Что такое «свой RAG» и чем он не является
Свой RAG по документам — это поисково-ответный контур: ваши документы разбиваются на фрагменты, индексируются в векторной базе, и при вопросе система находит релевантные фрагменты, передаёт их языковой модели и получает ответ со ссылкой на источник. «Свой» здесь означает: база знаний и индекс живут в вашем контуре, ответы опираются только на ваши документы, а не на «память» общедоступной нейросети.
Чего RAG не делает: он не переучивает модель (веса не меняются) и не «запоминает всё». Это и есть его преимущество — знания обновляются простой перезагрузкой документов, без оплаты каждого цикла обучения. Как это устроено технически — в ответе как обучить LLM на документах компании.
Лестница цен: пилот, MVP, промышленный контур
| Ступень | Что входит | Цена и срок (сентябрь 2026) |
|---|---|---|
| Аудит корпуса документов | оценка объёма, качества и режимов данных; выбор архитектуры поиска | от 90 000 ₽, 3–5 рабочих дней |
| Пилот RAG | один корпус документов, векторная база, генерация ответов со ссылками, замер точности | от 480 000 ₽, 4–6 недель |
| MVP ассистента с RAG | готовый ассистент с LLM, базой знаний и админкой пополнения | от 690 000 ₽, 2–3 недели |
| Промышленный контур | интеграции с 1С/CRM/СЭД, права доступа, мониторинг качества | 0,9–1,2 млн ₽ |
| Сопровождение базы | пополнение индекса, контроль качества ответов, правка промптов | от 50 000 ₽/мес |
Все цены — «от», без НДС в связи с применением применением УСН (п. 2 ст. 346.11 НК РФ). Состав пилота в деталях — в типовом проекте RAG по документам компании.
Из чего складывается цена
- Объём и чистота корпуса. 300 страниц живых регламентов и 30 000 страниц архива за десять лет — разные проекты. Чистка и дедупликация — честная часть сметы.
- Распознавание. Сканы и фото (OCR) дороже текстовых файлов; качество распознавания напрямую влияет на точность ответов.
- Режим данных. Публичные документы — облачный API; персональные данные и внутренние регламенты — изолированный контур с open-source-моделью.
- Интеграции. Поиск внутри 1С, портала или мессенджера — отдельные модули, как и любая запись результата в целевую систему.
Эксплуатационные расходы: о них забывают
Создание контура — половина стоимости владения. Вторая половина: инференс модели (для облачного API — тариф вендора, для своего контура — серверы), регулярное пополнение векторной базы новыми документами и контроль качества — документы меняются, и ответы должны оставаться точными. Поэтому в смете сразу закладывайте сопровождение от 50 000 ₽/мес или обучение внутренней команды; как готовить документы к индексации, чтобы база не гнила, — в гайде как подготовить данные для RAG.
RAG против дообучения: что дешевле
Для задачи «модель отвечает по нашим документам» RAG почти всегда дешевле и безопаснее дообучения: нет циклов обучения, нет риска запоминания персональных данных в весах, обновление знаний — перезагрузка документов, а не новый контракт на обучение. Дообучение оправдано, когда нужно изменить стиль или формат ответов, а не добавить знания. Полное сравнение подходов и цен — в ответе что дешевле: GigaChat или своя модель.
Типовая структура пилота по неделям
Неделя первая — корпус документов: сбор, чистка, дедупликация, решение по конфиденциальным фрагментам. Неделя вторая — индексация: разбиение на фрагменты, векторная база, настройка поиска; здесь же собирается контрольная выборка вопросов с эталонными ответами. Недели третья-четвёртая — генерация: подключение модели, промпты, ссылки на источники, первые замеры точности и правка ретрива. Пятая-шестая — эксплуатационная: подключение интерфейса (портал, бот или 1С), тест на реальных пользователях, отчёт с метриками. Такая последовательность показывает, где живут деньги: примерно половина работы — данные и поиск, и только потом «нейросеть». Поэтому самый дешёвый способ испортить бюджет — начать пилот с нечищенного архива документов.
Когда RAG не нужен
Бывают задачи, где RAG — стрельба из пушки по воробьям. Если справочник умещается на десяти страницах и меняется раз в год — дешевле обычного поиска по ключевым словам. Если вопрос всегда один и тот же (статус заказа по номеру) — это API-интеграция, а не языковая модель. Если документы — сканы низкого качества без возможности распознавания — сначала проект по OCR, потом RAG. Наконец, если данными нельзя рисковать, а инфраструктуры для своего контура нет — начинать надо с аудита режима данных, а не с пилота. Честный подрядчик скажет об этом на разборе задачи: бесплатная консультация, которая отговорила от лишних 480 000 ₽, — лучшее начало сотрудничества.
Права доступа: один RAG для всех или по отделам
Требование, о котором вспоминают слишком поздно: у документов разные грифы доступа. Бухгалтерия видит одно, юристы — другое, все вместе — регламенты. Если индексировать всё в одну базу без разделения, ассистент покажет продавцу зарплатную ведомость — со всеми последствиями по 152-ФЗ и внутренним регламентам. Решения два: отдельные базы знаний по доменам доступа (проще и дешевле в пилоте) или мультиарендный контур с фильтрацией по правам пользователя на уровне поиска (дороже, нужен промышленный контур). На пилоте от 480 000 ₽ достаточно одного домена доступа — это ещё один аргумент начинать с одного процесса: права не расползаются, метрики честные. Схему доступа стоит спроектировать до первой загрузки документов — переиндексация под права стоит дороже, чем правильный старт.
Про метрику, по которой RAG живёт или умирает: точность ответа по источнику. Пользователь доверяет ассистенту, когда видит ссылку «ответ основан на Приказе № 214, п. 3» и может проверить. Поэтому в пилоте мы замеряем не только долю корректных ответов, но и долю ответов с корректной ссылкой — вторая метрика дисциплинирует систему сильнее первой. Ровно по этой причине RAG выигрывает у «просто нейросети» в корпоративных сценариях: галлюцинация без источника — это ошибка, которую не поймать; галлюцинация со ссылкой на реальный документ — ловится контрольной выборкой за минуты. Требуйте эту метрику в отчёте любого подрядчика, а не только нашем.
Отсутствие метрики источника — главный признак контура, который собираются продавать, а не эксплуатировать. Если подрядчик не готов показывать источники ответов в демо, не готов он и в проекте: требуйте это с первой встречи и до подписания договора.Как пилот доказывает точность
Пилот за от 480 000 ₽ замеряет две метрики: точность RAG (ответ соответствует документу-источнику — проверяется на контрольной выборке вопросов) и полноту базы (какая доля реальных вопросов находит опору в документах). По итогам вы получаете отчёт: на каких темах ассистент отвечает точно, где базе знаний не хватает документов и что стоит добавить. Только после этого имеет смысл платить за промышленный контур 0,9–1,2 млн ₽. Защита RAG-контура от атак и утечек — в ответе как защитить RAG-систему, общая лестница цен внедрения — в материале сколько стоит внедрение LLM в компанию. Заказ контура — услуга LLM-интеграции и RAG.