Сколько стоит AI-агент в компании: считаем бюджет по статьям

Компания решает внедрить AI-агента¹ — например, бота поддержки, который сам читает базу знаний и отвечает клиентам. В презентации вендора цифра выглядит скромно: подписка на API от нескольких тысяч рублей в месяц. Через квартал финансовый отдел видит счёт в разы больше и задаёт неудобный вопрос: за что платим. Ответ в том, что стоимость модели — это обычно меньшая часть бюджета. Всё остальное прячется в токенах, инфраструктуре, интеграциях и человеке, который следит, чтобы агент не наговорил лишнего.

Из чего вообще складывается счёт

Бюджет на AI-агента удобно разложить на пять групп затрат. Каждая живёт по своим правилам: одни фиксированные, другие растут вместе с нагрузкой, а третьи всплывают один раз на старте.

• Модель (inference). Плата за обращения к LLM. Считается в токенах² — отдельно за вход (промпт плюс контекст) и за выход (ответ модели).
• Хранилище и поиск. Векторная база для RAG³, эмбеддинги, обычная СУБД под логи и историю диалогов.
• Инфраструктура и интеграции. Сервер или облако, где крутится сам агент, коннекторы к CRM, почте, мессенджерам.
• Наблюдаемость и качество. Логирование, трассировка вызовов, оценка ответов, защита от утечек данных.
• Люди. Разработка, настройка промптов, поддержка и ручная проверка спорных ответов.

Модель — это счётчик такси, а не абонемент. Вы платите не за то, что подключились, а за каждый километр: чем длиннее контекст и чем чаще обращения, тем выше чек.

Главная переменная — токены

Стоимость inference зависит не от числа пользователей, а от числа токенов, которые проходят через модель. Одно обращение агента почти никогда не равно одному вызову модели: чтобы ответить, он часто делает несколько шагов — уточняет запрос, достаёт куски базы знаний, проверяет результат. Каждый шаг — это новый промпт с накопленным контекстом.

Грубая прикидка на один диалог поддержки:

1. Возьмите средний размер системного промпта и инструкций — их модель читает каждый раз.
2. Прибавьте контекст из базы знаний, который RAG подставляет в запрос (обычно самая тяжёлая часть входа).
3. Прибавьте историю диалога — она растёт с каждой репликой.
4. Умножьте на число шагов агента за один ответ.
5. Отдельно посчитайте выходные токены — они у большинства провайдеров дороже входных.

Из-за этого «дешёвая» модель с длинным контекстом на практике может обойтись дороже, чем модель дороже за токен, но с компактными промптами. Точные тарифы за миллион токенов смотрите на странице цен вашего провайдера — они меняются несколько раз в год, и подставлять сюда конкретную цифру было бы враньём со сроком годности в пару месяцев.

Где деньги утекают незаметно

Три статьи, которые чаще всего забывают в первой смете.

• Повторные вызовы при ошибках. Агент не с первого раза получает валидный ответ, retry-логика гоняет модель по два-три раза. Токены тратятся, ценности для пользователя ноль.
• Раздувшийся контекст. Если в промпт кладут всю базу знаний вместо релевантных фрагментов, вход растёт в разы, а качество ответа — нет.
• Наблюдаемость постфактум. Без логирования вы не узнаете, какой сценарий съедает бюджет, и не сможете его урезать. Инструмент трассировки стоит денег, но окупается тем, что показывает, где резать.

Свой сервер или облачный API

Развилка, от которой зависит структура всего бюджета: платить за каждый вызов облачному провайдеру или поднять открытую модель на своём железе.

Правило прикидки простое: при малом и рваном трафике облако почти всегда дешевле, потому что вы не платите за простой. При большом постоянном потоке фиксированная стоимость своего железа в пересчёте на запрос может оказаться ниже. Точку безубыточности считают по своим объёмам, а не по чужим кейсам.

Кому это пригодится, а кому нет

Считать бюджет заранее стоит, если:

• вы автоматизируете поддержку с сотнями и тысячами обращений в день — здесь токены складываются в ощутимую сумму, и экономия на длине промпта окупается;
• агент работает с чувствительными данными — тогда в смету входит выбор контура и, возможно, своя модель;
• у вас несколько сценариев на одной инфраструктуре — общая база и наблюдаемость размазываются на все, и это меняет расчёт на один сценарий.

Глубокий расчёт избыточен, если:

• вы тестируете гипотезу на десятках запросов в день — здесь проще взять облачный API и смотреть по факту, чем строить модель затрат;
• задача разовая (разобрать архив документов один раз) — считать месячный бюджет незачем, достаточно оценить объём токенов на весь прогон;
• агент внутренний, для пары сотрудников — расходы на модель будут теряться на фоне их зарплат.

Как собрать смету за один вечер

1. Оцените число обращений в день и рост на горизонте квартала.
2. Прикиньте токены на одно обращение по шагам выше — лучше с запасом.
3. Умножьте на актуальный тариф провайдера (вход и выход отдельно).
4. Добавьте фиксированные строки: векторная база, хостинг агента, инструмент наблюдаемости.
5. Заложите человеко-часы на разработку старта и ежемесячную поддержку.
6. Прибавьте 20-30% буфера на retry, рост контекста и эксперименты.

Главная защита от сюрпризов — не точность первой цифры, а лимиты и мониторинг. Настройте потолок расходов у провайдера и алерты по токенам с первого дня, чтобы ошибка в промпте не превратилась в неприятный счёт в конце месяца.

¹ AI-агент — программа на основе языковой модели, которая не просто отвечает одной репликой, а выполняет цепочку шагов: планирует, обращается к внешним данным и инструментам, проверяет промежуточный результат.

² Токен — единица текста, которой оперирует модель; примерно часть слова. Провайдеры тарифицируют работу именно в токенах, а не в символах или словах.

³ RAG (retrieval-augmented generation) — подход, при котором модель перед ответом достаёт релевантные фрагменты из базы знаний и подставляет их в контекст, чтобы отвечать по вашим данным, а не по общим знаниям.