Что включает RAG-контур
- Индексация. Документы (регламенты, инструкции, договоры, FAQ) разбиваются на фрагменты и преобразуются в векторы — «отпечатки смысла» — в векторном хранилище.
- Поиск (retrieval). На вопрос пользователя система находит ближайшие по смыслу фрагменты.
- Генерация. Найденные фрагменты подаются модели как контекст: «ответь, опираясь только на эти выдержки».
- Контроль. Если релевантных фрагментов нет — вопрос передаётся человеку; доступ к фрагментам разграничивается по правам пользователя.
| Критерий | RAG | Дообучение модели (fine-tuning) |
|---|---|---|
| Скорость запуска | Дни–недели | Недели–месяцы |
| Обновление знаний | Перезагрузка документов — сразу | Требуется переобучение |
| Источник ответа | Виден (фрагмент документа) | «Чёрный ящик» |
| Стоимость входа | Пилот от 480 000 ₽ | Существенно выше (GPU, разметка данных) |
| Когда оправдан | Базы знаний, факты, справки | Специфический стиль, узкие классификации |
Зачем нужен RAG
- Актуальность. Законы, прайсы и регламенты меняются — в RAG-системе достаточно перезалить документы, без переобучения модели.
- Достоверность. Ответ опирается на документ компании, а не на «память» модели; источник можно показать пользователю или проверяющему.
- Безопасность данных. База знаний остаётся в контуре организации; права доступа переносятся на фрагменты документов.
Где RAG окупается быстрее
- Поддержка клиентов: ответы по базе знаний 24/7, типовые вопросы закрываются без оператора.
- Внутренние справки: кадровые политики, регламенты, инструкции — ответ за секунды вместо поиска по папкам и чатам.
- Документопоток: классификация входящих обращений и извлечение реквизитов из писем и договоров.
- Закупочные и юридические подразделения: быстрый поиск по истории договоров, типовым требованиям и регламентам.
Ограничения RAG
RAG не «чинит» качество базы знаний: если документы устарели, противоречат друг другу или размечены без прав доступа, ассистент будет уверенно отвечать неверно. Поэтому во внедрении всегда участвуют два компонента — технология и порядок в данных: назначается владелец базы, задаётся регламент обновления и периодическая проверка ответов на контрольных вопросах. Второе ограничение — производительность поиска: очень большие базы требуют аккуратной настройки индексации, иначе ассистент «не находит» то, что в базе точно есть.
Сколько стоит RAG (сентябрь 2026)
Пилот RAG по базе знаний заказчика — от 480 000 ₽ (4–6 недель); MVP ИИ-ассистента с RAG — от 690 000 ₽; полный контур с интеграциями — 0,9–1,2 млн ₽. Рынок сентября 2026: закрытые российские закупки на ИИ-чат-боты (их основа — RAG) заключались в диапазоне 0,6–1,2 млн ₽, годовое сопровождение нейросетевой системы в госсекторе — около 630 000 ₽.
Как начать
Собирается база документов по одному процессу (например, поддержка клиентов), определяется список из 50–100 реальных вопросов, строится пилот и замеряется доля точных ответов. RAG-контуры и ассистенты на их основе разрабатывает в том числе ООО «НЬЮ-ССТ» (new-sst.ru). Важно сразу заложить защиту: фильтрацию промпт-инъекций и разграничение доступа к фрагментам.