Как выбрать подрядчика для внедрения ИИ

Как выбрать подрядчика для внедрения ИИ: почему решает не первая встреча

Проект по внедрению ИИ не заканчивается сдачей. Модель обновляется, данные меняются, интеграции ломаются — и через год вы работаете с той же командой, что и на старте. Поэтому выбор стоит делать так, будто вы нанимаете не исполнителя на задачу, а соседа на несколько лет.

Насколько легко поменять решение, если что-то пойдёт не так? Компания Zapier опросила 542 руководителя американских компаний, которые уже платят хотя бы одному ИИ-вендору. Почти девять из десяти были уверены, что сменят вендора за месяц, и почти половина из них — что уложится в рабочую неделю. Две трети потом действительно пробовали переехать, и гладко вышло меньше чем у половины: у остальных переезд потребовал кратно больше сил, чем закладывали.

Это не повод бояться подрядчиков. Это повод один раз, на берегу, задать несколько вопросов, которые потом сэкономят месяцы.

Обычные критерии и чего им не хватает

Смотрите релевантные кейсы, начинайте с пилота, не верьте обещаниям результата за две недели — это правильные советы, и вы встретите их в любой статье о том, как выбрать компанию для внедрения искусственного интеллекта. Беда в том, что по ним подрядчики выглядят одинаково: кейсы есть у всех, пилот предлагают все, обещать за две недели никто не станет.

Ещё один популярный критерий — прозрачность. Заказчики её ценят: по исследованию G2, почти девять из десяти предпочитают вендоров, которые объясняют, как используются данные и как обучаются модели. Но прозрачность легко изобразить на встрече. На что обратить внимание при выборе разработчика ИИ: как человек отвечает на конкретный вопрос, на который нельзя ответить общей фразой.

Дальше — семь таких вопросов. Они неудобны любому, к кому вы придёте с вопросом, как выбрать интегратора искусственного интеллекта, и нам в том числе.

Семь вопросов, которые стоит задать до договора

Все семь про то, что будет после сдачи. Задайте их двум-трём компаниям подряд: в выборе подрядчика для внедрения AI разница в ответах скажет больше, чем портфолио.

1. Кому принадлежит то, что мы оплатили

Вы заплатили — значит, это ваше? Не обязательно: по умолчанию право на созданное остаётся у исполнителя, пока договор не сказал обратного. Так устроено и в британском праве, где первым владельцем считается автор, и в американском, где оговорка о служебном произведении заказную разработку не покрывает: Бюро авторского права перечисляет девять категорий заказных работ, и программ среди них нет.

Фраза «полная передача прав» в коммерческом предложении ничего не значит, пока не превратилась в пункт договора с перечнем того, что именно передаётся.

2. Что вам передадут в конце проекта

Код отдадут все. Спросите про остальное: файлы дообученной модели, то есть сам результат обучения на ваших данных; наборы данных в исходном формате; промпты с версиями; наборы для оценки качества; инструкцию по развёртыванию и регламент дообучения.

Самое недооценённое здесь — наборы для оценки. Без них не понять, стало ли лучше после правки: сравнивать не с чем. В нашем разборе входящих документов именно они оказались самой ценной частью, потому что модель менялась несколько раз, а линейка осталась прежней.

3. Где живут наши данные и кто к ним имеет доступ

Вопрос выглядит техническим, а на деле он про сроки. По тому же исследованию G2, проверка безопасности дольше всего тормозит сделку уже после выбора вендора: о ней говорят почти двое из пяти заказчиков, а среди крупных компаний — каждый второй. Задайте этот вопрос до шортлиста, и месяцем позже не выяснится, что выбранное решение не проходит по контуру.

4. Кто отвечает, если модель ошиблась

Модель ошибётся. Не «может ошибиться», а ошибётся, и вопрос в том, что про этот день написано в договоре.

Вот как к этому подходит самый крупный закупщик в мире. Правительство США обязало свои агентства включать в любой контракт на ИИ четыре условия: права на интеллектуальную собственность и использование данных заказчика, защиту от привязки к вендору, непрерывное тестирование и мониторинг, уведомление о новых ИИ-компонентах в системе. Посмотрите, сколько из них есть в договоре, который предложат вам.

5. Сколько стоит работа системы, а не её создание

Смета — это ценник на стройку, а не на жизнь дома. Живёт система дольше, чем строится, и стоимости эксплуатации в смете обычно нет.

Поддержка ИИ-решения складывается из четырёх вещей: мониторинг качества, дообучение на новых данных, обновление моделей и разбор спорных случаев. Попросите подрядчика расписать, что из этого входит в ежемесячный платёж, а что оплачивается отдельно по часам. Про устройство цены самой разработки у нас есть подробный разбор — сколько стоит разработать AI-агента.

6. Кто следит за качеством через полгода и за чей счёт

Система может стать хуже сама, без единой правки в вашем коде. Это замерили на одной и той же модели: на задаче GPT-4 в марте 2023 года давал 84 % верных ответов, в июне — 51 %. Имя модели не менялось, её обновил поставщик.

Значит, кто-то должен смотреть на метрики после запуска. Спросите, кто именно, по каким метрикам, и что считается гарантийным случаем, а что новой работой. Ответ «мы всегда на связи» — это не ответ.

7. Что будет, когда модель перестанут поддерживать

Самый недооценённый вопрос из семи, и проверяется он по открытым страницам за минуту. Срок жизни вашего решения задаёт не договор с подрядчиком, а политика того, кто делает модель.

OpenAI обещает минимум полгода предупреждения перед отключением общедоступной модели. Anthropic — не менее шестидесяти дней. На практике интервал бывает ровно таким: модель claude-opus-4-1 объявили устаревшей пятого июня 2026 года и вывели пятого августа.

Самое неприятное для тех, кто вложился в дообучение: дообученные версии умирают вместе с базовой. В октябрьскую волну 2026 года так уходят дообученные gpt-3.5-turbo и gpt-4. Самостоятельное дообучение OpenAI сворачивает: новым организациям оно закрылось в мае, остальным закроется в январе 2027 года.

Спросите прямо: что мы делаем, когда эту модель отключат? Хороший ответ звучит как план на две недели работы. Плохой — как удивление.

Годовой договор на поддержку может оказаться длиннее, чем жизнь модели, на которой всё построено.

Что подготовить со своей стороны

До первого разговора хватит четырёх вещей:

• Один процесс, который болит. Не список из двенадцати, а тот, где вам сейчас больнее всего.
• Выгрузка по нему за последние месяцы. В любом машиночитаемом виде, чистить не надо.
• Человек, который эту выгрузку сделает. С доступом к системе и со временем.
• Человек, который подпишет доступ. Обычно это не тот же самый человек.

Остальное решается на пилоте, и подробно мы разбирали это в статье про внедрение ИИ в бизнес.

Третий и четвёртый пункты выглядят формальностью, а срывают сроки чаще всего. В среднем предприятии 897 приложений, и связаны между собой меньше трети — это замер 2025 года. А у 41 % компаний не определено, кто внутри отвечает за данные, и выгрузку оказывается некому согласовать.

Когда подрядчик вам пока не нужен

Иногда честный ответ на запрос «нужен ИИ» — «пока не нужен», и хороший подрядчик скажет это сам.

Подбор компании для разработки AI-решений можно отложить в двух случаях. Первый: задача закрывается готовым сервисом по подписке, и ваш процесс не требует интеграции с внутренними системами. Второй: данных для пилота ещё нет, их только предстоит начать собирать.

Спешка тут стоит дорого. По опросу IBM 2025 года, почти две трети руководителей вкладываются в ИИ из страха отстать, не разобравшись в ценности, а половина потом признаёт, что осталась с лоскутной технологией.

Подрядчик, который честно отправляет вас к коробочному сервису, дороже того, который берёт любую задачу.

Что делать дальше

Возьмите один процесс, который болит, и задайте эти семь вопросов двум-трём подрядчикам. Не ищите правильных ответов — ищите тех, кто отвечает конкретно и не обижается на вопрос о том, что будет в конце работы.

И попросите показать работающую систему на экране, а не на слайдах. Живой интерфейс с живыми данными, пусть и обезличенными, говорит о подрядчике больше, чем страница портфолио.

Свои продукты мы сначала построили себе: разбор входящих документов в DocuFlow занимал полный рабочий день, сейчас — пару часов. Поэтому на эти семь вопросов мы однажды отвечали сами себе, и ответы у нас записаны.

Хотите пройти список вместе — приходите на бесплатный разбор: 15–30 минут, смотрим задачу, процессы и данные.