Ошибка выбора модели обходится дороже самой модели: данные ушли в чужой контур, ответы слабые, а миграция на другое решение съедает бюджет заново. Инструкция ниже — восемь шагов выбора, которые НЬЮ-ССТ проходит с заказчиком на старте каждого проекта; базовые понятия — в обзоре LLM для бизнеса.
Инструкция не привязана к конкретному вендору: критерии универсальны, а выводы вы делаете по своим данным и задачам. Для типовых корпоративных сценариев чаще всего хватает RAG поверх готовой модели — и полный цикл проверки укладывается в пилот с подбором модели от 480 000 ₽ за 4–6 недель по прайсу НЬЮ-ССТ. Собственная разработка модели оправдана реже — когда закон, регулятор или специфика данных требуют полного контроля над обучением.
Пошаговый план
Классифицируйте свои данные
Разделите задачи по чувствительности данных. Для персональных данных, госструктур и объектов КИИ стандарт — локальный контур on-premise: ни один запрос не выходит за периметр организации. Для менее чувствительных процессов допустимы российские API вроде GigaChat — обязательно с договором обработки данных. Категорию данных подтверждает ответственный за персональные данные, а не «на глаз».
Определите типовые задачи
Выпишите, что именно будет делать модель: отвечать на вопросы по документам, классифицировать обращения, готовить черновики, извлекать данные из документов. Разные задачи по-разному нагружают модель — от этого зависит и выбор, и стоимость владения. Избыточная задача «на всякий случай» удорожает модель — начинайте с минимума.
Сравните модели по явным критериям
Оцените кандидатов по фиксированному списку: качество русского языка, размер контекста, скорость ответа, условия лицензии, стоимость вызовов и поддержки. Зафиксируйте критерии в таблице — сравнение «на слух» всегда выигрывает самая раскрученная модель, а не самая подходящая. Таблицу критериев сохраните как приложение к решению: она понадобится при пересмотре.
Проверьте режим развёртывания
Уточните, где физически обрабатываются запросы: облако провайдера, российский контур или ваши серверы. Для регулируемых отраслей ключевой вопрос — покидает ли данные периметр; как это устроено технически, рассказывает разбор перевода LLM в локальный контур. Ответы провайдера о локализации данных берите письменно, а не из маркетинговых страниц.
Соберите тестовый набор вопросов
Подготовьте 30–50 реальных вопросов из ваших процессов и прогоните каждую модель-кандидата. Смотрите не только на красоту ответов, но и на честное поведение: признаёт ли модель отсутствие данных в базе, ссылается ли на источник. Набор вопросов сформируйте до контакта с вендорами — так исключается подгонка.
Посчитайте экономику владения
Сведите расходы: лицензии или оплата вызовов, инфраструктура для локального контура, поддержка и доработки. Ориентир рынка сентября 2026 — ставки специалистов 2 800–3 800 ₽/ч; пилот с подбором модели — от 480 000 ₽ за 4–6 недель. Собственная модель нужна реже, чем кажется — когда хватает RAG, разобрано в отдельном ответе. В расчёт включите и стоимость переключения: миграция между моделями — тоже работа.
Проверьте комплаенс и происхождение
Убедитесь, что модель и провайдер соответствуют российским требованиям: договор обработки данных, реестр отечественного ПО для госзаказчиков, ограничения на зарубежные ПАК на значимых объектах КИИ с 2028 года. Выбранную модель сразу фиксируйте в реестре ИИ-активов (AI BOM) — это основа учёта к 243-ФЗ. Для госзаказчиков дополнительно проверяется принадлежность решения к реестру отечественного ПО.
Примите решение и запустите пилот
Финальный выбор фиксируйте протоколом: модель, режим, критерии успеха и метрики пилота. Пилот на одном процессе покажет реальное качество на ваших данных — до больших инвестиций в полный контур. Протокол выбора — защита от возврата споров через квартал после запуска.
Частые ошибки
Эти ошибки выбора обходятся дороже самой модели — закройте список до принятия решения, а не после первого инцидента.
- Выбор по хайпу. самая раскрученная модель не автоматически лучшая для ваших задач; решает тест на ваших данных
- Забытый вопрос цены владения. дешёвые вызовы компенсируются дорогой инфраструктурой локального контура, и наоборот; считать нужно полный цикл
- Внешний API без договора обработки. данные сотрудников и клиентов уходят провайдеру без правовых гарантий; для персональных данных это недопустимо
- Нет фиксации выбора в учёте. модель, не попавшая в AI BOM, однажды «потеряется» при аудите или миграции
Инструменты и сроки
Для прохождения плана достаточно перечисленных инструментов; ориентир по времени — 2–3 дня на выбор по критериям, далее пилот 4–6 недель. Итоговую таблицу сравнения приложите к протоколу решения: при пересмотре выбора через год она сэкономит неделю обсуждений.
- Матрица критериев выбора модели
- Тестовый набор из 30–50 вопросов
- Расчёт стоимости владения
Что получится в итоге
Результат выбора — зафиксированное решение: модель, режим развёртывания, основания обработки данных и план пилота на одном процессе. Такое решение переносится из проекта в проект: появляется внутренний стандарт компании, который снимает повторные споры и ускоряет каждый следующий ИИ-старт. А если через год условия изменятся — у вас остаётся методика, по которой выбор пересматривается за считанные дни, а не «с нуля» и не по привычке.