Как выбрать подрядчика на AI-проект: 8 вопросов на первом звонке

Рынок AI-подрядчиков в России за 2024–2026 вырос в разы. Вместе с ним вырос и объём маркетингового шума: «нейросети за неделю», «AGI для вашего бизнеса», «gpt-обёртки в Telegram под ключ». Ниже — восемь вопросов, которые быстро отделяют инженерные команды от хайп-агентств. Можно использовать на первом звонке как шорт-чек.

1. «Покажите PoC, который не выстрелил»

Любая честная команда, сделавшая 20+ AI-проектов, имеет 2–3 неудачных PoC. Это нормально: AI — это про эксперименты, и часть гипотез не проходит проверку реальными данными.

Хороший ответ: подрядчик рассказывает конкретный случай, где проект не пошёл в прод, и объясняет, на каком этапе поняли. Часто это был этап работы с данными или качества ниже приемлемого.

Плохой ответ: «У нас все проекты успешные». Это либо враньё, либо команда никогда не работала с реальными задачами.

2. «Что вы делаете, когда модель галлюцинирует?»

Галлюцинации — базовая проблема LLM. Любая зрелая команда умеет с ними работать.

Хороший ответ: подрядчик объясняет RAG, гардрейлы, confidence-пороги, эскалацию, ручную модерацию. Говорит, какую именно комбинацию подбирает под задачу.

Плохой ответ: «Мы используем GPT-4, он почти не галлюцинирует». Это признак отсутствия production-опыта.

3. «Где будут храниться наши данные?»

Любая серьёзная команда задаст встречный вопрос: «А где вы готовы их хранить?». В зависимости от ответа меняется архитектура.

Хороший ответ: подрядчик рассказывает варианты — облако, ваш VPN, полностью on-premise, гибрид. Объясняет trade-off по цене, сроку и безопасности.

Плохой ответ: «Мы используем OpenAI, это безопасно». Для 80% российских B2B-клиентов это сразу нет.

4. «Что будет, если мы уйдём к другому подрядчику через год?»

Тест на вендор-лок. Любая сильная команда уверенно объясняет, как проходит передача: код, данные, модели, инструкции.

Хороший ответ: «Код в вашем репозитории, модели open-source или ваши, инфраструктура на стандартном Kubernetes. Передача новому подрядчику — несколько дней на разбор + передача доступов».

Плохой ответ: «Это наш собственный стек/платформа, перенос невозможен». Беги.

5. «Сколько стоит поддержка после запуска?»

AI-проекты требуют поддержки: обновление моделей, пересбор индексов, мониторинг качества, починка регрессий. Цена важна, но ещё важнее понимание объёма работы.

Хороший ответ: чёткая декомпозиция — мониторинг X часов, SLA reaction time Y, обновление модели раз в квартал, апгрейды по запросу. Понятная формула цены.

Плохой ответ: «Это обсудим потом» или «Поддержка включена в стоимость». Оба варианта означают сюрпризы в будущем.

6. «Кто будет реально писать наш проект?»

Один из главных маркеров: кто именно участвует в звонке. Часто на sale-митинге обаятельные менеджеры, а проект делают джуны или субподрядчики без опыта.

Хороший ответ: на первых звонках присутствует tech lead или архитектор, который будет вести проект. Есть возможность поговорить с разработчиками.

Плохой ответ: только аккаунт или CEO. Никаких технарей. «Мы представим команду после подписания». Обычно команду «нашли вчера на hh.ru».

7. «Дайте два-три референса клиентов для звонка»

Классика, но работает. Хорошие команды спокойно дают контакты — у них с клиентами нормальные отношения.

Хороший ответ: «Вот три клиента из вашей отрасли, позвоните, они расскажут». Иногда — «давайте мы сначала спросим разрешения».

Плохой ответ: «Все проекты под NDA, рекомендаций нет». NDA редко запрещает дать контакт для звонка, особенно если клиент согласен.

8. «Что вы посоветуете нам НЕ делать?»

Самый коварный вопрос. Проверяет, умеет ли команда сказать клиенту «нет» — или готова на любые деньги делать любую чушь.

Хороший ответ: «Не начинайте с самой сложной задачи, начните с малого. Не обещайте совету директоров ROI за 3 месяца на новом направлении. Не тратьте бюджет на fine-tuning, пока не упёрлись в RAG».

Плохой ответ: «Всё, что вы хотите, мы сделаем». Это либо наивность, либо жадность. И то и другое — плохо для вашего проекта.

Ещё два наблюдения на полях

Размер команды ≠ качество. Команда из 100 человек часто менее эффективна для нишевых AI-задач, чем 10 сеньоров. Смотрите на конкретных людей, которые будут работать с вами.

Дорого ≠ хорошо. Есть рыночный диапазон: AI-ассистент начального уровня — 400–800 тыс. ₽, Private AI кластер — 1.5–3 млн ₽. Цены втрое ниже или втрое выше — повод разобраться, что не так.

Итог

Рынок AI-разработки созревает, но маркетингового шума всё ещё много. Восемь вопросов выше отсеивают 80% случайных игроков и оставляют команды, с которыми можно реально строить проект.

Если хотите проверить эти вопросы на нас — приходите на 30-минутный звонок. Заодно расскажем, когда стоит выбрать не Xencom, а другую команду.