# Wikilect > Wikilect (ООО «ВИКИЛЕКТ», Москва) — российская платформа корпоративного ИИ: чат-боты для сайта и мессенджеров, внутренний ассистент по базе знаний, ИИ-помощник отдела продаж и конструктор ИИ-процессов. Работает в облаке и в закрытом контуре компании (on-premise), интегрируется с CRM, Telegram и корпоративными системами. ## Главная https://wikilect.ru ИИ чат-бот и AI-бот для сайта: поддержка 24/7, продажи, ответы по базе знаний и передача сложных обращений менеджеру. Запуск за 1 месяц, On-Premise и интеграции с CRM. **Что такое ИИ чат-бот для сайта?** ИИ чат-бот для сайта — это AI-ассистент на сайте компании: отвечает посетителям по базе знаний, квалифицирует обращения, помогает в поддержке и продажах и передаёт сложные кейсы человеку. **Чем AI-бот для сайта отличается от обычного чат-бота?** Обычный сценарный бот отвечает по жёстким веткам. AI-бот для сайта понимает формулировки, работает с документами и CRM, поддерживает естественный диалог и подстраивается под сценарии бизнеса. **Где использовать чат-бот с искусственным интеллектом?** Чаще всего AI-чат-бот используют на сайте, в мессенджерах, в службе поддержки, в отделе продаж и во внутренних сервисах компании, где нужно быстро отвечать на типовые и контекстные вопросы. **Можно ли поставить AI-бот для бизнеса в закрытом контуре?** Да. Wikilect можно развернуть On-Premise или в защищённом контуре компании, чтобы данные и диалоги оставались внутри вашей инфраструктуры. --- ## AI для продаж https://wikilect.ru/sales/ Чат-боты для бизнеса от Wikilect помогают автоматизировать продажи в чатах, квалифицировать лидов, отвечать клиентам 24/7 и передавать горячие обращения менеджерам. **Когда бизнесу нужен AI чат-бот для продаж?** AI чат-бот для продаж полезен, когда у компании много однотипных входящих обращений, нужен быстрый первый ответ клиенту и важно не терять лиды в нерабочее время. **Как чат-бот для бизнеса помогает менеджерам?** Бот собирает первичный контекст, отвечает на частые вопросы, квалифицирует лидов и передает менеджеру короткое резюме диалога, чтобы команда подключалась уже на более ценных этапах сделки. --- ## AI-поддержка https://wikilect.ru/support/ ИИ чат-бот поддержки на сайт: ответы 24/7 по базе знаний, меньше нагрузки на операторов, омниканальные диалоги и передача сложных обращений сотруднику с контекстом. Демо за 1 день. **Что такое ИИ чат-бот поддержки на сайт?** Это AI-ассистент на сайте компании, который закрывает первую линию поддержки: отвечает на типовые вопросы по базе знаний, снижает очередь и передаёт сложные обращения оператору вместе с контекстом диалога. **Чем ИИ чат-бот поддержки лучше обычного FAQ-виджета?** FAQ показывает статичные статьи. ИИ чат-бот поддержки понимает формулировки клиента, ведёт диалог, уточняет детали и при необходимости эскалирует обращение человеку без потери контекста. **Сколько обращений может закрыть AI-чат-бот на первой линии?** В типовых сценариях поддержки AI закрывает до 60–80% повторяющихся обращений: статусы, тарифы, доставка, инструкции и FAQ. Точный процент зависит от качества базы знаний и сценария. **Можно ли подключить ИИ чат-бот поддержки к helpdesk и CRM?** Да. Wikilect интегрируется с CRM, helpdesk и внутренними системами, чтобы бот отвечал по актуальным данным и передавал оператору готовое резюме обращения. --- ## On-Premise https://wikilect.ru/on-premise/ On-Premise AI и AI в закрытом контуре: разверните чат-ботов и ассистентов Wikilect в своей инфраструктуре. Контроль данных, ФЗ-152, интеграции с CRM/ERP без вывода информации наружу. **Что такое On-Premise AI для бизнеса?** On-Premise AI — это развёртывание AI-чат-ботов и ассистентов на серверах компании или в изолированном контуре, когда данные, модели и логи не уходят во внешнее облако без вашего контроля. **Кому нужен AI в закрытом контуре?** Решение нужно банкам, медицине, госсектору и крупному бизнесу с жёсткими требованиями ИБ, локализацией данных, журналированием и интеграциями с внутренними системами без выхода наружу. **Можно ли интегрировать On-Premise AI с CRM и ERP?** Да. Wikilect подключается к CRM, ERP, helpdesk, 1С и внутренним сервисам внутри контура компании, сохраняя контроль доступа и аудит действий. --- ## Технологии https://wikilect.ru/technologies/ Изучите архитектуру платформы Wikilect: микросервисы, Kubernetes, контейнеризацию, low-code orchestration и интеграцию с открытыми и проприетарными LLM. **На каких языковых моделях работает платформа Wikilect?** Платформа строится на открытых моделях Llama, Qwen и T-lite и дополнительно поддерживает подключение проприетарных моделей — GigaChat, YandexGPT и других. Модель выбирается под задачу и под требования к размещению данных. **Как устроена архитектура платформы?** Архитектура микросервисная: каждый сервис разрабатывается, тестируется, разворачивается и масштабируется отдельно. Сервисы упакованы в контейнеры Docker и управляются через Kubernetes. Фронтенд написан на React, бэкенд — на Python. **Можно ли развернуть платформу в собственной инфраструктуре?** Да. Стек рассчитан и на облако, и на установку в закрытом контуре компании (On-Premise) — с контролем безопасности и интеграций на своей стороне. **Чем WikiFlow отличается от привычных конструкторов автоматизации вроде n8n?** Универсальные конструкторы маршрутизируют события между сервисами. WikiFlow спроектирован вокруг диалога: переходы между шагами, контекст пользователя, инструменты и поведение ассистента собираются в одной схеме, а один сценарий работает сразу в Telegram, MAX, вебхуке и веб-виджете без дублирования логики. --- ## WikiConnect https://wikilect.ru/platform/wikilect/ AI чат-бот для сайта и мессенджеров: ответы 24/7 по базе знаний, квалификация обращений, перевод на оператора и единое окно для команды. Запуск WikiConnect без конструкторской самодеятельности. **Можно ли использовать WikiConnect как чат-бот для сайта?** Да. WikiConnect подключается как чат-бот для сайта, принимает обращения в веб-чате, отвечает с помощью AI и при необходимости переключает диалог на менеджера. **Подходит ли решение как онлайн чат-бот AI на русском языке?** Да. Платформа рассчитана на русский язык, поддерживает онлайн-общение на сайте и в мессенджерах, а также работает с корпоративной базой знаний и интеграциями бизнеса. **Как проходит создание чат-бота для сайта на платформе Wikilect?** Сначала определяется сценарий: продажи, поддержка или база знаний. Затем подключаются источники данных, настраиваются каналы сайта и мессенджеров, после чего AI-чат-бот проходит тестирование на реальных диалогах компании. --- ## AI-ассистент для сотрудников https://wikilect.ru/platform/workspace/ WikiAgent - AI-ассистент для сотрудников: поиск по внутренним документам, ответы по корпоративной базе знаний, онбординг команды и доступ к данным компании в защищенном контуре. **Что умеет AI-ассистент для сотрудников?** AI-ассистент для сотрудников помогает искать ответы по внутренним документам, регламентам и базам знаний компании, ускоряет онбординг, снижает нагрузку на экспертов и помогает команде быстрее работать с корпоративными данными. **Чем внутренний ИИ-ассистент отличается от обычного чат-бота?** Обычный чат-бот чаще работает по жестким сценариям. Внутренний ИИ-ассистент использует корпоративную базу знаний, понимает естественные вопросы сотрудников, обращается к документам и системам компании и выдает ответ со ссылкой на источник. **Подходит ли AI-ассистент для сотрудников для закрытого контура?** Да. Решение можно развернуть в закрытом контуре компании, настроить разграничение прав доступа и подключить внутренние системы без вывода данных за пределы корпоративной инфраструктуры. --- ## WikiFlow https://wikilect.ru/platform/wikiflow/ WikiFlow помогает запускать AI- и automation-flow с единым API для Max, Telegram, Webhook, JS-widget и других каналов. **Что такое WikiFlow?** Среда для сборки AI-сценариев и автоматизации без разработки отдельного сервиса под каждый канал. Сценарий создаётся в браузере, без программирования, и один и тот же сценарий работает в Telegram, MAX, через вебхук и в веб-виджете. **Чем WikiFlow лучше универсальных конструкторов вроде n8n?** Универсальные конструкторы маршрутизируют события между сервисами. WikiFlow спроектирован вокруг диалога: переходы между шагами, контекст пользователя, инструменты и поведение ассистента живут в одной схеме. Ветви сценария могут выполняться параллельно и сходиться в единый результат без обходных решений в архитектуре. **Нужен ли разработчик для запуска нового сценария?** Нет. Новые сценарии и автоматизации запускаются без отдельной бэкенд-разработки под каждое изменение — команда собирает их сама в браузере. **Можно ли работать с моделями в закрытом контуре?** Да. WikiFlow работает и с облачными LLM API, и с моделями внутри закрытого контура, а сама платформа разворачивается как в облаке, так и On-Premise. **Нужно ли отдельно настраивать подключение к языковым моделям?** Нет, подключение основных поставщиков LLM предусмотрено на уровне платформы, поэтому обвязку не приходится собирать вручную под каждый проект. --- ## Голосовая аналитика https://wikilect.ru/platform/voice-analytics/ Анализируйте звонки по скриптам и критериям качества, получайте отчеты для РОПов и улучшайте стандарты работы команды. **Чем голосовая аналитика отличается от обычной расшифровки звонков?** Расшифровка складывает текст разговоров в архив. Голосовая аналитика проверяет разговоры по правилам бизнеса: прозвучали ли обязательные этапы скрипта, квалифицирующие вопросы, отработка возражений и финальное действие менеджера. **Откуда сервис берёт звонки?** Он интегрируется с телефонией и выгружает массив звонков в единый контур анализа — вручную ничего загружать не нужно. **По каким критериям оцениваются разговоры?** По вашим собственным: от тона разговора и полноты консультации до соответствия внутренним стандартам и требованиям контроля качества. Отдельно сервис подсвечивает сигналы риска — звонки, где менеджер упустил лид или не довёл клиента до следующего шага. **Что получает руководитель отдела продаж?** Готовые отчёты без ручного прослушивания: какие навыки проседают у конкретных менеджеров, как сравниваются группы продаж, продукты и скрипты, и насколько быстро команда переходит на новую модель разговора после изменения скрипта. --- ## ИИ-суфлер продавца https://wikilect.ru/platform/sales-copilot/ ИИ-суфлёр для отдела продаж подсказывает менеджеру во время разговора: скрипт, next best action, возражения, summary и контроль качества. Для звонков, встреч и переговоров. **Что такое ИИ-суфлёр для отдела продаж?** ИИ-суфлёр — это помощник менеджера во время звонка или встречи: он подсказывает следующий шаг, напоминает о скрипте, помогает отработать возражение и фиксирует итоги разговора. **Чем ИИ-суфлёр отличается от голосовой аналитики после звонка?** Голосовая аналитика оценивает разговор постфактум. ИИ-суфлёр помогает в моменте: подсказки идут во время диалога, а резюме и контроль качества дополняют работу руководителя после встречи. **Нужно ли скачивать отдельную программу ИИ-суфлёра?** Нет отдельного «скачать и установить» продукта для менеджера как потребительского приложения. Решение подключается в рабочий контур продаж компании: звонки, встречи, скрипты и база знаний. **Помогает ли ИИ-суфлёр на переговорах и сложных B2B-встречах?** Да. Особенно полезен там, где менеджер ведёт консультации, демо и переговоры: суфлёр держит структуру разговора, обязательные вопросы и next best action. --- ## Партнерская программа https://wikilect.ru/partners/ Партнерская программа Wikilect для интеграторов, агентств и консультантов: продавайте WikiAgent как AI-ассистента для сотрудников и зарабатывайте на лидах, внедрениях и совместных enterprise-проектах. **Кто может стать партнером Wikilect?** Партнерами Wikilect могут стать CRM-, ERP- и Helpdesk-интеграторы, digital-агентства, консультанты по операционной эффективности, корпоративному обучению и клиентскому сервису, а также команды, которые помогают бизнесу внедрять AI-автоматизацию. **Как партнер зарабатывает на WikiAgent?** Партнер может получать вознаграждение за квалифицированный лид, зарабатывать на услугах внедрения, подготовке базы знаний, интеграциях, обучении сотрудников и сопровождении, а для зрелых партнеров возможна reseller-модель. Финальные условия фиксируются в партнерском соглашении. **Помогает ли Wikilect партнеру продавать?** Да. Команда Wikilect помогает с discovery, демо, расчетом эффекта, техническими вопросами и пресейлом для стратегических клиентов. --- ## Конкуренты Wikilect https://wikilect.ru/competitors/ Честное сравнение Wikilect с типичными альтернативами: конструкторы чат-ботов, helpdesk AI, корпоративный поиск и публичные LLM. Когда выбирать платформу Wikilect. **Кто конкуренты Wikilect?** Чаще всего Wikilect сравнивают с конструкторами чат-ботов, AI-модулями helpdesk, корпоративным поиском и публичными LLM вроде ChatGPT. Это разные классы решений с разным фокусом на безопасность и интеграции. **Чем Wikilect отличается от обычного чат-бота?** Wikilect закрывает не только виджет на сайте, но и внутренний AI-ассистент, базу знаний, on-premise и процессы вокруг продаж и поддержки — с контролем данных и передачей сложных кейсов человеку. **Когда выбирать Wikilect, а не публичную нейросеть?** Когда нужны ответы по корпоративным документам, права доступа, аудит, интеграции с CRM/helpdesk и развертывание в закрытом контуре — а не только общий чат без контроля данных. --- ## Вики стек https://wikilect.ru/wiki-stack/ Вики стек простыми словами: зачем нужна структурированная база знаний для AI, как она устроена и чем отличается от обычной вики. Обзор подхода Wikilect и связь с LLM Wiki. **Что такое вики стек простыми словами?** Это способ организовать знания компании так, чтобы и люди, и AI могли быстро находить точные ответы: источники, структурированные страницы и правила работы ассистента. **Для чего нужен вики стек?** Чтобы AI не отвечал «из головы», а опирался на актуальные регламенты и документы компании — с понятной структурой, ссылками на источники и контролем качества знаний. **Чем вики стек отличается от обычной вики?** Обычная вики хранит статьи для людей. Вики стек дополнительно готовит знания под AI: слои источников, правила ассистента, режимы загрузки и проверки, чтобы ответы были стабильнее. --- ## Замена зарубежных сервисов https://wikilect.ru/alternativy/ Что проверить перед заменой зарубежного ИИ-сервиса: куда уходят данные, реестр отечественного ПО, интеграции и перенос базы знаний. Разбор по сценариям и честно о том, что теряется. **Чем заменить зарубежный ИИ-сервис поддержки клиентов?** Сначала определите, что именно вы заменяете: чат-бота на сайте и в мессенджерах, ассистента для сотрудников по внутренним документам, сценарии автоматизации или саму языковую модель. Это четыре разные задачи, и переезжают они по-разному. У Wikilect им соответствуют WikiConnect, WikiAgent, WikiFlow и вариант с моделью на вашем оборудовании. **С чего начать замену, чтобы не потерять время?** С ограничений, а не с функций. Выясните, можно ли выпускать данные за периметр компании и нужен ли продукт из реестра отечественного ПО. Эти два вопроса отсекают варианты раньше, чем сравнение возможностей, и экономят месяцы. **Останутся ли данные в России?** Зависит от размещения, и оно выбирается отдельно от платформы. В российском облаке с моделями GigaChat или YandexGPT данные не уходят за границу, но обращения обрабатывает сторонний провайдер внутри страны. Если модель работает на вашем оборудовании, за периметр не уходит ничего. **Есть ли российская платформа в реестре отечественного ПО?** Да, у Wikilect есть зарегистрированное ПО и свидетельство о регистрации программы для ЭВМ. Если требование реестра для вас обязательно, это стоит проверять в первую очередь: оно отсекает большинство вариантов. **Сколько занимает перенос базы знаний?** Обычно больше, чем настройка самого ассистента. Статьи, регламенты и сценарии редко переносятся автоматически: их приходится вычищать от устаревшего и перекладывать заново. Эту работу стоит закладывать в план отдельной строкой. **Что теряется при переходе на российское решение?** Готовые стыки с зарубежными инструментами придётся собирать заново, команде нужно время на привыкание к интерфейсам, а на самых сложных цепочках рассуждений флагманские зарубежные модели пока сильнее. Для ответов по базе знаний эта разница обычно незаметна, для исследовательских задач — заметна. --- ## W-токены https://wikilect.ru/w-tokens/ Покупка доступа к Claude, GPT, Gemini и DeepSeek по счёту от российского юрлица. 1 W-токен = 1 ₽, цены в рублях, договор, УПД, оплата без VPN и зарубежных карт, токены не сгорают. **Что такое W-токен?** Это расчётная единица Wikilect: один W-токен равен одному рублю. Вы покупаете W-токены по счёту и расходуете их на работу любой доступной модели — Claude, GPT, Gemini, DeepSeek и других. С токенами самой модели их путать не нужно: токен модели это кусочек текста, а W-токен это рубль на вашем балансе. **Зачем покупать доступ к моделям через Wikilect, а не напрямую?** Зарубежный провайдер не выставит российской компании счёт, не даст договор по российскому праву и не пришлёт УПД. Расход по оплате личной картой сотрудника бухгалтерия принять не может, а сам доступ при этом привязан к человеку, а не к компании. Мы продаём именно возможность заплатить с расчётного счёта в рублях и получить закрывающие документы. **Сгорают ли купленные токены?** Нет. Приобретённый пакет W-токенов действует, пока не израсходован, ежемесячного списания остатка нет. Отдельная история — объём токенов, включённый в тариф подписки на WikiAgent: он даётся на месяц и на следующий не переносится. **Можно ли вернуть неизрасходованные токены?** Да. Покупка токенов — это аванс по договору оказания услуг, и остаток возвращается по письменному заявлению на расчётный счёт в течение десяти рабочих дней за вычетом фактически оказанных услуг. **Какая минимальная сумма покупки?** Минимума нет, покупать можно от любой суммы, кратной рублю. Но при расходе в пару тысяч рублей в месяц оформление договора обычно не окупается: для пробы хватает бесплатных четырнадцати дней в кабинете. **Нужен ли VPN для работы с моделями?** Нет. Запросы идут через инфраструктуру Wikilect, зарубежная карта и VPN сотрудникам не нужны. --- ## Цены на токены https://wikilect.ru/w-tokens/price/ Прайс-лист на модели в рублях, обновляется каждый день. 1 W-токен = 1 ₽, цены конечные: без абонентской платы, минимального объёма и пересчётов по курсу. **Цены в прайсе — конечные?** Да. В таблице указано ровно то количество W-токенов, которое спишется с баланса, а один W-токен равен одному рублю. Ни абонентской платы, ни минимального ежемесячного объёма, ни доплат и пересчётов по курсу поверх прайса нет. **Как часто меняются цены?** Прайс-лист обновляется каждый день, дата действующей редакции указана прямо на странице. Цена фиксируется в момент обработки запроса: задним числом ничего не пересчитывается. Прайс-лист за любую прошедшую дату сохраняется в открытом архиве, поэтому расход всегда можно сверить со счётом. **Что будет с моими токенами, если цены вырастут?** Ничего. Изменение прайса не влияет на уже купленные W-токены и на цену их покупки — один W-токен всегда стоит один рубль. Меняется только то, сколько токенов списывается за работу модели после изменения цен. Если очередное обновление поднимает стоимость больше чем на 10%, новые значения вступают в силу через пять рабочих дней после публикации. **Почему вывод дороже ввода?** Так устроены сами модели: сгенерировать текст дороже, чем прочитать. Обычно вывод в четыре-шесть раз дороже ввода, поэтому на расход сильнее всего влияет длина ответов, а не длина документов. **Что такое повторное чтение из кэша?** Это скидка за текст, который модель уже видела в этом разговоре: инструкции, база знаний, история переписки. Такие токены стоят в разы дешевле обычного ввода, и в длинных диалогах именно они дают основную экономию. **Даёт ли подписка скидку на токены?** Да. Подписка на WikiAgent даёт скидку к прайсу, она действует на все модели сразу и применяется автоматически, пока подписка активна. Размеры скидок по тарифам указаны на странице цен. Если расход на токены небольшой, подписка не окупится — мы так и скажем. --- ## Оферта на W-токены https://wikilect.ru/w-tokens/offer/ Публичная оферта ООО «ВИКИЛЕКТ» на приобретение W-токенов: предмет, цена, порядок списания, возврат неиспользованного аванса, отчётные документы. --- ## Стоимость https://wikilect.ru/price/ Тарифы WikiAgent: подписка от 5 900 ₽ в месяц, 14 дней бесплатно, комплекс за 1 500 000 ₽. Варианты размещения: облако, российское облако без передачи данных за границу, закрытый контур. **Сколько стоит внедрить корпоративного ИИ-ассистента?** В облаке подписка начинается с 5 900 ₽ в месяц за тариф Start на трёх пользователей, Team на десятерых — 19 900 ₽, Business на пятьдесят — 49 900 ₽, первые 14 дней бесплатно. Если данные нельзя выпускать наружу: готовый комплекс WikiAgent: BOX — 1 500 000 ₽ единоразово с бессрочной лицензией или 200 000 ₽ в месяц в аренду. Серверная платформа WikiAgent: ENTERPRISE на GPU — ориентир от 5–7 млн ₽ для типового проекта. **Почему разброс цен такой большой?** Потому что это три разные экономики, а не скидки к одному прайсу. На сумму влияют четыре вещи: сколько человек работает одновременно, можно ли выпускать данные за периметр компании, в каком состоянии база знаний и сколько систем нужно подключить. **Нужно ли платить за токены?** В облаке да: счёт растёт вместе с нагрузкой, и активная эксплуатация делает его плохо предсказуемым. В вариантах BOX и ENTERPRISE модель работает на вашем оборудовании, и платежей за обращения к ней нет вообще — потолок расходов известен заранее. **Что входит в стоимость кроме лицензии?** Подготовка базы знаний, интеграции с CRM, helpdesk и порталами, настройка прав доступа и SSO, обучение команды. Самая недооценённая статья — приведение документов в порядок: если они разрознены и устарели, это занимает больше времени, чем настройка самого ассистента. **Можно ли сначала попробовать бесплатно?** Да. Первые 14 дней в облаке бесплатны: один пользователь, одна база знаний, включённый объём работы ассистента. Для проверки на своих документах есть пилот за 49 900 ₽ — в него входит настройка базы знаний и обучение команды. А аренда комплекса за 200 000 ₽ в месяц позволяет попробовать закрытый контур без единоразового платежа. **Уходят ли данные за границу?** Зависит от размещения, и платформа с моделью размещаются независимо. Если выбрана зарубежная модель в нашем облаке — да. Если YandexGPT или GigaChat — нет, но обращения к модели обрабатывает сторонний провайдер внутри страны. Платформу WikiAgent, WikiConnect и WikiFlow можно поставить в ваш контур и подключить к российской модели по API. И только в варианте с моделью на вашем оборудовании — комплекс BOX или серверная платформа ENTERPRISE — за периметр не уходит ничего. **Можно ли поставить платформу у себя, а модель оставить в облаке?** Да, это отдельный вариант размещения. Платформа работает в вашем контуре, а обращения к модели идут по API в облако — например к YandexGPT или GigaChat. Так вы контролируете контур и интеграции, не покупая GPU-серверы. Стоимость такого варианта считается под проект. **Что такое W-токены в тарифах?** Это включённый в тариф объём работы ассистента: на Start — 1 000, на Team — 5 000, на Business — 20 000. Расход виден в личном кабинете, поэтому проще всего оценить нужный тариф за бесплатные 14 дней, а не считать заранее. **Можно ли развернуть на уже имеющихся серверах?** Да. Если у вас есть подходящие GPU и защищённый контур, мы разворачиваем платформу, движок инференса и интеграции на вашей инфраструктуре — покупать новое оборудование у нас не обязательно. --- ## WikiAgent: BOX https://wikilect.ru/wikiagent-box/ Готовый комплекс с моделью DeepSeek V4 Flash на Mac Studio: ИИ работает в закрытом контуре компании, без оплаты токенов. Покупка 1 500 000 ₽ или аренда 200 000 ₽ в месяц. **Что такое WikiAgent: BOX?** Это программно-аппаратный комплекс, состоящий из мощного компьютера (Mac Studio M4 Max 128GB), специализированного движка DwarfStar и флагманской AI-модели DeepSeek V4 Flash. Решение поставляется преднастроенным и готовым к работе в закрытом контуре вашей компании. **Почему используется именно Mac Studio, а не серверы с NVIDIA?** Архитектура объединенной памяти (Unified Memory) Apple Silicon позволяет уместить гигантскую модель на 284 миллиарда параметров в 128 ГБ оперативной памяти. Аналогичный сервер на базе NVIDIA потребовал бы несколько видеокарт (например, 2-3 шт. RTX 6000 Ada или A100), что увеличило бы стоимость оборудования в 3-5 раз. **Нужно ли платить за токены или облако?** Нет. Модель работает локально, платежей за API и токены нет. Комплекс можно купить единоразово за 1 500 000 ₽ с вечной лицензией или арендовать оборудование и лицензию за 200 000 ₽ в месяц. **Как происходит интеграция в нашу инфраструктуру?** Комплекс подключается к вашей локальной сети. Мы предоставляем API, совместимое с OpenAI, что позволяет легко интегрировать WikiAgent: BOX с вашими внутренними системами (CRM, ERP, базами знаний, мессенджерами) без выхода данных в интернет. --- ## WikiAgent: ENTERPRISE https://wikilect.ru/wikiagent-enterprise/ Серверная платформа WikiAgent на GPU NVIDIA для сотен одновременных пользователей: кластеризация, SLA, интеграция с Active Directory и SSO в вашем контуре. **Чем WikiAgent: ENTERPRISE отличается от BOX?** BOX — готовый комплекс на Mac Studio для небольших команд и умеренной нагрузки (порядка нескольких одновременных сессий). ENTERPRISE — серверная платформа на GPU NVIDIA для сотен параллельных запросов, кластеризации и жёстких SLA. **Какие GPU нужны для старта?** Типичный минимум для DeepSeek V4 Flash в продакшене — от 2× RTX 6000 Ada (около 96 ГБ VRAM). Для пиковой нагрузки и меньшей степени квантования рассматриваем A100 / H100 и мульти-GPU конфигурации. **Можно ли поставить на уже имеющиеся серверы NVIDIA?** Да. Если у вас уже есть подходящие GPU и контур, мы разворачиваем WikiAgent, движок инференса и интеграции на вашей инфраструктуре — без обязательной покупки нового железа у нас. **Есть ли интеграция с корпоративным SSO?** Да. Поддерживаем интеграцию с Active Directory / SSO, разграничение доступа и журналирование действий — под требования ИБ и комплаенса. --- ## ИИ-генератор коммерческих предложений https://wikilect.ru/ii-generator-kp/ ИИ собирает данные из переписок, звонков, CRM и заметок менеджера и готовит коммерческое предложение по стандартам компании за 3 минуты. **Откуда генератор берёт данные для коммерческого предложения?** Из переписок с клиентом, аудиозаписей встреч, карточек CRM и заметок менеджера. ИИ собирает разрозненные источники в один контекст и на его основе готовит черновик КП. **Как обеспечить соответствие КП стандартам компании?** Генератор обучается на ваших лучших коммерческих предложениях, брендбуке и прайс-листах, поэтому структура, формулировки и цены соответствуют принятым в компании правилам. **Сколько времени занимает подготовка одного КП?** Около трёх минут: вместо часов ручной работы менеджер получает готовый черновик и тратит время только на проверку и финальную правку. --- ## Корпоративная база знаний https://wikilect.ru/corp-wiki/ Корпоративная база знаний Wikilect помогает сотрудникам быстро находить ответы по внутренним документам, регламентам и инструкциям через AI-поиск со ссылками на источники. **Что такое корпоративная база знаний для сотрудников?** Корпоративная база знаний для сотрудников - это единый контур внутренних регламентов, инструкций, политик и документов компании, в котором команда может быстро найти нужный ответ без ручного поиска по десяткам файлов и порталов. **Чем корпоративная база знаний отличается от корпоративного портала?** Корпоративный портал обычно объединяет новости, сервисы и навигацию по компании. Корпоративная база знаний фокусируется именно на хранении и поиске рабочих знаний: инструкций, регламентов, FAQ, обучающих материалов и ответов для сотрудников. **Можно ли искать по внутренним документам и получать ответы со ссылками?** Да. AI-поиск по корпоративной базе знаний позволяет искать по внутренним документам компании, возвращать краткий ответ и показывать ссылку на исходный документ или нужный раздел базы знаний. --- ## Поиск по базе знаний https://wikilect.ru/poisk-po-baze-znaniy/ AI-поиск по базе знаний компании: находите ответы по внутренним документам, регламентам, PDF, Confluence и корпоративным порталам со ссылками на источники и учетом прав доступа. **Чем AI-поиск по базе знаний отличается от обычного поиска по ключевым словам?** AI-поиск понимает смысл вопроса сотрудника, находит релевантные фрагменты в документах компании и возвращает краткий ответ со ссылками на источник, тогда как обычный поиск чаще выдает длинный список совпадений по словам. **По каким источникам может работать поиск по внутренним документам?** Поиск по внутренним документам может работать с PDF, регламентами, инструкциями, страницами Confluence, Google Docs, Notion, корпоративными порталами и другими источниками, которые компания использует как базу знаний. **Можно ли учитывать права доступа сотрудников к документам?** Да. Корпоративный поиск по документам может учитывать роли и права доступа, чтобы сотрудник получал ответы только по тем данным, к которым у него есть разрешенный доступ. --- ## Чат-бот для сотрудников https://wikilect.ru/chat-bot-dlya-sotrudnikov/ Корпоративный чат-бот для сотрудников от Wikilect: ответы по базе знаний компании, внутренним документам и регламентам в Telegram, веб-интерфейсе или закрытом контуре. **Что умеет корпоративный чат-бот для сотрудников?** Корпоративный чат-бот для сотрудников отвечает на внутренние вопросы команды по базе знаний компании, регламентам, инструкциям, HR-материалам и другим рабочим документам, помогая быстрее получать нужную информацию. **Чем чат-бот для сотрудников отличается от клиентского чат-бота?** Клиентский чат-бот работает с внешними обращениями покупателей и пользователей. Чат-бот для сотрудников решает внутренние задачи компании: онбординг, поиск по документам, ответы по регламентам, HR и IT self-service сценарии. **Можно ли использовать корпоративный чат-бот в закрытом контуре?** Да. Внутренний чат-бот для сотрудников можно развернуть в закрытом контуре компании, связать с корпоративной базой знаний и настроить права доступа к внутренним данным. --- ## Кейсы https://wikilect.ru/cases/ Кейсы внедрения Wikilect: AI-поддержка, корпоративная база знаний, внутренний AI-ассистент для сотрудников и другие сценарии автоматизации в крупном бизнесе. **В каких отраслях уже внедрена платформа Wikilect?** В опубликованных кейсах — агрохимия («Франдеса»: досье из 1С в Telegram и MAX), IT-сервисы и работа с контентом (TEXT.RU), банковская сфера (внутренний ассистент для сотрудников банка из топ-10) и фармацевтика (ассистент для медицинских представителей). Часть проектов идёт под NDA и раскрывается без названия компании. **Сколько занимает внедрение?** В кейсе TEXT.RU полный путь от аудита обращений до работы на всём потоке занял 14 дней. Сроки зависят от состояния базы знаний, числа сценариев и требований к размещению данных. **Какие результаты дают внедрения?** В поддержке TEXT.RU бот закрывает 67% обращений без оператора при среднем ответе 3,7 секунды. У «Франдесы» качество заполнения CRM выросло на 56% за пять месяцев. У банка поиск информации сотрудниками ускорился в 4 раза, а онбординг новых сотрудников сократился на 30%. У фармкомпании ответ на вопрос врача занимает менее 5 секунд. **Можно ли внедрить платформу, если данные нельзя выносить наружу?** Да. Кейс банка сделан в варианте On-Premise: система установлена в контуре банка, данные не покидают его серверы, соблюдаются требования информационной безопасности и ФЗ-152. --- ## Кейс TEXT.RU https://wikilect.ru/cases/textru/ Разбор кейса TEXT.RU: как AI-ассистент Wikilect ускорил ответы пользователям, снизил нагрузку на поддержку и помог сократить операционные затраты. **Какую долю обращений закрывает бот в TEXT.RU?** 67% обращений бот закрывает без участия специалистов поддержки. Ещё 5% передаются операторам — только действительно сложные случаи, 13% выявили пробелы в базе знаний, 15% оказались спамом, с которым система справилась сама. **Как быстро бот отвечает пользователю?** Среднее время ответа — 3,7 секунды. Агент находит нужную информацию в базе знаний и отвечает со ссылками на источники. **Сколько времени и денег экономит решение?** До 124 часов работы аккаунт-менеджеров ежемесячно и до 1,5 млн рублей бюджета службы поддержки в год. На пилотной выборке из 62 диалогов экономия составила 6,2 часа. **Как проходило внедрение?** За 14 дней в шесть шагов: аудит 100–200 обращений, чистка базы знаний, настройка 12 основных тем и правил передачи оператору, интеграция с платформой по API, мягкий старт на 20–30% входящих запросов, затем анализ, доработка и масштабирование на весь поток. **Что происходит со сложными вопросами?** Агент передаёт их менеджеру вместе с кратким резюме диалога, чтобы человек сразу понимал контекст. Все диалоги записываются, базу знаний можно обновлять на ходу. --- ## Кейс Франдеса https://wikilect.ru/cases/frandesa/ Кейс Франдеса: мобильное досье хозяйств из 1С ERP в Telegram и MAX. Единые стандарты и регулярная ИИ-оценка качества CRM без выгрузки данных из закрытого контура. **Какой результат дало внедрение у «Франдесы»?** За пять месяцев, с марта по июль 2026 года, средняя оценка качества заполнения CRM выросла на 56%: с 0,88 до 1,38 балла при максимуме 2. ИИ оценил 9 002 контакта по единой методике бизнес-эксперта. **Чем решение в мессенджере отличается от работы в 1С?** Оценка качества отчётов через Telegram была выше, чем через стандартный интерфейс 1С, во все пять месяцев наблюдения: в среднем 1,39 против 1,08, примерно на 28% выше. Агрономы и менеджеры получают досье и оформляют встречи со смартфона, без входа в полноценный интерфейс 1С. **Где обрабатываются коммерческие данные?** В закрытом контуре компании. Локальная модель gpt-oss-20b развёрнута через vLLM на серверах «Франдесы». 1С остаётся единственным источником данных и прав доступа: коммерческие сведения партнёров не передаются внешним облачным сервисам. **В каких каналах работает ассистент?** В Telegram и корпоративном мессенджере MAX. Два независимых сценария реализуют один бизнес-процесс: поиск партнёра, проверку прав, экспресс-сводку, точечные ответы, отчёт по встрече и сохранение следующего шага в 1С. **Насколько стабильно работает система?** Telegram-сценарий обработал более 13 800 запросов, MAX — более 2 500. Техническая надёжность составляет 99,2% и 99,8% при среднем времени ответа 5,6–6,1 секунды на операцию. --- ## Кейс банка https://wikilect.ru/cases/bank/ Кейс Wikilect для крупного банка: внутренний AI-ассистент для сотрудников, поиск по регламентам и тарифам, корпоративная база знаний и развертывание On-Premise. **Какую задачу решал банк?** Сотрудники банка из топ-10 России — больше 15 000 человек — тратили до 20% рабочего времени на поиск нужного регламента, инструкции или тарифа. База знаний разбросана по Bitrix24, внутренним порталам и PDF, а поиск по ключевым словам выдавал десятки нерелевантных страниц. **Как решена задача безопасности данных?** Система установлена On-Premise, в контуре банка: ни один байт данных не покидает его серверы. Это соответствует требованиям информационной безопасности и ФЗ-152. **Учитывает ли ассистент права доступа сотрудника?** Да. Агент интегрирован с Active Directory через SSO и Bitrix24 и отвечает только на основе тех документов, к которым у конкретного сотрудника есть доступ. **Каких результатов удалось достичь?** Поиск информации сотрудниками ускорился в 4 раза, время онбординга новых сотрудников сократилось на 30%, старшие специалисты экономят тысячи часов в месяц, которые раньше уходили на консультации коллег. **Как ассистент отвечает на вопросы по документам?** Через RAG-поиск: агент понимает смысл вопроса, находит нужные абзацы в тысячах документов и формирует точный ответ со ссылкой на источник. --- ## Кейс фармацевтики https://wikilect.ru/cases/medical/ Как фармацевтическая компания внедрила AI-ассистента для сотрудников: поиск по базе знаний о препаратах, быстрые ответы в Telegram и работа с внутренними документами в поле. **Какую задачу решает ассистент для медицинских представителей?** Во время коротких визитов к врачам, 5–10 минут, представители получают специфические вопросы о дозировках, противопоказаниях, клинических исследованиях и совместимости препаратов. Искать это в больших PDF или на корпоративном портале с телефона было нереально. **В каком канале работает ассистент?** В корпоративном Telegram. Отдельное приложение скачивать не нужно, вход на портал не требуется — представитель просто пишет или надиктовывает вопрос боту. **Можно ли задать вопрос голосом?** Да. Вопрос можно надиктовать прямо в коридоре клиники: ассистент переводит речь в текст, ищет по базе знаний и отвечает за 3–5 секунд. **Как исключены выдумки нейросети в медицинских ответах?** Ассистент жёстко ограничен корпоративной базой знаний — инструкциями к препаратам — и всегда даёт ссылку на конкретный абзац документа, а не отвечает «из головы». **Каких результатов достигла компания?** Точный ответ на медицинский вопрос приходит менее чем за 5 секунд, число вопросов, закрытых прямо на визите, выросло на 45%, ботом ежедневно пользуются 80% сотрудников «в полях». --- ## Интеграция с Telegram https://wikilect.ru/telegram-integration/ Пошаговая инструкция от Wikilect по созданию Telegram-бота через BotFather и получению токена для дальнейшей интеграции. **Где взять токен Telegram-бота?** Токен выдаёт @BotFather — служебный бот Telegram, отвечающий за создание и управление ботами. После команды /newbot и указания имён он присылает сообщение со ссылкой на бота и токеном. **Чем имя бота отличается от пользовательского имени?** Имя бота видно в интерфейсе, оно не обязано быть уникальным и меняется в любой момент через того же BotFather. Пользовательское имя (username) должно быть уникальным и обязательно заканчиваться на «bot»; чтобы его изменить, придётся писать в техподдержку Telegram. **Нужен ли программист, чтобы создать бота?** Нет. Создание бота и получение токена — четыре шага в самом Telegram. Программирование понадобится только для логики бота, и её можно собрать в WikiFlow без разработки. **Что делать с токеном дальше?** Токен подключается к сценарию на платформе Wikilect: после этого бот отвечает клиентам в поддержке или сотрудникам по внутренним регламентам и документации. --- ## Оферта https://wikilect.ru/offer/ Публичная оферта Wikilect: условия использования сервиса, порядок оказания услуг и права сторон. --- ## Политика конфиденциальности https://wikilect.ru/privacy/ Политика конфиденциальности Wikilect: порядок обработки персональных данных, меры защиты и права пользователей. --- ## Функциональные характеристики EvoPrompter https://wikilect.ru/registry/evoprompter/functional-characteristics/ Функциональные характеристики ПО «Прототип цифрового сервиса самообучения AI-консультантов интернет-магазинов» (EvoPrompter). Документ для реестра российского ПО, п. 4.1. --- ## Документация функциональных характеристик EvoPrompter https://wikilect.ru/registry/evoprompter/functional-documentation/ Документация с описанием функциональных характеристик ПО EvoPrompter (ООО «ВИКИЛЕКТ»). Документ для реестра российского ПО, п. 4.2. --- ## Жизненный цикл EvoPrompter https://wikilect.ru/registry/evoprompter/lifecycle/ Описание процессов поддержания жизненного цикла ПО EvoPrompter: разработка, сопровождение, поддержка и модернизация. Документ для реестра российского ПО, п. 4.5. --- ## Вебинар: Вайбкодинг для бизнеса https://wikilect.ru/webinar/ Бесплатный 1-часовой вебинар для руководителей: как автоматизировать рутину компании с помощью корпоративного ИИ на базе ваших документов без программистов. --- ## Блог https://wikilect.ru/blog/ Статьи Wikilect о внедрении AI-чатботов в продажи, поддержку и корпоративные базы знаний: практические сценарии, сравнения и чек-листы запуска. --- ## Как внедрить AI-чатбота в отдел продаж https://wikilect.ru/blog/kak-vnedrit-ai-chatbota-v-otdel-prodazh/ Пошаговый план внедрения AI-чатбота в отдел продаж: аудит воронки, база знаний, сценарии квалификации лидов, KPI и типичные ошибки запуска. --- ## AI для поддержки клиентов: 5 кейсов https://wikilect.ru/blog/ai-dlya-podderzhki-klientov-5-keysov/ Пять типовых кейсов использования AI в поддержке клиентов: первая линия, база знаний, triage, контроль качества и обработка пиковых нагрузок. --- ## On-Premise vs Cloud для AI-решений https://wikilect.ru/blog/on-premise-vs-cloud-dlya-ai-resheniy/ Сравниваем On-Premise и Cloud для AI-решений: безопасность, скорость запуска, стоимость владения, контроль над данными и критерии выбора для бизнеса. --- ## Как подготовить базу знаний для AI-бота https://wikilect.ru/blog/kak-podgotovit-bazu-znaniy-dlya-ai-bota/ Пошаговый чек-лист подготовки базы знаний для AI-бота: аудит контента, структура документов, владельцы, актуализация и тестирование ответов. --- ## Корпоративная база знаний для сотрудников https://wikilect.ru/blog/korporativnaya-baza-znaniy-dlya-sotrudnikov/ Разбираем, как устроить корпоративную базу знаний для сотрудников: структура, роли, владельцы, сценарии использования и критерии готовности к AI-поиску. --- ## Поиск по базе знаний компании https://wikilect.ru/blog/poisk-po-baze-znaniy-kompanii/ Разбираем, почему обычный поиск по базе знаний компании часто не помогает сотрудникам, и как AI-поиск по внутренним документам меняет скорость и качество доступа к знаниям. --- ## AI-ассистент для сотрудников: сценарии https://wikilect.ru/blog/ai-assistent-dlya-sotrudnikov-scenarii/ Разбираем, где AI-ассистент для сотрудников дает быстрый эффект: онбординг, поддержка, поиск по документам, sales enablement, HR и внутренние сервисные процессы. --- ## Как работают голосовые AI-боты https://wikilect.ru/blog/kak-rabotayut-golosovye-ai-boty/ Что такое VAD, STT и ASR — это одно и то же? Можно ли использовать VAD вместе с TTS? Глоссарий и схема голосового AI-бота: распознавание, LLM и синтез речи. --- ## Теневой ИИ: как взять под контроль https://wikilect.ru/blog/tenevoy-ii-kak-vzyat-pod-kontrol/ Что такое теневой ИИ (Shadow AI): почему сотрудники уходят в ChatGPT, какие риски для данных и ФЗ-152, и как перевести использование нейросетей в контролируемый контур. --- ## Этапы внедрения ИИ в компанию https://wikilect.ru/blog/etapy-vnedreniya-ii-v-kompaniyu/ Этапы внедрения ИИ в компанию: с какого этапа начинается проект, как перейти от теневого ИИ к базе знаний, интеграциям и управляемой ИИ-инфраструктуре. --- ## LLM Wiki Андрея Карпати: коротко о главном https://wikilect.ru/blog/llm-wiki-karpathy-rus/ Как устроена LLM Wiki Андрея Карпати: gist llm-wiki.md, три слоя, index.md и log.md, AGENTS.md. Русский разбор и связь с корпоративной базой знаний WikiAgent. --- ## Как устроена база знаний для WikiAgent https://wikilect.ru/blog/kak-ustroena-baza-znaniy-dlya-wikiagent/ Разбираем, как агент WikiAgent «видит» базу знаний как файловую систему: /personal, внешние репозитории, AGENTS.md на уровне компании, права на чтение и запись и хранение SKILLS в workspace. --- ## ИИ в отделе продаж: квалификация, КП и единые скиллы https://wikilect.ru/blog/ii-v-otdele-prodazh-podgotovka-kp-i-kvalifikaciya/ Разбираем внедрение искусственного интеллекта в продажи: автоматизация квалификации лидов, генерация коммерческих предложений и презентаций, а также почему важен единый уровень AI-скиллов у сотрудников. --- ## Модель зрелости ИИ от Gartner: как оценить готовность бизнеса к внедрению нейросетей https://wikilect.ru/blog/gartner-ai-maturity-model/ Разбираем модель зрелости ИИ от Gartner (AI Maturity Model). Как оценить готовность компании к масштабированию искусственного интеллекта и избежать ошибок. --- ## Мгновенный запуск лендингов прямо из WikiAgent: делитесь результатами без хостинга https://wikilect.ru/blog/wikiagent-landing-publication/ WikiAgent научился мгновенно публиковать сгенерированные лендинги и файлы в безопасное облачное хранилище Wikilect. Получайте готовую ссылку сразу после создания без настройки хостинга. --- ## WikiAgent + Яндекс: как подключить Диск, Метрику, Почту и Календарь https://wikilect.ru/blog/wikiagent-yandex-integrations/ Рады объявить о масштабном обновлении интеграций: теперь WikiAgent бесшовно подключается к ключевым сервисам Яндекса. ИИ-ассистент получил прямой доступ к вашим рабочим инструментам. --- ## CEO и CTO Wikilect в подкасте «Лида, где лиды?»: как ИИ-агенты меняют бизнес https://wikilect.ru/blog/podcast-lida-gde-lidy-wikilect/ Стас Брановицкий (CEO) и Иван Красников (CTO) Wikilect в гостях у Марины Шаховой в подкасте «Лида, где лиды?». Обсуждаем реальные кейсы ИИ-агентов, безопасность данных и будущее ИИ в бизнесе. --- ## Безопасность облачных LLM: токенизация и Presidio https://wikilect.ru/blog/bezopasnost-oblachnyh-llm-tokenizaciya-presidio/ Как безопасно использовать облачные языковые модели (LLM). Разбираем технологии токенизации и маскирования PII с помощью Microsoft Presidio на реальных русских примерах. --- ## Платформы для вайб-кодинга сотрудников https://wikilect.ru/blog/platformy-dlya-vibe-codinga-sotrudnikov/ Что такое вайб-кодинг и как безопасно масштабировать его на всю компанию. Архитектура корпоративной ИИ-платформы на примере WikiAgent.