AI-разработка: LLM, RAG и компьютерное зрение в работе
Встраиваем модели в продукты и процессы компании: ассистенты, поиск по документам, разбор обращений, распознавание изображений. Работаем с облачными моделями и с локальными, если данные нельзя выносить за контур.
Пилот на ваших данных — до решения о полном внедрении
Пилот с нейросетью есть, пользы нет
Так выглядит большинство первых AI-проектов в компаниях.
Демо впечатляет, в работе — ошибки
На подобранных примерах модель отвечает хорошо, а на реальных вопросах сотрудников выдумывает факты.
Нельзя отправлять данные во внешний API
Служба безопасности против облачных моделей, а как запустить модель у себя, непонятно.
Непонятно, сработало или нет
Метрик качества нет, поэтому спор о пользе AI идёт на уровне ощущений.
Прототип не встроен в процессы
Ассистент живёт в отдельном чате, а сотрудники продолжают работать в CRM и почте.
Технологии AI-разработки
Модель выбираем по качеству на ваших данных, цене запроса и требованиям к безопасности. Вот с чем работаем.
Языковые модели
Облачные API и открытые модели, которые можно запустить у себя.
- GPT
- Claude
- Gemini
- YandexGPT
- DeepSeek
- Llama
- Qwen
RAG и агенты
Поиск по документам, цепочки вызовов и работа с инструментами.
- LangChain
- LlamaIndex
- Haystack
- LangGraph
- pgvector
- Qdrant
Инференс
Запуск моделей на своих серверах и в закрытом контуре.
- vLLM
- Ollama
- Triton
- ONNX
ML и компьютерное зрение
Классификация, распознавание и прогнозы на ваших данных.
- PyTorch
- scikit-learn
- CatBoost
- YOLO
- OpenCV
Контроль качества
Оценка ответов до запуска и мониторинг после.
- Эталонные наборы
- Ragas
- LLM-as-a-judge
- Langfuse
Что делаем
От отдельной функции внутри продукта до автоматизации целого процесса.
LLM-ассистенты для сотрудников и клиентов
Отвечают на вопросы, готовят черновики, заполняют карточки. Работают там, где люди и так работают: в мессенджере, CRM, на сайте.
Поиск по базе знаний и документам
Ответ только по вашим материалам и со ссылкой на источник, без выдуманных фактов.
Автоматизация процессов агентами
Модель сама проходит шаги процесса: собирает данные из систем, проверяет, заполняет и отдаёт человеку спорные случаи.
Разбор обращений и текстов
Тематика, тональность, срочность, извлечение сущностей из писем, отзывов и документов.
Компьютерное зрение
Распознавание и подсчёт объектов на фото и видео: от контроля на производстве до проверки документов.
Локальные модели в вашем контуре
Подбираем модель и железо, разворачиваем инференс, настраиваем мониторинг качества и затрат.
Как идёт работа
Разбор задачи и данных
Выбираем процесс, где AI даст измеримый эффект, смотрим данные и собираем набор эталонных примеров для оценки.
1–2 неделиПрототип на ваших данных
Сравниваем несколько моделей и подходов на эталонном наборе, показываем цифры качества и стоимости запроса.
2–3 неделиПилот с пользователями
Встраиваем решение в работу одного отдела, собираем обратную связь и разбираем ошибки.
3–6 недельВнедрение и мониторинг
Масштабируем на компанию, следим за качеством ответов и расходами, обновляем модели по мере выхода новых.
по договорённостиОпишите процесс — оценим, где поможет AI
Расскажите, какую работу хотите автоматизировать и какие данные есть. Ответим, какой подход подойдёт, сколько займёт пилот и как будем измерять результат.
AI-решения, которые работают в эксплуатации
От генерации текстов для делового издания до компьютерного зрения на производственной линии.
Кейсы Strikt
LLM, RAG и компьютерное зрение в проектах, которые дошли до эксплуатации.
Вопросы про AI-разработку
Какую модель вы используете?
Ту, которая лучше справляется с задачей на ваших данных при приемлемой цене. На этапе прототипа сравниваем несколько вариантов — облачные и открытые — и показываем результаты в цифрах.
Можно ли обойтись без передачи данных наружу?
Да. Разворачиваем открытые модели на ваших серверах или в закрытом облаке. Для многих рабочих задач их качества уже достаточно.
Как вы боретесь с выдуманными ответами?
Ограничиваем модель вашими документами, требуем ссылку на источник и проверяем ответы на эталонном наборе вопросов. Спорные случаи уходят человеку.
Сколько будет стоить запрос к модели в эксплуатации?
Считаем на этапе прототипа, до решения о внедрении. Стоимость зависит от модели, длины контекста и объёма запросов, и её можно заметно снизить выбором модели и кэшированием.
Нужны ли размеченные данные?
Для решений на LLM обычно хватает ваших документов и нескольких десятков эталонных примеров. Для классических ML-моделей и компьютерного зрения нужна разметка — поможем её организовать.
Кому принадлежит код?
Заказчику. Исключительные права фиксируются в договоре, репозиторий, документация и доступы к инфраструктуре остаются у вас.