ИИ без VPN в России: какие модели и сервисы доступны и как строить на них агента

Можно ли внедрить ИИ в бизнес в России без VPN

Можно. Мы разрабатываем агентов без VPN и без оплаты зарубежными картами: ни на этапе разработки, ни в работе у заказчика. Это не вынужденная уступка, а нормальная инженерная схема. Для большинства бизнес-задач (ответы по базе знаний, разбор писем, подготовка документов, сводки из 1С) российские и открытые модели справляются; где-то хуже, где-то сопоставимо, и проверяется это на ваших данных, а не по рейтингам.

Важно оговорить границу. Условия сервисов, тарифы, списки моделей и ограничения меняются быстро, поэтому конкретные цифры и названия версий мы здесь не фиксируем: их нельзя «зашить» в статью надолго. Актуальные условия проверяем при проектировании, по документации поставщика и тестовым прогонам. Что не меняется — логика выбора, и именно её разбираем.

• VPN — не часть решения. Если схема держится на VPN, то она хрупка: канал может пропасть, а работа процесса остановится вместе с ним.
• Деньги и договор — в рублях и по российским правилам. Закрывающие документы, НДС и юридическое лицо-контрагент избавляют бухгалтерию от лишних вопросов.
• Агент не привязан к одной модели. Это условие страховки: см. раздел про смену модели ниже.

Общий обзор того, как устроен проект, — на странице разработка AI-агентов; здесь только вопрос выбора модели и доступа.

Схема 1. API российской облачной модели

Самая быстрая схема: ваше приложение отправляет запрос по интернету на сервер российского поставщика и получает ответ. Оплата идёт в рублях, обычно по числу обработанных текстовых фрагментов (токенов); как они считаются и сколько выходит на вашем потоке, описано в материале «Сколько токенов потребляет агент».

• Плюсы: нет закупки оборудования, запуск за дни, поставщик сам обновляет модель и держит инфраструктуру, оплата по факту использования.
• Минусы: данные уходят поставщику. Для ряда процессов это допустимо, для других нет; решается списком разрешённых полей и маскированием остального.
• Риски: поставщик может изменить тариф, лимиты или снять версию модели. Поэтому версию фиксируем в договоре с исполнителем, а схему строим так, чтобы её можно было заменить.
• Что проверяем при выборе: где обрабатываются данные, хранит ли поставщик запросы и сколько, используются ли они для обучения, какие лимиты на число запросов и размер текста, есть ли договор и закрывающие документы для юридического лица.

Сравнение двух самых известных российских моделей, критерии выбора и вопросы, которые стоит задать поставщику, — в статье «GigaChat или YandexGPT». Эти названия приведены как примеры класса решений: рынок меняется, и список моделей на момент проектирования мы всегда сверяем заново.

Схема 2. Открытая модель на ваших серверах

Вторая схема: готовая открытая модель устанавливается на оборудование компании или на арендованный российский сервер, и данные не покидают вашего контура. Запросы идут внутри сети, платы за каждый запрос нет, но есть расходы на «железо» и тех, кто его обслуживает.

• Плюсы: данные остаются у вас; нет зависимости от тарифов и политики поставщика; можно жёстко ограничить доступ к модели изнутри сети.
• Минусы: нужны серверы с графическими ускорителями или их аренда, администратор, обновления и резервирование. Для малого потока запросов собственное оборудование обычно дороже облачного API.
• Ограничения качества: открытые модели, которые помещаются на разумное по цене оборудование, как правило, слабее самых крупных облачных. Для типовых задач (классификация, извлечение полей, ответы по документам) этого достаточно, для сложных рассуждений нужно проверять на ваших примерах.
• Лицензии: у открытых моделей условия использования разные, и часть из них ограничивает коммерческое применение. Лицензию читаем до выбора, а не после установки.

Когда эта схема оправдана, как считать оборудование и что проверять в лицензиях, подробно разобрано в статьях «Локальные LLM для AI-агентов» и на странице про ИИ в контуре компании.

Схема 3. Смешанная: простое локально, сложное через API

Часто разумный вариант — не выбирать одно. Данные делят по чувствительности и сложности: что содержит персональные или коммерческие тайны и при этом задача простая (распознавание типа обращения, извлечение реквизитов), обрабатывает открытая модель в контуре; что не содержит чувствительного и требует более сильной модели, уходит через российский API после маскирования.

• Когда подходит: часть данных нельзя выпускать наружу, но не всем задачам хватает слабой модели; поток достаточно большой, чтобы считать деньги.
• Что усложняется: появляется развилка «куда отправить этот запрос», её нужно проектировать, проверять и логировать.
• Как не ошибиться: правила маршрутизации записываем в проектном документе, а не оставляем на усмотрение агента; в журнале видно, какой запрос куда ушёл.

Сравнение трёх схем

Что выбрать, подсказывают три вопроса: какие данные нельзя выносить; сколько запросов в день; есть ли в компании тот, кто потянет сервер. Цифры в таблице качественные: точные расчёты зависят от вашего потока, и их делаем на аудите. Общие принципы оценки стоимости — в статье «Сколько стоит AI-агент».

Оплата, договор и документы: как это выглядит для компании

Заказчику важно, чтобы расходы на ИИ проходили как обычные: договор, счёт, акт. Для этого проект разделяют на части, каждая со своим порядком оплаты.

1. Работы по разработке. Оплачиваются исполнителю по договору: аудит, проектирование, сборка, проверка. Агент создаётся и тестируется без доступа к зарубежным сервисам.
2. Обращения к модели. Отдельная статья расходов; при облачной схеме платите поставщику модели в рублях напрямую или через исполнителя по договору. Размер зависит от потока и оценивается на аудите.
3. Оборудование, если нужен ваш контур. Покупка или аренда сервера; здесь же сопровождение.
4. Сопровождение. От 40 000 ₽ в месяц; в него входят наблюдение за показателями и обновление проверочных примеров.

Что именно записать в договоре о моделях, передаваемых полях и смене модели, перечислено в статье «Договор на внедрение ИИ». Юридических заключений мы не даём: оператор персональных данных — заказчик, и вопросы вроде передачи данных поставщику облачной модели согласуются с вашим юристом. Технически помогает перечень полей, которые разрешено передавать (см. «ИИ и 152-ФЗ»).

Как строить агента, чтобы смена модели не стала катастрофой

Главный риск российского и любого рынка моделей — не «нет доступа», а привязка к одной модели. Тариф вырос, поставщик снял версию, качество на ваших данных просело после обновления: если агент намертво завязан на конкретный ответ именно этой модели, замена превращается в переписывание.

• Слой-посредник между агентом и моделью. Агент обращается к единому внутреннему интерфейсу, а не напрямую к API поставщика. Заменить модель значит поменять настройку в одном месте.
• Проверочные примеры как страховка. Набор ваших реальных случаев (см. оценку качества AI-агента) прогоняется на новой модели до перехода. Если уровень ошибок не хуже, меняем; если хуже, остаёмся или дорабатываем инструкции.
• Инструкции не привязаны к причудам модели. Системный промпт (см. «Системный промпт AI-агента») пишется как описание задачи, а не как набор обходных путей под конкретную версию.
• Версия зафиксирована. В договоре и в настройках записана конкретная версия, а обновление идёт по согласованию и с повторным прогоном.
• Запасной вариант проверен заранее. Для критичных процессов держим вторую модель или вторую схему, прогнанную на тех же примерах.

Разница между «доступен без VPN» и «надёжно работает» — в заменяемости: агент, который можно перенести на другую модель за день, не зависит ни от VPN, ни от тарифов.

Чего не стоит делать, когда доступ к ИИ ограничен

• Подключать агента через «серые» перепродажи зарубежных моделей. Они могут пропасть без предупреждения, а ваши данные уходят третьим лицам вне договора.
• Гнаться за самой большой моделью. Для классификации писем и извлечения реквизитов часто достаточно скромной; платить за избыточную мощность нет смысла.
• Опираться на рейтинги, а не на свои примеры. Рейтинг не знает ваших документов и терминов.
• Откладывать проект «пока появится нормальный доступ». Рабочие схемы существуют уже сейчас, а накопленный на пилоте опыт переносится на любую модель.

Если нужен ориентир по срокам и стоимости при выборе схемы, он дан в статье «Сколько длится внедрение». С чего начать, подсказывает «С чего начать внедрение ИИ», а подход «под ключ» описан на странице AI-агенты под ключ. О разработке ИИ для бизнеса в целом — на странице разработка ИИ для бизнеса.