AI, за который мы отвечаем выручкой. 8 недель до прода.

До старта фиксируем в договоре: метрику, метод измерения, контрольную группу и порог для KPI-бонуса. Базовый фикс вы платите в любом случае — он покрывает работу команды. KPI-бонус платите только при достижении согласованного результата. Если метрика не достигнута — KPI-бонус не выставляем и разбираем причины совместно.

Точную цену считаем после discovery-звонка — зависит от сложности интеграции и выбранного модуля. В стоимость входит discovery-неделя, разработка, A/B-тест и передача. Готовим письменную смету за 48 часов после первого созвона.

Выбираем процесс с двумя условиями: есть измеримая метрика (конверсия, нагрузка на саппорт, время на задачу) и достаточно данных для обучения/RAG. Лучшие кандидаты: поиск по каталогу с >5% долей нулевых результатов, карточки товаров с кликами на блок рекомендаций, саппорт с повторяющимися вопросами.

Да. Большинство наших клиентов — на Битрикс. Знаем API каталога, заказов, CRM. Интеграция через вебхуки и REST — бэкенд не трогаем. Данные остаются в вашей инфраструктуре или в нашем РФ-контуре — по вашему выбору.

Не обязательно. Под модели выбираем вместе: open-source (Llama 3, Qwen 2.5, Mistral) деплоятся на вашей или нашей инфраструктуре — данные не покидают периметр. API-модели (Claude, GPT) используем если нет ограничений регулятора и это быстрее или дешевле.

Подписываем Data Processing Agreement в рамках договора. Персональные данные обрабатываем в РФ или on-prem — опция ФСТЭК-совместимой инфраструктуры. Это не апсейл — входит в базовую цену пилота.

Три варианта: (1) передаём код и документацию — дальше ваша команда, (2) переходим в retainer — поддержка, новые модули, (3) масштабирование — следующий бизнес-процесс по той же схеме. Никакой принудительной привязки.

В discovery-неделю — 2–3 встречи по 1 часу плюс доступ к аналитике и логам. Во время разработки — один технический контакт (разработчик или аналитик) для вопросов по интеграции: 2–4 часа в неделю. На этапе rollout — один человек для A/B-настроек и мониторинга.

Работаем с тем, что есть. Если данных для обучения мало — используем RAG (поиск по существующему контенту) или синтетику для стартового набора. Discovery-неделя в том числе для оценки реального состояния данных — приходите с этим вопросом.

Зависит от задачи. Для semantic search — Elasticsearch с готовым reranker-пайплайном (быстро и надёжно). Для персонализации PDP — embedding-модель с кастомной логикой ранжирования. Admin copilot — LLM с промпт-инжинирингом и RAG по вашей базе знаний. Везде открытый код — без лицензионных ловушек.