AI-платформа / Агенты

Evolution AI Factory

Платформа Cloud.ru для разработки и запуска AI-сервисов. В ней есть готовые модели по API, управляемый поиск по своим данным, настройка моделей, инструменты разработки и AI-агенты.

Перейти на сайт вендора
Задача
Корпоративные AI-помощники, поиск по документам и работа с моделями.
Как работает
Облачная AI-платформа
Карточка обновлена
14 сентября 2026
Назначение системы

Для какой работы подходит Evolution AI Factory

Evolution AI Factory предоставляет облачные инструменты для разработки собственных AI-сервисов. Команда может подключать модели по API, организовать поиск по корпоративным данным или встроить агента в рабочий процесс.

Границы продукта. Платформа не готовит данные и не определяет правила доступа за заказчика. До разработки нужно выбрать одну операцию, собрать контрольные вопросы, убрать запрещенные данные и назначить сотрудника, который принимает результат.

Для каких задач и команд

  • команд, которым нужна российская облачная AI-платформа
  • проектов поиска и помощников по корпоративным данным
  • разработки и эксплуатации собственных AI-сервисов

Рабочий маршрут

  • 01

    Разработчики получают доступ к моделям и инструментам через единый облачный контур.

  • 02

    Корпоративные документы можно подключить к поиску и ответам с учетом прав доступа.

  • 03

    Команда может собрать помощника или агента под конкретную операцию, а не под абстрактный «AI для всего».

  • 04

    Запуск, нагрузку и дальнейшую эксплуатацию AI-сервиса можно вести на той же платформе.

Что важно именно в этом продукте

  • AI Factory объединяет доступ к готовым моделям, управляемый RAG, настройку моделей, среду разработки и сервис AI Agents в одном облачном контуре.
  • Команда может начать с вызова модели по API, а затем подключить корпоративные файлы, базы данных или веб-источники через Managed RAG.
  • Для агентных сценариев доступны отдельный сервис, роли доступа, логирование и связанные облачные ресурсы. Состав ресурсов и расходы проверяют на конкретной архитектуре.
Модельный сценарий для проверки

Как собрать помощника по внутренним регламентам

Сотрудники задают службе поддержки одни и те же вопросы о закупках, командировках и доступах. Ответы лежат в разных документах, а часть материалов доступна только отдельным подразделениям.

  1. 01

    Команда выбирает один набор действующих регламентов и загружает его в базу знаний Managed RAG.

  2. 02

    Для проверки готовят реальные вопросы, правильные ответы и случаи, когда помощник должен отказаться от ответа.

  3. 03

    AI-агент получает доступ к базе знаний и формирует ответ со ссылкой на найденный фрагмент документа.

  4. 04

    Права и журналирование проверяют под разными ролями, а спорные ответы передают владельцу регламента.

Что проверить в результате. На пилоте видно, какие вопросы помощник закрывает по действующим документам, где ему не хватает источника и не открывает ли он материалы чужого подразделения. После такой проверки можно решать, подключать ли следующие базы и рабочие действия.

Интерфейс системы

Как выглядит Evolution AI Factory

Редактор агентной системы в Evolution AI Agents с хостом для подключения агентов
Редактор агентной системы: на рабочем поле создается хост, к которому подключают отдельных AI-агентов.Официальное руководство Cloud.ru по созданию агентной системы
Чат с агентной системой Evolution AI Agents и выбор подключенного агента
Тестирование агентной системы в чате: слева выбирается агент, справа виден запрос и сформированный ответ.Официальное руководство Cloud.ru по созданию агентной системы
Рабочие возможности

Возможности Evolution AI Factory

  • Готовые языковые и AI-модели по API
  • Поиск по своим документам и базам знаний
  • Настройка, запуск и масштабирование моделей
  • Создание и эксплуатация AI-агентов

Источник: Официальный обзор Evolution AI Factory.

Пилот на своих данных

Проверка AI на своей контрольной выборке

На пилоте проведите один реальный рабочий маршрут, включая ручные действия, передачу данных и обработку ошибки.

Фокус первого запуска. Для первого теста выберите одну базу документов и от 30 до 50 реальных вопросов. Отдельно зафиксируйте правильные ответы, допустимые отказы, время проверки и стоимость принятого результата.

Что подготовить заранее

  • Набор реальных запросов и документов без запрещенных к передаче данных.
  • Эталонные ответы или критерии, по которым эксперт сможет оценить результат.
  • Примеры неоднозначных запросов, отказов и ситуаций с недостатком данных.
  • Правила: какие действия AI выполняет сам, а какие подтверждает сотрудник.

Как провести проверку

  1. 01

    Загрузить или подключить ограниченный набор данных.

  2. 02

    Прогнать одинаковую контрольную выборку без ручной правки удачных ответов.

  3. 03

    Проверить ссылки на источники, отказы и поведение при нехватке контекста.

  4. 04

    Посчитать стоимость запросов и время экспертной проверки результата.

Что записать по итогам

  • Доля ответов, которые эксперт принимает без исправлений.
  • Число ошибок, пропусков и уверенных ответов без основания.
  • Время сотрудника на проверку по сравнению с исходным процессом.
  • Стоимость одного принятого результата, а не только одного запроса к модели.
Подключения

Что проверить в связке с другими системами

  • API
  • сервисы Cloud.ru
  • корпоративные данные
  • приложения и рабочие процессы

На демонстрации проверьте состав передаваемых данных, направление обмена, повторную отправку и журнал ошибок на своем сценарии.

На встрече с вендором

Что уточнить о продукте

  1. 01

    На каких документах и запросах проверят качество?

  2. 02

    Какие данные нельзя передавать модели?

  3. 03

    Кто контролирует ответы и действия AI-агента?