Коротко
- «Обучить на своих данных» обычно означает дать модели доступ к документам. Саму модель при этом никто не меняет.
- Три подхода: инструкции и файлы в чате, RAG и дообучение. Для большинства компаний подходит второй.
- Дообучение меняет стиль и формат ответов, а для свежих фактов и цен оно подходит плохо: каждое изменение потребует нового обучения.
- В условном расчёте на 3 000 вопросов в месяц RAG в облаке обходится примерно в 8 700 ₽ в месяц плюс разовая подготовка базы.
- Персональные данные клиентов в облачную базу нельзя загружать без основания, договора и проверки места хранения.
Дальше сравним три подхода, покажем, как подготовить документы, сколько стоит запуск на условной компании, что требует закон и как проверить качество ответов.
Данные сверены по официальным источникам на 5 ноября 2026 года. Цены и доступность функций у провайдеров меняются, перед запуском сверяйте их на страницах тарифов.
Что значит обучить нейросеть на своих данных
Обучить нейросеть на своих данных — значит сделать так, чтобы она отвечала с опорой на ваши документы, цены и регламенты. Способов добиться этого три, и только один из них в прямом смысле меняет модель.
| Подход | Что происходит | Простое сравнение с сотрудником |
|---|---|---|
| Инструкции и файлы | Модель получает ваш текст вместе с вопросом | Положили на стол памятку |
| RAG | Система находит нужный фрагмент в базе и даёт его модели | Дали шкаф с папками и правило смотреть в нужную папку перед ответом |
| Дообучение | Параметры модели меняются на ваших примерах | Отправили на долгие курсы, где он меняет привычки |
Сравнение с сотрудником подсказывает и выбор. Если меняются цены, вы обновите папку в шкафу за минуту, а новые курсы придётся оплачивать заново. Поэтому для фактов нужен шкаф, а курсы подходят для манеры работать.
Запрос «обучить нейросеть с нуля» к малому бизнесу отношения не имеет. Создание собственной языковой модели требует огромных массивов данных и вычислений, и готовые модели закрывают такие задачи намного дешевле.
Как работают инструкции и файлы
Инструкции и файлы работают так: вы загружаете документы в готовый сервис, и модель читает их вместе с вопросом. Этот вариант самый быстрый и подходит для небольших объёмов, например регламентов одного отдела или базы для обучения новичков.
Готовый пример такого подхода — Google NotebookLM, теперь Gemini Notebook: он отвечает строго по загруженным источникам и ставит ссылки на фрагменты. Как с ним работать и какие у него риски, рассказано в статье что такое NotebookLM. Похожие функции есть в проектах чат-ботов и в Agent Atelier от Яндекса.
Предел у подхода простой. У модели ограниченное окно контекста, то есть объём текста, который она удерживает за раз, и у сервисов есть лимиты на файлы. Когда документов становится много, ответы начинают терять детали, а ручное обновление файлов занимает всё больше времени. К тому же зарубежные сервисы плохо подходят для документов с персональными данными и коммерческой тайной.
Этот вариант хорош как проверка идеи. За один день вы поймёте, полезны ли ответы по вашим документам, ещё до трат на разработку.
Как работает RAG и зачем он бизнесу
RAG — это поиск с генерацией: система сначала ищет в вашей базе подходящие фрагменты, затем передаёт их модели, и та формулирует ответ. Идею описали Льюис и соавторы в 2020 году, и сегодня она работает как стандартный инструмент на коммерческих платформах.
Запрос проходит пять шагов:
- Документы заранее разбиваются на короткие фрагменты.
- Каждый фрагмент превращается в числовое описание смысла, эмбеддинг, и попадает в поисковый индекс.
- Вопрос пользователя переводится в такое же описание.
- Система находит самые близкие фрагменты.
- Модель получает вопрос вместе с фрагментами и пишет ответ, желательно со ссылкой на документ.
Для бизнеса здесь важны три вещи. База обновляется без переобучения: заменили прайс, и бот отвечает по-новому. Ответ можно проверить по ссылке на документ. Доступ можно ограничивать, показывая каждому отделу только его файлы, если это предусмотрела платформа.
В Yandex AI Studio такой подход реализован как инструмент поиска по файлам: документы индексируются, а агент подмешивает найденные фрагменты в ответ. Индекс бывает текстовым, векторным или гибридным.
RAG не даёт гарантии. Он снижает выдумки, но модель может найти не тот фрагмент или неверно его понять. В исследовании юридических сервисов Стэнфорда инструменты с поиском по базе ошибались в 17–33% запросов. Качество ответа сильно зависит от того, насколько чисто подготовлены документы.
Когда нужно дообучение нейросети
Дообучение нужно, когда модель должна устойчиво менять манеру работы: держать строгий формат, повторять стиль или решать узкую однотипную задачу. OpenAI в руководстве по оптимизации моделей пишет, что для хороших результатов часто хватает промпта, а дообучение помогает устойчиво форматировать ответы и обрабатывать новые типы входных данных.
Дообучение — это дополнительная тренировка готовой модели на парах «запрос и правильный ответ». Сегодня обычно применяют LoRA: метод замораживает основные веса модели и обучает небольшие дополнительные матрицы. По данным авторов, на GPT-3 это сокращает число обучаемых параметров в 10 000 раз, а потребность в памяти видеокарт примерно втрое.
С доступностью в облаках на ноябрь 2026 года всё сложно.
| Платформа | Статус дообучения | Что это значит |
|---|---|---|
| OpenAI | Платформа закрыта для новых пользователей с 7 мая 2026, действующие клиенты теряют создание новых заданий 6 января 2027 | Новый проект здесь не начать. К тому же OpenAI не поддерживает Россию |
| Yandex AI Studio | В документации сказано, что дообучение устарело и больше не поддерживается, новое дообучение недоступно | Обученные ранее адаптеры YandexGPT Lite 5 сохраняются до удаления модели |
| Открытые модели на своём сервере | Доступно | Нужны видеокарты и специалист, подходят модели с разрешающей лицензией |
| Cloud.ru | По статье компании, есть сервис Evolution ML Finetuning для открытых моделей | Условия и цены уточняйте у провайдера |
Получается, что дообучение в 2026 году чаще всего означает работу с открытой моделью на собственном или арендованном железе. Какие модели подходят, какие нужны серверы и как считать окупаемость, подробно разобрано в статье про локальную нейросеть для компании.
Что выбрать: сравнение подходов по цене, срокам и точности
Для большинства компаний лучший выбор — RAG, а файлы в готовом сервисе подходят для быстрой проверки идеи. Сроки и вилки в таблице основаны на нашей практике, цены провайдеров приведены ниже в расчёте.
| Что сравниваем | Инструкции и файлы | RAG | Дообучение |
|---|---|---|---|
| Срок запуска | Часы или день | От нескольких дней до 3–4 недель | От нескольких недель |
| Разовые затраты | Почти нет | Подготовка базы и настройка | Сбор примеров, обучение, инфраструктура |
| Текущие расходы | Подписка или токены | Токены, поиск, хранение индекса | Сервер или аренда видеокарт |
| Обновление данных | Вручную заменить файл | Обновить документ в базе | Новое обучение |
| Точность по фактам | Хорошая на малых объёмах | Хорошая при чистой базе | Слабая для свежих фактов |
| Стиль и формат | Через инструкцию | Через инструкцию | Лучший результат |
| Ссылка на источник | Часто есть | Есть | Нет |
| Подходит для | Проверки идеи, небольших баз | Поддержки, продаж, внутреннего поиска | Узких однотипных задач |
| Кто нужен | Сотрудник | Сотрудник и настройщик | Специалист по машинному обучению |
Быстро определиться помогает вторая таблица.
| Ваша задача | Что выбрать | Почему |
|---|---|---|
| Новичкам нужны ответы по регламентам | Файлы или RAG | Важна ссылка на документ |
| Бот отвечает клиентам по ценам и условиям | RAG | Данные часто меняются |
| Ответы должны держать строгий шаблон | Инструкция, потом дообучение при необходимости | Сначала проверить дешёвый способ |
| Классификация тысяч однотипных обращений | Инструкция с примерами или дообучение | Дообучение окупается на объёмах |
| Документы нельзя выносить из компании | Своя модель с RAG на своём сервере | Вопрос безопасности важнее цены |
| Нужен тон бренда в текстах | Инструкция с примерами | Часто хватает нескольких образцов текста |
Рабочая последовательность всегда одна: сначала инструкция, потом поиск по базе, и только если этого не хватает, дообучение. OpenAI разбирает те же инструменты: промпты, поиск и дообучение. Перед выбором там советуют прикинуть, сколько стоит ошибка и сколько приносит правильный ответ.
Как подготовить документы для нейросети
Подготовка документов занимает больше всего времени и сильнее всего влияет на качество ответов. Если в базе лежат три версии прайса, модель честно найдёт одну из них, и не всегда нужную.
- Составьте список из 50–100 реальных вопросов, на которые база должна отвечать. Возьмите их из переписок, звонков и вопросов новичков.
- Соберите источники: регламенты, прайсы, договоры, инструкции, частые вопросы.
- Удалите дубли и устаревшие версии, для каждого факта оставьте один источник.
- Назначьте владельца каждого раздела: кто отвечает за актуальность.
- Переведите сканы в текст и проверьте таблицы. Плохо распознанная таблица даёт неверные цены.
- Разбейте длинные документы на короткие карточки: одна тема, понятный заголовок, дата обновления.
- Удалите или обезличьте персональные данные, реквизиты и коммерческую тайну, которой нет места в базе.
- Добавьте запреты: на какие темы бот не отвечает и когда передаёт разговор человеку.
- Загрузите базу и прогоните вопросы из первого пункта.
Формат карточки и работа с ценами подробно описаны в статье про базу знаний для чат-бота. Если база нужна в первую очередь для адаптации и тренировки персонала, посмотрите материал про ИИ для обучения сотрудников.
Распространённая ошибка — загрузить всю корпоративную папку целиком. Прототип после этого отвечает плохо, и команда решает, что технология не работает. На деле проблема в архиве: черновиках, старых прайсах и переписках.
Сколько стоит обучить нейросеть на своих данных
Запуск RAG в облаке для условной компании на 3 000 вопросов в месяц стоит примерно 8 700 ₽ в месяц на сервисы. Цены взяты из тарифов Yandex AI Studio на 5 ноября 2026 года, с НДС.
Условия примера: компания на 50 сотрудников, база из 500 документов, примерно 2 млн токенов текста, индекс до 1 ГБ. Сотрудники и клиенты задают 3 000 вопросов в месяц. На один ответ уходит 4 000 токенов на входе, вместе с найденными фрагментами, и 400 токенов на выходе. Объём условный, он зависит от длины фрагментов и инструкции.
| Статья расхода | Цена провайдера | Расчёт | В месяц |
|---|---|---|---|
| Ответы модели Alice AI LLM | 0,5 ₽ за 1 000 токенов на входе, 1,2 ₽ на выходе | 3 000 × (4 × 0,5 + 0,4 × 1,2) = 3 000 × 2,48 ₽ | 7 440 ₽ |
| Поиск по файлам | 300 ₽ за 1 000 запросов | 3 000 запросов | 900 ₽ |
| Хранение индекса | 10,6 ₽ за 1 ГБ в день | 1 ГБ × 30 дней | 318 ₽ |
| Итого на сервисы | 8 658 ₽ |
Для ориентира: получение эмбеддингов стоит 0,0101 ₽ за 1 000 токенов, и обработка 2 млн токенов текста по этой цене обойдётся примерно в 20 ₽. Отдельной цены индексации на странице тарифов мы не нашли, поэтому проверьте её перед запуском. Хранение файлов в AI Studio не тарифицируется.
Если заменить модель на младшую, счёт падает. Alice AI LLM Flash стоит 0,1 ₽ на входе и 0,2 ₽ на выходе, ответ обойдётся в 0,48 ₽, и 3 000 ответов выйдут в 1 440 ₽. Подходит ли младшая модель, покажут ваши тесты.
Основные затраты связаны с людьми, и здесь цифры условные.
| Статья | Условный объём | Условная цена | Сумма |
|---|---|---|---|
| Чистка и подготовка документов | 60 часов | 800 ₽ в час | 48 000 ₽ |
| Настройка, инструкция, интеграция | Зависит от систем | Зависит от подрядчика | Смотрите смету |
| Тесты и правки в первый месяц | 20 часов | 800 ₽ в час | 16 000 ₽ |
| Поддержка базы | 8 часов в месяц | 800 ₽ в час | 6 400 ₽ в месяц |
Теперь сравним подходы в целом. Эти вилки мы даём как ориентир по рынку, цену определяют объём данных, число интеграций и требования к безопасности.
| Подход | Из чего складывается цена | Ориентир |
|---|---|---|
| Файлы в готовом сервисе | Подписка и время на подготовку файлов | От нуля до нескольких тысяч рублей в месяц |
| RAG в облаке | Токены, поиск, индекс, подготовка базы, настройка | Тысячи рублей в месяц плюс разовая настройка |
| Своя модель с RAG | Сервер с видеокартой, администрирование, настройка | Самый дорогой вход, считается отдельно |
| Дообучение открытой модели | Сбор сотен примеров, аренда видеокарт, специалист, повторные запуски | Сильно зависит от задачи |
Что требует 152-ФЗ при загрузке данных в нейросеть
Закон № 152-ФЗ считает загрузку персональных данных в нейросеть их обработкой и передачей, поэтому нужны законное основание, договор с сервисом и понятная цель. Подробный разбор есть в статье про нейросети и персональные данные, здесь только то, что важно для базы знаний.
| Что лежит в базе | Что значит по закону | Что делать |
|---|---|---|
| Регламенты, прайсы, инструкции без имён | Персональных данных нет | Можно загружать, проверив коммерческую тайну |
| Переписки с клиентами | Обычно есть персональные данные | Обезличить перед загрузкой |
| Договоры с физлицами | Персональные данные есть | Убрать ФИО, паспорта, адреса или оставить шаблон договора |
| Анкеты сотрудников | Персональные данные есть | В общую базу не загружать |
| Медицинские данные | Специальная категория | Только после оценки юриста и на подходящей инфраструктуре |
Три нормы встречаются чаще других. Статья 6 требует основания и договора-поручения, если данные обрабатывает другая компания. Часть 5 статьи 18 запрещает записывать и хранить данные россиян в базах за рубежом при сборе. Статья 12 требует уведомить Роскомнадзор до трансграничной передачи.
Цена ошибки описана в статье 13.11 КоАП: за обработку без законного основания юрлицу грозит от 150 до 300 тысяч рублей, без нужного письменного согласия от 300 до 700 тысяч.
На практике мы советуем исходить из простого правила: база знаний должна содержать знания компании, а данные конкретных людей остаются в CRM. Если агенту нужна карточка клиента, он получает её точечно через интеграцию и только там, где есть основание, а вся история продаж в индекс не попадает.
Как проверить качество ответов нейросети на своих данных
Качество проверяют на контрольном наборе вопросов с заранее известными правильными ответами, и делают это до запуска и после каждого крупного обновления. Хватит таблицы на 50 вопросов: это наша рабочая цифра, официальной нормы нет.
- Соберите 50 вопросов: частые, редкие, с подвохом и 10 таких, на которые в базе нет ответа.
- Запишите правильный ответ и документ-источник для каждого.
- Прогоните вопросы и сохраните ответы.
- Оцените каждый по четырём критериям из таблицы ниже.
- Разберите провалы: виноват поиск, документ или инструкция.
- Исправьте и повторите. Сравнивайте результаты с прошлым прогоном.
| Что проверяем | Как считаем | На что смотреть |
|---|---|---|
| Нашёл ли нужный документ | Совпал ли найденный источник | Если нет, проблема в разбивке и поиске |
| Правилен ли ответ | Сравниваем с эталоном | Если документ найден, а ответ неверный, проблема в инструкции или модели |
| Отказался ли, когда данных нет | 10 вопросов без ответа | Выдумка здесь — самая опасная ошибка |
| Есть ли ссылка на источник | Открываем и сверяем | Ссылка должна подтверждать сказанное |
После запуска наблюдайте за реальными диалогами.
| Что вы видите | Что это значит | Что делать |
|---|---|---|
| Бот отвечает «не нашёл» на вопрос, который есть в базе | Плохая разбивка или другие слова в документе | Добавить синонимы и заголовки к карточке |
| Находит правильный документ, но ответ неточный | Фрагмент обрезан или инструкция слабая | Укрупнить фрагмент, потребовать цитату |
| Называет старую цену | В базе осталась прошлая версия | Удалить дубли, обновить карточку |
| Ответы разной длины и формата | Инструкция не задаёт шаблон | Описать формат, добавить примеры |
| Сотрудники перестали пользоваться ботом | Ответы медленные или ненадёжные | Посмотреть журнал вопросов, начать с самых частых |
Мифы об обучении нейросети на своих данных
Самый дорогой миф гласит, что качественный результат даёт только дообучение. Из-за него компании закладывают большие бюджеты туда, где хватило бы поиска по документам.
| Что советуют | Как на самом деле |
|---|---|
| «Загрузим всё, нейросеть сама разберётся» | Чем больше мусора в базе, тем хуже поиск. Сначала чистка |
| «Дообучим на документах, и она всё запомнит» | Дообучение меняет поведение и плохо подходит для точных фактов, цен и свежих данных, к тому же не даёт ссылку на источник |
| «Если загрузить данные в чат, модель на них обучится» | Загруженные файлы используются в разговоре. Попадут ли они в обучение, зависит от условий сервиса, их нужно читать и настраивать |
| «Дообучить можно в любом облаке» | OpenAI сворачивает платформу, в Yandex AI Studio новое дообучение недоступно |
| «RAG устраняет ошибки» | Он их снижает: в исследовании Стэнфорда сервисы с поиском ошибались в 17–33% запросов |
| «Купим сервер и решим вопрос с данными» | Сервер без ответственного администратора создаёт новые риски, а настройка и обновления требуют постоянной работы |
| «Один раз настроили и забыли» | Без владельца разделов база устаревает за несколько месяцев, и бот начинает уверенно называть старые цены |
С чего начать: план на первый месяц
Начать лучше с одной задачи и небольшой базы: за месяц вы получите работающий прототип и цифры для решения. Ниже план, по которому мы обычно ведём такие проекты.
- Неделя 1. Выберите задачу с понятной пользой, соберите вопросы и документы, назначьте ответственного.
- Неделя 2. Почистите документы, обезличьте данные, оформите карточки.
- Неделя 3. Проверьте идею на файлах или в Agent Atelier, прогоните контрольные вопросы.
- Неделя 4. Покажите результат 3–5 сотрудникам, соберите ошибки и решите, идти ли дальше.
- После первого месяца. Подключите систему к рабочему месту сотрудников и только потом к клиентам.
Частая ошибка на старте — сразу делать бота для клиентов. Внутренний помощник безопаснее: его ошибки видит сотрудник, а база успевает очиститься на реальных вопросах. Когда сотрудники начинают доверять ответам, можно выпускать его к клиентам с передачей сложных вопросов менеджеру.
Если документов много и непонятно, с чего начать, можем посмотреть вашу задачу, подобрать подход и прикинуть бюджет до старта работ.
Частые вопросы
Можно ли обучить нейросеть на своих данных бесплатно?
Попробовать можно: некоторые сервисы бесплатно отвечают по загруженным файлам, например NotebookLM. Для постоянной работы с клиентами появятся расходы на токены, поиск и подготовку базы. Персональные данные в бесплатные зарубежные сервисы загружать нельзя.
Как обучить ChatGPT на своих данных?
Обычно для этого загружают файлы в проект или настраивают свой GPT: модель читает документы, сама она при этом не меняется. Платформа дообучения OpenAI закрыта для новых пользователей с мая 2026 года. Российским компаниям учитывайте, что OpenAI не поддерживает Россию, поэтому надёжнее смотреть в сторону российских платформ.
Что лучше: RAG или дообучение?
Для фактов, цен и регламентов лучше RAG: данные легко обновлять, а ответ можно проверить по документу. Дообучение подходит для устойчивого стиля, формата или узкой однотипной задачи. Часто их сочетают, но начинать стоит с инструкции и поиска.
Сколько данных нужно для обучения нейросети?
Для RAG хватит нескольких десятков хороших документов, количество не так важно, как порядок в них. Для дообучения нужны примеры «запрос и правильный ответ», обычно сотни. Это наша оценка, требования зависят от задачи и модели.
Можно ли дообучить YandexGPT?
На ноябрь 2026 года в документации Yandex AI Studio сказано, что дообучение устарело и новое недоступно. Ранее обученные адаптеры YandexGPT Lite 5 сохраняются до удаления модели. Открытую модель YandexGPT 5 Lite можно дообучать на своём железе, соблюдая её лицензию.
Как сделать нейросеть для ответов по базе знаний компании?
Соберите реальные вопросы, почистите документы, разбейте их на карточки и подключите поиск по файлам в платформе вроде Yandex AI Studio. Затем задайте инструкцию с запретом на догадки и прогоните контрольные вопросы. Сначала запускайте помощника для сотрудников.
Безопасно ли загружать документы компании в нейросеть?
Зависит от сервиса и содержимого. Регламенты без личных данных можно загружать в российское облако по договору, а для персональных данных нужны основание, договор и хранение в России. Самый закрытый вариант — своя модель на своём сервере.
Сколько времени занимает внедрение нейросети на своих данных?
Проверка идеи на файлах занимает день. RAG с настройкой и подготовкой базы занимает от нескольких дней до месяца в зависимости от состояния документов. Это наша оценка, основное время уходит на чистку данных.
10+ лет делаю сайты и запускаю рекламу, вместе с командой запустили больше 500 проектов. Пишу о том, что проверили на практике.
Задать вопрос в Telegram →
