Как выбрать надёжного подрядчика по внедрению ИИ: проверка по открытым данным

Подрядчика по ИИ можно проверить до подписания договора: по открытым реестрам, по тому, как он объясняет технологию, и по нескольким формулировкам в договоре. Это надёжнее, чем портфолио и презентации: кейсы часто нельзя верифицировать, а ЕГРЮЛ, реестр аккредитованных ИТ-компаний, реестр российского ПО, лицензии ФСТЭК и условия передачи прав проверить можно.

Мы сами работаем в этой сфере, поэтому предлагаем честную рамку: все критерии ниже применимы и к нам. Хорошая инструкция по выбору подрядчика не должна быть подогнана под одного исполнителя. Она должна помогать заказчику отличить реальную инженерную команду от красивого лендинга, понять границы проекта и не купить «ИИ» там, где на самом деле продаётся настройка чужого конструктора.

Коротко о СофтРест: мы ИТ-компания, которая разрабатывает прикладные решения для бизнеса, в том числе ИИ-агентов, чат-ботов, интеграции с CRM, базами знаний и внутренними системами. Мы не оказываем услуги аудита отдела продаж и постановки бизнес-процессов, но перед разработкой просим у заказчика метрики процесса, чтобы результат можно было измерить.

Услуги по внедрению ИИ в бизнес: кто их сегодня оказывает

Рынок ИИ выглядит большим, но под одной вывеской живут совершенно разные исполнители. По оценке AIANA за август 2026 года, российский рынок ИИ по итогам 2025 года составил 316,1 млрд ₽ и вырос на 29,7%; на нём насчитывалось 883 компании, но только 386 поставляли готовые продукты под конечную задачу. Важно понимать: крупнейший сегмент по выручке — ИИ-оборудование, 31,1%, а не внедрение прикладных решений в бизнес-процессы.

Поэтому фраза «мы работаем на рынке ИИ» сама по себе ничего не доказывает. Один подрядчик продаёт облачную платформу, второй внедряет голосового робота, третий пишет агента под конкретный процесс, четвёртый перепродаёт конструктор под видом разработки. Заказчику нужно сравнивать не громкость обещаний, а тип исполнителя и его соответствие задаче.

Рейтинг CNews Analytics по крупнейшим игрокам российского рынка ИИ-решений за 2025 год показывает другой срез: 60 компаний, 85 млрд ₽ суммарной выручки от ИИ-проектов, топ-15 — 75,6 млрд ₽. Это полезная картина верхнего сегмента, но она не отвечает на вопрос малого бизнеса: кому поручить первый прикладной проект на сотни тысяч рублей, а не корпоративную трансформацию на годы.

ИИ-агентство, студия разработки ИИ-ботов или интегратор: в чём разница

Термины на рынке пока не устоялись. «ИИ-агентство», «студия разработки ИИ-ботов», «AI agency», «интегратор» и «вендор платформы» могут выглядеть одинаково в рекламной выдаче, но внутри это разные модели работы и ответственности.

ИИ-агентство чаще продаёт запущенный сценарий: например, ассистента для первичной обработки заявок или агента для поиска по базе знаний. Команда может собираться под задачу, часть работ может уходить субподрядчикам. Студия разработки ИИ-ботов обычно ближе к продуктовой команде: у неё есть свой стек, типовые компоненты, более узкая специализация и понятнее экономика пилота. Интегратор силён там, где решение нужно встроить в существующий ИТ-контур с регламентами, безопасностью и несколькими системами. Вендор платформы продаёт инструмент, но не всегда отвечает за ваш бизнес-результат.

Практический вывод простой: слово в названии ничего не гарантирует. Важно, кто по договору отвечает за результат, чем этот результат измеряется, кто владеет кодом, промптами и базой знаний после оплаты, а также что произойдёт, если модель, платформа или подрядчик станут недоступны.

Что подрядчики называют внедрением ИИ под ключ — и почему это каждый раз разное

Фраза «внедрение ИИ под ключ» звучит удобно, но опасна именно своей широтой. Один исполнитель подразумевает настройку готовой платформы на ваших документах. Другой — разработку решения под конкретный процесс с интеграциями. Третий включает подготовку базы знаний, обучение сотрудников, регламенты поддержки и сопровождение после запуска. Все три варианта могут быть честными, но это три разных проекта.

В коммерческом предложении нужно искать не красивое слово «под ключ», а явный состав работ: какие сценарии входят в объём, какие интеграции делаются, кто готовит базу знаний, кто её поддерживает после сдачи, что происходит при ошибке агента, что входит в поддержку и сколько она стоит отдельно. Отдельно проверьте, на чьих ключах работают модели и кто платит за токены, минуты, хранение векторов и инфраструктуру.

Если в КП не написано, кто оплачивает эксплуатацию моделей, это не смета. У долгоживущих ИИ-систем расходы на использование со временем могут превысить стоимость разработки. Подробный разбор этапов внедрения лучше выносить в отдельный материал о процессе, а разбор ценообразования — в отдельную статью о стоимости. Здесь важно другое: подрядчик должен назвать границы ответственности до старта.

Как отличить настоящего ИИ-агента от переименованного чат-бота

Gartner в июне 2025 года назвал agent washing переупаковкой существующих продуктов — ИИ-ассистентов, RPA и чат-ботов — без существенных агентных возможностей. В том же прогнозе Gartner предупреждал, что более 40% агентных ИИ-проектов могут быть закрыты до конца 2027 года из-за растущих затрат, неясной ценности и слабого контроля рисков. Это именно прогноз, а не измеренная статистика, но он хорошо описывает риск рынка.

Отличие проще объяснять через поведение. RPA выполняет заранее заданные правила и не адаптируется. Чат-бот или ассистент отвечает на запрос и ждёт следующего. Агент получает цель, сам выбирает инструменты, планирует шаги, проверяет результат и при неудаче перепланирует действия. Если система только отвечает текстом по базе знаний, это может быть полезный ассистент, но не обязательно агент.

Четыре вопроса быстро вскрывают подмену. Попросите показать трассировку реального диалога: какие инструменты агент вызвал, что они вернули и почему был выбран следующий шаг. Спросите, как агент проверяет, что действие действительно выполнилось, а не просто был вызван API. Уточните, что происходит при ошибке инструмента. И наконец, попросите показать поведение на вопросе, которого нет в сценарии.

Есть и честный контрвопрос к самому заказчику: нужна ли вам автономия? Агент дороже в разработке, эксплуатации и контроле. Для многих задач малого бизнеса достаточно ассистента с базой знаний и передачей диалога человеку. Продавать автономного агента там, где достаточно ассистента, — тоже форма agent washing, только не технологическая, а ценовая.

Хороший бесплатный тест — демо на ваших данных. Если подрядчик показывает только слайды и типовой сценарий, вы видите презентацию, а не решение. Команды, которые действительно умеют делать прикладные ИИ-системы, обычно быстро переходят к одному конкретному болезненному процессу: берут ваши документы, показывают первые ответы, обсуждают метрики и только потом говорят о масштабировании.

Как проверить компанию по внедрению ИИ по открытым реестрам

Проверка подрядчика начинается не с созвона, а с открытых данных. Они не скажут, насколько команда талантлива, но помогут отсеять очевидные риски: сомнительное юрлицо, несоответствие правообладателя, путаницу между аккредитацией и реестром ПО, необоснованные заявления про лицензии.

Аккредитация ИТ-компании и запись продукта в реестре российского ПО — разные вещи. Наличие продукта в реестре не даёт компании аккредитацию автоматически. В реестре ПО нужно сверять точное название: коммерческое имя может отличаться от реестрового, а происхождение подтверждает порядковый номер записи и правообладатель.

С лицензиями ФСТЭК часто путают заказчика. Обычному разработчику ИИ-агента они не нужны. Лицензия на разработку и производство средств защиты требуется, если сам продукт является средством защиты информации. Лицензия ТЗКИ нужна, если подрядчик проектирует защищённые системы, внедряет и настраивает средства защиты, контролирует защищённость или готовит объект к аттестации. Если подрядчик просто пишет агента — требовать лицензию незачем. Если он разворачивает агента в защищённом контуре и берёт на себя защиту информации, разговор другой.

Отдельно смотрите НДС в счёте. С 2026 года общая ставка — 22%. Льгота для передачи прав на ПО из реестра применяется к объекту, а не к статусу компании: заказная разработка, внедрение, техподдержка и обучение обычно идут отдельными строками и облагаются иначе. Разные ставки в КП не обязательно хитрость; иногда это признак, что бухгалтерия как раз понимает предмет.

Что спросить до того, как заказать внедрение ИИ: девятнадцать вопросов

Большая часть провалов происходит не из-за мошенничества, а из-за несовпадения ожиданий. Заказчик покупает «ИИ», подрядчик продаёт разработку, а что считается работающим результатом, никто не записал. Поэтому вопросы должны проверять не только добросовестность, но и измеримость.

Про задачу

1. Какой процесс вы предлагаете автоматизировать первым и почему именно его?
2. Какие метрики этого процесса вы хотите увидеть до старта? Хороший ответ — конкретный список, а не «покажем на демо».
3. Что вы считаете успехом пилота и в каких числах?

Про технологию

4. Какие модели будете использовать и где физически выполняется инференс?
5. Что произойдёт, если провайдер модели станет недоступен или поднимет цены?
6. Используете ли вы сторонние платформы и конструкторы?
7. Как вы измеряете качество ответов и как часто?
8. Что агент делает, когда не знает ответа?
9. Кто чистит и разбирает документы перед загрузкой в базу знаний и входит ли это в цену?
10. Как устроена база знаний, в каком формате заказчик её получит и сможет ли править без подрядчика?
11. Что происходит, когда агент передаёт диалог человеку, и как система решает, что пора передавать?

Последние три вопроса особенно важны. По оценкам практиков, значительная часть проблем качества живёт не в модели, а в данных: колонтитулы, нумерация страниц, артефакты распознавания и скрытые символы из Word попадают в базу знаний и портят поиск. Если очистки документов нет в смете, вы платите за систему, которая будет уверенно отвечать по мусору.

Про деньги, риски и права

12. Что входит в цену, а что оплачивается отдельно?
13. Кто платит за работу моделей после сдачи проекта и как считается лимит?
14. Сколько стоит поддержка после запуска и что в неё входит?
15. Кому принадлежит код, промпты и база знаний после оплаты?
16. Что заказчик получит на руки при прекращении сотрудничества?
17. Как оформляется обработка персональных данных клиентов и уходят ли они за границу?
18. Кто отвечает, если агент даст клиенту неверную информацию, и что написано об этом в договоре?
19. Что для проекта меняется с 1 марта 2027 года?

Восемнадцатый вопрос показывает, продумывал ли подрядчик риски вообще. Девятнадцатый проверяет, следит ли он за регулированием отрасли: с 1 марта 2027 года вступают нормы, связанные с уведомлением пользователей о правах на результаты применения больших фундаментальных моделей. На практике это может означать правку пользовательских соглашений и интерфейсных уведомлений. Подрядчик, который в конце 2026 года не может сказать об этом ничего, не следит за темой достаточно внимательно.

Договор на услуги разработки ИИ: три формулировки, которые решают всё

Первая формулировка — права на результат. Если предмет договора прямо предусматривает создание программы или базы данных, работает логика статьи 1296 ГК РФ: право по умолчанию у заказчика, если договором не предусмотрено иное. Если программа создана при выполнении договора, который прямо не предусматривал её создание, появляется риск статьи 1297 ГК РФ: право по умолчанию может остаться у подрядчика.

Поэтому предмет договора должен прямо говорить о создании программы для ЭВМ или иного конкретного результата. Формулировка «оказание услуг по внедрению ИИ» слишком размыта. В составе передаваемого результата нужно перечислить исходный код, промпты, конфигурации, датасеты базы знаний, схемы интеграций, инструкции по развёртыванию и список сторонних компонентов с их лицензиями. Промпты и база знаний часто являются главной ценностью ИИ-проекта, но именно их забывают передать явно.

Важная оговорка: правовой статус промптов как самостоятельного произведения остаётся серой зоной. Поэтому безопаснее не спорить о природе объекта, а прописывать в договоре, что промпты, база знаний, сценарии, правила маршрутизации и тестовые наборы входят в передаваемый результат. Также стоит отдельно запретить обучение на данных заказчика, если это для вас критично.

Вторая формулировка — персональные данные. Если подрядчик обрабатывает данные ваших клиентов, нужно поручение на обработку по части 3 статьи 6 ФЗ-152: с обязанностью соблюдать принципы закона, конфиденциальность и меры безопасности. Ключевое: перед клиентом ответственность остаётся на вас как на операторе. Подрядчик может нарушить, но претензия часто придёт к компании, которая поставила бота на сайт или в сервис.

Третья формулировка — ответственность за результат работы модели. Закон не решает этот вопрос за стороны. Значит, распределение риска существует только в договоре: гарантии, порядок фиксации инцидентов, лимиты ответственности, доступ к логам, обязанность подрядчика устранять систематические ошибки за свой счёт. Требовать 100% точности бессмысленно: машинное обучение вероятностно. Вместо этого нужны числовые критерии приёмки, эталонный набор вопросов, право выборочного аудита и понятное определение ошибки.

Отдельная строка — условия выхода. В договоре должны быть экспорт данных в пригодном для работы виде, возврат или удаление данных в оговорённый срок, распространение удаления на субподрядчиков и письменное подтверждение. Владение исходным кодом само по себе не спасает от привязки к поставщику: нужны провайдеро-независимый слой, переносимые промпты, тесты качества и проверенный сценарий передачи проекта.

Сколько это стоит: рыночные вилки и что должно насторожить

Независимого исследования цен на внедрение ИИ в России фактически нет. Доступны публичные прайсы подрядчиков и их же статьи, то есть заявленные продавцами нижние границы, а не медиана реальных сделок. Поэтому единственная защита заказчика — не «средняя цена по рынку», а пилот, договор и прозрачная смета.

Слишком низкая цена должна насторожить так же, как слишком высокая. «ИИ-агент за 30 000 ₽» почти всегда означает настройку чужого конструктора. Это не преступление, если так и написано, но платить за такую работу нужно как за настройку, а не как за разработку. Слишком высокая смета без объяснения ролей, этапов и инфраструктуры тоже плохой знак.

Самый надёжный тревожный сигнал — отсутствие строки на эксплуатацию. Модели, хранение, инфраструктура, мониторинг, обновление базы знаний и поддержка стоят денег после запуска. Если поддержки нет в смете, она появится позже и внезапно. Детально разбирать структуру цены лучше отдельно; здесь достаточно правила: цена без условий эксплуатации не показывает полной стоимости владения.

Как выглядит нормальный первый проект

Нормальный первый проект начинается не с фразы «внедрим ИИ в компанию», а с одного процесса. Хороший подрядчик попросит у вас метрики процесса до начала работ: количество обращений, долю ручной обработки, время ответа, стоимость операции, типовые причины ошибок. Это не аудит отдела продаж и не постановка бизнес-процессов, а минимальная база для измерения результата.

Рабочий формат пилота — 2–6 недель до первого результата и бюджет в пределах сотен тысяч рублей, а не миллионов. Критерий успеха должен быть записан числом до старта: например, доля автономно решённых обращений, снижение времени обработки, рост точности классификации или сокращение ручных операций. Критерий остановки тоже нужен заранее: если через шесть недель прирост меньше оговорённого порога, проект закрывается или пересобирается.

Есть практический порог применимости: один-два повторяющихся процесса с понятной логикой и хотя бы 50–100 событий в неделю — заявок, обращений, резюме, документов. Ниже этого объёма ИИ часто не успевает дать заметный эффект, даже если технически работает. Меньше 30 дней обычно не хватает данных для выводов, а больше 120 дней пилот начинает превращаться в проект без хозяина.

Пилот нужен не для того, чтобы «попробовать ИИ», а чтобы на одном значимом процессе получить цифру, по которой принимается решение: масштабировать, переделать или остановить. Именно поэтому честная остановка — не провал, а нормальная часть управления риском.

Компании по внедрению ИИ в бизнес: как собрать короткий список из трёх

Начните с 5–7 кандидатов разных типов: платформенный вендор, студия, интегратор, специализированная команда разговорного ИИ. Если сравнивать только похожие лендинги, вы получите похожие обещания. Разные типы подрядчиков дадут разные ответы на один и тот же запрос — и именно это полезно.

Дальше отсейте кандидатов по реестрам и юридическим признакам. Затем отправьте всем одинаковое короткое описание задачи с исходными метриками. Не меняйте вводные от созвона к созвону: различия в ответах будут главным материалом для сравнения. Уберите тех, кто не задаёт встречных вопросов о процессе, данных, ограничениях и критериях приёмки.

Оставшихся попросите показать демо на ваших данных. Не полноценный проект бесплатно, а короткую проверку способности работать с вашим материалом: документами, типовыми вопросами, примерами заявок. После этого сравнивайте не презентации, а договоры: права на результат, персональные данные, ответственность модели, условия выхода и стоимость поддержки.

Финальный короткий список из трёх должен включать не «самых убедительных продавцов», а тех, кто прошёл открытую проверку, честно назвал ограничения и смог показать, как будет измеряться результат. Большой контракт лучше не подписывать сразу: начните с пилота у одного исполнителя и заранее запишите условие, при котором проект считается успешным или закрывается.

Что делать дальше

Если вы выбираете подрядчика по ИИ, не начинайте с вопроса «сколько стоит агент». Начните с проверки: кто юридически будет исполнителем, есть ли подтверждаемые продукты и компетенции, что написано в договоре о правах, данных и ответственности, способен ли подрядчик показать работу на ваших данных, а не только на презентации.

Хорошая компания по внедрению ИИ не обещает магию. Она задаёт неудобные вопросы, просит исходные метрики, отделяет ассистента от агента, предупреждает о расходах на эксплуатацию и готова прописать критерии приёмки числами. Именно это отличает инженерный подход от продажи модного слова.

Минимальный чек-лист перед договором: проверьте юрлицо в ЕГРЮЛ, статус ИТ-аккредитации и реестр ПО при необходимости; попросите демо на ваших данных; задайте девятнадцать вопросов из этой статьи; сравните договоры по правам, персональным данным и ответственности; начинайте с пилота с измеримым критерием успеха и заранее согласованным критерием остановки.

Автор Антон Амосов

Поделиться Скопировано!