AI ऑटोमेशन

RAG क्या है, और कंपनी के documents पर AI chatbot बनवाने में कितना खर्च आता है?

लेखक प्रकाशित अपडेट

कंपनी के documents पर RAG chatbot के लिए भारत की agencies simple build का ₹1.5–4 लाख और production scope का ₹5–12 लाख तक बताती हैं, और 20 लोगों के लिए model fees लगभग $22 प्रति माह रहती हैं। Ready tools लगभग $18–$25 प्रति seat लेते हैं। VITON13 सीमित version $113 से शुरू करता है।

RAG क्या है, आसान शब्दों में?

RAG का पूरा नाम retrieval-augmented generation है। जब कोई सवाल पूछता है, तो system पहले आपके documents में खोजता है, सबसे सही हिस्से language model को देता है और कहता है कि जवाब सिर्फ़ उन्हीं से बनाए, source के link के साथ। यह open-book exam जैसा है: जवाब मिले हुए पन्ने से बनता है, model की याददाश्त से नहीं।

इससे दो बातें निकलती हैं। Model को दोबारा train नहीं किया जाता: आपकी files model के बाहर एक search index में रहती हैं। और जवाब search से बेहतर नहीं हो सकता, इसलिए duplicate, पुरानी या बिना text वाली scanned files आत्मविश्वास से भरे गलत जवाब देती हैं।

कंपनी के documents पर RAG chatbot बनाने का खर्च कितना है?

भारत की agencies के 2026 के rates में दस गुना या उससे ज़्यादा का फ़र्क है, क्योंकि हर कोई अलग project का दाम बता रहा है। इनमें से कोई भी quote नहीं है।

Company documents पर RAG chatbot के build rates (पन्ने 2026-10-04 को पढ़े गए)
Source और प्रकारबताया गया scopeBuild का खर्चबताया गया running cost
Codevibe, भारतीय agency, 27 अप्रैल 2026 (updated 23 मई)Simple build; medium complexity; CRM और ticketing से जुड़ा custom system₹1.5–4 लाख; ₹4–10 लाख; ₹10 लाख+5,000–20,000 requests पर ₹15,000–₹50,000 प्रति माह
Finzarc, भारतीय studio, 17 जुलाई 2026 (updated)एक knowledge base से multi-source, multilingual, human handoff तक₹1.5–2.5 लाख से शुरू; बड़े systems ₹6–10 लाख+LLM और infra का खर्च अलग, usage के साथ बढ़ता है
WavX Solutions, भारतीय agency, 20 अगस्त 2026 (updated 1 सितंबर)Single source; permissions वाला production system; regulated deployment₹2–5 लाख; ₹5–12 लाख; ₹12–18 लाख+₹15,000–₹1,20,000 प्रति माह
BtechWaleTech, freelancers की team, 25 सितंबर 2026एक knowledge base, एक chat front end, citations, refusal rule, starter test set₹40,000 से2 महीने free upkeep, फिर ₹8,000 प्रति माह से
VITON13200 approved documents तक, 3 sources, 3 user groups, 50 test questions, 1 interface$113 से AI-सहायित या $173 विशेषज्ञ-नेतृत्वModel, vector database और hosting का खर्च providers को
Rates वैसे ही हैं जैसे sources छापते हैं, कर से पहले। ये pages वही लिखते हैं जो काम बेचते हैं, इसलिए ये spread दिखाते हैं, बाज़ार का औसत नहीं।

VITON13 की पंक्ति को छूट नहीं, छोटा scope समझिए: package documents, sources, groups और test questions सीमित रखता है, और scanning, integrations तथा providers की fees price से बाहर हैं।

एक ही chatbot के दो quotes में इतना फ़र्क क्यों होता है?

  • Data की तैयारी: Codevibe के अनुसार 10,000 pages के documents और support tickets की तैयारी अकेले ₹50,000 से ₹3 लाख जोड़ सकती है। Hamza Shabbir इसे build budget का 30–40% बताते हैं।
  • Permissions: अगर staff अलग-अलग documents पढ़ सकते हैं, तो नियम source system से search layer तक पहुँचाने पड़ते हैं। WavX permissions वाले system को production scope में गिनता है।
  • कौन बनाता है: Hamza Shabbir के अनुसार agencies एक अकेले engineer से दो-तीन गुना माँगती हैं। ऊपर की table में freelancers ₹40,000 से शुरू करते हैं और बड़े systems ₹10 लाख पार कर जाते हैं।

क्या ready-made tool custom RAG की जगह ले सकता है?

अगर टीम पहले से किसी एक suite में काम करती है, तो अक्सर हाँ। Table में वह है जो हर vendor आज अपने pricing page पर छापता है।

Ready-made tools जो आपके documents से जवाब देते हैं (vendor pages 2026-10-04 को पढ़े गए)
ToolVendor page पर priceक्या पढ़ता हैखरीदने से पहले जाँचें
ChatGPT Business$20 प्रति seat प्रति माह (annual billing), $25 monthly; 2–200 employees; Enterprise quote परShared Projects की files; Google Workspace, Slack, GitHub, Microsoft 365Role-based access controls सिर्फ़ Enterprise में लिखे हैं; reasoning window लगभग 320 pages
Microsoft 365 Copilot Business$18 प्रति user प्रति माह (yearly payment; promotion 1 जुलाई–31 दिसंबर 2026 की खरीद पर, सिर्फ़ पहले साल; list $21); monthly $25.20Microsoft 365 contentयोग्य Microsoft 365 plan का add-on, 300 users तक
Chatbase$40, $150 या $500 प्रति माह: 700, 4,000 या 15,000 message creditsआपके upload किए content से, आपकी website के bot के लिएExtra credits $40 प्रति 1,000
Prices कर के बिना हैं; भारत में invoice की मुद्रा और GST vendor से पूछिए।

Seats जुड़ती जाती हैं। 20 लोगों के लिए ChatGPT Business annual billing पर $4,800 प्रति वर्ष या monthly $6,000 पड़ता है; Copilot Business offer पर पहले साल $4,320 (हमारी गणना)। यह एक छोटे custom build की सीमा में है, इसलिए पूछिए कि seat क्या नहीं कर सकती: आपकी website या Telegram bot के अंदर चलना, public को जवाब देना, या हर document पर access rules लगाना।

RAG chatbot को हर महीने चलाने का खर्च कितना है?

Launch के बाद तीन meters चलते हैं: files की indexing, index का storage और हर सवाल के tokens। Indexing लगभग मुफ़्त है: 20 pages के 200 documents, लगभग 600 tokens प्रति page, यानी 2.4 million tokens, और OpenAI का text-embedding-3-small $0.02 प्रति million tokens लेता है, यानी लगभग पाँच cent। Storage भी छोटा है: OpenAI के file search में 1 GB मुफ़्त है।

असली meter सवाल हैं। मान लीजिए एक सवाल में 3,000 input tokens (instructions, पाँच retrieved passages, सवाल) और 400 output tokens हैं, जो Hamza Shabbir के आकार हैं, और 20 लोग 22 working days तक रोज़ पाँच सवाल पूछते हैं: 2,200 सवाल।

2,200 सवाल प्रति माह पर model का खर्च, list prices पर (2026-10-04 को पढ़े, हमारी गणना)
Model (प्रति million input / output tokens price)एक सवाल2,200 सवाल
GPT-6 Luna, OpenAI ($0.10 / $0.50)$0.0005$1.10
Claude Haiku 4.5, Anthropic ($1 / $5)$0.005$11
Claude Sonnet 5.5 और GPT-6.1 Sol ($2 / $10)$0.01$22
Claude Opus 5.5 ($4 / $20)$0.02$44
Claude Fable 5.1 और GPT-6 Astra ($10 / $50)$0.05$110
Providers डॉलर में bill करते हैं। Cached input एक दसवें हिस्से या कम पर मिलता है: Sonnet 5.5 में $0.20 प्रति million। Data-residency वाले regional endpoints लगभग 10% जोड़ते हैं।

इसलिए छोटी टीम के लिए model का बिल कुछ दर्जन dollars का है। Hosting के लिए $25–$150 प्रति माह जोड़िए (Hamza Shabbir)। असली खर्च वह व्यक्ति है जो documents को अद्यतन रखे और बिना जवाब वाले सवाल पढ़े।

RAG chatbot कहाँ अब भी गलत जवाब देता है?

  • गलत हिस्सा मिलता है: दो chunks में बँटी table या clause आधी बात पर जवाब देती है, और text layer के बिना scan में search को कुछ मिलता ही नहीं।
  • पुरानी और duplicate files: हर document का एक owner और एक तारीख रखिए।
  • Hallucination बचा रहता है: Stanford के शोधकर्ताओं ने पाया कि LexisNexis और Thomson Reuters के RAG-आधारित legal research tools 17–33% बार hallucinate करते हैं, general chatbot से कम, पर vendors के दावों से काफ़ी दूर।
  • Access leaks: OWASP कमज़ोर access control वाले embeddings और shared vector stores को, जो users के बीच context लीक करते हैं, LLM applications की प्रमुख कमज़ोरियों में गिनता है।

कंपनी अपने assistant के कहे के लिए जवाबदेह होती है। Moffatt v. Air Canada (2024 BCCRT 149) में British Columbia के tribunal ने एयरलाइन की यह दलील ठुकरा दी कि chatbot अलग संस्था है, और गलत fare सलाह के लिए एक ग्राहक को CAD 812.02 देने का आदेश दिया। वह bot public से बात करता था, पर internal assistant के जवाबों पर भी कर्मचारी चलते हैं।

DPDP Rules documents वाले assistant पर कैसे लागू होते हैं?

अगर आपके documents में ग्राहकों या कर्मचारियों का personal data है, तो आप Data Fiduciary हो सकते हैं। सरकार ने 14 नवंबर 2025 को DPDP Rules, 2025 अधिसूचित किए, और PIB के अनुसार इनके साथ 18 महीने की चरणबद्ध compliance अवधि है। सिद्धांतों में data minimisation, accuracy, storage limitation और security safeguards हैं, और breach होने पर प्रभावित लोगों को जल्दी बताना होता है।

यह कानूनी सलाह नहीं है। अपने वकील या data protection officer से पूछिए कि provider data कहाँ process करता है, क्या रखता है और क्या आपकी files training में इस्तेमाल होती हैं।

Build करें, buy करें या अभी रुकें: कौन-सी checklist आपके लिए है?

  • RAG छोड़ दीजिए अगर पूरी library लगभग 100–200 pages से कम है और कम बदलती है: Hamza Shabbir इसे cached prompt में डालने की सलाह देते हैं, और ChatGPT Business का reasoning window लगभग 320 pages बताया गया है।
  • Seat plan लीजिए अगर सब लोग Microsoft 365, Google Workspace या Notion में काम करते हैं, users कुछ दर्जन हैं और suite के अपने permissions काफ़ी हैं।
  • Website visitors और public content के लिए Chatbase जैसा bot builder लीजिए।
  • Custom build कीजिए अगर अलग groups अलग documents पढ़ते हैं, जवाब में passage का link चाहिए, sources कई systems में हैं, अपना interface या दोबारा चलने वाला test set चाहिए, या data किसी चुने हुए region में रहना है।

VITON13 documents वाला assistant कैसे बनाता है

VITON13 का package ऊपर बताए build का संकरा version है। हम sources, किसे क्या देखने की अनुमति है और सबसे ज़्यादा पूछे जाने वाले सवाल तय करते हैं; approved documents को access rules के साथ index करते हैं; फिर expected answers वाले 50 test questions चलाते हैं, गलत या बिना आधार वाले जवाब ठीक करते हैं और साफ़ ‘पर्याप्त जानकारी नहीं है’ वाले जवाब की threshold तय करते हैं। आपकी टीम के test और revision rounds के बाद assistant evaluation report के साथ live होता है। AI-सहायित mode में AI पहला draft करता है और एक व्यक्ति उसे जाँचता है; विशेषज्ञ-नेतृत्व mode में विशेषज्ञ हर चरण चलाता है, AI मदद करता है।

RAG नॉलेज असिस्टेंट

कीमत
$113 AI-सहायित या $173 विशेषज्ञ-नेतृत्व
समय
10–18 कार्यदिवस

मानव हैंडऑफ़ वाला AI चैटबॉट

कीमत
$73 AI-सहायित या $93 विशेषज्ञ-नेतृत्व
समय
5–8 कार्यदिवस

छोटे स्कोप रिव्यू के बाद अंतिम कीमत लिखित में तय होती है।

बिज़नेस के लिए AI एजेंट

कीमत
$73 AI-सहायित या $93 विशेषज्ञ-नेतृत्व
समय
5–8 कार्यदिवस

AI-सहायित: तय चरणों में AI ड्राफ़्ट बनाता है, एक व्यक्ति दिशा देता है और हर नतीजा जाँचता है। विशेषज्ञ-नेतृत्व: काम विशेषज्ञ करता है, AI मदद करता है।

क्या शामिल है

  • 3 sources से 200 approved documents तक की indexing
  • 3 user groups के लिए access rules
  • Expected answers वाले 50 test questions और एक report जिसे बदलाव के बाद दोबारा चलाया जा सके
  • एक interface, web chat या messenger bot, हर जवाब के नीचे source का link
  • एक update schedule जो बदले documents दोबारा पढ़ता है और हटाए गए documents छोड़ देता है
  • समय: brief मंज़ूर होने के बाद 10–18 कार्यदिवस

शामिल नहीं

  • Model, vector database और hosting की fees, जो आप providers को देते हैं
  • मुश्किल से पढ़े जाने वाले documents की scanning, OCR clean-up या rewriting
  • दूसरे systems में actions, जैसे tickets बनाना: वह AI agent है, उसका अपना scope होता है
  • जाँचे गए सवालों से आगे accuracy का कोई वादा

संशोधन: Deliverables पर 2 revision rounds

1 कार्यदिवस में अनुमान पाएँ

1 कार्यदिवस में लिखित अनुमान

उदाहरण

पायलटपायलट जारी है

Documents वाले assistant का कोई published case अभी नहीं है

VITON13 ने अभी किसी client के documents पर बने RAG assistant का ऐसा case प्रकाशित नहीं किया है जिसमें जवाबों को मापा गया हो, इसलिए इस guide में accuracy के कोई गढ़े हुए आँकड़े नहीं हैं। हर संख्या नीचे के source से या पन्ने पर दिखाई गणना से आई है।

यह क्या साबित नहीं करता

  • Model fees की table list prices पर एक मानी हुई सवाल-साइज़ की गणना है। यह नहीं दिखाती कि कोई assistant कितना सटीक है या आपका usage कितना खर्च करेगा।

सवाल और जवाब

क्या RAG का मतलब ChatGPT को मेरे documents पर train करना है?

नहीं। आपकी files model के बाहर index होती हैं और सवाल आने पर उनके हिस्से निकाले जाते हैं, इसलिए कुछ दोबारा train नहीं होता, और हटाई गई file index refresh होने के बाद इस्तेमाल नहीं होती। Hamza Shabbir के अनुसार fine-tuning मुख्य रूप से style और format बदलती है।

RAG की ज़रूरत पड़ने से पहले ChatGPT को कितने pages दे सकते हैं?

ChatGPT Business का पन्ना 256K-token का reasoning window बताता है, यानी लगभग 320 pages का input, और जवाब को भी उसी में समाना होता है। Hamza Shabbir 100–200 pages से कम की सामग्री cached prompt में डालने की सलाह देते हैं। इससे ज़्यादा हो, या files हर हफ़्ते बदलें, तो पहले खोजना ठीक रहता है।

क्या chatbot अलग-अलग कर्मचारियों को अलग जवाब दिखा सकता है?

हाँ, अगर access rules retrieval के भीतर हों, ताकि जो हिस्सा व्यक्ति पढ़ नहीं सकता वह निकाला ही न जाए। Model के देख लेने के बाद filter करना देर से किया गया काम है। OWASP shared vector stores से context लीक होने की चेतावनी देता है। VITON13 का package 3 groups के लिए rules लगाता है।

Launch से पहले RAG assistant को कैसे test करें?

असली सवाल लिखिए, साथ में expected answer और source, हर बदलाव के बाद उन्हें चलाइए और search तथा जवाब को अलग-अलग जाँचिए: सही हिस्सा मिला या नहीं, और जवाब उसके प्रति वफ़ादार है या नहीं। VITON13 के package में 50 सवाल हैं; Hamza Shabbir 50–100 सवालों का खर्च $1,000–$3,000 बताते हैं।

क्या अलग vector database चाहिए?

हमेशा नहीं। Hamza Shabbir के अनुसार Postgres में pgvector extension कुछ million vectors तक की ज़्यादातर knowledge bases के लिए काफ़ी है, और $0–$50 प्रति माह अतिरिक्त लगते हैं। Vector database की fees VITON13 के package से बाहर हैं।

स्रोत

  1. OpenAI, API pricing —
  2. Anthropic, Claude pricing —
  3. OpenAI, ChatGPT Business pricing —
  4. Microsoft, Copilot business pricing —
  5. Chatbase, Pricing —
  6. Codevibe, RAG chatbot development cost in India —
  7. Finzarc, RAG chatbot development cost —
  8. WavX Solutions, RAG chatbot development cost 2026 —
  9. BtechWaleTech, RAG chatbot development —
  10. Hamza Shabbir, cost to build a RAG chatbot —
  11. Magesh et al. (Stanford), Hallucination-Free? —
  12. OWASP, LLM08:2025 Vector and Embedding Weaknesses —
  13. Moffatt v. Air Canada, 2024 BCCRT 149 —
  14. PIB, Government notifies DPDP Rules —

लेखक के बारे में

Vitalii Tarasov

VITON13 Studio के संस्थापक · दुबई, UAE

Vitalii Tarasov ने 2026 में VITON13 की स्थापना की और दुबई ऑफ़िस से VITON13 Studio चलाते हैं। स्टूडियो के हर प्रोजेक्ट की ज़िम्मेदारी उन्हीं की है: लिखित दायरा और कीमत, काम की दिशा और डिलीवरी से पहले जाँच। इस गाइड में स्टूडियो की कीमतें सर्विस पेजों से ली जाती हैं, इसलिए वे वहाँ मिलने वाले कोट से मेल खाती हैं।

VITON13 के बारे में

इस गाइड से जुड़ी सेवाएँ