AI-Native Software Engineering Studio
AI-агенты для бизнеса — сотрудник для одного процесса.
Не нейросеть в чате.
Мы не продаём AI. Мы берём один ваш рабочий процесс — лиды, тендеры, поддержку, документы, отчётность, разработку — и собираем под него агента. Подключаем к данным, ставим правила, тестируем на реальной нагрузке, передаём в работу и сопровождаем.
8 направленийSales, Personal, Research, RAG, Support, Backoffice, Developer, Tender — в каждом уже разворачивали агентов.
Пилот от 250 тыс ₽Цена зависит от агента. Tender сложнее — от 450 тыс. Sales проще — от 250.
Enterprise — отдельный проектНе «дорогой тариф», а инфраструктурный контур: серверы клиента + локальные модели + дообучение.
Когда AI-агент уместен — а когда нет.
Если идти честно, агент окупается не в каждом процессе. Поэтому первое, что мы делаем на любом разговоре — проверяем, ваш ли это случай.
Агент работает, когда совпадают четыре условия.
- 01
процесс повторяется — каждый день или каждую неделю — заявки, тендеры, входящие письма, статусы, отчёты, обращения клиентов.
- 02
данные доступны — процесс уже живёт в системах: CRM, 1С, почта, чаты, диски, таблицы, корпоративные API.
- 03
есть владелец — человек, который отвечает за процесс и готов проверить результат агента.
- 04
понятно «правильно» — у процесса понятно, что считается «правильно сделанным» — то есть можно измерить, помогает агент или нет.
Если все четыре условия есть — пилот окупается уже на первом сценарии. Если хоть одного не хватает — мы сначала помогаем его собрать, и только потом обсуждаем агента.
Что мы НЕ предлагаем как агента
Просто FAQ без интеграций с системами — здесь хватает обычного скриптового бота, дешевле и быстрее.
Уникальные одноразовые задачи — если процесс каждый раз новый, агенту нечему учиться.
Решения без владельца — без человека, который скажет «это правильно, это нет», агент превращается в генератор шума.
Полностью автономные действия в проде — на критичных шагах всегда подтверждение человека. Не компромисс, а инженерный принцип.
Что обычно делаем дальше
Если узнали свою ситуацию в первом списке — едем дальше: смотрим какой из восьми направлений ваш. Если во втором — мы это так и скажем на первом разговоре.
Лучше потерять час сейчас, чем три месяца на пилоте, который не должен был стартовать.
Восемь направлений, в каждом — изнутри
Это не «восемь типов AI-агентов». Это восемь рабочих контуров, в каждом из которых мы уже разворачивали и сопровождали агентов. Цена пилота у каждого своя — она отражает реальную сложность подключения, объём интеграций и риски в процессе.
Sales Agent
Самый лёгкий старт. Берёт один sales-процесс: заявки приходят из разных каналов, агент их квалифицирует, собирает контекст по клиенту, обновляет CRM, готовит follow-up. РОП получает понятную картину воронки без ручной сборки. Подключаем к amoCRM, Битрикс24, HubSpot и одному каналу заявок.
Personal / Executive Assistant
Для собственника или ключевого сотрудника. Утренняя сводка, контекст к встрече, follow-up по обещаниям, управленческие отчёты. Подключаем к календарю, почте, мессенджерам и CRM. Решения остаются за человеком — агент только готовит контекст и черновики.
Research / Market Intelligence
Мониторит конкурентов, новости, цены, изменения рынка по согласованным источникам. Готовит еженедельный дайджест с выводами «что изменилось и почему важно» — не просто ссылки, а краткие выводы для решений.
Knowledge / RAG Agent
Превращает корпоративные документы в рабочий поиск. Сотрудник спрашивает — агент находит ответ в регламентах, договорах, инструкциях, со ссылкой на источник. Учитывает права доступа, не выдаёт чужие документы.
Support Agent
Первая линия поддержки: типовые вопросы закрывает сам по базе знаний, сложные передаёт оператору с готовым контекстом. Помогает РОПу видеть не количество тикетов, а где у клиентов реальная боль.
Operations / Backoffice Agent
Заявки, документы, акты, статусы, согласования. Агент разбирает входящие, готовит задачи, следит за просрочками, ведёт журнал действий. Подключается к 1С, ЭДО, задачам, почте.
Developer / Delivery Agent
Engineering Governance: собственнику и CTO даёт прозрачность разработки без микроменеджмента. Проектная память, weekly brief, риски в релизе, фиксация архитектурных решений из чатов.
Tender Agent
Самый сложный по старту — и это видно по цене. Мониторит закупки на тендерных площадках, читает ТЗ и проект договора, выделяет риски, готовит bid/no-bid рекомендацию. Помнит профиль компании и историю прошлых решений.
Три уровня вовлечения — не три тарифа.
У большинства студий это «лайт / стандарт / премиум». У нас иначе — это три разных типа проекта по сложности задачи и формату ответственности.
Пилот — минимальный рабочий контур
Под один ваш процесс. Не презентационная демка — реально работает на ваших данных, выдаёт результат, который можно проверить руками.
В пилот входят: один процесс, одна-две ключевые интеграции, базовая логика, тестирование на ваших реальных кейсах, обучение одного человека работе с агентом. В пилот не входят: вся CRM целиком, все каналы, большая база знаний, автономные действия без подтверждения.
Цена пилота зависит от агента: Sales — 250 тыс, Tender — 450 тыс. Это не маркетинг, это разница в сложности подключения к ЕИС и работе с тендерной документацией.
Цель пилота — не продать вам внедрение. Цель — за 2–3 недели вы понимаете, окупается агент в вашем процессе или нет. Если не окупается — мы это так и скажем.
Полноценное внедрение — агент в отделе
Когда пилот доказал пользу — агент разворачивается на весь отдел или департамент. Это не «делаем то же самое, но дороже». Это качественно другой проект:
- ▪Подключаем все источники данных, не один
- ▪Несколько сценариев под разные роли в команде
- ▪Регулярные задачи, отчёты, напоминания
- ▪Роли и права доступа
- ▪Обучение команды работе с агентом, не одного человека
- ▪Поддержка процесса — что-то меняется в бизнесе, агент адаптируется
Чаще всего внедрение разворачивается на нашей инфраструктуре — SaaS-формат. Это быстрее, дешевле и проще сопровождать. Если политика безопасности требует другого — есть ещё три формата, о них в следующей главе.
Enterprise — это уже инфраструктурный проект
Здесь не работает прайс. Здесь мы сначала делаем технический разбор: какая у вас инфраструктура, какие требования к данным, какие модели можно использовать, кто отвечает за безопасность, какой SLA нужен.
Enterprise — это не «более дорогая версия пилота». Это:
- Серверыпокупаются или предоставляются вами
- Развёртываниев вашем контуре, on-prem или private cloud
- Локальные моделинаша или ваша; можем дообучить на ваших данных для качества и скорости отклика
- Контрольroles, audit logs, мониторинг, резервное копирование, SLA в договоре
- Интеграциичасто несколько внутренних систем — ERP, DWH, ЭДО, биллинг
Цена считается после технического разбора. Не потому что прячем — а потому что enterprise-контур у банка и у промышленного холдинга это разные инженерные задачи.
Сноска · сопровождение
От 40 тыс ₽/месяц — потому что агент живёт в работе
Резонный вопрос: за пилот заплатили, за внедрение заплатили, агент работает — зачем платить ещё каждый месяц? Потому что агент не статичный сайт. Он живёт в трёх постоянно меняющихся средах:
- Меняется ваш бизнес — новая категория клиентов, сменился РОП, открыли филиал. Без сопровождения через 3 месяца агент работает по старым правилам, и команда начинает обходить его руками.
- Меняются модели — OpenAI выпускает новую версию, старый промпт ломается. У Anthropic растёт качество, переключаем. Раз в 2–3 месяца что-то меняется на стороне моделей, и если не следить — качество падает молча.
- Меняется инфраструктура — если агент на нашем SaaS-контуре, мы обновляем сервера, ставим патчи безопасности, продлеваем сертификаты, мониторим uptime. Это не клиент должен делать.
Входит в 40 тыс ₽/мес
- · SaaS-инфраструктура (если у нас): серверы, обновления, бэкапы, сертификаты, uptime
- · Локальная модель DevNeuroX в пределах согласованного лимита
- · Мониторинг, разбор инцидентов, перезапуск сервисов
- · Корректировка промптов и сценариев под изменения процесса
- · Адаптация под изменения API моделей (новые версии, новый биллинг)
Считается отдельно
- · Токены внешних моделей (OpenAI, Claude, Gemini) — клиент платит напрямую провайдеру
- · Платные SaaS-подписки на модели (GPT-4, Claude Opus, GigaChat Pro)
- · Крупные доработки — новая интеграция, новый сценарий, новая роль
- · Enterprise-инфраструктура (если on-prem) — серверы и их администрирование на стороне клиента
Сопровождение покрывает всё, что должно работать «по умолчанию», чтобы агент через 6 месяцев не превратился в ритуальный артефакт.
Восемь агентов вокруг одного бизнеса
Каждый агент закрывает один процесс. Слева — те, что работают с внешним миром: клиенты, заявки, рынок. Справа — те, что держат внутренние процессы. Все восемь могут работать параллельно — начинать стоит с одного.
Ваш бизнес
CRM · ERP · ЭДО · ваши данные и процессы — агенты подключаются к тому, что у вас уже работает
- Один пилот за 2–3 недели — без обязательств на всю экосистему
- На нашей SaaS-инфраструктуре или на ваших серверах
- Локальные модели для чувствительных данных
- Двуязычно — RU/EN с одного интерфейса
- От 250 тыс ₽ за пилот, от 40 тыс ₽/мес за поддержку
Не нужно внедрять сразу всё. Возьмите тот процесс, где боль сильнее всего, — пилот за 2–3 недели покажет реальный эффект на ваших данных.
Четыре формата инфраструктуры.
Когда говорят «развернуть AI-агента», часто подразумевают что-то одно — либо «у вас в облаке», либо «у нас на сервере». На практике вариантов четыре, и различаются они не «дорого/дёшево», а уровнем контроля, скорости запуска и зрелости IT-команды клиента.
На нашей инфраструктуре
- Для кого
- Малый и средний бизнес. Большинство пилотов и первых внедрений.
- Как работает
- Серверы, бэкапы, мониторинг, сертификаты, обновления — всё на нашей стороне. Внешние LLM/API оплачиваются клиентом отдельно или ставятся лимиты.
- Плюсы
- Быстрый старт. Низкие стартовые затраты. Простое сопровождение.
- Ограничения
- Не подходит для строгих требований безопасности — банк, госсектор. Часть данных может проходить через внешние сервисы (по согласованию).
Выделенный облачный контур
- Для кого
- Средний бизнес с чувствительными данными, но без жёсткого on-prem требования.
- Как работает
- Выделенное облачное окружение — изолированные доступы, собственные хранилища и логи. Можно платные внешние модели или локальные/частные.
- Плюсы
- Баланс контроля и скорости. Подходит для большинства производственных внедрений.
- Ограничения
- Дороже формата A. Требует согласования архитектуры облачного контура.
На ваших серверах
- Для кого
- Компании со зрелым IT-контуром и собственной инфраструктурой.
- Как работает
- Заказчик предоставляет серверы, доступы и сеть. Мы разворачиваем агента внутри. Зоны ответственности фиксируются заранее.
- Плюсы
- Максимум контроля над данными. Проще пройти внутренние требования безопасности.
- Ограничения
- Сложнее по координации. Зависит от процессов IT клиента. Дольше запуск.
Полный закрытый контур
- Для кого
- Крупные компании, regulated industries, проекты с закрытыми данными, запретом на публичные модели.
- Как работает
- Серверы покупаются заказчиком. Агент в закрытом контуре. Только локальные модели — наши или дообученные. Roles, audit logs, SLA, мониторинг, бэкапы.
- Плюсы
- Полный контроль. Соответствие внутренним требованиям безопасности. Возможен файн-тюнинг моделей под клиента.
- Ограничения
- Дороже и дольше. Требует IT-команды заказчика. Отдельное техническое проектирование.
Шпаргалка · как выбрать формат
В реальности формат обсуждаем на первом разговоре — после того как понимаем процесс и требования. Не наоборот.
Четыре варианта моделей — и токены не прячутся.
Самый частый вопрос на первом созвоне: «А вы на ChatGPT?». Ответ — «зависит». В производственных внедрениях редко используется одна модель: чаще это комбинация из 2–3 под разные задачи.
Внешние платные модели
Быстрый старт, максимальное качество
OpenAI, Anthropic Claude, Google Gemini. Рабочий вариант, когда нужна скорость старта, нет запрета на внешние LLM, данные обрабатываются по согласованным правилам.
- Биллинг
- Клиент платит провайдеру напрямую
- Контроль
- Лимиты, мониторинг расхода, оптимизация промптов
- Юрисдикция
- США, EU
Под разные задачи внутри одного агента могут использоваться разные модели: GPT-4 для сложного рассуждения, Claude Sonnet для документов, Gemini Flash для быстрой классификации.
Российские корпоративные
Юрисдикция и понятный контур
GigaChat, YandexGPT и аналоги. Подходят, когда есть требования по юрисдикции, нужен корпоративный контур с понятным договором.
- Биллинг
- Российские реквизиты, оплата за токены
- Качество
- Сопоставимо на типовых задачах, уступает на сложных
- Юрисдикция
- РФ
Критично для бухгалтерии корпоративных клиентов и для compliance с ФЗ-152.
Локальные модели DevNeuroX
Без зависимости от внешних API
Open-source модели (Llama, Qwen, Mistral и аналоги), которые мы разворачиваем и поддерживаем на нашей инфраструктуре.
- Биллинг
- Может входить в 40К/мес сопровождения в пределах лимита
- Контроль
- Предсказуемый расход — нет токен-биллинга
- Юрисдикция
- Наша инфраструктура (РФ)
Большое практическое преимущество: считается в запросах в месяц, а не токенах в неделю. Если объём растёт — выходим за лимит — пересматриваем сопровождение, без сюрпризов.
Локальные модели у клиента
Enterprise и дообучение
Когда выбран формат D (Enterprise on-prem), модель разворачивается на инфраструктуре клиента. Требует GPU-серверов или согласованного частного облака.
- Биллинг
- Только наша работа над агентским слоем
- Контроль
- Полная независимость, модель остаётся у вас
- Юрисдикция
- Контур клиента
Здесь возможен файн-тюнинг под клиента — см. ниже.
Enterprise · файн-тюнинг моделей под клиента
Дообучение на ваших данных — быстрее отклик и выше качество в вашем домене.
В формате D возможен файн-тюнинг — дообучение модели на ваших исторических данных. Дообучаем как нашу локальную модель, так и open-source модели в вашем контуре.
Быстрее отклик
модель адаптирована под ваш домен, не нужно каждый раз объяснять контекст
Выше качество
внутренний жаргон, типовые шаблоны, корпоративная терминология — модель уже знает
Меньше «галлюцинаций»
модель видела ваши документы при обучении, не выдумывает
Полная независимость
модель и данные остаются у вас
Это отдельный инженерный этап в enterprise-проекте: подготовка данных, инфраструктура для тренировки, обычно 2–4 недели работы.
Чего мы НЕ делаем — и почему это важно знать заранее.
В индустрии много обещаний, которые красиво звучат на лендинге и заканчиваются разочарованием через 2 месяца после пилота. Поэтому несколько важных «не» — лучше услышать их сейчас.
Не берём процессы без владельца на стороне клиента. Если в команде нет человека, который скажет «вот это правильно, вот это нет» — агент превратится в генератор шума. Это не вопрос ленивости клиента, это инженерная необходимость: машинное обучение требует обратной связи от человека, чтобы качество росло.
Не делаем «просто AI» без бизнес-задачи. Запрос «давайте внедрим AI, посмотрим что получится» — не наш формат. Мы стартуем только от понятного процесса с измеримым результатом. Если не понятно что считать пользой — пилот не запускаем.
Не обещаем процентов эффективности до пилота. Никаких «увеличим продажи на 30%» в коммерческом предложении. Метрики мы согласовываем перед пилотом и измеряем по факту. В реальных кейсах эффект разный: где-то 80% типовых запросов закрывает агент, где-то 30% — и оба результата могут быть успехом, в зависимости от исходной точки.
Не настраиваем полностью автономные действия в продакшене. Финальное решение по критичным операциям всегда за человеком — отправить письмо клиенту, провести платёж, изменить статус сделки. Агент готовит, человек подтверждает. Это не компромисс, это политика — слишком много примеров на рынке, чем заканчивается полная автономия без надзора.
Не работаем с персональными данными через публичные LLM без согласованного контура. ФЗ-152 — не формальность, а реальный риск. Если задача требует обработки PII — обсуждаем формат C или D с контуром в РФ и российскими моделями или локальной моделью.
Не подаём enterprise как «дорогой тариф». Это, как мы уже сказали, отдельный инженерный проект, а не подписка. Если попросить «то же самое, что у соседа, только enterprise» — это не сработает. Сначала разбор инфраструктуры и требований.
С чего начать.
В зависимости от того, на каком этапе вы сейчас — будет правильнее зайти с одного из трёх вариантов. У них разная глубина, разная стоимость и разный формат ответственности.
01 · Пилот
Процесс понятен, но непонятно поможет ли AI
Начнём с пилота одного конкретного агента — выберем один сценарий, подключим нужный источник данных, покажем как агент работает на ваших реальных кейсах.
2–3 недели · от 250 тыс ₽
Обсудить пилот →02 · Внедрение
Задача уже понятна — нужно сразу делать как надо
Перейдём к оценке внедрения — разберём процесс, системы, данные, роли. Подготовим архитектуру, рабочий контур и план запуска.
1–2 месяца · от 500 тыс ₽
Получить оценку внедрения →03 · Enterprise
Закрытый контур, несколько систем или локальные модели
Это уже enterprise-контур. Начнём с технического разбора инфраструктуры и требований безопасности. По результатам разбора предложим архитектуру и этапность внедрения.
Без оценки в формате «N тысяч» — здесь так не считается
Запросить технический разбор →Если не уверены с какого варианта начать — напишите в Telegram, разберёмся вместе за 5 минут. Лучше задать вопрос сразу, чем выбирать наугад.
Помогаем не просто внедрить — научиться пользоваться AI правильно.
Через 2–3 года AI-инструменты будут стандартом работы в инженерных и бизнес-командах. Кто начнёт разбираться сейчас — получит конкурентное преимущество, которого не будет у поздних игроков. Поэтому у нас есть отдельное направление: обучение команд клиентов, чтобы AI-инструменты и агенты не становились «игрушкой на 3 месяца», а превращались в часть рабочего процесса.
Корпоративные программы внедрения AI в разработку
Для инженерных команд компании, которые хотят перейти на AI-native подход. Программа 2–4 недели: разбор стека команды, подбор AI-инструментов под задачи, обучение работе с ними, выход на регулярное production-использование. Не «теоретический курс», а реальный сдвиг в работе команды.
CTO, тимлиды, разработчики · команды 5–50+ человек
Онбординг команды клиента по работе с AI-агентами
После того как мы внедрили вам Sales, Personal, Support, RAG или другого агента — обучаем вашу команду грамотно с ним работать. Как корректировать сценарии, как писать промпты для типовых задач, как разбирать сложные кейсы, как давать агенту обратную связь, чтобы он улучшался. Без этого даже хорошо внедрённый агент через 3 месяца «забрасывается».
Операционные команды клиента · обычно после внедрения агента
Ментор-сессии «с чего начать с AI» для руководителей
Короткие индивидуальные сессии с CEO, CTO, владельцами бизнеса: какие AI-инструменты реально работают, с чего начать в вашей компании, как связать AI с бизнес-целями, как не потратить бюджет на «попробовать что-то модное». Сессии — 90 минут, с конкретным roadmap на выходе.
CEO, CTO, собственники · 90-минутные сессии
Открытые обучающие материалы в Telegram-канале
Бесплатная колонка в нашем Telegram-канале @dxaiblog. Разборы AI-инструментов, практики из реальных проектов, ошибки и как их избегать, обзоры новых моделей и платформ. Подписаться может любой — и инженер, и собственник, и продакт. Это публичная часть обучения, без обязательств.
Все, кто разбирается в AI · публичный канал · бесплатно
Стоимость обучения обсуждается индивидуально — зависит от размера команды, формата (онлайн/гибрид/корпоративный визит), глубины программы и того, нужна ли вам разработка процесса с нуля или сопровождение уже имеющегося.
Если хотите начать с малого — подпишитесь на Telegram-канал @dxaiblog. Все материалы там — бесплатные. Это и есть наша «нулевая ступень» обучения.
Опишите задачу — вернёмся за 2 часа
Ответим в течение 2 часов в рабочее время. На пилоте расскажем где именно агент окупится, а где лучше не пытаться.