Что делают крупные компании
Отраслевое исследование 2025 года опросило 150 технических директоров крупных российских компаний из 16 отраслей. 78% используют готовые ИИ-решения внешних партнеров, 71% донастраивают готовые модели вместо полного цикла обучения.
Значит, выбор у большинства идет не между своей моделью и чужой, а между готовым сервисом и своим решением на готовой модели.
У средней компании своей команды разработки ИИ обычно нет. Для нее выбор выглядит так: готовый сервис по подписке или решение, которое соберет подрядчик на готовой модели.
В мире заметно встречное движение. По опросу McKinsey 2026 года, 32% организаций отказались от покупки хотя бы одного продукта, потому что могут сделать его сами с помощью ИИ-агентовИИ-агент. ИИ-агент это нейросеть, которая сама выполняет задачу по шагам: ищет данные и пользуется программами, а в конце проверяет результат..
Поэтому вопрос «строить или покупать» решают по каждому процессу, а не один раз для всей компании.
Когда строить
Свое решение окупается, когда процесс отличает вас от конкурентов, готового на рынке нет или данные нельзя отдавать внешнему сервису.
1. Процесс уникальный: своя логика цен, производство, закупки с особыми правилами.
2. Данные составляют ценность компании, и отдавать их в чужой сервис нельзя.
3. Готовые сервисы закрывают меньше половины задачи, и их доработка стоит дороже своего решения.
4. Решение нужно встроить глубоко в 1С, CRM и производственные системы, а готовый сервис работает только через свои окна.
До решения строить посчитайте все: разработку, сопровождение после запуска, оплату моделей и человека, который будет отвечать за решение внутри компании.
Строить не значит делать все своими силами. По MIT NANDA 2025, проекты с внешним партнером доходили до рабочего использования примерно в 67% случаев, внутренние разработки в 33%. Это данные опроса, а не точный замер.
Разработка своей нейросети для компании с нуля нужна редко: 71% крупных компаний из российского исследования берут готовую модель и донастраивают ее под свои данные.
Когда покупать
Готовое решение выгоднее, когда задача типовая: ответы на частые вопросы, запись клиентов, расшифровка звонков, проверка документов. Такие сервисы уже есть, их цена известна, а запуск быстрее разработки.
Так поступают 78% крупных российских компаний из отраслевого исследования 2025 года. Готовое берут, если оно закрывает процесс и дешевле своей разработки за два-три года работы.
Перед покупкой проверьте три вещи: где обрабатываются данные, можно ли выгрузить их при уходе и что будет, если поставщик поднимет цену или отключит сервис.
Риск зависимости вполне реальный. По опросу 700 российских компаний в декабре 2025 года, 91% работают с одним поставщиком ИИ. Условия выхода, выгрузку данных и порядок смены цены записывают в договор до подписания, пока выбор еще есть.
Готовое решение тоже требует работы: подключить его к CRM и 1С, написать правила, назначить ответственного. Эти расходы вносят в сравнение, иначе покупка выглядит дешевле, чем есть.
Обратная ошибка: подрядчик предлагает разработку там, где хватает готового сервиса. Как распознать подрядчика, который продает разработку, разобрано отдельно.
Свой ИИ на своих серверах
Между готовым сервисом и своей разработкой есть третий путь: готовая открытая модельмодель с открытыми весами. Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. на серверах компании. Данные не уходят наружу, и сервис никто не отключит извне.
Это тот же подход, что у 71% крупных компаний из отраслевого исследования 2025 года: готовая модель, донастроенная под свои задачи. Разница в том, где она работает.
Такой вариант нужен, если вы обрабатываете персональные данные или коммерческую тайну и должны хранить данные в России по 152-ФЗ.
Свои серверы выбирают и из-за риска отключения: доступ к зарубежному сервису могут закрыть по решению другой страны и без предупреждения.
Минус этого пути: серверы и обновления модели ложатся на компанию или ее подрядчика. Для малого бизнеса это может стоить дороже готового сервиса, который обрабатывает данные в России.
Стоимость складывается из серверов, настройки и сопровождения. Как устроен суверенный ИИ и кому он нужен, разобрано в отдельном разделе.
Что меняют закон и господдержка
26 июля 2026 года подписан закон № 243-ФЗ о поддержке развития технологий ИИ. Он вступил в силу 1 сентября 2026 года, а нормы о суверенных и национальных моделях действуют с 1 марта 2027 года.
По закону правительство сможет разрешать в отдельных информационных системах только суверенные или национальные модели. Для систем, которые уже работают, это ограничение не действует до 1 сентября 2032 года, если данные обрабатываются и хранятся в России.
Правило для выбора: если решение может попасть под такое ограничение, до покупки узнайте у поставщика, на какой модели оно работает и где обрабатываются данные. Решение с данными в России получает отсрочку до 2032 года, а без нее переделку придется планировать раньше.
Господдержка выбор пока не решает. В сентябре 2026 года обсуждали две меры: компенсацию малому и среднему бизнесу до 100% цены российского ИИ-продукта в первый год и налоговый вычет до 20 млрд ₽ на одну организацию за создание ИИ-моделей до 2030 года. Обе не приняты, поэтому в сравнение вариантов их не включают.
Как решить за неделю
Решение по одному процессу можно принять за неделю, если идти по шагам.
1. Опишите процесс и посчитайте его стоимость сейчас: часы сотрудников, зарплата с налогами, ошибки.
2. Найдите готовые решения на рынке и их цену за год.
3. Оцените свою разработку: сроки, команду, сопровождение после запуска.
4. Проверьте данные: какие из них персональные и где их можно обрабатывать по 152-ФЗ.
5. Сравните варианты по цене за два-три года и по риску зависимости, затем решите.
Итог недели: по процессу записано решение (строить, покупать или не трогать), цена за два-три года и метрика пилота.
Учитывайте долю неудач: по MIT NANDA, внутренние разработки доходили до работы в 33% случаев. Поэтому перед полным внедрением закладывают пилот с метрикой.
Карта ИИ-решений проходит эти шаги по всем процессам компании сразу и показывает, где строить, где покупать, а где ИИ не нужен.