Не «GPT в виджете», а процесс: входные данные → AI-обработка → действие в вашей системе. Окупаемость считаю до старта — если математика не сходится, не берусь.
Оба — под ключ: диагностика, прототип, интеграция в одну систему, документация, первый месяц поддержки.
Отзывы, входящие заявки, тикеты, генерация описаний, ответы на типовые вопросы 24/7 — снимаю поток рутины с людей.
Вопрос к базе на естественном языке — ответ в виде дашборда. Подключение к вашей БД: PostgreSQL, MySQL, 1С, Excel, CSV.
AI ради AI никому не нужен. Четыре причины, по которым это работает на деньги.
На диагностике считаю экономию в часах и рублях. Не «попробуем технологию», а контрольный счёт — знаете заранее, когда отобьётся.
Не чат в углу сайта, а процесс: входные данные → AI-обработка → действие в вашей системе. Виджет — 1% задач.
Каждый запрос и ответ логируется. Любое решение AI можно перепроверить и оспорить — видно, что подавали и на каких правилах.
LLM обновляются раз в 1–3 месяца. Без поддержки система деградирует за полгода. Держу промпты и интеграции в актуальном виде.
Один вопрос на русском языке заменяет аналитика с выгрузками — вот что это дало.
безопасный SQL, только чтение, валидатор с 13 unit-тестами«AI на сайте» у большинства = чат в углу. У меня — автоматизация процесса.
На диагностике вижу это сразу — и говорю прямо, до денег.
Юриспруденция уникальных случаев, авторские кейсы, переговоры с решениями — AI не знает вашей истории. Работает гибрид: AI черновик, эксперт правит.
Банки в максимальной строгости 152-ФЗ, медицина с прямым доступом к ПДн. Делаю на локальных LLM (YandexGPT, GigaChat, open-source) — но это дороже и медленнее облака.
Если задача — виджет-чат, я не нужен: готовые SaaS дешевле и быстрее. Я про процессную автоматизацию, не про виджеты.
Расскажите, какая рутина ест время: заявки, отзывы, контент, отчёты. Скажу, что автоматизируется, сколько стоит и когда окупится.