СРАВНЕНИЕ · СВОИМИ СИЛАМИ ИЛИ С НАМИ

Прототип агента собирается за неделю. Потом начинается продакшн

Подключить модель к API и получить впечатляющее демо сегодня может любая команда. Сложности начинаются на живых клиентах: длинные файлы, медленные ответы, лимиты API, ошибки модели в записи, персональные данные и счёт за токены. Ниже — что пришлось решить нам, прежде чем агентом стали пользоваться каждый день.

ДЕМО И ПРОДАКШН
ДемоОдин пользователь, короткая задача, чистые данные, быстрая модель — и всё работает.
ПродакшнСотни клиентов, xlsx на тысячи строк в cp1251, фото накладной с телефона, ответ модели, оборванный на середине вызова, лимит частоты API, имя гостя в тексте и вопрос бухгалтерии «сколько это стоит по каждому клиенту».
Между ними — инфраструктура, которую не видно в демо
01 — ЧТО ЛОМАЕТСЯ НА ПРОДЕ

Двенадцать задач, которых нет в прототипе

Каждая из них нашлась на живых клиентах FUSIONPOS и сегодня решена в ядре агента. Своими силами их придётся найти заново — на ваших клиентах.

Поток

Долгие ответы и обрывы

Ход с файлом длится минуты, прокси рвёт «тихие» соединения. Нужны keep-alive, продолжение потока после обрыва и видимый прогресс.

API

Лимиты частоты

Пакетная операция выбирает лимит пользователя. Агент должен дождаться окна, а не упасть с ошибкой «непонятно, записалось ли».

Модель

Ошибки в записи

Оборванный вызов, выдуманный аргумент, повтор неповторяемого. Нужны проверки до вызова, запрет повторов и подтверждение необратимого.

Права

Что считать записью

Каждую операцию надо отнести к чтению или записи, причём незнакомую — к записи, иначе она пройдёт мимо прав и подтверждений.

ПДн

Персональные данные

Подмена ссылками до модели и обратно на границах — в аргументах, ответах API и тексте, с именами в падежах.

Файлы

Большие и кривые файлы

Таблицы на тысячи строк, сканы на 12 мегапикселей, cp1251. Постраничное чтение, сжатие, распознавание, определение кодировки.

Токены

Контекст и счёт

Описания инструментов — около половины входа модели. Стабильный набор держит кэш промпта, ответы API режутся по бюджету.

Память

Длинные диалоги

Результаты прошлых шагов не помещаются в историю. Нужна сжатая рабочая память с id и uuid изменённых записей.

Модели

Провайдеры

Падения, разные цены и качество. Резервный провайдер, сплит-тесты моделей на живом трафике, отдельная модель для сканов.

Деньги

Расход на клиента

Один клиент с большим файлом может съесть бюджет. Окна расходов по тарифу и предупреждение до упора.

Качество

Журнал и разбор

По каждому ответу — вызовы, аргументы, стоимость, оценка клиента. Отчёты о качестве, повторяемости и привыкании.

Доставка

Правки сценариев

Сценарии меняются каждую неделю. Правки должны доезжать до прода, не затирая настройки, которые администратор поменял руками.

02 — СРАВНЕНИЕ

Своими силами или с нами

Сравнение разработки агента своими силами и внедрения готового
Своими силами С нами
До пилота Месяцы на инфраструктуру агента до первого сценария Разбор API и первые сценарии на тестовом аккаунте
Команда Инженеры по LLM, бэкенд, фронтенд виджета, поддержка Ваш разработчик — на консультации по API
Ошибки продакшна Находятся на ваших клиентах Большая часть уже найдена и закрыта в FUSIONPOS
Данные и контур Ваши Ваши: установка в вашем контуре или облаке в РФ
Модели Любые Любые, с резервным провайдером и сплит-тестами
Зависимость Нет Есть; её снижают установка в вашем контуре и свобода выбора модели
03 — ЧЕСТНО

Когда стоит делать самим

ДЕЛАЙТЕ САМИ

Если…

  • ИИ-агент — ядро вашего продукта, а не одна из функций
  • Есть команда, готовая заниматься агентом постоянно, а не один квартал
  • Политика компании не позволяет внешнему подрядчику работать с вашим API
БЕРИТЕ ГОТОВОЕ

Если…

  • Агент — функция продукта, которая должна работать уже в этом квартале
  • Команда занята основным продуктом
  • Важнее надёжность на живых клиентах, чем полный контроль над каждой строкой кода
ВОПРОСЫ

Частые вопросы

На чём построен агент?

Оркестратор на Node.js и LangGraph, инструменты подключаются по протоколу MCP, виджет — веб-компонент без зависимостей, разбор документов — отдельный сервис на Python. Модели — любые OpenAI-совместимые и Anthropic.

Можно ли развернуть у себя?

Да, в вашем контуре или облаке в РФ. Наружу нужен только доступ к выбранному провайдеру модели, а с локальной моделью — не нужен вовсе.

Сможет ли наша команда дорабатывать сценарии сама?

Сценарии и промпты правятся в панели администратора без пересборки: тексты плейбуков, набор доступных инструментов, подсказки-примеры для клиентов. Каждая правка сохраняется версией, которую можно откатить.

Сравним сборку своими силами и внедрение на вашем API

Расскажите о команде и о том, что уже пробовали. Покажем, какие задачи из списка выше встанут перед вами и сколько из них уже решено.

Как мы обращаемся с данными — в политике обработки персональных данных.