AI-агенты и юнит-экономика: считаем выгоду в деньгах

Вокруг AI-агентов сложилась удобная иллюзия: платишь 20 долларов за подписку и получаешь сотрудника на полную ставку. На практике счёт за одного автономного агента, который сам вызывает инструменты и гоняет модель по кругу, складывается из подписки, оплаты токенов по API, вызовов внешних сервисов и человеко-часов на проверку результата. Ниже — как посчитать эту сумму до внедрения, а не после первого счёта от провайдера.

Что вообще считать агентом

Термином «агент» сейчас называют всё подряд — от чат-бота с одной функцией до системы, которая сама планирует шаги, вызывает инструменты и принимает решения без человека. Для юнит-экономики важна не маркетинговая обёртка, а количество вызовов модели на одну решённую задачу.

Простой чат отвечает одним запросом. Агент¹ на ту же задачу может сделать 5–30 вызовов: прочитать входные данные, спланировать, вызвать инструмент, проверить результат, переспросить себя. Каждый вызов — это токены на входе и выходе, за которые платит владелец, а не пользователь.

Из чего складывается цена одного действия

• Токены модели. Основная и самая нестабильная статья. Растёт вместе с длиной контекста² — чем больше документов агент держит в памяти шага, тем дороже каждый вызов.
• Вызовы инструментов. Поиск, доступ к базе, обращение к платному API — часто оплачиваются отдельно от модели.
• Повторы и ошибки. Агент, который зациклился или пошёл не туда, тратит токены впустую. Это не баг, а нормальная часть распределения затрат.
• Проверка человеком. Если результат нельзя пускать в прод без ревью, человеко-минуты остаются в себестоимости.

Главная ошибка расчёта — считать стоимость успешного прогона. Считать нужно среднюю стоимость с учётом неудачных попыток и ручных доделок.

Пример расчёта на одной задаче

Возьмём типовой сценарий: агент разбирает входящее письмо клиента, ищет ответ в базе знаний и готовит черновик ответа. Цифры ниже — иллюстративные, чтобы показать логику, а не готовый прайс: реальные ставки за токены смотрите на странице тарифов вашего провайдера, они меняются.

• В среднем 8 вызовов модели на одно письмо.
• Часть писем (скажем, каждое пятое) уходит на второй круг из-за нечёткого запроса.
• Каждый десятый черновик правит человек — это 3–4 минуты его времени.

Себестоимость письма = (средние токены за прогон × ставка) + (стоимость вызовов инструментов) + (доля ручных правок × минутная ставка сотрудника). Если сложить всё это, «бесплатный» агент на подписке внезапно оказывается не таким бесплатным — подписка покрывает интерфейс, а не расход по API при потоке в тысячи задач.

Где агент выигрывает у подписки с фиксированной ценой

Провайдеры предлагают две модели оплаты, и выбор между ними — половина юнит-экономики.

Подписка выгодна, пока задач мало и они делаются человеком с помощником. Как только процесс становится массовым и автономным, считать нужно по токенам — и здесь легко получить счёт в разы выше ожидаемого, если контекст не оптимизирован.

Кому это пригодится, а кому нет

Пригодится:

• Поддержке с потоком однотипных обращений, где 60–80% вопросов повторяются и ответ есть в базе.
• Командам, которые тратят человеко-часы на структурирование данных: разметка, извлечение полей из документов, первичная сортировка.
• Разработке — генерация черновиков кода и ревью, где ошибку ловит тест, а не клиент.

Не окупится или навредит:

• Редким, но дорогим по цене ошибки задачам — юридические заключения, медицина, финансовые решения без обязательной проверки человеком.
• Процессам, где входные данные каждый раз уникальны и контекст огромен: длина контекста тянет стоимость каждого прогона вверх.
• Малому потоку задач, где дешевле оставить человека, чем платить за настройку, мониторинг и повторы.

Как посчитать до внедрения

1. Возьмите 20–30 реальных задач и прогоните их через агента в тестовом режиме.
2. Замерьте фактический расход токенов и число повторов на прогон, а не оптимистичную оценку.
3. Добавьте стоимость внешних вызовов и минуты ручной проверки.
4. Посчитайте среднюю себестоимость с учётом неудачных попыток.
5. Сравните с текущей стоимостью того же результата вручную — в деньгах и во времени.

Если разница меньше 30–40%, автоматизация, скорее всего, не окупит время на настройку и поддержку. Если агент дешевле в разы — считайте дальше, но заложите рост цены при масштабировании: с ростом потока растёт и доля повторов, и нагрузка на мониторинг.

¹ Агент — программа поверх языковой модели, которая на одну задачу делает несколько шагов: планирует, сама вызывает внешние инструменты (поиск, базы, API) и оценивает промежуточный результат, а не отвечает одним запросом.

² Контекстное окно — максимальный объём текста (в токенах), который модель обрабатывает за один вызов: сюда входят и инструкция, и все данные, которые агент держит в памяти шага. Чем больше окно занято, тем дороже вызов.