Сколько на самом деле стоит внедрить ИИ-агента в малом бизнесе

Владельцу небольшой студии или интернет-магазина продают ИИ-агента как готовое решение: «поставим за неделю, будет отвечать клиентам вместо оператора». В реальности внедрение простого агента для поддержки в компании на 20–30 человек обходится в 300–800 тысяч рублей на старте и 40–120 тысяч в месяц на сопровождение. Разберём, из чего складывается эта сумма и где можно сэкономить, а где нельзя.

Из чего вообще состоит цена

ИИ-агент — это не просто чат-бот с подключённой моделью. Это связка из четырёх компонентов, каждый со своей стоимостью:

• Модель — GPT-4o, Claude Sonnet, GigaChat, YandexGPT или локальная Llama. Платите за токены или за подписку.
• База знаний — векторное хранилище с вашими документами, регламентами, каталогом. Нужен пайплайн загрузки и обновления.
• Интеграции — CRM, телефония, мессенджеры, 1С, почта. Обычно самая недооценённая статья.
• Оркестрация и логика — что агент делает после того, как понял запрос: создаёт заявку, эскалирует человеку, шлёт письмо.

Если убрать любую из этих частей, получится демо, а не работающий инструмент.

Три сценария и три бюджета

Возьмём три реалистичных случая для компании до 50 человек: бот поддержки в Telegram, агент для отдела продаж, автоматизация внутренних процессов.

Цифры — по данным российских интеграторов на конец 2024 года и по публичным прайсам no-code-платформ. Разброс большой, потому что зависит от количества интеграций и того, сколько документов нужно загружать в базу знаний.

Цена токенов: где утекают деньги

Многие смотрят только на цену модели за миллион токенов и думают, что уложатся в 5 тысяч рублей в месяц. Так не работает. Один диалог с RAG-агентом^* — это не один запрос к модели, а 3–7 запросов: классификация намерения, поиск в базе, генерация ответа, проверка. Плюс в контекст летит история диалога и найденные фрагменты документов.

Реальный расход на один осмысленный диалог с GPT-4o — 0,03–0,15 доллара (3–15 рублей). При 500 диалогах в день это 45–225 тысяч рублей в месяц только на API. Если переключиться на GPT-4o mini или Claude Haiku, счёт падает в 5–10 раз, но качество ответов на сложных вопросах заметно проседает.

Модель за миллион токенов стоит копейки. Дорого стоит миллион токенов, умноженный на количество шагов в вашем агенте.

Как считать заранее

Прикинуть расход можно на салфетке ещё до разработки:

расход_в_месяц =
  диалогов_в_день × дней ×
  шагов_в_диалоге ×
  средний_размер_контекста_в_токенах ×
  цена_за_токен

Для типового бота поддержки: 200 диалогов × 30 дней × 4 шага × 3000 токенов × $2,5 за миллион входных токенов = около $180 в месяц, или 17 тысяч рублей. Плюс выходные токены — они дороже в 3–4 раза.

Скрытые статьи, о которых молчат

1. Разметка данных и тесты. Чтобы понять, что агент отвечает правильно, нужен набор из 200–500 эталонных диалогов. Составить его — это неделя работы предметного эксперта, ещё 50–150 тысяч сверху.
2. Дообучение базы знаний. Регламенты меняются каждый месяц. Кто-то должен переиндексировать документы, иначе агент через полгода отвечает по устаревшим правилам.
3. Юридическая проверка. Если агент общается с клиентами и работает с их данными, нужна политика обработки ПДн, согласие на общение с ИИ и логи для 152-ФЗ. Юрист — от 30 тысяч разово.
4. Резервные каналы. Модель может отвалиться. Нужен фолбэк на другую модель или на живого оператора, иначе первый же сбой OpenAI обернётся простоем поддержки.
5. Промпт-инженер после запуска. Первый месяц кто-то каждый день читает логи и правит инструкции. Это 20–40 часов работы, которую часто не закладывают в бюджет.

No-code vs. кастомная разработка

Соблазн собрать агента на Voiceflow, Botpress или отечественном Salebot велик: обещают запуск за неделю и подписку от 5 тысяч рублей. Для FAQ-бота это работает. Как только появляются интеграции с 1С и нестандартная логика, no-code упирается в потолок: либо платите за корпоративный тариф от 50 тысяч в месяц, либо всё равно нанимаете разработчика для кастомных узлов.

Собственная разработка на Python с LangChain или LlamaIndex стоит дороже на старте, но даёт контроль над расходом токенов и не зависит от политики платформы. Компромисс — платформа для интерфейса плюс свой бэкенд для тяжёлой логики.

Когда внедрение окупается

Простой расчёт: если агент закрывает работу одного оператора поддержки (зарплата 60 тысяч плюс налоги — около 90 тысяч в месяц), то бюджет в 100–120 тысяч в месяц на агента не окупается. Окупается на объёме: когда агент снимает 60–80% рутинных обращений с трёх-пяти операторов, оставляя людям сложные случаи.

Для отдела продаж считать проще: если агент квалифицирует лиды и добавляет к конверсии хотя бы 3–5%, при среднем чеке от 50 тысяч рублей вложения возвращаются за 4–8 месяцев. Для внутренних ассистентов срок окупаемости — 12–18 месяцев, и это оптимистичный сценарий.

^* RAG (Retrieval-Augmented Generation) — подход, при котором модель перед генерацией ответа ищет релевантные фрагменты в вашей базе знаний и использует их как контекст.