Мы в БизнесМатике составили анкету из 8 вопросов, которые следует задать вендору корпоративной ИИ-платформы, а также подготовили ответы на эти вопросы для двух таких платформ: ИИ-платформы Svaya от БизнесМатики и Landev AI от ЛАНИТ.
Ответы на эти вопросы готовили на основе публичных материалов, доступных для обеих ИИ-платформ, в том числе недавно разбирали, какие вопросы о ИИ-платформе закрываются открытыми материалами вендора до первой встречи, на примере страниц Landev AI, чуть позже посчитали Svaya по 6 критериям агентности из отчёта консалтинговой компании «Яков и Партнёры» 2026 года (получили 5 баллов из 6 - это уровень лидеров рынка).
Как заполняли анкету
Ответы не опираются на демо-доступы и внутренние документы, хотя у каждого из этих вендоров часть устройства ИИ-платформы может быть описана только в непубличной документации.
Вопрос 1. Что покупатель получает
Landev AI на главной странице описывается, как «Готовые ИИ-продукты для автоматизации рутинных задач и оптимизации временных затрат. Единая платформа для управления всеми ИИ-сервисами компании». Два готовых продукта расписаны подробно (интеллектуальная обработка документов и ИИ-ассистент службы поддержки), внедрение идёт вместе с вендором в четыре шага, от консультации до масштабирования («Помогаем бизнесу внедрить искусственный интеллект в ежедневные процессы»), и вендор пишет об окупаемости проекта за 8-14 месяцев.
Svaya описывается, как ИИ-платформа, на которой собирают технические решения под конкретные задачи. Экземпляр платформы ставится на серверах или в облаке заказчика, в том числе в закрытом контуре без доступа в интернет. В каталоге 30 технических решений (прикладных бизнес-задач): от ответа по кредитной заявке до наполнения карточек товаров. Внедрение на странице Svaya тоже описано в три шага (диагностика, пилот, масштабирование) и начинается с бесплатной диагностики, по итогам которой мы говорим, «какая задача окупится первой и как будет выглядеть пилот».
Вопрос 2. Что известно о поведении ИИ до первого запуска
Страница ИИ-агентов Landev AI описывает агента, который сам строит стратегию. Агенты «анализируют контекст, формируют пошаговую стратегию и автономно выполняют сложные задачи», а собирают их через диалог или визуальный конструктор, где «LanDev AI автоматически интерпретирует ваши намерения». Страница ИИ-ассистента говорит о том же ещё прямее и обещает, что «Ассистент сам строит план исследования». Страница ИИ-агентов написана в повелительном наклонении («Создавайте мощных агентов с помощью диалогового интерфейса или нашего визуального конструктора», «Запускайте агентов по событиям», «Делитесь агентами внутри организации»), обещает сборку «без написания кода», а кто в компании заказчика этим занимается, она не говорит.
Svaya отвечает на этот вопрос иначе, и ответ записан на странице «Маршрут задачи» словами «Svaya не строит план работы сама». Путь к цели делит на шаги человек (автор описания задачи) до установки. Этот порядок шагов в разделе называется маршрутом. Маршрут известен до запуска, проверяется при установке (описание, в котором шаг читает данные, которых в этой точке ещё нет, платформа не устанавливает), и «LLM не может во время прогона добавить в маршрут шаг, убрать шаг или поменять их порядок». Прогоном в разделе называется одно исполнение маршрута на конкретных данных. Самостоятельность у LLM есть внутри одного шага, агентского. Там она сама выбирает, какие инструменты вызвать и в каком порядке, и сама решает, сколько повторений (в разделе они называются проходами) ей нужно в пределах объявленного заранее предела. Та же страница предупреждает, что «Если заказчику нужен ИИ-агент, который сам придумывает последовательность действий под новую задачу, Svaya этого не делает». Технические решения каталога собираем мы, описание маршрута уходит заказчику вместе с техническим решением и остаётся у него. Оговорка к этому ответу в том, что агентский шаг объявлен в 2 технических решениях каталога из 30, а проверен он прогонами на нашем единственном стенде.
Вопрос 3. Где стоит человек и что удерживает ИИ в необходимых рамках
У Landev AI человек описан на главной странице у готовых продуктов. В службе поддержки «ИИ-суфлер подсказывает оператору ответ с цитатой из базы знаний за секунды» и «первые месяцы система работает рядом с оператором, доля автоматических ответов растет постепенно», в обработке документов «Оператор видит откуда взят каждый реквизит». На странице ИИ-агентов агенты описаны как работающие «без постоянного вмешательства человека», при этом «Соблюдают ваши правила», и дальше перечислены права доступа, compliance и регуляторика. Страница ИИ-ассистента пишет, что «вы остаётесь в контроле над финальным результатом». Рамки задают гардрейлы (ограничители поведения ИИ), которые главная описывает словами «Платформа фильтрует нежелательные запросы, блокирует попытки обойти инструкции агента и ограничивает тематику ответов заданным контекстом». Страница ИИ-ассистента добавляет, что ассистент «задаёт уточняющие вопросы». Где именно агент останавливается и ждёт решения человека перед записью в систему заказчика и кто задаёт долю автоматических ответов, на публичных страницах не описано.
У Svaya это отдельная страница, «Границы автономии», и на ней стоит правило «Молчание человека решением не становится». Прогон, дошедший до точки подтверждения (шага, на котором маршрут останавливается и ждёт решения человека), ждёт контролёра (так в разделе назван человек, который принимает решение на этой точке), и точка не проходится сама ни через час, ни через неделю. Пройти её без человека маршрут может только по автоматическому коридору (объявленному заранее условию для такого прохода). Для этого должны одновременно выполняться три объявленных условия, а в журнале прогона остаётся запись, что решение по задаче принято автоматически. У каждой точки подтверждения объявлено основание, на котором там стоит человек. Если это требование регулятора (например, решение по кредитной заявке физического лица по статье 16 закона о персональных данных), закрыть коридором все прогоны нельзя никакой настройкой. Если это политика заказчика, заказчик вправе расширять коридор по накопленным записям. Ответ LLM до записи в систему заказчика проходит фильтры вывода, правила без участия LLM, которые не пропускают, например, персональные данные третьих лиц.
Вопрос 4. Контур и персональные данные
Обе платформы могут ставиться в контур заказчика, и здесь ответы похожи. Landev AI на главной пишет «Закрытый контур, данные не покидают периметр» и «Развертывание SaaS, On-Prem или ПАК». В блоке «Персональные данные» на главной написано, что «Для чувствительных данных рекомендуем использовать локальные модели внутри контура. При работе с внешними моделями система информирует о рисках», а решение «остается за заказчиком». Страница ИИ-агентов обещает, что агенты учатся на опыте заказчика «без внешних моделей и передачи данных за границу». О замене персональных данных условными обозначениями перед вызовом внешней LLM на страницах не сказано.
Svaya допускает внешнюю LLM, и именно поэтому у неё есть отдельный механизм, который обзорная страница раздела описывает словами «персональные данные перед вызовом внешней LLM заменяются условными обозначениями», а маршрут данных (какие классы данных могут уходить за пределы установки) проверяется на каждом внешнем вызове. Тексты диалогов хранятся только с заменёнными персональными данными.
Вопрос 5. Какие LLM и как их менять
Landev AI на странице ИИ-поиска пишет, что семантический поиск работает на LLM, «развернутых в вашем контуре», а на главной разграничивает доступ «к моделям, сервисам и базам знаний по группам пользователей». Как сменить одну LLM на другую в готовом ИИ-продукте, на страницах не описано.
Svaya на странице платформы перечисляет, на чём может работать прикладное решение (GigaChat, YandexGPT, иностранные фронтирные LLM, открытая LLM на серверах клиента, например Qwen), и пишет, что «Сменить одну модель на другую можно без переделки прикладного решения». В описании задачи LLM выбирается по классу (лёгкий, стандартный, сильный), за каждым классом в настройках установки стоит конкретная LLM.
Вопрос 6. Что видно после работы
Landev AI на главной называет «Метрики по каждому сервису» и «Полный контроль расходов», а у ИИ-ассистента «Каждый ответ сопровождается ссылками на источники», то есть читатель ответа видит, из каких документов он собран. Запись отдельного прогона по шагам на публичных страницах не описана.
У Svaya журнал прогона - это подробная запись каждого шага с временем, входом и результатом, каждый проход агентского шага виден в нём отдельной строкой, а из журнала собираются выгрузки для аудитора. Отдельно эта ИИ-платформа выводит профиль автономии - документ, где записано, что маршрут делает сам и где обязателен человек. Записи запусков, по которым журнал можно проверить самому, стоят на витрине, например на карточке ответа по кредитной заявке.
Вопрос 7. Подключения к системам заказчика
Landev AI на странице ИИ-агентов пишет, что агенты «мгновенно интегрируются с вашими корпоративными сервисами», от 1С и SAP до внутренних баз знаний, и что коннекторы работают «из коробки», без месяцев на настройку. На странице ИИ-поиска в соседних абзацах стоят два числа с разным предметом счёта, «Ищите по 100+ корпоративным системам» про системы и «Благодаря 50+ коннекторам» про коннекторы. На пяти страницах, по которым заполнена анкета, список коннекторов не приведён.
У Svaya подключение идёт через API коннекторами по открытому протоколу MCP (Model Context Protocol), а «коннекторы к системам клиента (1С, CRM, хранилище документов) пишет команда внедрения».
Вопрос 8. Чем всё это доказано
У Landev AI запись в реестре отечественного ПО №27633 от 21 апреля 2025 года, шесть карточек примеров внедрений с числами без названий клиентов и три названных проекта в блоге. Про компанию LDM с её системой документооборота и компанию CleverData с её платформой клиентских данных вендор пишет, что каждая «входит в ИТ-холдинг LANSOFT», про «ЛАНИТ-проекты», что компания «входит в группу ЛАНИТ». Отзыв заказчика, который не входит в названные вендором холдинг и группу, надо просить на встрече, а у нас его пока попросить не у кого. Цифры карточек мы не проверяем.
У Svaya записи в реестре отечественного ПО еще нет, оценка 5 баллов из 6 по критериям агентности из методики «Яков и Партнёры» наша собственная.
Рынок ИИ-платформ и LLM-внедрений еще совсем молодой, поэтому это нормально.
Что из этого следует
По длине и составу ответы за Landev AI и за Svaya похожи. В контуре и персональных данных (вопрос 4) ответы близки, в подключениях к системам заказчика (вопрос 7) длиннее ответ Landev AI, в том, где стоит человек (вопрос 3), длиннее ответ Svaya.
Различает две платформы момент, когда фиксируется порядок действий ИИ. На страницах ИИ-агентов и ИИ-ассистента Landev AI стратегию и план строит сам агент или ассистент. У Svaya порядок шагов записан до установки и проверен при установке. Наша позиция состоит в том, что для процессов, где ошибка стоит денег или объяснений регулятору, порядок шагов, зафиксированный до запуска, важнее стратегии, которую агент строит на ходу, потому что аудитору можно показать маршрут и профиль автономии до первого запуска, а после инцидента ответить, какое условие на каком шаге сработало. Там, где регуляторных точек подтверждения нет, а постановка задачи меняется каждую неделю, агент со своей стратегией и конструктор без кода дадут результат быстрее, чем маршрут, записанный до запуска, а страница ИИ-агентов Landev AI обещает как раз скорость сборки, когда пишет, что LanDev AI «помогает быстро создавать, изменять и масштабировать агентов».
Две анкеты в одной таблице
| Вопрос | Landev AI | Svaya |
|---|---|---|
| 1. Что покупатель получает | Готовые ИИ-продукты и единая платформа управления ИИ-сервисами; внедрение вместе с вендором в четыре шага, окупаемость проекта за 8-14 месяцев | Платформа, на которой собирают технические решения под задачи; экземпляр у заказчика, в том числе в закрытом контуре; каталог из 30 решений; внедрение в три шага с бесплатной диагностики |
| 2. Что известно о поведении ИИ до первого запуска | Агент сам «формирует пошаговую стратегию», ассистент сам строит план; сборка в конструкторе без кода | Порядок шагов записан человеком до установки и проверен при установке; LLM не меняет его во время прогона; самостоятельность внутри агентского шага, он объявлен в 2 решениях из 30 |
| 3. Где стоит человек и что удерживает ИИ в рамках | Оператор получает подсказку ИИ-суфлёра, доля автоматических ответов растёт постепенно; гардрейлы ограничивают тематику и блокируют обход инструкций; где агент останавливается перед записью в систему, на страницах не описано | Точка подтверждения ждёт контролёра, молчание человека решением не становится; проход без человека только по коридору из трёх условий с записью в журнал; основание точки - требование регулятора или политика заказчика; фильтры вывода без участия LLM |
| 4. Контур и персональные данные | Закрытый контур, развёртывание SaaS, On-Prem или ПАК; для чувствительных данных рекомендованы локальные модели, при внешних система информирует о рисках; про замену персональных данных не сказано | Установка в контуре заказчика; персональные данные перед вызовом внешней LLM заменяются условными обозначениями; маршрут данных проверяется на каждом внешнем вызове |
| 5. Какие LLM и как их менять | Поиск работает на LLM, «развернутых в вашем контуре», доступ к моделям разграничен по группам; как сменить LLM в готовом продукте, на страницах не описано | GigaChat, YandexGPT, иностранные фронтирные LLM, открытая LLM на серверах клиента; смена без переделки прикладного решения; выбор по классу в настройках установки |
| 6. Что видно после работы | Метрики по каждому сервису, контроль расходов, ссылки на источники в ответе ассистента; запись прогона по шагам на страницах не описана | Журнал прогона с временем, входом и результатом каждого шага, выгрузки для аудитора, профиль автономии; записи запусков на витрине |
| 7. Подключения к системам заказчика | Агенты «мгновенно интегрируются», коннекторы «из коробки»; на страницах 100+ систем и 50+ коннекторов, список коннекторов не приведён | Подключение по открытому протоколу MCP; коннекторы к системам клиента пишет команда внедрения |
| 8. Чем всё это доказано | Реестр отечественного ПО №27633 от 21 апреля 2025 года, шесть карточек внедрений без названий клиентов, три названных проекта в блоге | Записи в реестре ещё нет, установок у заказчиков нет; самооценка 5 баллов из 6 по критериям «Якова и Партнёров», записи запусков на витрине |
Что с этим делать до встречи с любым вендором
- Что в поведении ИИ записано до запуска и проверяется при установке, а что решается на ходу? Ответ в духе того, что платформа сама всё сделает, не принимайте ни от кого, включая нас.
- Где агент останавливается и ждёт решения человека перед действием в вашей системе, и на каком основании там стоит человек, по закону или по вашей политике?
- Что остаётся после прогона? Метрики по сервису, ссылки на источники ответа, запись каждого шага? Что из этого можно отдать аудитору?
К этим вопросам стоит добавить одну просьбу к любому вендору. Пусть покажет запись запуска, где видна точка, на которой решил человек. У нас такие записи стоят на карточке наполнения карточек товаров, в одном запуске точку подтверждения платформа прошла сама по объявленному условию и отметила это в журнале, в другом отметку на точке подтверждения поставил человек.
Раздел «Как устроена Svaya» написан так, чтобы на вопросы про устройство платформы за нас мог ответить кто угодно, а записи запусков стоят на витрине. Если читатель найдёт расхождение между разделом и тем, что мы покажем на стенде, правка пойдёт на страницу раздела с датой, так же, как обзорная страница обещает сказать с датой об изменении нашей позиции по планированию.
