У задачи «автоматизировать обработку обращений» есть как минимум три технических решения. От выбора зависят бюджет, срок запуска и то, какая команда будет заниматься ИИ через год.
Разберём, чем отличаются чат-интерфейс, готовые ИИ-решения для компании и AI API для бизнеса, и по каким признакам понять, что задача переросла текущий уровень. Речь пойдёт о внешних моделях — тех, что работают на серверах провайдера, а не в вашей инфраструктуре.
Короткий ответ
Чат-интерфейс подходит для разовых задач без персональных данных и коммерческой тайны. Готовое ИИ-решение — для типовых задач вроде анализа звонков, если у вендора есть коннектор к вашей CRM. AI API — для логики, уникальной для компании. Выбор начинается с данных: что попадёт в запрос к модели и где он будет обработан.
Три способа работать с внешними ИИ-моделями
Чат-интерфейс
Сотрудник вручную пишет запрос в окне модели.
Запуск за часы
Готовое ИИ-решение
SaaS-сервис с ИИ, встроенным в бизнес-функцию.
Запуск за дни
API-интеграция
Компания сама встраивает вызовы модели в свои системы.
Запуск за недели или месяцы
Чат-интерфейс
Чат-интерфейс — это подписка на большую языковую модель (LLM) в виде отдельного окна: сотрудник открывает его и вручную пишет запрос. Так устроены ChatGPT, Claude, GigaChat, Алиса и другие публичные сервисы.
По умолчанию чат не связан с внутренними системами, и контекст сотрудник переносит сам. Но современные чат-клиенты подключаются к почте, облачным дискам и корпоративным хранилищам через коннекторы. Вместе с личными аккаунтами сотрудников это главный канал теневого ИИ (shadow AI): нейросети используются в обход ИТ и ИБ, а рабочие данные уходят провайдеру без договора и контроля.
Готовое ИИ-решение
Готовое ИИ-решение — это SaaS-сервис, в который ИИ уже встроен под конкретную бизнес-функцию: анализ звонков, поиск по базе знаний, скоринг лидов. Если у вендора есть коннектор к вашей CRM, запуск занимает дни. Обратная сторона — рамки задаёт вендор: настроить можно только то, что он заложил.
API-интеграция
API-интеграция — это способ, при котором компания сама строит логику поверх API модели: получает доступ у провайдера или через корпоративный AI-шлюз, пишет код и встраивает вызовы модели в свои системы. Такой подход даёт контроль над тем, какие данные уходят наружу и в каком объёме. Плата за контроль — разработка и её поддержка.
Почему ChatGPT в чате и через API — не одно и то же
Модель в чате и в API может быть одна, но чат — это готовый продукт вокруг неё: системный промпт, память, веб-поиск, работа с файлами, фильтрация контента. В API всё это становится вашей зоной ответственности. Взамен появляется то, чего в чате нет: настройка параметров генерации, структурированный ответ в JSON, вызов собственных функций и фиксация версии модели, чтобы её поведение не менялось без вашего ведома.
Что ещё бывает: своя модель и low-code
Для части компаний выбор начинается не с трёх вариантов выше.
Модель в собственном периметре
Открытая или российская модель на своих серверах или в изолированном облаке. Для неё используют GPU-серверы и инференс нейросетей в облаке, например на платформе AI Cloud.
Единственный вариант для закрытого контура, значимых объектов КИИ и части госсектора
Low-code платформы
Сценарии в n8n, Albato или встроенных конструкторах CRM дают ИИ доступ к рабочим системам без команды разработки.
Вопрос «куда уходят данные» остаётся тем же
С чего начинать выбор: данные и легальность
Два фильтра отсекают часть вариантов ещё до разговора о самой задаче.
Какие данные нельзя отправлять во внешнюю модель
Персональные данные клиентов и сотрудников, коммерческую тайну, финансовые документы и содержимое договоров нельзя отправлять в публичный чат-сервис. Компания не управляет тем, где и как обрабатывается запрос, и не имеет с провайдером договора.
Для персональных данных действуют требования 152-ФЗ:
- Локализация (ч. 5 ст. 18). Сбор персональных данных граждан России ведётся с использованием баз данных на территории России.
- Трансграничная передача (ст. 12). До начала передачи за рубеж оператор уведомляет Роскомнадзор и получает от получателя сведения о мерах защиты данных. В страны без адекватной защиты передавать нельзя до окончания рассмотрения уведомления.
- Поручение обработки (ч. 3 ст. 6). Даже если модель работает в российском облаке, провайдер обрабатывает данные по вашему поручению. Нужен договор, где указаны цели, перечень действий с данными и требования к их защите.
Что легально доступно российскому бизнесу
- Зарубежные чат-сервисы. Оплатить подписку корпоративной картой российского банка нельзя, договора, счёта и закрывающих документов нет. Работают только обходные схемы через иностранные карты и посредников: расходы не провести по бухгалтерии, а аккаунт могут заблокировать в любой момент.
- Готовые ИИ-решения российских вендоров. Договор с российским юрлицом, счёт и закрывающие документы.
- API через российского провайдера или AI-шлюз. Доступ к российским, открытым и зарубежным моделям по одному договору со счётом в рублях. Это преимущество юридическое, а не техническое, и для многих компаний оно решающее.
Когда хватает чат-интерфейса
Чат остаётся правильным выбором, если одновременно выполняются три условия:
- Задача разовая или каждый раз разная. Проанализировать выгрузку, набросать письмо, разобраться в незнакомой теме: сотрудник каждый раз формулирует запрос заново, автоматизировать здесь нечего.
- Результат проверяет человек. Черновик правит автор, анализ проверяет аналитик, и ошибка модели не уходит дальше одного экрана.
- Не нужен доступ к внутренним системам. Как только ответ модели должен автоматически попадать в CRM, тикет-систему или базу знаний, чат перестаёт справляться: вручную переносить данные в нужном объёме сотрудник не успеет.
Когда выбрать готовое ИИ-решение
Готовые ИИ-решения для компании выигрывают на типовых задачах — тех, что вендор уже решал для десятков клиентов и под которые успел сделать интеграцию с вашей системой. Это анализ звонков с выгрузкой в amoCRM или Битрикс24, поиск по корпоративной базе знаний, скоринг лидов, ввод данных из документов. У ITGLOBAL.COM такие сценарии закрывает платформа AIaaS: распознавание документов, нейропоиск по базам знаний и создание записей в 1С, ERP и CRM.
Четыре вопроса вендору до подписания договора
Главный риск готового решения не в функциональности, а в том, что внутри. Российский SaaS для анализа звонков может обращаться к зарубежной модели — тогда риски трансграничной передачи данных переходят к вам, даже если в договоре об этом ни слова.
Какая модель работает внутри сервиса?
Российская, зарубежная или открытая, развёрнутая на мощностях вендора.
Где физически обрабатываются данные?
В каком дата-центре и в какой юрисдикции.
Что происходит с данными при расторжении договора?
Сроки удаления, кому принадлежат транскрипты и накопленная разметка.
Можно ли выгрузить свои данные при уходе?
В каком формате и в какие сроки.
Последние два вопроса — про стоимость выхода. Именно она, а не нехватка функций, превращает удобный сервис в vendor lock-in — зависимость, при которой уйти от поставщика дороже, чем остаться.
Когда нужна API-интеграция
AI API для бизнеса оправдан в трёх ситуациях:
- Логика задачи уникальна для компании. Модель принимает решения по внутренним правилам, которых в таком виде нет ни в одном готовом сервисе.
- Одна логика нужна в нескольких системах. Один и тот же вызов модели работает в поддержке, аналитике и внутреннем ассистенте — с единой логикой вместо нескольких независимых окон.
- Объём запросов оправдывает управление расходами на уровне вызова. Простые запросы уходят на дешёвую модель, сложные — на дорогую. Такая маршрутизация — отдельный проект, а не настройка: нужен классификатор сложности, а брак дешёвой модели на сложных запросах кто-то должен ловить.
Из чего складывается поддержка API-интеграции
Расходы на API-интеграцию часто сводят к зарплате разработчика, который её написал. Это заметно занижает картину. В поддержку входят:
- оценка качества ответов и регулярная проверка на реальных примерах;
- отслеживание галлюцинаций и ложных срабатываний;
- версионирование промптов и повторное тестирование после каждой правки;
- переход на новые версии модели, когда провайдер выводит старые из эксплуатации, и разбор изменений в качестве;
- обработка ошибок, таймаутов и лимитов на число запросов;
- контроль счёта по мере роста нагрузки.
Сравнение: чат, готовое ИИ-решение или API
| Критерий | Чат-интерфейс | Готовое ИИ-решение | API-интеграция |
|---|---|---|---|
| Какие данные допустимо передавать | Публичные, без ПДн и коммерческой тайны | По условиям договора с вендором | По договору с провайдером; объём фильтруется на вашей стороне |
| Где обрабатываются данные | Определяет провайдер | Определяет вендор, требует проверки | Зависит от выбора провайдера и модели |
| Повторяемость задачи | Разовая, каждый раз разная | Типовая, встречается у многих компаний | Специфична для компании |
| Доступ к внутренним системам | Не нужен | Точечный, через коннекторы вендора | Полный, по собственной логике |
| Время до первого результата | Часы | Дни, если есть готовый коннектор | Недели или месяцы |
| Согласование с ИБ и юристами | Регламент использования, легальность оплаты | Проверка договора и подрядчиков вендора | Проверка договора и схемы обработки данных |
| Кто поддерживает | Сотрудник вручную | Вендор | Своя команда или подрядчик |
| Контроль над логикой | Ограничен интерфейсом | Ограничен функциями вендора | Полный |
Как выбрать способ внедрения ИИ: 4 шага
Порядок шагов важен: каждый следующий имеет смысл, только если пройден предыдущий.
Данные
Определите, что попадёт в запрос к модели. Персональные данные, коммерческая тайна или данные клиентов сразу исключают публичный чат.
Повторяемость
Разовая и меняющаяся задача остаётся в чате, регулярная переходит в готовое решение или интеграцию.
Доступ к системам
Если результат должен автоматически попадать в CRM, 1С или тикет-систему, нужен готовый сервис с коннектором, а при уникальной логике — API.
Поддержка
Решите, кто будет отвечать за решение через год: вендор, своя команда или подрядчик.
Две частые ошибки выбора
Ошибки направлены в противоположные стороны и встречаются одинаково часто.
Разработка под типовую задачу
Команда месяцами пишет собственный сервис анализа звонков, хотя готовый сервис с интеграцией в CRM дал бы тот же результат за дни. Крупный бизнес чаще выбирает иначе.
78%
крупных российских компаний предпочитают брать готовые ИИ-решения у внешних партнёров.
150 CTO
из 16 отраслей участвовали в опросе.
Задержка в чате, когда задача его переросла
Здесь важен признак, по которому принимается решение. Вырос объём — задача переходит в готовый сервис или интеграцию. В запросы попали чувствительные данные — из публичного чата уходят немедленно.
К неподходящему инструменту чаще приходят не из-за неверного выбора, а потому что выбрали один раз и больше не возвращались к вопросу. За это время растёт объём, появляется специфика и увеличивается число систем.
Корпоративный AI-шлюз: одна инфраструктура для всех сценариев
Когда ИИ используют несколько отделов и систем, разрозненные подписки и API-ключи становятся проблемой: непонятно, кто и какие данные отправляет в модели, сколько это стоит и как оплатить по документам.
Корпоративный AI-шлюз — это единая точка доступа ко всем внешним моделям, через которую проходят все запросы компании. Он решает три задачи сразу: легальную оплату, управление правами и расходами, контроль данных.
AIaaS: корпоративный AI-шлюз от ITGLOBAL.COM
В инфраструктуре ITGLOBAL.COM роль шлюза выполняет AIaaS. В него входят:
- единый API к 300+ российским, открытым и зарубежным моделям по одному договору — модель можно сменить без переписывания кода;
- ролевая модель, бюджеты по подразделениям и пользователям, полное логирование запросов для аудита;
- DLP-фильтрация промптов и ответов и обработка данных на территории России, которые помогают выполнить требования 152-ФЗ;
- универсальные ИИ-кредиты — одна валюта для всех моделей вместо десятка подписок и счетов.
Подключение занимает от нескольких часов до трёх дней. Для компаний с повышенными требованиями к безопасности есть Private AI Cloud — изолированный контур на GPU ITGLOBAL.COM с возможностью дообучать модели на собственных данных.
Вывод
Способ внедрения ИИ определяют четыре вещи, и порядок важен: класс данных в запросе, повторяемость задачи, нужен ли доступ к внутренним системам и кто будет поддерживать решение через год.
Разовую задачу без чувствительных данных дешевле оставить в чате. Типовую быстрее закрыть готовым сервисом, проверив, какая модель у него внутри. Уникальную задачу, которая должна одинаково работать в разных системах, разумнее строить через API — и через шлюз, чтобы не решать вопросы легальности и данных заново для каждого проекта.
FAQ
Можно ли начать с чат-интерфейса, а потом перейти на API?
Да, это обычный путь: сотрудники проверяют идею в чате, затем логику переносят в готовое решение или интеграцию. Промпт из чата не переносится в API напрямую — обвязку вокруг модели придётся воспроизвести. И за время работы в публичном чате наружу могли уйти данные, которые туда попадать не должны были.
Правда ли, что API дешевле готового решения?
Не всегда. У API-интеграции нет фиксированной подписки, но есть разработка и поддержка. Для типовой задачи с небольшим объёмом запросов готовое решение с фиксированным тарифом часто выходит выгоднее. Расчёт меняется в пользу интеграции, когда появляется специфика, которую вендор не поддерживает.
Нужна ли своя команда разработки для API-интеграции?
Не обязательно штатная: это может быть подрядчик или интегратор. Но за решение должен отвечать конкретный человек или команда, которая будет поддерживать его при изменениях во внутренних системах.
Какие ИИ-модели доступны российскому бизнесу легально?
По договору с российским юрлицом доступны российские модели (GigaChat, YandexGPT), открытые модели в российских облаках или на собственных серверах, а также зарубежные модели через российских провайдеров и AI-шлюзы. Для зарубежных моделей персональные данные из запросов нужно исключать.
Нужен ли договор с провайдером ИИ, если модель работает в России?
Да. Если в запросах есть персональные данные, провайдер обрабатывает их по поручению компании, и по ч. 3 ст. 6 152-ФЗ нужен договор с целями обработки, перечнем действий и требованиями к защите данных.
Сколько времени занимает подключение корпоративного AI-шлюза?
От нескольких часов до трёх дней в зависимости от сложности контура. Основное время уходит не на сам шлюз, а на согласование схемы обработки данных и встраивание вызовов модели во внутренние системы.
Предыдущая статья
