ИИ там, где он экономит часы, а не там, где модно

Только если вы на это согласитесь. Для чувствительных данных мы разворачиваем открытые модели на вашем сервере — наружу не уходит ничего. Для менее критичных задач используем облачные API, и тогда мы явно фиксируем, какие именно данные передаются и в каком объёме. Это обсуждается до начала работ, а не после.

Да, это фундаментальное свойство языковых моделей, и бороться с ним нужно архитектурой. Мы строим решения так, чтобы ответ опирался на конкретные документы и содержал ссылку на источник, а в задачах с высокой ценой ошибки оставляем проверку человеком. Решений вида «модель сама принимает решение и никто не смотрит» мы не делаем.

Зависит от объёма обращений и того, где работает модель. Облачные API считаются по количеству обработанного текста — для сотен обращений в месяц это небольшие деньги. Локальная модель требует сервера с видеокартой, то есть разовых вложений вместо ежемесячных. Мы считаем оба варианта на вашем объёме.

Обучать модель с нуля почти никогда не нужно. Достаточно ваших существующих документов, к которым модель обращается при ответе. От вас потребуется набор реальных примеров с правильными ответами — но это десятки штук для проверки качества, а не тысячи для обучения.

С разговора о том, где у вас люди много читают и перепечатывают текст. Именно там языковые модели дают эффект. Если такого места не найдётся — значит, ИИ вам сейчас не нужен, и это тоже полезный вывод.