Сервер под ИИ — подберём, привезём, обучим
Модель учится на ваших документах и отвечает внутри вашей сети. Ни обучение, ни работа ассистента не требуют выхода в интернет: данные, веса и журналы остаются у вас.
- ДообучениеLoRA/QLoRA на ваших данных и регламентах
- КонтурGPU on-premise, офлайн-инференс, 152-ФЗ и КИИ
- Передачавеса модели, датасет и скрипты — ваши
Данные не покидают ваш периметр
Обычный ИИ-ассистент отправляет каждый запрос в облако провайдера. Мы делаем иначе: модель дообучается и работает на вашем сервере, без обращения наружу.
Разобрать ваш сценарий- 01Данные остаются внутри. Документы, переписка, регламенты и заявки не уходят с ваших серверов — их обрабатывает модель в вашей сети.
- 02Дообучение на вашем GPU. LoRA/QLoRA под ваши формулировки, инструкции и эталонные ответы. Отдельная модель на каждую задачу.
- 03Работа офлайн. Ассистент отвечает без интернета: если внешний канал упадёт или его отключат по требованиям безопасности, он продолжит работать.
Готовим датасет из ваших инструкций и «правильных» ответов, дообучаем открытую модель, проверяем на отложенной выборке. Качество видно до запуска.
Подбираем GPU-сервер под задачу: от одной карты для пилота до нескольких узлов. Помогаем с закупкой и настройкой, если железа пока нет.
Версии модели, журналы запросов и откат к предыдущей сборке. Видно, что и на каких данных модель отвечала.
Контур под 152-ФЗ и объекты КИИ: изолированный сегмент сети, без внешних API и телеметрии вендора.
Поставляем и обслуживаем серверы для ИИ
Подбираем, собираем, привозим, устанавливаем и настраиваем: от рабочей станции с одной картой до стоечного узла на восемь GPU. Любой класс оборудования — под вашу модель, помещение и бюджет, с обслуживанием после запуска.
- 01 Подбор конфигурации. Считаем видеопамять под модель и длину контекста, пропускную способность, питание и охлаждение. Даём два-три варианта с ценой и сроком поставки. 2–5 дней
- 02 Поставка и сборка. Привозим серверы, GPU, NVMe и сетевые карты — от вендоров или со склада комплектующих. Собираем, обновляем прошивки и прогоняем тесты до отправки на площадку. 2–8 недель
- 03 Монтаж и настройка. Ставим в стойку, подключаем питание и сеть, разворачиваем драйверы, CUDA/ROCm, контейнеры, vLLM и саму модель. Проверяем под нагрузкой перед передачей. 1–3 дня
- 04 Обслуживание. Мониторинг температур и ошибок GPU, обновления, замена комплектующих, диагностика по SLA. Отвечаем за работоспособность системы, а не только железа. по договору
Фото — иллюстрации Wikimedia Commons: C. Spille / pcgameshardware, CC BY-SA 4.0 · NOIRLab/NSF/AURA/T. Slater, CC BY 4.0 · Shixart1985, CC BY 2.0 · BalticServers.com, CC BY-SA 3.0
Подключаем ИИ к вашим системам по MCP
MCP — открытый стандарт, по которому модель обращается к инструментам и данным. Пишем такие серверы под ваши системы и держим их внутри контура: без облака, с правами и журналом каждого вызова.
- 01 Разбор систем. Смотрим, какие данные и действия нужны модели: 1С, CRM, базы, файлы, почта. 2–3 дня
- 02 Прототип сервера. Пишем MCP-сервер с 3–5 инструментами и подключаем к вашей модели. 1–2 недели
- 03 Права и журнал. Ограничиваем доступ на чтение и запись, включаем лимиты и журнал вызовов. 1 неделя
- 04 Сопровождение. Обновляем инструменты под изменения систем и следим за журналом. по договору
Python · TypeScript SDK · stdio и HTTP + SSE · Docker · ключи, лимиты и журнал
Где ИИ окупается быстрее всего
Шесть процессов, с которых обычно начинают. Берите один — остальные подключаются по мере пользы, на той же инфраструктуре.
-
01
Поддержка клиентов
Агент на дообученной модели отвечает по вашей базе знаний и передаёт сложные обращения людям. Работает в вашей сети, без обращений к внешним API.
-
02
Продажи и переписка
Квалификация входящих обращений, подготовка коммерческих предложений, разбор переписок и звонков, сводка по клиенту в CRM.
-
03
Документы
Извлечение и сверка данных из счетов, актов, договоров и накладных. Проверка по регламенту — до того, как документ попадёт в учёт. Документы не уходят за периметр.
-
04
Внутренняя база знаний
Поиск по договорам, регламентам и проектной документации. Ответ за секунды — со ссылкой на пункт источника. Индекс и модель живут на вашем сервере.
-
05
Производство и заявки
Разбор заявок и отчётов, контроль отклонений, автоматические сводки для смены и руководителя.
-
06
Аналитика
Сводки по звонкам, тикетам и отзывам. Отчёты собираются сами — вместо ручных выгрузок в таблицы.
Как идёт проект
Четыре этапа. На каждом остаётся артефакт, который можно проверить: карта процессов, прототип, интеграция, документация.
Аудит
Разбираем процессы, считаем объём ручной работы и точки, где ИИ даёт эффект. Смотрим, какие данные нужны модели и можно ли их обрабатывать внутри контура.
1–2 неделиПилот в контуре
Поднимаем модель на вашем сервере (или на нашем, для теста) и меряем качество на реальных документах. До запуска фиксируем метрику и стоимость операции.
3–6 недельДообучение
Собираем датасет из ваших инструкций и эталонных ответов, дообучаем модель (LoRA/QLoRA), проверяем на отложенной выборке. Данные не покидают периметр.
2–5 недельИнтеграция и поддержка
Подключаем к 1С, Битрикс24, amoCRM, Telegram и внутренним API, настраиваем мониторинг. Версии модели, логи и документация остаются у вас.
4–8 недельЧетыре правила, от которых не отступаем
ИИ в бизнесе — это не только модель. Это доступ к данным, ответственность за ошибки и вопрос, кто будет поддерживать систему через год.
Без выхода в интернет
Дообучение и работа модели идут на вашем железе, без запросов к внешним API. Даже если канал упадёт, ассистент продолжит отвечать внутри сети.
Измеримость
До старта договариваемся о метрике: время обработки, доля автоответов, стоимость операции. После запуска показываем динамику, а не «стало удобнее».
Своя модель, а не аренда API
Берём открытые модели (Qwen, Llama, Mistral) и дообучаем под ваши формулировки. Внешние API — только если вы сами этого захотите; архитектура позволяет заменить модель.
Передача команды
Веса модели, датасет, скрипты и документация остаются у вас. Обучаем инженеров запускать и обновлять модель без нас — или поддерживаем её по договору.
На чём собираем
Выбор технологий диктует контур заказчика, а не привычка подрядчика. Если данные нельзя выносить — ставим модели на своё железо.
Модели
- Qwen
- Llama
- Mistral
- GigaChat — локально
- GPT / Claude — по желанию
Дообучение
- LoRA / QLoRA
- Instruction tuning
- DPO
- Разметка и датасеты
- Оценка на отложенной выборке
Запуск в контуре
- vLLM
- Ollama, llama.cpp
- Офлайн-инференс
- 1–8 GPU, on-premise
Интеграции
- 1С, Битрикс24, amoCRM
- Telegram Bot API
- Почта, IMAP / SMTP
- REST, webhooks
- Docker, Linux
Обсудим вашу задачу
Ответим в течение рабочего дня. Расскажите про процесс — предложим, что автоматизировать первым, какое железо нужно и как оставить данные внутри контура.
Уже работаем вместе? Заявки и переписка — в кабинете поддержки help.compnets.ru · вход по почте- 01Отвечаем в течение рабочего дня — письмом или звонком.
- 02Подписываем NDA до обсуждения деталей и данных.
- 03Первый разбор задачи и оценка эффекта — без оплаты.
Заявка
Три поля и описание задачи — этого достаточно для первого разговора.