Своя нейросеть Ali-E: почему мы строим собственную LLM

Сегодня AI-функции Ali-E работают на сильных внешних моделях — это позволило быстро дать пользователям реальную ценность. Но стратегически мы строим собственную нейросеть. Объясняем почему.

Три причины уйти от чужого AI

Стоимость: каждый запрос к внешней модели стоит денег, и при росте числа пользователей это превращается в существенную статью расходов, которая давит на цену для клиента.

Приватность: бизнес-данные — это чувствительная информация. Своя модель означает больший контроль над тем, где и как обрабатываются данные.

Контроль и специализация: общая модель «знает обо всём понемногу». Модель, обученная под язык продаж, склада и финансов, может быть точнее и предсказуемее именно в наших сценариях.

Как мы это делаем

Мы собрали выверенный набор обучающих примеров под продукт — десятки категорий на восьми языках, включая бизнес-сценарии и корректные отказы. На его основе расширили датасет до тысяч примеров и обучили модель с открытым весом (через LoRA-дообучение) на доступном оборудовании.

Параллельно мы уже внедрили слой знаний (RAG): модель подмешивает в ответ релевантные данные именно вашей компании, поэтому отвечает по фактам, а не «в среднем по интернету».

План перехода

Мы делаем это поэтапно и без риска для пользователя: сначала RAG и качество данных, затем собственная модель как сервис, затем постепенная замена внешних вызовов. Если что-то идёт не так — система откатывается на проверенные механизмы. Никакой деградации опыта.

Что это даёт вам

В перспективе — более низкая и предсказуемая стоимость AI, лучшая приватность и ассистент, который всё лучше понимает именно бизнес-задачи. Мы строим не «обёртку над чужим API», а собственную технологию.

Следите за блогом: мы открыто рассказываем о ходе работ. Это редкий случай, когда можно наблюдать, как продукт растит собственный интеллект.