Agents-per-employee: как CFO считают ИИ-агентов в штате

Осенью 2024-го Марк Бениофф, глава Salesforce, публично заявил, что видит будущее, где компания управляет «миллиардом агентов» к концу 2025 финансового года, и позиционировал Agentforce как продукт, продаваемый по цене за разговор. Почти одновременно консультанты и финансовые директора начали обсуждать производную от этой логики метрику — сколько автономных ИИ-агентов приходится на одного живого сотрудника. Формально это не стандарт отчётности и не строка в МСФО. Но она уже мелькает в презентациях для советов директоров и в разговорах про то, во сколько компании обходится «цифровая рабочая сила».

Что за метрика и откуда она взялась

Идея простая: если раньше эффективность отдела мерили выручкой на сотрудника или расходами на ФОТ, то теперь к знаменателю добавляется ещё одна сущность — агент¹. Отсюда несколько производных показателей, которые пытаются превратить в KPI для финансовой функции:

• Agents per employee — сколько развёрнутых агентов приходится на одного человека в команде или компании.
• Cost per resolution — сколько стоит один закрытый агентом кейс (обращение, тикет, транзакция) против стоимости того же действия у человека.
• Автоматизированная доля процесса — какой процент задач в конкретной воронке закрывается без участия человека.

Причина, по которой этим заинтересовались именно CFO, а не только CIO, — модель ценообразования. Salesforce продаёт Agentforce по схеме, где заявленная цена привязана к результативным действиям агента (компания называла ориентир около 2 долларов за разговор, но условия и пакеты меняются — сверяйте на актуальной странице продукта). Это превращает ИИ из капитальных вложений в переменные операционные расходы, которые растут вместе с использованием. А переменные расходы, привязанные к объёму, — это ровно то, что финансовый директор обязан моделировать и защищать перед бюджетным комитетом.

Как только за агента платят не фиксированную подписку, а за каждое действие, вопрос «сколько у нас агентов» превращается в вопрос «сколько мы за них заплатим в следующем квартале».

Почему это удобно и где ломается

Привлекательность метрики в том, что она звучит измеримо. Совету директоров легче обсуждать «0,5 агента на сотрудника поддержки» и «стоимость закрытия обращения снизилась на X процентов», чем абстрактные разговоры про «внедрение ИИ». Но у показателя есть несколько встроенных проблем.

Во-первых, агенты не равны между собой. Один «агент» может быть примитивным сценарием, отвечающим на два типа вопросов, а другой — сложной цепочкой с доступом к CRM, базе знаний и правом совершать возвраты. Считать их одной единицей — то же самое, что мерить штат по количеству голов, не различая стажёра и руководителя направления.

Во-вторых, числитель легко раздуть. Если премия команды или оценка проекта завязана на «количество агентов на человека», появляется стимул плодить агентов ради цифры, а не ради результата. Классическая ловушка любого KPI: как только показатель становится целью, он перестаёт быть хорошим показателем.

В-третьих, метрика ничего не говорит о качестве. Агент, который закрывает 90 процентов тикетов, но в 5 процентах случаев даёт клиенту неверный ответ про сроки возврата, может обойтись дороже, чем человек, — только расходы всплывут не в строке «ИИ», а в оттоке и репутации.

Как это соотносится с привычными финансовыми показателями

Метрику «агенты на человека» бессмысленно смотреть в отрыве от денег. Ниже — как она стыкуется с показателями, которые CFO и так ведёт.

Главный риск для финансового планирования — переменная природа расходов. Стоимость запросов к моделям и токенов² у крупных провайдеров за последние два года несколько раз пересматривалась в сторону снижения, но объём использования при этом рос быстрее. Итоговый счёт может увеличиваться, даже если цена за единицу падает. Поэтому метрику «агенты на человека» разумно вести в паре с прогнозом расхода токенов и потолком бюджета.

Кому это пригодится, а кому нет

Пригодится:

• Компаниям с большими однотипными потоками обращений — поддержка, обработка заказов, первичная квалификация лидов. Здесь легко посчитать стоимость одного действия до и после.
• Финансовым директорам, которые переводят ИИ из разряда «инновационного эксперимента» в операционный бюджет и хотят единицу, понятную совету директоров.
• Тем, кто уже платит за агентов по модели «за действие» и обязан прогнозировать переменные расходы.

Скорее навредит:

• Командам, где работа плохо разбивается на дискретные повторяемые действия — сложные продажи, R&D, юридическая экспертиза. Там «количество агентов» ничего не объясняет.
• Организациям, которые сделают метрику целью и привяжут к ней премии до того, как научатся оценивать качество работы агентов.
• Небольшим компаниям, где счёт агентов идёт на единицы: статистики нет, а управленческий смысл в делении на штат теряется.

Что с этим делать финансовому директору

1. Не вводить метрику как самостоятельную цель. Держать её рядом с cost per resolution и качеством, иначе получите раздутый числитель без пользы.
2. Классифицировать агентов по сложности и правам доступа — считать их одной единицей нельзя.
3. Заложить в бюджет переменную часть: расход на токены и вызовы API растёт с использованием, а не фиксирован.
4. Мерить не только экономию, но и цену ошибок агента — неверные ответы всплывают в других строках отчёта.
5. Смотреть payback конкретного внедрения, а не среднюю по компании «плотность агентов».

Метрика «агенты на человека» — это удобный маркетинговый и управленческий ярлык, а не готовый финансовый стандарт. Она помогает разговаривать о масштабе автоматизации на понятном совету директоров языке. Но как только к ней привязывают деньги и премии, начинают работать все обычные искажения KPI. Пока у отрасли нет ни общепринятого определения «агента», ни стандартизированной методики подсчёта, относиться к этой цифре стоит как к рабочей гипотезе, а не как к строке из МСФО.

¹ Агент — программа на базе языковой модели, которая не просто отвечает на запрос, а выполняет цепочку действий для достижения цели: обращается к внешним системам, вызывает функции, принимает промежуточные решения без участия человека на каждом шаге.

² Токен — минимальная единица текста, которой оперирует языковая модель (примерно часть слова). Провайдеры моделей обычно тарифицируют использование по числу обработанных токенов на входе и выходе, поэтому расход прямо зависит от объёма и длины запросов.