Перейти к содержимому

Разработка AI-систем · Корпоративные системы

Корпоративные AI-системы и локальные LLM

RAG над вашими знаниями, ИИ-агенты для процессов, ассистенты сотрудников. Работают с вашими данными и правами доступа, на отечественных, открытых или собственных моделях — в вашем контуре, если данные не должны его покидать.

Обсудить задачу с инженером

Модель — только часть системы

Корпоративная AI-система — это языковая модель, подключённая к вашим данным и процессам: поиск по базе знаний, инструменты для действий в учётных системах, права доступа, журнал и проверка качества. Модель можно заменить за день; то, как система работает с данными и ошибками, определяет, будет ли она полезна через год.

Что разрабатываем

  • RAG над корпоративными знаниями

    Ответы по регламентам, инструкциям, договорам и технической документации со ссылками на источник. Учитываем права доступа к документам, а не только их содержание.

  • ИИ-агенты для процессов

    Агенты, которые не только отвечают, но и действуют: ищут в учётных системах, готовят заявки и документы, запускают проверки. Инструменты подключаем по открытому стандарту MCP, действия с последствиями подтверждает человек.

  • Ассистенты сотрудников и поддержки

    Первая линия поддержки, помощник специалиста, ассистент в мессенджере. Маршрутизация запросов между моделями под тип задачи — дешёвая модель для простого, сильная для сложного.

  • Извлечение и классификация документов

    Разбор входящих писем, заявок, актов и сканов в структурированные данные для учётных систем, с контролем качества на выборке.

  • LLM в контуре заказчика

    Развёртывание моделей на вашем оборудовании или в изолированном сегменте: данные не покидают периметр. Подбор моделей и железа по измерениям на ваших задачах.

  • AI-контур для управления доступом

    Наш собственный пример корпоративной AI-системы: агент Imperium Nuntius AI для администраторов IDM/IGA.

Модели

Отечественные, открытые и собственные модели

Модель выбираем под задачу и требования к размещению, по измерениям на ваших данных. Часто в одной системе работают несколько моделей: каждая на своём типе запросов.

Отечественные

YandexGPT и другие российские модели — через Yandex AI Studio; в контуре заказчика — российские модели с открытыми весами.

Открытые зарубежные

Модели с открытыми весами — Qwen, DeepSeek, gpt-oss — запускаем в вашем контуре. Данные не уходят к разработчику модели.

Собственные

Классификаторы, модели поиска и компактные модели, обученные под конкретную задачу, — там, где большая модель избыточна или дорога.

Суверенный ИИ

Локальные модели и российские требования

Тренд на суверенный ИИ закреплён в законе и нормативах. Мы проектируем системы так, чтобы им соответствовать, а не догонять их после запуска.

  • Федеральный закон № 243-ФЗ от 26.07.2026 «О поддержке развития технологий искусственного интеллекта в Российской Федерации» действует с 1 сентября 2026 года, часть норм — с 1 марта 2027 года. Он вводит понятие большой фундаментальной модели и её категории, в том числе суверенную и национальную модель.
  • Приказ ФСТЭК России № 117 действует с 1 марта 2026 года и содержит меры защиты при применении технологий ИИ в государственных информационных системах, в том числе запрет передавать разработчику модели информацию ограниченного доступа.
  • Национальная стратегия развития ИИ в редакции Указа Президента № 124 от 15.02.2024 делает ставку на доверенные технологии искусственного интеллекта.
  • 152-ФЗ. Отправка персональных данных в зарубежный LLM-сервис — трансграничная передача со своими условиями. Модель в вашем контуре эту проблему снимает архитектурно.

Суверенная и национальная модель — юридические категории 243-ФЗ, их получает модель, а не система заказчика. Размещение открытой модели в вашем контуре решает вопрос данных, но не делает её суверенной моделью. Мы не выдаём статусов и сертификатов на модели. Мы строим систему так, чтобы данные и модели находились там, где этого требуют закон и ваша служба безопасности, и документируем это для проверки.

Как проверяем качество

Тестовый набор вопросов с эталонными ответами собираем вместе с экспертами заказчика. Отдельно измеряем поиск — нашлись ли нужные фрагменты — и генерацию — опирается ли ответ на них. Набор прогоняем при каждой смене модели, промпта или базы знаний, чтобы улучшение в одном месте не сломало другое.

Как ограничиваем риски

Система работает в правах пользователя, который задал вопрос: видит только то, что доступно ему. Секреты маскируются до передачи в модель, каждый запрос и действие пишутся в журнал, операции с последствиями подтверждает человек.

Выбор подхода

RAG или дообучение

Задача RAG Дообучение
Знания часто меняются Подходит: обновили базу — ответы обновились Нужно переобучать
Нужна ссылка на источник Подходит: ответ опирается на фрагменты Источник не показать
Узкий стиль, формат, терминология Частично, через инструкции Подходит
Маленькая модель вместо большой Не решает Подходит: компактная модель под одну задачу
Опыт

Примеры систем

Без названий заказчиков — только задача и устройство.

AI-контур для администраторов доступа

Агент Imperium Nuntius AI в составе нашей платформы Imperium Identity Security: 11 инструментов по стандарту MCP только на чтение, RAG по регламентам доступа, работа в правах пользователя, маскирование секретов. Модель — в контуре заказчика или в Yandex AI Studio.

Ассистент с маршрутизацией моделей

Собственный ассистент для клиентов в мессенджере: разные типы запросов обслуживают разные модели Yandex AI Studio — YandexGPT, Qwen, DeepSeek, gpt-oss — с учётом качества и стоимости ответа.

Как начинаем

  1. Обследование

    Разбираем процесс, данные и требования к размещению, собираем с экспертами тестовый набор вопросов и критерии приёмки.

  2. Пилот на ваших данных

    Собираем систему на реальной базе знаний и инструментах, сравниваем модели по тестовому набору, проверяем права и журнал.

  3. Промышленная эксплуатация

    Развёртывание в вашем контуре, мониторинг качества, регулярный прогон тестового набора и обновление базы знаний.

Видеоаналитика и распознавание объектов — на странице «Разработка систем компьютерного зрения».

FAQ

Частые вопросы

Можно ли использовать LLM, не передавая данные за пределы компании?

Да. Разворачиваем модель в вашем контуре — на своём оборудовании или в изолированном сегменте — и подключаем её к данным и системам внутри периметра. Для задач без ограничений по данным можно использовать отечественное облако, например Yandex AI Studio.

Какие модели вы используете?

Три группы: отечественные модели, зарубежные модели с открытыми весами, которые запускаются в вашем контуре, и собственные модели, обученные под задачу. Выбор делаем по измерениям на ваших данных: качество, скорость, стоимость, требования к размещению.

Что такое RAG и чем он лучше дообучения модели?

RAG — подход, при котором модель отвечает по найденным в вашей базе фрагментам и ссылается на них. Знания обновляются без переобучения, ответы проверяемы. Дообучение нужно, когда модель должна усвоить стиль, формат или узкую терминологию, а не свежие факты. Часто их сочетают.

Как вы проверяете, что ассистент не выдумывает ответы?

Собираем тестовый набор вопросов с эталонными ответами вместе с экспертами заказчика и измеряем отдельно поиск и генерацию: нашлись ли нужные фрагменты, опирается ли ответ на них. Прогоняем набор при каждой смене модели, промпта или базы знаний.

Чем ИИ-агент отличается от чат-бота?

Чат-бот отвечает на вопросы. Агент выполняет шаги процесса: вызывает инструменты, читает и записывает данные в системах, проверяет результат. Поэтому агенту нужны права, журнал действий и подтверждение человека для операций с последствиями.

Как требования к ИИ в России влияют на проект?

Учитываем их в архитектуре с первого дня: где обрабатываются персональные данные и нет ли трансграничной передачи при использовании зарубежных API, какие требования приказа ФСТЭК № 117 действуют для государственных информационных систем, какие модели допустимы в вашем контуре. Юридическую квалификацию проекта подтверждает ваша служба комплаенса.