Выложил страницу LLM-интеграции — начинаем с образования
Сегодня на csylabs.com/llm-integrator выложил продуктовую страницу. ИИ-интеграция для российских организаций на базе больших языковых моделей (LLM) — 60-90 дней от Discovery Week до работающего пилота. Начинаем с образования. Дальше — медицина, потом юриспруденция. Рассказываю, почему именно эти индустрии и именно в таком порядке.
Что это
Не консультация. Четыре этапа с фиксированной ценой и контрольной точкой на каждом:
→ Discovery Week (5 дней, 200-500К ₽) — картируем ваши процессы, находим точки, где ИИ даст измеримую экономию, пишем техзадание пилота. → Пилот (60-90 дней, 2-5М ₽) — разворачиваем решение на сертифицированной инфраструктуре Selectel, интегрируем с вашей ИТ-средой, обучаем команду, выдаём кейс с цифрами. → Ретейнер развития (500К-1,5М ₽/мес) — если пилот сработал, масштабируем и поддерживаем. SLA, квартальный план, онбординг новых сотрудников. → Буткемп: передача знаний (100-300К ₽/группа) — двухдневный воркшоп и 4 недели сопровождения для педсовета, министерства, регионального оператора.
Можно остановиться на любом этапе. Discovery Week часто достаточно, чтобы понять — нужен ли пилот вообще.
Почему этот сервис и почему сейчас
Большинство ИИ-проектов в организациях умирают на двух барьерах.
Первый — 152-ФЗ-совместимый хостинг с сертификатами ФСТЭК и ГИС К1. Если делать самим — 12-18 месяцев внутренней разработки. Большинство школ, вузов и больниц не готовы ждать столько.
Второй — отсутствие методологии оценки результата. «Внедрили ИИ — стало лучше?» без измеримых KPI превращается в субъективное обсуждение на следующем совещании. А через год об инициативе никто не вспоминает.
Последние два года я шёл через эти же два барьера, только с другой стороны. Написал открытый бенчмарк EduBench-RU — первый для русскоязычной педагогики, 30 LLM-моделей, методология с тремя независимыми судьями. Первая статья на Habr собрала 5,4 тысячи прочтений и 30,5% дочтения. Потом дообучил EduLLM-RU 27B за 30 000₽ — модель заняла #9 из 30 на задачах российских учителей и работает локально, не уходит за пределы российской инфраструктуры.
Разворачиваю её для школ на серверах Selectel (партнёрская программа ООО ЛИИ, 152-ФЗ УЗ-1, ФСТЭК приказы 17/21, ГИС К1 — всё в стандартном предложении, без наценки).
Кроме 152-ФЗ — несколько вещей, которые клиент получает в комплекте:
→ Открытая методология — бенчмарк можно внутри проверить и отстоять перед проверяющими → Модель, дообученная под ваши данные — а не один на всех фиксированный вендорский API → Независимость от санкционных рисков и отключения вендорских сервисов → Публикационный потенциал для академических партнёров — статьи, воспроизводимость, соавторство
Страница — это формализация того, что я уже делаю с пилотными площадками. Четыре этапа, фиксированные цены, открытая методология — чтобы следующий разговор не начинался с «а покажите референс-лист».
Почему образование, потом медицина, потом юриспруденция
Три самые зарегулированные индустрии в России. И именно там, где ставки выше всего, методология измерения результата ценится больше всего.
Образование — первое. Я уже два года здесь: открытая методология (EduBench-RU), собственная дообученная LLM-модель (EduLLM-RU), пилотные школы и вузы в процессе, академические соавторы в разговоре, публикации на Habr читают и преподаватели, и разработчики — каждые берут свой разрез. Академическая инфраструктура узнаёт свой язык — рецензирование, воспроизводимость, открытые данные. Разговор получается на равных.
Медицина — следующая. Форма регулирования очень похожа на образование: медданные попадают под 152-ФЗ УЗ-1 или УЗ-2, методологическая работа переносится напрямую — можно построить MedBench-RU по тому же трёх-судейному принципу. Барьер выше (врачебная ответственность, сертификация как медицинское изделие), но стек и процесс готовы.
Юриспруденция — третья. Самая текстоёмкая индустрия, где LLM реально работают: генерация договоров, подготовка позиций, анализ практики. Российская юридическая традиция — формальное документоведение, идеальное поле для автоматизации. Клиенты консервативные, но один раз зайдя — надолго.
Общая логика простая. Идти в индустрии, где все обжигаются на 152-ФЗ и откладывают внедрение ИИ. Не туда, куда ИИ уже заходит легко — реклама, e-commerce, потребительские сервисы, — где конкуренция жёсткая и удержать позицию сложно. А в сложные, где регуляторный барьер отпугивает других. Значит, первый, кто его проходит, получает долгое преимущество.
Образование — самое медленное из трёх по циклу принятия решений, но здесь я могу зайти с открытыми картами: методология опубликована, модель работает, академические разговоры идут, преподаватели читают мои материалы уже два года.
Что дальше
Страница живёт по адресу csylabs.com/llm-integrator. Если вы работаете в образовании и думаете про ИИ для школы, вуза или регионального оператора — напишите. Discovery Week — это 5 дней и фиксированная сумма; она ни к чему дальше не обязывает. Чаще всего результат — документ на 10-15 страниц с картой процессов, оценкой, где ИИ даст экономию, и рекомендацией, нужен ли пилот.
Пишу подробнее про методологию — на Habr, про ежедневный ход работы — в @techaroundsports.