White-Label AI платформа: мультитенантність і кастомізація

White-Label AI-as-a-Service: непублічні AI-сервіси під вашим брендом

Партнери великих AI-вендорів часто втрачають маржу на перепродажі публічних API — клієнт бачить оригінальний бренд і знає, скільки ви заробляєте. Наша white-label AI платформа вирішує цю проблему: ми надаємо вам повнофункціональний AI-продукт, який виглядає і працює як ваш власний. Власний домен, логотип, колірна схема, тарифна сітка — без розкриття технологічного провайдера.

Наприклад, один з наших партнерів заощадив $200,000 на рік завдяки переходу на white-label. White-label платформа приносить у 10 разів більше маржі, ніж перепродаж публічного API.

Наприклад, один із наших партнерів — SaaS-компанія з 5000 клієнтами — втрачала до 70% потенційної маржі, тому що клієнти напряму підключалися до OpenAI. Після запуску white-label платформи під власним брендом вони збільшили середній чек у 3 рази і зберегли всіх клієнтів, які раніше йшли до вендора.

Ми займаємося white-label розробкою AI-рішень більше 6 років. За цей час запущено 14 партнерських платформ із сумарною місячною виручкою в мільйони доларів. Наша команда AI/ML інженерів виконала понад 50 проєктів у сфері NLP та LLM. Нижче — архітектура, яку ми використовуємо в продакшені.

Архітектура мультитенантної white-label платформи

┌─────────────────────────────────────────────────────────┐ │ Partner A Partner B │ │ ai.company-a.com ai.company-b.com │ │ [Brand A UI] [Brand B UI] │ └─────────────────┬────────────────────────┬──────────────┘ ↓ ↓ ┌─────────────────────────────────────────────────────────┐ │ White-Label Gateway │ │ [Tenant Resolution] → [Brand Config] → [API Proxy] │ └─────────────────────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────────────────────┐ │ Core AI Platform │ │ [Model Inference] [Billing] [Analytics] [Management] │ └─────────────────────────────────────────────────────────┘ 

Як забезпечується ізоляція даних між партнерами?

Кожен партнер — це ізольований tenant. При запиті Gateway визначає tenant за доменом або API-ключем, підставляє його бренд-конфіг і проксі до потрібних моделей. Дані ніде не змішуються: логи зберігаються з tenant_id, білінг ведеться окремо, моделі розгортаються в ізольованих контейнерах.

За даними Gartner, до кінця десятиліття 80% підприємств будуть використовувати white-label AI-рішення для захисту бренду та контролю клієнтської лояльності.

from dataclasses import dataclass @dataclass class WhiteLabelTenant: tenant_id: str partner_id: str # Брендинг brand_name: str logo_url: str primary_color: str custom_domain: str # Функціональність enabled_models: list[str] custom_model_names: dict # Перейменування моделей для партнера # Ціноутворення markup_percent: float # Націнка партнера custom_pricing: dict # Кастомні ціни (перекривають markup) # Контракт revenue_share_percent: float # % від виручки партнера, що йде до нас min_monthly_revenue: float class TenantResolver: async def resolve(self, request: Request) -> WhiteLabelTenant: # Визначення тенанта за доменом host = request.headers.get('host', '') # Пошук за custom domain tenant = await self.db.get_by_domain(host) if tenant: return tenant # Fallback: за API ключем api_key = request.headers.get('X-API-Key') if api_key: return await self.db.get_by_api_key_prefix(api_key) raise TenantNotFoundError(f"Unknown domain: {host}") 

Чому white-label вигідніше перепродажу публічного API?

Середня маржа партнерів після запуску white-label становить 200-400% проти 20-30% при перепродажі. Економія на брендуванні та інфраструктурі сягає 40%.

Як ми будуємо white-label платформу: стек і процес

Ми використовуємо PyTorch для кастомних моделей, Hugging Face Transformers — для LLM, LangChain — для RAG-пайплайнів. Векторні БД — Qdrant/ChromaDB. Розгортання — на Kubernetes з Triton Inference Server. Весь код покритий тестами та CI/CD.

Процес роботи:

1. Аналітика — аудит ваших бізнес-вимог та цільових сценаріїв (1-2 дні)
2. Проектування — архітектура, вибір моделей, узгодження прототипу UI (1-2 тижні)
3. Реалізація — бекенд (Gateway, Tenant Manager, Billing), фронтенд (React), інтеграція моделей (6-8 тижнів)
4. Тест — навантажувальне тестування (до 10k rps), пентести безпеки (2-3 тижні)
5. Деплой — розгортання у вашому хмарі (AWS/GCP/Azure), налаштування моніторингу (1 тиждень)

Терміни: від 4 до 6 місяців на повноцінну white-label платформу з нуля. Якщо у вас вже є MVP — у 2 рази швидше.

Вартість розраховується індивідуально — ми оцінимо проект безкоштовно, заповніть бриф. Під ключ — з гарантією на код (12 місяців) та пост-релізною підтримкою.

White-Label API Gateway: реалізація

@app.middleware("http") async def white_label_middleware(request: Request, call_next): tenant = await tenant_resolver.resolve(request) # Підміна brand-specific конфігурації request.state.tenant = tenant request.state.brand_config = await brand_config_store.get(tenant.tenant_id) response = await call_next(request) # Видалення внутрішніх заголовків response.headers.pop("X-Powered-By", None) response.headers.pop("X-Internal-Model-Id", None) return response @app.post("/v1/chat/completions") async def chat_completions(request: ChatRequest, req: Request): tenant = req.state.tenant # Маппінг model names: "gpt-4" (клієнт) → "actual-model-id" (внутрішній) internal_model = tenant.custom_model_names.get( request.model, request.model ) # Перевірка доступності моделі для цього тенанта if internal_model not in tenant.enabled_models: raise HTTPException(404, f"Model '{request.model}' not available") # Кастомне ціноутворення pricing = tenant.custom_pricing.get(internal_model) or \ base_pricing.get(internal_model) * (1 + tenant.markup_percent / 100) result = await inference_service.run(internal_model, request) await billing.charge(tenant, result.usage, pricing) return result 

Кастомізація UI

Партнери керують брендингом через admin panel:

@dataclass class BrandConfig: logo_url: str favicon_url: str primary_color: str # "#0066cc" secondary_color: str font_family: str custom_css: str # Додатковий CSS для тонкого налаштування support_email: str privacy_policy_url: str terms_url: str # Білий список дозволених функцій show_model_selection: bool = True show_usage_analytics: bool = True show_api_docs: bool = True custom_nav_items: list[dict] = None # Додаткові пункти меню 

{ "tenant_id": "partner_42", "brand_name": "SuperAI", "logo_url": "https://superai.com/logo.png", "custom_domain": "ai.superai.com", "enabled_models": ["gpt-4o", "claude-3.5"], "custom_model_names": {"claude-3.5": "SuperChat Pro"}, "markup_percent": 50 } 

Що входить у розробку: deliverables

• Документація з інтеграції: Swagger/OpenAPI, guide для партнера з підключення
• Адмін-панель партнера: керування моделями, цінами, користувачами, статистикою
• Кастомний домен та SSL: повна ізоляція бренду
• SLA-підтримка: 99.95% аптайм, інциденти за 15 хвилин
• Навчання команди партнера: 3-денний workshop + запис
• Моніторинг та алерти: через Prometheus + Grafana

Хочете таку саму платформу під свій бренд? Зв'яжіться з нами — оцінимо проект за два робочі дні. Покажемо demo працюючої партнерської мережі. Отримайте консультацію: напишіть нам, і ми обговоримо ваші сценарії.

Як AI as a Service reseller, ви можете отримати private label AI рішення з повним брендуванням LLM. Ми також підтримуємо мультитенантність та reseller AI API інтеграцію.

Для довідки: архітектура white-label також називається мультитенантною.