Видеоаналитика эмоций в клиентском сервисе: руководство покупателя и разработчика на 2026

Зачем Фора Софт написала это руководство по видеоаналитике эмоций

Мы 19 лет строим видео- и AI-продукты и выпустили более 450 видео-, ML- и CX-платформ. Мы прорабатывали функции аффективного AI для телемедицины, edtech, контакт-центров, тренажёров и платформ для следственных интервью. И мы отговаривали клиентов от проектов по распознаванию эмоций, когда EU AI Act, BIPA штата Иллинойс или элементарная реальность с точностью делали идею невыгодной.

Это руководство для покупателей и разработчиков — о видеоаналитике эмоций в клиентском сервисе. Мы разбираем, что такое эта технология на самом деле, что работает в 2026, какие платформы реально доходят до продакшена, какие регуляторные мины ждут на пути (запрет в ЕС — реальный и существенный), модель затрат и черту между «купить» и «построить». В финале — фреймворк из пяти вопросов, чтобы быстро решить: запускать функцию, отложить или не запускать никогда.

Для углубления — наш материал об AI для распознавания эмоций в видеоконференциях, гайд по клонированию и синтезу голоса и обзор топовых платформ AI-распознавания речи.

Что такое видеоаналитика эмоций на самом деле

Видеоаналитика эмоций — это интерпретация эмоционального состояния клиента в реальном времени по видеопотоку: на основе лица, голоса и (иногда) слов или физиологических сигналов. Результат имеет одну из двух структур: дискретные эмоциональные метки (семь по Экману: радость, грусть, злость, удивление, отвращение, страх, нейтральность, иногда плюс презрение) или оценки по двум осям — валентность (положительная↔отрицательная) и активация (спокойствие↔возбуждение).

В продакшене это почти всегда мультимодальный пайплайн. Лицо кодируется по системе FACS (Facial Action Coding System) через action units и CNN/ViT-классификатор. Голос разбирается на просодию (высота, интенсивность, дрожание, темп речи) и акустическую эмоцию. Текст классифицируется на сентимент моделями уровня BERT/RoBERTa. Три модальности сводятся либо поздно (усреднением оценок), либо через кросс-модальные трансформеры; более 40% статей с 2022 года используют тримодальное слияние, которое добавляет 10–20 пунктов точности к любой отдельной модальности.

Реальность точности — лабораторные цифры против продакшена

В демо вендоров точность распознавания эмоций — 90%+. Реальные данные звонков рассказывают другую историю. Картина стабильна по академическим обзорам 2024–2026 годов: вычтите из любого лабораторного бенчмарка примерно 15–25 процентных пунктов, чтобы оценить продакшен-точность на реальном клиентском аудио и видео.

Точность по отдельным эмоциям ещё более неровная. «Радость» на реальных звонках распознаётся на 90%+; «страх» — ниже 40%; различение злости и раздражения, которое сильнее всего важно для клиентского сервиса, держится на уровне 60–75% при хороших условиях и сильно проседает при плохом свете, акцентах или незападных коммуникативных нормах.

Что это значит для продукта: emotion AI — это сигнал для триажа, а не приговор. Воспринимайте вывод как «этому звонку может понадобиться внимание супервизора», а не «клиент злится». Сопровождайте каждое срабатывание текстовым контекстом (например, клиент произнёс «недоволен» или «закрываю счёт») — это снижает уровень ложноположительных срабатываний с 5–10% до 1–2%, которым операторы начнут доверять.

Запрет EU AI Act — регуляторная черта, которую нельзя пересекать

Большинство статей на эту тему до сих пор об этом молчат. А зря. Со 2 февраля 2025 года статья 5(1)(f) EU AI Act запрещает AI-системы, которые определяют эмоции людей на рабочих местах и в образовательных учреждениях, за исключением медицинских и связанных с безопасностью случаев (хрестоматийный пример — распознавание усталости водителя). Штраф — до €35 млн или 7% мирового годового оборота (что больше). 4 февраля 2025 года Еврокомиссия опубликовала проект необязывающих рекомендаций, которые подтверждают строгое прочтение.

Что попадает под запрет. Определение эмоций по биометрическим данным — изображениям лица, голосу, походке, физиологическим сигналам — у сотрудников или учащихся. Мониторинг операторов колл-центра через веб-камеру с анализом эмоций — ровно в зоне запрета. Отслеживание внимания учеников в классах и удалённое прокторинг — ровно в зоне запрета. Отбор кандидатов на работу по выражению лица — ровно в зоне запрета.

Что под запрет не подпадает. Определение эмоций клиентов вне трудовых или образовательных отношений — с согласием и при наличии правового основания — остаётся допустимым, но подчиняется статье 9 GDPR (особые категории биометрических данных) и национальному праву стран-членов. Диагностика в телемедицине, voice-of-customer-аналитика с согласием и критичное к безопасности распознавание усталости — вне запрета.

Что это значит на практике для CX-внедрений. Европейские контакт-центры, анализирующие лицо или голос оператора для «коучинга по тону», эту функцию больше выпускать не могут. Системы, анализирующие эмоции клиента, могут — с согласием, правовым основанием, прозрачностью и задокументированной минимизацией данных. Большинство корпоративных команд отреагировали тем, что ограничили распознавание эмоций клиентской стороной и поставили просодию голоса (она несёт меньшую биометрическую нагрузку, чем лицо) впереди распознавания по лицу.

Сценарии в клиентском сервисе, которые реально дают ROI в 2026

1. Real-time помощь супервизору (не оператору) по сигналу с клиентской стороны. Определяете эмоцию клиента (лицо + голос) и подсвечиваете супервизору алерт «возможно, нужен старший оператор». Внутри ЕС это безопасный паттерн: система никогда не анализирует оператора. Данные Cresta, Cogito и Uniphore показывают на 22% более быстрое разрешение эскалаций и подъём CSAT на 12–20 пунктов, когда супервизор получает этот сигнал заранее.

2. Постзвонковая аналитика качества. Агрегируете траектории эмоций клиента по тысячам звонков и находите системные точки трения — слова, продукты, процессы, которые стабильно вызывают раздражение. Это посткейсовая, обезличенная, статистическая работа — самый низкий регуляторный риск.

3. Прогноз оттока и CSAT. Клиенты, заканчивающие звонок в отрицательной валентности, в 2–4 раза чаще уходят в течение 30 дней. Кейс-стади Uniphore и Symbl.ai показывают снижение оттока на 30%, когда сигналы эмоций маршрутизируют клиентов из группы риска в команды удержания.

4. Мониторинг состояния пациента в телемедицине. В рамках согласия в работе врача анализ эмоций отмечает маркеры боли, тревоги или депрессии, которые врач может пропустить в плотной телеконсультации. Применяется медицинское исключение из EU AI Act; HIPAA и статья 9 GDPR продолжают действовать в полном объёме.

5. Коучинг продаж (только США) и тренажёры обучения. Американские отделы продаж и обучающие тренажёры (где «оператор» — ученик, а не сотрудник) находятся вне запрета ЕС. Emotion AI подсвечивает моменты, где продавец пропустил сигнал к покупке или стажёр хорошо отработал возражение.

Сценарии, которые сомнительны или дают обратный эффект

Замена человеческой эмпатии. Системы, которые распознают раздражение и автоматически вставляют шаблонное «Я понимаю, вы расстроены», дают падение CSAT на 10–15%. Клиенты замечают, когда ими управляют по скрипту.

Решения о найме на основе эмоций кандидата. В ЕС теперь под запретом, в Иллинойсе под угрозой BIPA, научно слабо обоснованно везде. Вендоры, продающие это в 2026, ходят по регуляторному минному полю.

Распознавание «обмана» в страховых заявлениях. Детекция обмана по микровыражениям опровергнута ещё в начале 2020-х; против AIG и Allstate уже идут иски по этой теме. Не запускайте.

Отслеживание эмоций в магазинах. Калифорнийский AB-701, нью-йоркские правила по распознаванию лиц, GDPR + EU AI Act — наложите все три и тренд судебной практики 2024–2026 годов один и тот же: без скрупулёзно проверенного правового основания этого делать не стоит.

Отслеживание внимания учеников. В ЕС для образовательных учреждений запрещено. В США FERPA и длинная вереница плохих новостей вокруг Proctorio / Honorlock делают это плохой ставкой.

Ландшафт вендоров 2026 — кто реально поставляет

Microsoft Azure закрыла явное распознавание эмоций в Face API в 2022 году и теперь даёт косвенные признаки через Cognitive Services Speech и Custom Vision. Google Cloud Vision открывает детекцию лица и ориентиров, но без классификации эмоций. Apple Vision Framework работает только на устройстве — полезно там, где приватность по умолчанию — часть продуктовой истории.

Эталонная архитектура для real-time emotion AI в клиентском сервисе

Развёртывание помощи оператору или супервизору в реальном времени выглядит так:

1. Захват. WebRTC для браузерных софтфонов (базовая задержка 300–500 мс, нативно для современных стеков); RTSP для legacy CCaaS или воспроизведения записей. Часто комбинируют: WebRTC в live, RTSP — для архивных QA-прогонов.

2. Предобработка. VAD (детекция голосовой активности), диаризация спикеров, детекция лица (Mediapipe / YOLO), кадры лица на 30 fps. Кадры без лица отбрасываются — экономия GPU.

3. Кластер инференса. Мультимодальный серверный инференс: CNN/ViT по выражениям лица (30–50 мс), просодия голоса (50–100 мс), сентимент текста (20–40 мс), позднее слияние (10–20 мс). Суммарная p95-задержка — около 200–300 мс на GPU-ускорении. NVIDIA T4 / RTX 4000 обслуживает 10–30 одновременных звонков, A100 — от 200.

4. Альтернатива на edge. NVIDIA Jetson on-prem, браузерный SDK в духе MorphCast или Apple Vision на устройстве. Задержка ниже 100 мс, практически нулевой исходящий трафик в облако, заметно лучшая приватность для регулируемых нагрузок.

5. Слой действий. Подсказка супервизору (или, вне ЕС, оператору) в интерфейсе быстрее, чем за 500 мс. Постзвонковая агрегированная аналитика уходит в QA-дашборд. В слое действий живёт 90% продуктовой ценности — недоинвестируете сюда, и весь остальной пайплайн впустую.

Модель затрат — во сколько реально обходится emotion AI в 2026

SaaS-цена за проанализированный звонок: 3,7–22 ₽ в зависимости от модальности и объёма. Только голосовая просодия (Cogito, Symbl.ai) — 6–11 ₽ за звонок. Видео + голос (Smart Eye, iMotions, Hume) — 15–22 ₽ за звонок. Скидки за объём начинаются быстро: контракт на 50 млн звонков в год даёт около 3,7 ₽ за звонок, контракт на 5 млн — около 11 ₽.

Точка безубыточности «построить против купить». Около 5 млн проанализированных звонков в год. Ниже этого SaaS выигрывает по всем осям, кроме владения IP. Выше — начинает работать экономика кастомной сборки: 22,5 млн ₽ капвложений в GPU-кластер + 7,5–11,2 млн ₽ операционных в год против 75 млн ₽+ в год за SaaS на масштабе. Мы видели окупаемость за 12–18 месяцев на инфраструктурах с миллионами звонков при правильно ускоренной поставке.

Скрытые расходы. Регуляторный обзор и DPIA (оценка влияния на защиту данных): 1,5–4,5 млн ₽. Дообучение под отраслевой тон: 2,2–7,5 млн ₽. Мультиязычное расширение помимо английского: 1,5–3,7 млн ₽ за язык. Эксплуатационная цена ложноположительных срабатываний (оператор реагирует на ошибочное «злость»): 30–60 секунд потерь на одно ложное срабатывание × уровень FP 5–10% × команда из 100 человек — это 375 тыс.–1,5 млн ₽ потерянной производительности в месяц, если калибровку не делать.

Мини-кейс — от какого внедрения emotion AI мы отказались и какое выпустили

От чего отказались. Европейский клиент с контакт-центром хотел в реальном времени анализировать эмоции оператора, чтобы «развивать эмпатию» через подсказки по лицу и голосу. После сопоставления процесса с AI Act, вступающим в силу с февраля 2025, мы отказались от проекта — внедрение было бы незаконным по статье 5(1)(f). Вместо этого мы спроектировали систему анализа эмоций клиента, которая с согласием подсвечивает внимание супервизору и сопровождается задокументированной DPIA и правовым основанием по статье 9 GDPR. Клиент получил ценность, и мы уберегли его от штрафа класса €35 млн.

Что выпустили. Американская справочная служба в сфере здравоохранения нуждалась в триаже входящих звонков с учётом эмоций — маркеры боли, тревоги и депрессии в просодии голоса — с маршрутизацией в специализированную сестринскую службу. Мы построили мультимодальный пайплайн (просодия голоса + сентимент текста), облако с возможностью соответствия HIPAA, опция on-prem для одного регулируемого арендатора. Задержка менее 300 мс, точность 73% по выделению негативных состояний на реальных звонках, +18 пунктов CSAT у обработанных в триаже клиентов по сравнению с контрольной группой. Клиент теперь лицензирует платформу двум региональным медицинским сетям.

Фреймворк решения — стоит ли запускать emotion AI в клиентском сервисе, в пяти вопросах

Q1. Вы в ЕС и анализируете сотрудников или учащихся? Если да — остановитесь. Применяется статья 5(1)(f) AI Act. Перепроектируйте на анализ клиентской стороны с полным согласием или откажитесь.

Q2. На каком правовом основании по GDPR / BIPA / CPRA? Согласие — самое чистое. Законный интерес для биометрии почти никогда не работает. Если вы не можете назвать правовое основание одной фразой — вы не готовы.

Q3. Только голос или полная мультимодальность? Просодия голоса несёт меньшую биометрическую нагрузку, проще с регуляторикой и дешевле. Начните с неё. Лицо добавляйте, только когда понятен ROI и закрыта процедура согласия.

Q4. SaaS или кастом? До 5 млн звонков в год + английский + без on-prem — SaaS. Больше 5 млн звонков в год, регулируемая отрасль, мультиязычность, требование on-prem или вы продаёте emotion AI как фичу — кастом.

Q5. Какова цена «неправильного ответа»? Если система примет злого клиента за спокойного и эскалация останется без управления — во сколько обойдётся? Если система примет спокойного клиента за злого и оператор перегнёт — во сколько обойдётся падение производительности? Калибруйте пороги под более дешёвую из двух ошибок.

Пять подводных камней почти в каждом внедрении emotion AI

1. Вера в лабораторные бенчмарки. 95% на FER2013 превращается в 70% на реальных звонках. Перепроверьте на собственном аудио и видео до коммитмента. Мы разбирали это в нашем материале о нефункциональных требованиях.

2. Воспринимать emotion AI как приговор, а не сигнал для триажа. Сопровождайте каждое срабатывание проверкой по ключевым словам в тексте («закрыть», «возврат», «руководитель»), чтобы снизить уровень ложноположительных срабатываний с 5–10% до менее 2%.

3. Игнорирование культурных и языковых различий. Выражение эмоций культурно закодировано. Модель, обученная на американских англоязычных звонках, будет ошибаться на японской, индийской или российской клиентской аффектике. Дообучение под язык обязательно для любого не-английского развёртывания.

4. Пропуск UX согласия. «Продолжая звонок, вы соглашаетесь...» — это не согласие на обработку биометрии по статье 9 GDPR. Нужно явное, обособленное, свободное и информированное действие — обычно отдельный клик или голосовая подсказка.

5. Подмена обучения операторов emotion AI. Системы видят раздражение; они не учат эмпатии. Продукт выигрывает, когда emotion AI — инструмент коучинга для людей, а не их замена.

KPI — как измерить, что emotion AI работает

KPI качества. Macro-F1 по 6–7 классам эмоций (цель ≥ 0,65 на реальных клиентских аудио); точность по классу «негатив» / «раздражение» (цель ≥ 0,75); калибровка ECE (expected calibration error, цель < 0,10); разрыв по языкам (цель < 10 пунктов между английским и вашим топовым не-английским языком).

Бизнес-KPI. Подъём CSAT на звонках, прошедших AI-триаж, vs контрольной группы (цель +10 пунктов); дельта времени разрешения эскалаций (цель −15%); дельта 30-дневного оттока среди клиентов из группы риска (цель −20%); уровень решения с первого контакта (цель +5 пунктов).

KPI соответствия. Доля захваченного согласия (цель 100% проанализированных звонков); срок хранения биометрии (автоудаление ≤ 30 дней, кроме юридической задержки); периодичность обновления DPIA (ежегодно + при каждом обновлении модели); кварталы без инцидентов (ноль жалоб субъектов данных).

Приватность, этика и доверительный контракт с клиентами

Кроме закона есть доверительный контракт. Клиенты мирятся с emotion AI, когда он явно помогает им и явно их уважает, и восстают, когда чувствуют слежку. Продуктовые принципы, которые мы применяем в каждой сборке emotion AI, простые.

Прозрачность. Клиенту простыми словами говорят, что его голос и видео могут быть проанализированы для качества сервиса — до начала звонка, а не мелким шрифтом. На протяжении разговора видна метка «звонок с поддержкой AI».

Минимизация. Обрабатывайте минимальный сигнал, который даёт ценность. Просодия голоса до видео. Агрегированные траектории до хранения сырых кадров. Автоудаление сырой биометрии в течение 30 дней, кроме юридической задержки.

Обратимость. Клиент может отказаться без потери качества сервиса. Модели можно переобучить без данных отказавшегося. Аудит-логи переживают любой отказ.

Человек в контуре. Сигналы AI рекомендательны; финальные решения (эскалация, спор, возврат) — за человеком. Это и самая чистая защита от следующей волны внимания регуляторов.

Когда НЕ стоит запускать видеоаналитику эмоций

Не запускайте анализ эмоций сотрудников в ЕС. Запрет по AI Act однозначный, штраф — серьёзный. Перепроектируйте на анализ клиентской стороны или выберите другую функцию.

Не запускайте анализ эмоций на этапе найма. В ЕС под запретом, в Иллинойсе под угрозой BIPA, научно слабо везде. Репутационный риск один уже больше потенциала плюсов.

Не запускайте «распознавание обмана» по микровыражениям. Наука это не подтверждает; идущие иски сделают такую сборку нерентабельной.

Купить или построить — где работает Фора Софт

Покупайте коробочное решение, когда: до 5 млн звонков в год, доминирует английский, нет требования on-prem, лёгкая регуляторная нагрузка, вас устраивает мультиарендная резидентность данных.

Стройте кастом, когда: больше 5 млн звонков в год и SaaS-счёт превышает стоимость собственного GPU-кластера, вы в здравоохранении / финансах / страховании / госсекторе, данные должны оставаться on-prem или в конкретном регионе, нужно дообучить под отраслевой тон (юридический, медицинский, финансовый словари) или ваша бизнес-модель строится на владении IP.

Вертикали, где почти всегда нужен кастом: телемедицина (HIPAA + статья 9 GDPR), следственные интервью (цепочка хранения улик), обработка финансовых жалоб (FINRA + защита прав потребителей), разбор страховых заявлений (защита потребителей + регуляторный надзор), тренажёры для правоохранительных служб, K-12 / FERPA-зависимые образовательные инструменты.

Честная форма затрат. Кастомный MVP уровня регулируемой отрасли с нашей командой и ускорением через Agent Engineering обходится в 9–16,5 млн ₽; сравнимые интеграторы обычно называют 30 млн ₽+ и 9–12 месяцев. Когда объём требует лицо + голос + текст, мультиязычность или полную готовность по HIPAA/GDPR, мы сначала запускаем фиксированной ценой discovery-спринт, а не угадываем итог.

Объём рынка — где реально растут расходы

Аналитические оценки мирового рынка emotion AI в 2026 году кластеризуются в диапазоне 375–750 млрд ₽, при этом более широкий рынок аффективных вычислений к 2030 году выходит в 5,7–14,4 трлн ₽. Заслуживающие доверия CAGR — 20–27% до 2030 года.

Внутри этого AI-сегмент клиентского сервиса — самый быстрорастущий: одна только просодия голоса для контакт-центров перевалит за 150 млрд ₽ к 2026 году. За ним идут здравоохранение, авто (мониторинг водителя) и образование. Заметно, что сегмент мониторинга на рабочих местах в ЕС резко сжимается из-за запрета AI Act; вендоры с большой долей на этом рынке (Cogito, Uniphore, Behavioral Signals) разворачиваются в аналитику клиентской стороны и работу только на США.

Для углубления по смежным метрикам, реально коррелирующим с выручкой, см. наш материал о том, зачем мы спрашиваем клиентов про количество пользователей на платформе.

FAQ

Что такое видеоаналитика эмоций в клиентском сервисе?

Это интерпретация эмоционального состояния клиента в реальном времени по видеопотоку с использованием лица, голоса и (опционально) текста или физиологических сигналов. Цель — алерты супервизору, постзвонковая аналитика качества, прогноз оттока и CSAT. Пайплайн мультимодальный: компьютерное зрение по выражениям лица + просодия голоса + сентимент текста, сведённые в серверный или edge-кластер инференса.

Законен ли emotion AI на рабочем месте в ЕС?

Нет, за узкими исключениями. Статья 5(1)(f) EU AI Act со 2 февраля 2025 года запрещает AI-системы, определяющие эмоции людей на рабочих местах и в образовательных учреждениях; единственные допущенные исключения — медицинские и связанные с безопасностью (например, усталость водителя). Штраф — до €35 млн или 7% мирового оборота. Анализ клиентской стороны с согласием остаётся допустимым по статье 9 GDPR.

Насколько точна видеоаналитика эмоций на реальных клиентских звонках?

50–75% по широким классам эмоций, заметно ниже 90%+, которые показывают в демо вендоров. Лабораторные бенчмарки (FER2013 94%, AffectNet 95%, RAVDESS 92%) проседают на 15–25 процентных пунктов на реальных клиентских аудио и видео. Относитесь к сигналам AI как к подсказкам триажа, а не приговорам; сочетайте с текстовыми ключевыми словами, чтобы снизить уровень ложноположительных срабатываний с 5–10% до менее 2%.

Какую платформу выбрать в 2026?

Только голосовые контакт-центры США — Cogito (Verint), Uniphore, Symbl.ai, Observe.ai, NICE Enlighten. Мультимодальные исследования / обучение / здравоохранение — Smart Eye, iMotions, Hume AI, Noldus FaceReader 10. Приватность на стороне браузера — MorphCast, Apple Vision. AWS Rekognition — для признаков выражений лица внутри существующей AWS-инфраструктуры. Microsoft закрыла эмоции в Azure Face в 2022 году.

Сколько стоит emotion AI за один звонок?

3,7–22 ₽ в SaaS, в зависимости от модальности и объёма. Только голос: 6–11 ₽ за звонок. Видео + голос мультимодально: 15–22 ₽ за звонок. Скидки за объём агрессивные: контракты на 50 млн звонков в год — около 3,7 ₽ за звонок. Кастомные сборки окупают SaaS примерно от 5 млн звонков в год для регулируемых нагрузок.

Когда стоит строить кастомный emotion AI, а не покупать SaaS?

Стройте, когда у вас больше ~5 млн анализируемых звонков в год, вы в здравоохранении / финансах / страховании / госсекторе, требуется on-prem или ЕС-резидентность, нужна мультиязычная или отраслевая донастройка либо вы продаёте emotion AI как продуктовую фичу. Ниже этих порогов SaaS выигрывает по всем осям, кроме владения IP.

Что насчёт BIPA в Иллинойсе, CUBI в Техасе и CPRA в Калифорнии?

BIPA требует письменного информированного согласия и задокументированной политики хранения для биометрии лица и голоса; частное право иска делает коллективные иски крупным риском. Техасский CUBI похож, но обеспечивается только генпрокурором. CPRA классифицирует биометрию как чувствительные персональные данные с правами на удаление и отказ. Считайте биометрическое право в США фрагментированным — проектируйте под самый строгий штат в вашем покрытии.

Может ли emotion AI заменить обучение операторов?

Нет. Emotion AI распознаёт раздражение, но не учит эмпатии. Внедрения, пытающиеся подменить человеческую эмпатию скриптовым «Я понимаю, вы расстроены», дают падение CSAT на 10–15%. Используйте AI как инструмент коучинга для людей, а не как замену.

Что читать дальше

Готовы запустить видеоаналитику эмоций — честно?

Видеоаналитика эмоций в клиентском сервисе в 2026 году — реальная продуктовая возможность, а не научное демо. Решения, отделяющие удачное внедрение от регуляторной или точностной катастрофы, мы прорабатываем с клиентами с 2024 года: внутри ЕС — только анализ клиентской стороны; мультимодальное слияние для роста точности; сначала просодия голоса, потом лицо; UX согласия с самого начала; и калибровка ложноположительных срабатываний до того, как алерты пойдут оператору на экран.

Если эти решения уже позади и вопрос в «купить или построить», мы делали и то и другое: интегрировали голосовую просодию уровня Cogito для одной команды и построили мультимодальный пайплайн для регулируемой отрасли для другой. Приходите со сценарием — мы принесём архитектуру, регуляторную карту и оценку за 48 часов.