Сотрудники уже пользуются нейросетями, с разрешением компании или без. По данным ГК «Солар», за 2025 год объём корпоративных данных в публичных нейросетях вырос примерно в 30 раз, а у 60% организаций до сих пор нет правил работы с ИИ.

Что компании делают на практике

1. Запрещают. 79% промышленных компаний не пускают публичные GenAI-сервисы в работу. Но запрет не убирает риск: по данным «Информзащиты», каждая пятая компания с утечками связывает их с теневым ИИ.

2. Покупают у вендора. 78% крупных компаний внедряют готовые решения, половина дорабатывает их с подрядчиком. Пример — GigaChat Enterprise: облако, гибрид или установка внутри контура компании. Старт быстрый, но модели, цены и развитие платформы зависят от одного поставщика.

3. Собирают свою платформу. 17% ведут собственную разработку. Чаще всего берут open-source модели и донастраивают их под себя, а в банках 90% внедрений работают on-premises.

При этом стратегия ИИ есть только у 26% крупных компаний. Большинство всё ещё экспериментирует.

Что я сделал

Разобрал третий путь и гибрид и собрал интерактивную карту корпоративной AI-платформы для компаний от 100 сотрудников. Простыми словами, она помогает:

— понять, из каких 7 частей состоит платформа и зачем нужна каждая; — выбрать решения на каждый слой: в карте около 30 инструментов, у каждого оценка по пяти требованиям — стабильность, безопасность, экономичность, простота, масштабирование; — посчитать деньги: облачное API против своего сервера; — не нарушить 152-ФЗ и подготовиться к требованиям ФСТЭК; — обойти ловушки в лицензиях и обновлениях; — понять, с чего начать и в каком порядке внедрять.

Пример расчёта из карты

Компания на 150 человек: 90 активных пользователей по 25 запросов в день, это около 148 млн токенов в месяц. GigaChat Lite по API обойдётся примерно в 9,7 тыс. ₽ в месяц, GigaChat Pro — в 74 тыс. ₽. Аренда своего GPU — от $1 200 в месяц по мировым ценам, в России дороже.

Вывод: для чата облачное API в России дешевле своего сервера в разы, а свой сервер оправдывают требования безопасности. Поэтому рабочий стандарт — гибрид: чувствительные данные обрабатывает локальная модель, общие задачи уходят в облако.

Карта: https://www.productmike.ru/ai-platform-map/

Отталкивался от видео-разбора @TINROI и дополнил его базой знаний, эксплуатацией, экономикой и российской регуляторикой.

Внедряете ИИ у себя или выбираете между вендором и своей платформой? Напишите в личные сообщения, разберём вашу ситуацию.