Оценка и baseline
Выборка 100–300 примеров, RAG + промпты, метрики. Решение: дообучать или нет. 1–2 недели.
Автоматизация для бизнеса
Дообучение LLM на данных компании: когда нужен fine-tuning, а когда хватит RAG
Основатель: Павел Стасиньский
Обучаем открытые модели (Qwen, Llama, Mistral, T-lite, YandexGPT через Yandex Cloud) на ваших данных: стиль, домен, формат ответа, классификация. Честно говорим, когда дообучение не нужно и задачу решает RAG + промпты. Оценка 1–2 недели, дообучение от 400 000 ₽.
Дообучение LLM решает три класса задач: стиль и формат (модель пишет как ваш отдел), узкий домен (термины, сокращения, внутренние сущности) и специализация (классификация, извлечение, короткие ответы малой моделью). Для «ответов по документам» дообучение обычно не нужно — работает RAG, и мы так и скажем.
Процесс: сначала baseline на RAG и промптах, затем измеряем разрыв на вашей выборке. Если разрыв есть — собираем датасет (обычно 1–10 тысяч примеров), дообучаем LoRA на открытой модели, сравниваем на holdout и в production-условиях.
Инфраструктура: GPU в Yandex Cloud, Selectel, Cloud.ru или ваши серверы; модели Qwen 2.5/3, Llama 3, Mistral, T-lite/T-pro, YandexGPT Fine-tuning. Данные не покидают выбранный контур.
Для кого
Кому подходит эта услуга
- —Собственникам и генеральным директорам — процесс тормозит рост, нужен измеримый результат
- —Коммерческим директорам и руководителям отдела продаж — теряются лиды, нет контроля воронки
- —Операционным директорам и руководителям сервиса — ручные операции и переработки сотрудников
- —ИТ- и техническим директорам среднего и крупного бизнеса — нужна интеграция с amoCRM, Битрикс24, 1С и ERP без замены систем
Работаем с компаниями на amoCRM, Битрикс24, 1С, ERP и самописных системах — внедряем поверх текущего контура.
Услуга — для компаний-заказчиков. Субподряд, резюме и предложения услуг рассматриваем только на отдельной странице: Партнёрам .
Типичные проблемы
- Модель «не говорит на языке» вашего домена: термины, стиль, формат документов
- Промпты разрослись до страниц, качество нестабильно, токены дорогие
- Нужна маленькая быстрая модель в контуре вместо большого API — без потери качества на вашей задаче
- Подрядчик предлагает «обучить нейросеть на ваших данных» там, где хватило бы поиска по документам
Что вы получаете
- Оценка: нужен ли fine-tuning — сравнение RAG, промптов и дообучения на вашей выборке с метриками
- Датасет: сбор, очистка, разметка, аугментация из ваших документов, переписки, тикетов — с учётом ПДн и коммерческой тайны
- Дообучение: LoRA/QLoRA или полное, на GPU в российском облаке или on-premise; оценка на holdout, сравнение с базовой моделью
- Развёртывание: vLLM/TGI, API, мониторинг качества, план переобучения при обновлении данных
Как мы решаем задачу
Датасет и обучение
Сбор и разметка, LoRA/QLoRA, эксперименты, holdout. 3–6 недель.
Развёртывание
Инференс в контуре, API, мониторинг, регламент переобучения.
Типичный эффект
−40–80%
ручного труда в целевом процессе
2–8 нед.
до первого промышленного релиза
3–6 мес.
окупаемость при среднем проекте
Цена и условия
| Цена | от 500 000 ₽ |
|---|---|
| Срок | 28 дн. |
| Формат | Фиксированная смета · удалённо |
| Состав | Разворачиваем языковые модели в вашем контуре, настраиваем интерфейс, ограничения безопасности, мониторинг и интеграции. |
Связанные кейсы
RAG-бот по продуктам Kaspersky для сотрудников дистрибьютора 1С
до −50% повторных вопросов по продуктам
На пилотной группе сотрудников дистрибьютора 1С, по внутренней оценке заказчика
Сотрудники быстрее получают ответы по продуктам Kaspersky, меньше повторяют одни и те же вопросы и реже уходят в долгий ручной поиск по базе знаний.
Автоматизация коммерческих предложений
45 мин → 2–5 мин на КП
По данным пилотного процесса заказчика на типовых запросах из PDF
Типовое КП собирается за 2–5 минут вместо ~45. Цены и артикулы только из каталога — без выдуманных позиций. Таблица, НДС, условия и скачивание DOCX/PDF.
Частые вопросы
- Сколько стоит дообучение LLM?
- Оценка — от 150 000 ₽ (часто заканчивается выводом «достаточно RAG»). Дообучение с датасетом и развёртыванием — от 400 000 ₽ плюс GPU-часы.
- Сколько данных нужно?
- Для стиля и формата — от 500–1 000 примеров; для классификации — от 2 000; для домена — десятки тысяч фрагментов текста. Помогаем собрать из существующих документов.
- RAG или fine-tuning?
- RAG — когда нужны актуальные факты из документов. Fine-tuning — когда нужны стиль, формат, узкий домен или маленькая быстрая модель. Часто — оба вместе.
Заказ услуги
Оформить заказ
Это форма заказа услуги. Укажите контакты — подтвердим состав работ и сроки, затем приступим.
Заполните поля ниже, чтобы оформить заказ. Это не запрос оценки — для оценки используйте кнопку «Получить оценку».
Оценка
Получить оценку проекта
Опишите процесс, который нужно автоматизировать. Ответим в течение 4 рабочих часов, после 30-минутного созвона пришлём план и вилку бюджета за 24 часа.