Выбор подрядчика для ии проекта в 2026 году сложнее, чем выбор любого другого IT-подрядчика. Рынок вырос стремительно, и вместе с опытными командами появилось множество агентств, которые переклеили сайт под ИИ за три месяца. Клиент, не умеющий их различать, платит за словосочетание «нейронная сеть» в коммерческом предложении, получает чат-бот на готовом конструкторе и считает, что попробовал ИИ. Ниже — пять критериев, которые разделяют реальных подрядчиков от тех, кто переименовал старый бизнес.
Прежде чем выбирать подрядчика, стоит разобраться с моделью работы: разница между аутсорсом, аутстаффингом и managed development, а также ключевые риски при работе с внешней командой — в материале аутсорс-разработка: плюсы, риски и как их избежать.
Рынок ИИ-подрядчиков: кто есть кто
На рынке работают четыре типа игроков с разными сильными сторонами.
Крупные системные интеграторы (EPAM, Сберрешения, T1): опыт есть, но проекты дорогие, команды перегружены, решения нередко избыточны для среднего бизнеса. Среднее время до старта проекта — 3–6 месяцев.
Специализированные ИИ-агентства (несколько десятков по России): фокус на конкретных задачах, гибче в коммуникации, быстрее стартуют. Разброс в качестве высокий — от сильных команд до тех, кто обернул API ChatGPT в landing page.
Продуктовые компании с ИИ-составляющей: продают готовое решение, адаптируют под клиента. Быстро, дешевле кастомной разработки, но ограничено функционалом продукта.
Фрилансеры и малые команды: подходят для пилотов и небольших задач, риск — нет масштаба и поддержки на длинной дистанции.
Понять, кто перед вами, помогают пять критериев ниже.
Критерий 1: реальный опыт с ИИ-продуктами
Опыт в ИИ-разработке — не опыт в разработке вообще. Компания с 10-летней историей веб-разработки не автоматически умеет строить RAG-системы, оркестрировать агентов или настраивать fine-tuning модели.
Как проверить:
Попросите два-три кейса ИИ-проектов со следующими деталями: задача клиента, использованные модели и инструменты, метрики до и после, что пошло не так и как решали. Компания с реальным опытом расскажет о трудностях и провалах — это признак честности, не слабости.
Попросите показать задеплоенное решение: URL, демо-доступ, видеозапись работающего продукта. Портфолио из скриншотов интерфейсов без возможности пощупать — слабый сигнал.
Спросите, кто лично работал над кейсом. Если человек, который будет вести ваш проект, ни одного из показанных кейсов не делал — это проблема.
Критерий 2: технологический стек
Правильный стек зависит от задачи, но несколько маркеров помогают оценить глубину экспертизы.
Хорошие признаки: подрядчик называет конкретные инструменты с обоснованием выбора (LangChain vs LlamaIndex — почему именно это, RAG vs fine-tuning — в чём разница для вашей задачи). Знает ограничения инструментов и честно об этом говорит.
Плохие признаки: «используем последние технологии» без конкретики, «у нас всё на ChatGPT» без упоминания RAG, векторных баз, оркестрации. Продают ИИ как решение любой задачи без анализа, подходит ли он вообще.
Минимальный стек для серьёзного ИИ-агентства в 2026 году: опыт с несколькими LLM (OpenAI, Anthropic, open-source), инструменты оркестрации агентов (LangGraph, CrewAI, AutoGen), векторные базы (Qdrant, Pinecone, Weaviate), инфраструктура (AWS/GCP/Yandex Cloud, Docker, мониторинг).
Критерий 3: прозрачность процессов
ИИ-проекты содержат высокую неопределённость: иногда выбранный подход не работает и нужно менять архитектуру. Подрядчик, обещающий фиксированный результат без пилотной фазы, либо не понимает специфику, либо лукавит.
Признаки прозрачного процесса:
- Предлагают начать с короткого пилота (2–4 недели) с чёткими критериями успеха
- Объясняют, что происходит на каждом этапе, без жаргона
- Дают доступ к репозиторию и CI/CD в процессе разработки, а не только в финале
- Устанавливают еженедельные синки с демонстрацией прогресса
- Честно называют риски и зависимости
Красный флаг: закрытая разработка с отчётом «в конце спринта». Через три месяца вы получаете продукт, который не соответствует ожиданиям, а переделывать поздно и дорого.
Критерий 4: SLA и гарантии
SLA (Service Level Agreement) в ИИ-проектах сложнее, чем в классической разработке. Поведение языковой модели не всегда детерминировано, и гарантировать «100% правильных ответов» невозможно.
Что должно быть в договоре:
Метрики качества модели — не субъективные, а измеримые: точность классификации X%, время ответа Y миллисекунд, automation rate Z% для конкретного типа запросов. Без цифр SLA — декларация.
Условия поддержки — кто и как быстро отвечает на инциденты. Для production-систем критично: агент, который начал давать неверные ответы в рабочее время, должен быть отключён или исправлен за часы, не дни.
Гарантия на доработки — кто оплачивает исправление ошибок, выявленных в первые 3–6 месяцев после сдачи.
Условия выхода — что происходит, если вы хотите сменить подрядчика. Код и данные должны принадлежать вам, не подрядчику.
Дополнительно: узнайте, на каких провайдерах развёрнуто решение и что происходит, если провайдер поднимет цены или закроет доступ для российских клиентов. Это реальный риск, особенно для решений на OpenAI API.
Критерий 5: работа с данными и безопасность
Данные — ценнейший актив ИИ-проекта. Подрядчик, обращающийся с ними небрежно, создаёт риск утечки, нарушения 152-ФЗ и потери конкурентного преимущества.
Минимальные требования к подрядчику:
- Подписывает NDA и берёт на себя ответственность за конфиденциальность
- Чётко объясняет, какие данные куда отправляются (в облако провайдера, на собственные серверы, в сторонние API)
- Умеет работать с on-premise вариантами, если ваши данные нельзя передавать в облако
- Знаком с требованиями 152-ФЗ и может объяснить, как решение им соответствует
Что такое ИИ-агент и как строится его архитектура — в материале что такое ИИ-агент.
Как провести тендер правильно
Тендер без технического задания — потеря времени. Участники пишут предложения наугад, цифры несопоставимы, выбирать не из чего.
Правильный тендер включает:
Описание задачи — конкретная бизнес-проблема, а не «нам нужен ИИ». «Операторы поддержки получают 800 типовых обращений в день, хотим автоматизировать 50%» — это задача.
Данные — что у вас есть: база знаний, исторические обращения, CRM-данные. Без данных ИИ нечему учиться, и подрядчик должен оценить их качество до оценки стоимости.
Метрики успеха — как вы поймёте, что проект удался. Цифры, не ощущения.
Технические ограничения — какие системы нужна интеграция, есть ли требования к расположению данных, какой бюджет на облачные расходы.
Оптимальное число участников тендера — 3–5. Меньше — нет выбора, больше — невозможно качественно сравнить.
Красные флаги: кого избегать
Несколько признаков, которые должны остановить переговоры.
Нет реального портфолио. Только лендинги, слайды и обещания. Реальный опыт — это задеплоенные системы, которые можно посмотреть.
Обещают слишком многое. «ИИ заменит весь ваш отдел поддержки» без анализа ваших данных, объёма задач и готовности инфраструктуры — признак непонимания или нечестности.
Не предлагают пилот. Любой серьёзный ИИ-проект начинается с проверки гипотезы на ограниченных данных. Кто предлагает сразу large-scale разработку — либо не понимает риски, либо хочет зафиксировать бюджет.
Код и данные остаются у них. Любой контракт должен чётко фиксировать: IP на продукт принадлежит заказчику.
Нет команды — только CEO. Спросите, кто конкретно будет работать над вашим проектом, каков их опыт. Если ответ размытый — команды нет, есть план нанять кого-то под ваш бюджет.
Подробнее о подходе EQ.team к разработке ИИ-продуктов — в разделе ИИ-разработка в EQ.team.
