| Ступень | Что это | Примеры (июнь 2026) | За что платите | Когда выбирать |
|---|---|---|---|---|
| 1 · Готовый продукт (SaaS) дни до запуска |
Сервис под конкретную задачу: подключили данные — работает. Кода нет вообще. | Intercom Fin (поддержка), Chatbase (чат-бот по базе), Voiceflow (диалоги) | Fin: $0,99 за решённое обращение (минимум ~50/мес). Chatbase: кредиты, планы $32–400/мес. Считайте цену на ВАШЕМ объёме. | Задача типовая (поддержка, FAQ-бот) и совпадает с тем, подо что продукт сделан. |
| 2 · No-code конструктор дни–недели |
Визуальный сборщик сценариев (workflow): кубики «триггер → шаги», LLM-шаг вставляется как кубик. | n8n, Zapier, Dify (опенсорс, 145k звёзд) | n8n: 20–50 €/мес в облаке или бесплатно на своём сервере. Zapier: по числу задач/мес. Dify: бесплатно self-hosted + расходы на LLM. | Процесс нестандартный, но из стандартных кусков: «заявка пришла → проверить → записать → ответить». |
| 3 · Фреймворк недели–месяцы |
Конструктор для программиста — инструмент вашего ПОДРЯДЧИКА, не ваш. Вы платите за разработку. | LangGraph (v1.2.4, ~34,5 млн загрузок/мес), CrewAI (52,8k звёзд), Claude Agent SDK | Время разработчика + эксплуатация (сервер, LLM-вызовы, поддержка). Сам фреймворк бесплатен. | Готовые продукты и конструкторы упёрлись в потолок: нужна нестандартная логика, свои данные, свои правила. |
| 4 · Голый API недели–месяцы |
Подрядчик пишет прямые вызовы модели без фреймворка-посредника. Максимум контроля, минимум магии. | Прямые вызовы Claude/OpenAI API; подход 12-Factor Agents | То же, что ступень 3. Часто КОД ПРОЩЕ: меньше чужих абстракций — легче чинить и развивать. | Задача ясная и узкая; Anthropic советует начинать именно отсюда, фреймворк добавлять при доказанной нужде. |
По данным MIT (отчёт «GenAI Divide», 2025): ~95% корпоративных AI-пилотов не дали измеримого эффекта; при этом покупка готовых решений у вендоров успешна примерно вдвое-втрое чаще самостоятельной разработки (~67% против ~22%). Лестницу проходят сверху вниз не из скупости — это статистика выживаемости проектов.
Rasa — ветеран диалоговых систем; современная архитектура CALM устроена иначе, чем агенты: LLM только ПОНИМАЕТ, чего хочет человек, а исполняют жёстко заданные сценарии (Flows). Это даёт предсказуемость, но требует ручного описания всех сценариев.
Ниша 2026 года: банки, медицина, госсектор — там, где диалоги обязаны быть предсказуемыми и работать на своих серверах (on-premise). Для типовой поддержки онлайн-школы это избыточный по трудозатратам выбор: ступени 1–2 закрывают задачу в разы быстрее.