюджет, сроки, из чего складывается цена
Пилот RAG на ограниченном корпусе документов стоит от 700 тыс. ₽ и занимает 3–6 недель. Промышленный контур с ролями, аудитом и обновлением индекса — от 2,5 млн ₽ и 2–4 месяца. Разбираем, из чего складывается цена.
-
RAG или fine-tuning: что выбрать для корпоративной LLM
RAG проще внедрить, дешевле поддерживать и даёт ответы с цитатами. Fine-tuning нужен реже, чем кажется. Наш опыт внедрения корпоративных LLM в B2B.
-
Локальная LLM для B2B: когда нужна, сколько стоит, сколько занимает
Локальная LLM оправдана не всегда. Разбираем, когда on-premise экономит, а когда GigaChat или YandexGPT дешевле и точнее. Реальные цифры бюджета и сроков.
Похожая задача в вашем бизнесе?
За 60 минут разберём вашу задачу, покажем архитектуру и оценим бюджет.
Обсудить проект