H-Studio
Обсудить проект
AI-функции и автоматизация — H-Studio
Услуга · AI-функции и автоматизация

AI-функции внутри бизнес-систем — без хайпа⁠ и без лишней «AI-трансформации».

Не «подключим ChatGPT к сайту», а встроим конкретную функцию в рабочий процесс: разобрать документ, найти информацию, классифицировать заявку, подготовить черновик или помочь оператору принять решение.

Формат
AI-функция внутри продукта или автоматизация процесса
Подходит для
SaaS · CRM · внутренние системы · документы · поддержка
Старт
Разбор процесса или AI-пилот
Подход · сначала процесс, потом модель

Сначала разбираем процесс, данные и риски — иногда честный ответ «AI не нужен».

AI-функции внутри уже работающего продукта, а не отдельный сервис в вакууме. Если AI нужен, проектируем human review, журнал событий, контроль источников и расходы на модель с первого дня.

От 300 000 ₽, 4–14 недель до первой рабочей функции.
01 · Где AI реально окупается

Пять ситуаций, в которых задача попадает к нам.

Не «AI ради AI». Каждая стадия — про реальную бизнес-боль, которую AI помогает закрыть. На разборе процесса фиксируем стадию и подбираем формат.

Scenario · 01

“«Команда тратит часы на документы»”

Заявки, анкеты, договоры, счета, отчёты или письма читаются вручную. Данные переносятся в таблицы, CRM или 1С с ошибками. Один сотрудник тратит от 20 до 50% времени на чтение и перенос данных. Что мы делаем: систему разбора документов — определяем типы документов, поля для извлечения, правила проверки, пороги уверенности. AI извлекает поля → команда проверяет случаи с низкой уверенностью → данные уходят в CRM или БД. Проверка человеком там, где риск высокий.

Scenario · 02

“«Информация есть, но её невозможно быстро найти»”

База знаний из 500–5 000 документов, инструкций, карточек клиентов, договоров, переписки. Сотрудники постоянно спрашивают друг друга или ищут полдня. Адаптация нового сотрудника занимает месяцы, потому что «никто не знает, где что лежит». Что мы делаем: RAG-поиск поверх вашей базы знаний. AI отвечает с опорой на ваши документы и показывает источники; если уверенности недостаточно — система честно говорит, что данных не хватает, и эскалирует на человека. Доступы по ролям, контроль качества ответов.

Scenario · 03

“«Входящие заявки нужно разбирать и направлять»”

Заявки, тикеты, письма или лиды приходят в разных форматах. Менеджеры читают каждое и решают: какой тип, какой приоритет, кому направить, какой черновик ответа. От 50 до 200+ заявок в день — команда не справляется. Что мы делаем: AI-классификация по типу + приоритету + маршрутизация + черновик ответа. Менеджер подтверждает перед отправкой. Журнал событий всех решений с возможностью корректировок и переобучения на этих корректировках.

Scenario · 04

“«Хотим AI-функцию внутри нашего SaaS»”

Продукт работает, есть платящие клиенты, экономика сходится. Хочется добавить AI-функцию: помощника, умный поиск, генерацию контента, краткие выжимки, черновики — что-то, что увеличит удержание или конверсию. Что мы делаем: разбор процесса (что реально ценно для пользователей), одну-две функции для пилота, встраивание в существующий продукт, мониторинг использования и качества, итерации на обратной связи.

Scenario · 05

“«Подключили ChatGPT API, но ответы нестабильны и дорого»”

Команда уже сделала первую версию — ChatGPT API напрямую, промпты в коде, ответы непредсказуемые, галлюцинации, расходы на API растут, нет журнала событий, не знают, когда доверять ответам. Что мы делаем: аудит существующей AI-системы и переработка — RAG с ссылками на источники, пороги уверенности, переход на проверку человеком, мониторинг, оптимизация расходов на API (часто удаётся заметно снизить по сравнению с наивной интеграцией), журнал событий.

02 · Чего мы не делаем · Честное руководство по выбору

Пять задач, где лучше не идти к нам⁠.

Перед списком «что строим» — что не наша территория. Это сэкономит вам деньги и сроки. Если ваш сценарий из этого списка — порекомендуем подходящего исполнителя или решение.

01

Конструкторы чат-ботов (Nextbot, IInnova AI и подобные)

Если задача — простой ЧаВо-бот на сайт за 1.5–3 тыс. ₽/мес, рекомендуем конструкторы чат-ботов. Это другой сегмент с другим экономическим уровнем. Делать на нашем уровне для простого ЧаВо-бота — переплата. Минусы конструкторов — привязка к поставщику и ограниченная кастомизация. Мы подключаемся, когда конструктор уже не справляется.

    02

    Корпоративный ChatGPT за 300 $ на сотрудника в год

    Подписка на ChatGPT Enterprise или Cursor для команды — это не интеграция AI в продукт, это инструмент для команды. Полезная вещь, но это не наша услуга. Просто платите подписку и обучите команду.

      03

      Сложное компьютерное зрение и обработка видео

      Сложные задачи компьютерного зрения (распознавание лиц, видеоаналитика, поиск дефектов на конвейере) — отдельная специализация. Делаем простые случаи через облачные API (распознавание текста, классификация изображений), но не строим кастомные CV-системы. Рекомендуем профильных подрядчиков.

        04

        Сложные голосовые ассистенты и колл-центры

        Базовые сценарии работают (Whisper для распознавания речи, GigaChat Voice для синтеза) — это в наших возможностях. Но сложные голосовые AI-системы (автоматизация колл-центров, клонирование голоса, многоязычные голосовые агенты) — отдельная индустрия. Рекомендуем голосовые AI-компании.

          05

          Продвижение в AI-поиске (Алиса, ChatGPT, Perplexity)

          AEO/GEO-продвижение — попадание в выдачу голосовых ассистентов и AI-поисковиков — это маркетинговая работа, а не инженерная. Рекомендуем профильные AEO/GEO-агентства, не наш профиль.

            03 · Что мы делаем · Четыре типа AI-задач

            AI как встроенная функция⁠ продукта, а не отдельный сервис в вакууме.

            Частая ошибка AI-внедрений — «AI-инструмент живёт в вакууме, отдельно от рабочих систем». Мы встраиваем AI как функцию внутри уже работающих CRM, SaaS, кабинетов и админ-панелей. Четыре определённых типа задач с реальными кейсами.

            01

            Разбор документов и извлечение данных

            Заявки, анкеты, договоры, счета, чеки, инвойсы, медицинские карты, юридические документы. AI определяет тип документа, извлекает нужные поля с указанием уверенности, проверяет по правилам (формат ИНН, даты, суммы), передаёт данные в CRM, 1С или БД. Низкая уверенность → команда проверяет вручную. Высокая → данные уходят автоматически. Журнал каждого решения для разбора спорных случаев.

            02

            RAG-поиск по базе знаний и документам

            Для задач, где ответ должен опираться на документы или базу знаний, RAG обычно является первым вариантом для проверки.

            Как это работает:
            • AI отвечает с опорой на ваши документы и обязательно показывает источники
            • Если уверенности недостаточно — эскалирует на человека или честно говорит «данных не хватает»
            • Доступы по ролям — кто что может искать

            Обычно окупается на адаптации новых сотрудников и снижении нагрузки на поддержку. RAG снижает риск галлюцинаций, но не заменяет проверку качества и человеческий контроль в чувствительных сценариях.

            03

            Классификация, маршрутизация и черновики ответов

            Входящие заявки, тикеты, письма или лиды AI классифицирует по типу + приоритету + теме + источнику, маршрутизирует на правильного менеджера (по правилам или равномерно), готовит черновик ответа. Менеджер подтверждает или правит перед отправкой. Журнал событий с возможностью корректировок и улучшения качества на основе этих корректировок.

            04

            AI-помощники внутри продукта или внутри команды

            Для пользователей продукта — помощник внутри карточки клиента, поиск-помощник по содержимому, генерация черновиков, краткие выжимки длинных текстов, рекомендации. Для внутренней команды — помощник оператору внутри админ-панели, выявление аномалий в данных, поддержка принятия решений. AI как встроенная часть процесса, а не отдельная вкладка, в которую никто не заходит.

            04 · Четыре ключевых решения до старта

            Самые дорогие ошибки в AI принимаются на старте⁠.

            1. 01

              Нужен ли вообще AI, или хватит обычной автоматизации

              Главное честное решение. AI нужен, когда: задача требует понимания естественного языка (документы, письма, чат), разброс входных данных слишком велик для жёстких правил, понимание контекста критично (не просто совпадение слов), нужна генерация новых текстов (черновики, выжимки), рассуждения над знаниями (RAG, вопрос-ответ). AI НЕ нужен, когда: данные структурированные с понятными правилами (проверка, расчёты, маршрутизация по полям), процесс с жёсткой логикой (обычная CRM-автоматизация решит), дедупликация по понятным критериям (детерминированные алгоритмы лучше), простая маршрутизация по полям формы. Часто часть задачи — AI, часть — обычная автоматизация. На разборе процесса один раз сэкономили клиенту 30 тыс. $, сказав «75% этого процесса — обычная автоматизация, AI нужен только для 25%».

            2. 02

              Облачный API, российский агрегатор, GigaChat или своя инфраструктура

              Облачный API (Claude API, OpenAI API) — наш дефолт для большинства задач. Не нужно управлять инфраструктурой, всегда свежие модели, оплата по факту использования. Российские агрегаторы или локальные модели могут быть частью архитектуры, если по проекту требуется ограничить передачу персональных данных за пределы РФ: для персональных данных можно спроектировать маршрутизацию так, чтобы они не отправлялись напрямую во внешние облачные модели. Российские модели (GigaChat, YandexGPT) — для жёсткого требования обработки на российских серверах. Своя инфраструктура (Llama, Qwen, Mistral) — когда соответствие требованиям или экономика критичны. Юридическую оценку 152-ФЗ и договорную схему подтверждает профильный юрист; мы отвечаем за техническую маршрутизацию, хранение и документацию.

            3. 03

              RAG, донастройка модели или просто промпт

              Просто промпт с примерами — для простых задач: классификация, простые преобразования, генерация черновиков. RAG — наш дефолт для задач со знаниями: документы, инструкции, ЧаВо, базы знаний. Для задач, где ответ должен опираться на документы или базу знаний, RAG обычно является первым вариантом для проверки. Донастройка модели (fine-tuning) — редко, только когда нужна специфическая стилистика или RAG доказуемо недостаточно: значительно дороже на старте и в поддержке. Анти-паттерн — донастройка «потому что современно». Для большинства бизнес-задач RAG проще, дешевле и легче обновлять.

            4. 04

              Порог уверенности и проверка человеком

              Подход с учётом риска. Операции низкого риска (черновик письма, краткая выжимка, поиск) — AI делает напрямую, пользователь видит результат и может править. Журнал событий для разбора. Операции среднего риска (классификация, маршрутизация) — AI решает, человек может переопределить, при низкой уверенности (< 0.85) — эскалация на менеджера. Периодическая проверка качества. Операции высокого риска (финансовые, юридические, медицинские решения) — AI предлагает, человек подтверждает. Обязательная проверка всех результатов. Полный журнал событий для соответствия требованиям. Дефолт для новой AI-функции — всегда начинаем с усиленной проверки человеком, постепенно ослабляем на основе данных по качеству.

            05 · AI-стек и выбор моделей

            Выбираем модель под задачу и соответствие требованиям⁠ — не по моде.

            Модель выбирается под задачу, требования к данным и расходы — не по моде. Claude — наш основной выбор для сложных рассуждений и работы с документами, GPT — универсал, российские модели и агрегаторы — когда по проекту требуется ограничить обработку персональных данных пределами РФ. На архитектурном спринте фиксируем таблицу «задача → модель».

            Флагманские модели
            • Claude (Anthropic) · наш дефолт
            • GPT-5 (OpenAI) · универсал
            • Gemini (Google) · мультимодальные сценарии
            • Llama 3.1/4 · своя инфраструктура

            Claude — для сложных рассуждений, разбора документов, агентных процессов. GPT-5 — универсал. Gemini — когда важен длинный контекст и мультимодальность. Llama — для развёртывания на своей инфраструктуре.

            152-ФЗ и российский рынок
            • GigaChat (Сбер) · серверы РФ
            • YandexGPT · Yandex Cloud
            • polza.ai · посредник · карта РФ
            • AITunnel · ProxyAPI · Study24.ai

            GigaChat и YandexGPT — если по проекту требуется обработка на российских серверах. Агрегаторы (polza.ai, AITunnel, ProxyAPI) — флагманские модели через инфраструктуру РФ с оплатой картой РФ. Юридическую оценку 152-ФЗ подтверждает профильный юрист.

            RAG-инфраструктура
            • pgvector · векторный поиск в Postgres
            • Pinecone · Weaviate · Chroma
            • Гибридный поиск (семантика + ключи)
            • Повторное ранжирование результатов

            pgvector внутри Postgres — наш дефолт для большинства задач. Отдельные векторные базы — только когда объём данных или нагрузка их оправдывают.

            Контроль и наблюдаемость
            • Журнал каждой AI-операции
            • Мониторинг качества и расходов
            • Версионирование промптов
            • A/B-тесты промптов и моделей

            Без контроля расходы на API могут заметно расти, а качество тихо деградировать. Каждый AI-вызов в журнале с метками источника и расхода.

            06 · Открытые цены · Семь форматов

            От аудита процесса до AI-помощника в продукте⁠ и стабилизации существующего AI.

            Семь форматов с гибкой комбинацией. Можно начать с любого и остановиться после него. Первая работающая AI-функция — за 2–3 недели независимо от тарифа. Дальше — итерации на качестве и обратной связи.

            Разбор

            AI-аудит процесса

            Анализ процесса + аудит данных + оценка рисков + прогноз расходов + честный вердикт «нужен ли вообще AI». Документ с рекомендациями. Часто на этом этапе сэкономили клиенту месяцы и миллионы — иногда честный вердикт «AI не нужен, обычная автоматизация решит за 200 тыс. ₽ вместо 800 тыс. ₽ за AI».

            от 100 000 ₽
            ├1–2 недели┤
            • Анализ процесса и узких мест
            • Аудит доступных данных
            • Оценка рисков AI-решения
            • Прогноз расходов на API
            • Прогноз окупаемости
            • Честный вердикт «нужен ли AI»
            Заказать аудит
            Пилот

            AI-пилот одной функции

            Пилот одной AI-функции для проверки гипотезы: разбор процесса + минимальная техническая настройка + встраивание в существующий продукт + измерение. Подходит для основателей на стадии «не знаем, нужно ли вообще».

            от 300 000 ₽
            ├4–6 недель┤
            • Разбор процесса
            • Минимальная техническая настройка
            • Одна AI-функция готовая к тесту
            • Встраивание в продукт
            • Измерение качества и расходов
            • Решение «развивать или нет»
            Запустить пилот
            Классификация

            Классификация и маршрутизация

            AI-классификация заявок, тикетов или писем с маршрутизацией на правильного менеджера и черновиком ответа. Пороги уверенности, переопределение человеком, журнал событий, сбор обратной связи для улучшения качества.

            от 300 000 ₽
            ├4–8 недель┤
            • Классификация по типу и приоритету
            • Маршрутизация на менеджера
            • Черновик ответа
            • Пороги уверенности
            • Журнал событий и переопределения
            • Сбор обратной связи для улучшения
            Обсудить классификацию
            Чаще выбирают
            Документы

            Разбор документов и извлечение данных

            Извлечение данных из PDF, отсканированных документов и форм. По каждому типу документа — поля, правила проверки, проверка человеком при низкой уверенности. Передача в CRM, БД или админ-панель. Журнал каждого решения.

            от 500 000 ₽
            ├6–10 недель┤
            • Определение типов документов
            • Поля для извлечения
            • Правила проверки данных
            • Проверка человеком при низкой уверенности
            • Передача в CRM или БД
            • Журнал каждого извлечения
            Обсудить документы
            RAG

            Умный поиск по базе знаний (RAG)

            Умный поиск поверх вашей базы знаний, документов или данных. AI отвечает только из ваших источников с обязательными ссылками на источники, ролевой доступ, контроль качества, админ для модерации содержимого. Решает 90% задач адаптации новых сотрудников и поддержки.

            от 500 000 ₽
            ├6–10 недель┤
            • Разбивка документов на фрагменты
            • Векторный поиск (pgvector)
            • Гибридный поиск (семантика + ключи)
            • Ссылки на источники в ответах
            • Доступы по ролям
            • Админ для модерации содержимого
            Обсудить RAG
            Помощник

            AI-помощник в продукте или для команды

            AI-функция внутри вашего продукта или внутри админ-панели для команды: умный поиск, генерация черновиков, краткие выжимки, рекомендации, выявление аномалий, поддержка принятия решений. Встраивание в текущий процесс, мониторинг качества, итерации на обратной связи.

            от 500 000 ₽
            ├8–14 недель┤
            • Разбор процесса
            • Одна-две функции для пилота
            • Встраивание в текущий продукт
            • Мониторинг качества и расходов
            • Сбор обратной связи
            • Итерации каждые две недели
            Обсудить AI-помощника
            Стабилизация

            Стабилизация существующего AI и поддержка

            Существующая AI-интеграция работает плохо: галлюцинации, дорогие запросы, нет журнала событий, нет проверки человеком. Аудит + переработка + внедрение. Дальше — поддержка от 100 тыс. ₽/мес: мониторинг качества, расходов и использования, настройка промптов, обновления моделей.

            от 300 000 ₽
            ├4–8 недель или помесячно┤
            • Аудит существующей AI-системы
            • Защита от галлюцинаций
            • Оптимизация расходов на API
            • Добавление журнала событий
            • Подключение проверки человеком
            • Поддержка после запуска (по желанию)
            Заказать стабилизацию
            05 · Governance и соответствие требованиям

            AI без governance — бомба замедленного действия⁠.

            Сами наступали (см. кейс Lead Lab) — теперь делаем по-другому. Журнал решений AI и оператора, оценка уверенности, классификация обратимости действий и маршрутизация чувствительных данных — встроены по умолчанию, а не «потом, когда вырастем».

            Что встраиваем по умолчанию
            6 мер
            • Журнал действий: каждое AI-предложение и каждое решение оператора сохраняется. Через год можно поднять историю — что предложил AI, что выбрал оператор и почему
            • Оценка уверенности: AI отдаёт свою уверенность. Низкая уверенность = автоматическая отметка для проверки человеком
            • Классификация обратимости: каждое действие классифицируется как обратимое или необратимое. Необратимые требуют явного подтверждения оператором
            • Работа с чувствительными данными: маршрутизация с учётом 152-ФЗ (данные российских пользователей не уходят через OpenAI напрямую). Согласованная с GDPR обработка для EU-клиентов
            • Политика хранения: AI-диалоги и решения хранятся с явной политикой, не «навсегда». Пересматривается ежеквартально
            • Мониторинг токенов и стоимости: расход по функциям отслеживается с первого дня, чтобы AI-стоимость не вышла из-под контроля
            EU AI Act
            3 уровня риска
            • Низкий риск

              Минимальные требования: умный поиск, генерация черновиков, умная маршрутизация. Это большинство наших AI-функций.

            • Ограниченный риск

              Требования прозрачности: чат-боты должны идентифицировать себя как AI, пользователь знает что общается с моделью.

            • Высокий риск

              Полное governance: решения по найму, кредитный скоринг, юридические советы. Обычно не делаем — но если делаем, полный журнал действий, человеческий надзор, объяснимость.

            152-ФЗ для РФ
            Практические подходы
            • Персональные данные российских пользователей хранятся в РФ — Yandex Cloud, Selectel, VK Cloud
            • AI-обработка через российские агрегаторы (polza.ai, AITunnel, ProxyAPI) или локальные модели для критичных операций
            • Анонимизация данных перед отправкой в облачный AI — имена и идентификаторы заменяются на токены с обратным сопоставлением на сервере
            • Явное согласие на AI-обработку запрашивается перед операциями над персональными данными
            • Гибридная маршрутизация: персональные данные обрабатываются локально, остальное — через облачные модели
            08 · Почему H-Studio для AI

            Сначала процесс, потом модель⁠ — а не наоборот.

            1. 01

              Сначала процесс, потом модель

              Большинство AI-студий начинают с «какую модель выберем» — и часто это приводит к большим расходам без бизнес-результата. Мы сначала разбираем процесс: где реально тратится время команды, какие данные доступны и в каком формате, где AI может ошибиться и что произойдёт при ошибке, какие требования к данным, реалистичный горизонт окупаемости. Иногда вердикт — AI не нужен, обычная автоматизация решит дешевле и надёжнее.

            2. 02

              AI как часть системы, а не отдельный сервис в вакууме

              Частая ошибка AI-внедрений — AI-инструменты живут в вакууме, отдельно от рабочих систем. Мы встраиваем AI как функцию существующей системы: внутри карточки клиента в CRM, внутри процесса в SaaS, внутри админ-панели для оператора, внутри API для программного использования. Не отдельный чат-бот, в который никто не заходит.

            3. 03

              Контроль источников и human-in-the-loop по умолчанию

              Каждая AI-функция имеет: строгие промпты («отвечай с опорой на контекст; если не знаешь — скажи 'не могу ответить'»), ссылки на источники в каждом ответе, пороги уверенности с эскалацией на человека, проверку человеком для рискованных операций, проверку формата выхода, журнал каждой AI-операции. Для новых AI-функций мы по умолчанию запускаем режим «AI предлагает — человек подтверждает» и расширяем автоматизацию только после накопления данных о качестве.

            4. 04

              Оптимизация расходов на API встроена с первого дня

              Наивная интеграция API обычно сжигает в разы больше, чем нужно: нет кэша повторяющихся запросов, неправильный размер модели (большая модель для задач, которые решает маленькая), нет потоковой передачи там, где можно, нет батчинга для пакетной обработки. Наш дефолт — кэш, правильный выбор модели, кэширование эмбеддингов, потоковая передача, батчинг. На практике часто удаётся заметно снизить расходы по сравнению с наивной интеграцией.

            5. 05

              Senior-команда и собственный AI-инструмент Lead Lab как доказательство

              Архитектурные решения принимают те же инженеры, кто потом кодит. Проект ведёт senior-команда; критические архитектурные решения не передаются junior-разработчикам. Lead Lab — наш собственный внутренний AI-инструмент: многоагентная архитектура, проверка человеком, журнал каждой AI-операции. Не «пробуем AI на клиентах» — используем тот же подход для собственной работы.

            09 · Чего у нас не бывает · Анти-паттерны

            Восемь решений, после которых AI сжигает бюджет⁠ и не даёт результата.

            Это то, что встречается в чужих AI-интеграциях и при разборе сломанных проектов. У нас — нет.

            • ChatGPT API без процесса, источников и журнала — самый частый путь к расходам без бизнес-результата.
            • AI ради галочки или маркетинга — если задача не имеет измеримой ценности, не делаем.
            • AI-инструмент отдельно от рабочего процесса — отдельный чат-бот, в который никто не заходит.
            • RAG без ссылок на источники — команда не может проверить ответ и не может ему доверять.
            • Донастройка модели по умолчанию — для большинства бизнес-задач RAG проще, дешевле и легче обновлять.
            • Критичные решения без human review — для финансовых, юридических и операционных решений AI предлагает, человек подтверждает.
            • AI без журнала событий и мониторинга расходов — невозможно разобрать спорный случай и контролировать стоимость.
            • Привязка к одному поставщику без слоя абстракции — экосистема меняется быстро, переключение должно быть возможным.
            10 · Где мы на спектре · Самоопределение

            Между конструкторами чат-ботов и корпорат-AI⁠.

            Конструкторы чат-ботов — для простых ЧаВо-ботов. Быстрая AI-интеграция подходит для пилотов, но может не хватить архитектуры и контроля качества. H-Studio — для основателей и СМБ-проектов с готовой к продакшену AI-функцией внутри продукта. Корпоративная AI-программа — для крупного бизнеса с многомесячными интеграционными проектами.

             
             
            Конструктор чат-ботов
            Готовое решение
            Быстрая AI-интеграция
            Кастом без архитектуры
            H-Studio
            Senior · RAG · контроль источников
            Корпоративная AI-программа
            Долгий цикл и большие команды
            Цена
            1.5–3 тыс. ₽/мес
            50–150 тыс. ₽ + расходы на API
            300 тыс. – 1.5 млн ₽ + расходы на API
            3–15 млн ₽+ программы
            Срок
            Часы–дни
            2–4 недели
            4–14 недель
            3–12 месяцев
            Сначала процесс
            Ограниченно
            Часто нет
            По умолчанию
            По умолчанию
            Контроль источников и human review
            Ограниченно
            Часто нет
            По умолчанию
            По умолчанию
            RAG-архитектура
            Ограниченно
            Часто нет
            По умолчанию
            По умолчанию
            Журнал событий
            Ограниченно
            Часто нет
            По умолчанию
            По умолчанию
            Оптимизация расходов
            Фикс по подписке
            Часто нет
            Заметно ниже наивной интеграции
            Зависит
            152-ФЗ маршрутизация
            Зависит
            Часто нет
            Опции: агрегаторы РФ · GigaChat · своя инфраструктура
            Под проектные требования
            Честно «когда AI не нужен»
            Зависит
            Зависит
            По умолчанию
            Иногда
            Привязка к поставщику
            Полная
            Иногда
            Слой абстракции
            Под проектные требования

            Помогаем выбрать правильный формат, даже если это не custom AI

            11 · AI-кейсы в портфолиоОткрыть полный архив→

            AI и AI-ready платформенные кейсы⁠.

            Часть кейсов — production AI-функции, часть — платформы, где AI встроен или может быть встроен как контролируемый модуль. Один из них — наш собственный внутренний инструмент Lead Lab.

            Тип · Собственный AI-инструмент · многоагентный · GDPR

            Lead Lab (наш собственный AI-инструмент)

            Внутренний инструмент H-Studio для маркетинговой работы. Pnpm-монорепо с координированными приложениями: веб-интерфейсы, фоновая обработка, обогащение данных, основная бизнес-логика. Многоагентная архитектура с проверкой человеком и журналом каждой AI-операции. Соблюдение GDPR при работе с данными. Это наше собственное доказательство — мы используем то, что строим для клиентов.

            Открыть кейс→
            Тип · AI-обогащение каталога · Claude API · PropTech

            My Office Asia

            PropTech-маркетплейс гибких офисов в Гонконге. Anthropic Claude API для обогащения каталога зданий, объектов и операторов: автоматическая классификация атрибутов, генерация описаний, улучшение релевантности поиска. Правильное ограничение скорости, повторы с экспоненциальной задержкой, идемпотентная обработка, журнал событий. AI помогает каталогу оставаться актуальным при росте.

            Открыть кейс→
            Тип · RAG + черновики · Claude API · B2B

            Forschungsmittel.com

            B2B-платформа для грантового консалтинга. AI помогает с классификацией документов, RAG-поиском по базе знаний грантов, подготовкой черновиков для грантовых заявок. Многоступенчатый процесс с подтверждением человеком на ключевых решениях. Все AI-операции в журнале для соответствия требованиям немецкого регулирования.

            Открыть кейс→
            Тип · AI-классификация · черновики ответов · маркетплейс

            Creator Marketing Platform

            Мульти-арендный SaaS-маркетплейс. AI помогает в управлении каталогом из 1 200+ услуг: классификация входящих запросов, черновики ответов для операторов, выявление аномалий. Промежуточный слой аудита для каждого AI-решения с возможностью переопределения. Стек: Java/Spring Boot, PostgreSQL, Claude API.

            Открыть кейс→
            FAQ · Четырнадцать вопросов про AI

            1. Нет. Подключение ChatGPT API напрямую без RAG, без контроля источников и журнала событий — частый путь к большим расходам без бизнес-результата. Мы делаем: разбор процесса (что реально окупится), архитектуру с RAG, где она применима, контроль источников и пороги уверенности, оптимизацию расходов на API, журнал каждой операции, встраивание в существующий продукт, а не отдельный сервис в вакууме.

            Дальше · Поехали

            Соберём AI-функцию, которая встроена в процесс⁠ а не живёт в вакууме.

            Соберём понятный план: где ручной работы больше всего, какие данные доступны, какой сценарий лучше взять первым — разбор документов, умный поиск, классификация заявок, AI-помощник в продукте или CRM-автоматизация. И где AI скорее не нужен, чем нужен. Архитектурный созвон — 30 минут, без обязательств.

            30-минутный архитектурный созвонОценить проект
            Студия
            H-Studio
            Senior-поставка · Москва · Россия
            Контакт
            +7 (982) 666-66-80
            Офис
            ул. Октябрьская д. 80 стр. 6
            117593 Москва