Специалист по внедрению ИИ своими силами или через подрядчика: что дешевле за год

Специалист по внедрению ИИ нужен многим компаниям точечно, а не на полную ставку, и вопрос, нанимать его в штат или отдавать задачи подрядчику, за последний год мне задавали трижды. Каждый раз считаю экономику заново, потому что готового ответа тут нет: всё зависит от объёма задач и от того, нужен ИИ-инструмент постоянно или на разовый проект. В статье показываю, во сколько реально обходится каждый вариант за год, на примерах телеграм-ботов на aiogram, RAG-чат-ботов со своей базой знаний и автоматизации в n8n, которые я делал заказчикам.

Что входит во внедрение ИИ для малого и среднего бизнеса

Внедрение ИИ на практике редко выглядит как один большой проект. Обычно это набор из 3-5 точечных задач за год: телеграм-бот на aiogram с базой знаний по документам компании, автоматизация обработки заявок в n8n между сайтом и CRM, кастомный скрипт на Tilda, который квалифицирует лида перед передачей менеджеру, интеграция с T‑Bank или WooCommerce для обработки заказов, подключение расчёта доставки СДЭК через API. Каждая из этих задач решается отдельно и редко требует постоянного специалиста в штате, чаще нужен человек, который сделает интеграцию за 2-4 недели и потом изредка дорабатывает.

На практике за год у одного клиента набралась такая раскладка: весной запускали бота-квалификатора лидов на Tilda, летом дорабатывали интеграцию с СДЭК под новый склад, осенью подключали RAG-поиск по прайсу для отдела продаж. Три разных задачи, три разных периода, и между ними месяцы без единой правки.

Список используемых инструментов расширяется постепенно: сначала компания подключает Claude API для обработки обращений, потом добавляет сценарий в n8n для автоматической разметки лидов, потом просит доработать промпты под новый продукт. Именно этот разброс задач и определяет, что выгоднее, штат или подрядчик.

Своими силами: во что обходится эксперимент без специалиста

Часто первую попытку делают штатным маркетологом или менеджером, который сам разбирается в n8n и подключает ChatGPT или Claude через веб-интерфейс. На бумаге это бесплатно, на практике нет.

Первая статья расходов, время. Настройка рабочего сценария в n8n с нуля, если человек делает это впервые, занимает 15-30 часов даже на простую задачу вроде уведомлений о новых заказах. При ставке сотрудника в 800‑1200 ₽/час, переведённой из оклада, это 12 000-36 000 ₽ скрытых расходов, которые не видны в бюджете, но реально тратятся.

Вторая проблема, качество и безопасность. Без опыта интеграций сценарии часто ломаются при обновлении API партнёра, а собранные своими руками ИИ-боты плохо держат нагрузку и путаются в контексте диалога. Отдельно скажу про хранение данных: если для базы знаний или таблицы заявок используют Google Sheets, Airtable или Notion, компания хранит персональные данные клиентов на серверах за рубежом, а это прямо нарушает 152-ФЗ, статья 18 о локализации персональных данных граждан РФ. Для такой задачи нужен сервер в России, и самостоятельно это редко настраивают правильно с первого раза.

Третья проблема, интеграции с реальными системами вроде T‑Bank, WooCommerce или СДЭК почти всегда требуют работы с API и обработки ошибок, а не просто подключить готовый модуль. Без опыта на это уходят недели вместо дней, и результат часто приходится переделывать.

Штатный специалист по внедрению ИИ: реальная стоимость за год

На рынке труда специалисты по внедрению ИИ, иногда их называют AI-инженерами или ML-интеграторами, просят от 150 000 до 300 000 ₽ на руки в месяц, в Москве и Петербурге ближе к верхней границе, в регионах ниже. Это рыночный ориентир, не моя цена, я работаю на других условиях.

К зарплате на руки работодатель добавляет НДФЛ и страховые взносы, суммарно это увеличивает расходы примерно на 30-40%. Если специалист получает 200 000 ₽ на руки, для компании это около 260 000-280 000 ₽ в месяц с учётом взносов, то есть 3 100 000-3 400 000 ₽ в год.

К этому стоит прибавить неочевидные расходы: 1-2 месяца на адаптацию, за которые специалист изучает бизнес-процессы компании и пока не выдаёт результат в полную силу, оплачиваемый отпуск и больничные, в среднем 28-35 дней в году без выполненной работы, рабочее место и лицензии на инструменты. И самое важное, если задач для полной ставки не хватает, специалист часть времени простаивает, а зарплата идёт та же.

Штат оправдан, если компания постоянно генерирует задачи: несколько ИИ-продуктов в разработке одновременно, ежедневные правки промптов, поддержка десятков интеграций. Для одного-двух ботов и разовой автоматизации это избыточно.

Подрядчик: разовые проекты и абонемент на поддержку

Я беру задачи по внедрению ИИ поштучно: AI-интеграция с Claude API или OpenAI, включая RAG-чат-бота со своей базой знаний, стоит от 50 000 ₽, телеграм-бот на aiogram, от 30 000 ₽, автоматизация сценариев в n8n, от 25 000 ₽. Если нужен не индивидуальный бот, а быстрый старт под свою базу знаний, в библиотеке есть готовый ИИ-чатбот на Claude, который можно адаптировать под свои документы без разработки с нуля. После запуска можно взять техподдержку от 15 000 ₽/мес, это дешевле, чем содержать человека в штате, и она включает доработки без ожидания, пока штатный специалист освободится от текущих задач.

Такой вариант удобен именно тем, что оплата идёт по факту сделанной работы, а не по календарным месяцам. Не приходится платить за простой между задачами и тратить время на подбор и адаптацию сотрудника.

Сколько выходит за год: сравнение в цифрах

Ниже свёл три сценария в одну таблицу для задачи: телеграм-бот с RAG-поиском и автоматизация лидов в n8n. Такая комбинация встречается в моей практике чаще всего.

Разница на порядок, потому что штатный специалист оплачивается за доступность, а подрядчик получает оплату за результат. Если за год бизнесу нужно 3-4 доработки и один новый бот, переплата за штатную единицу очевидна.

Когда штатный специалист всё-таки выгоднее

Штат имеет смысл, если ИИ не вспомогательный инструмент, а часть продукта: например, сервис использует RAG-поиск как основную функцию и меняет логику каждую неделю, или в компании одновременно работает пять и больше ботов и автоматизаций, которые требуют ежедневного контроля. У одного проекта, где я делал интеграцию, ИИ обрабатывает каждую заявку в реальном времени и логика переобучается под новые ответы саппорта каждую неделю, там в итоге наняли отдельного человека, потому что ежедневный объём правок физически не укладывался в формат подрядчика.

Промежуточный вариант, нанять подрядчика на первый год, чтобы обкатать 2-3 сценария использования ИИ, посчитать реальную нагрузку по задачам, а потом уже решать, набирать ли штат под возросший объём.

Частые вопросы

Сколько стоит внедрить ИИ-чат-бота с базой знаний под ключ?

У меня разработка чат-бота с RAG-поиском по базе знаний начинается от 50 000 ₽, итоговая цена зависит от объёма документов и от того, нужна ли интеграция с CRM или мессенджерами помимо телеграма.

Можно ли внедрить ИИ в бизнес без программиста?

Для точечных задач вроде черновиков текстов в ChatGPT, да. Как только нужна интеграция с сайтом, CRM, оплатой или базой клиентов, без разработчика решение либо не заработает стабильно, либо создаст риски с хранением данных.

Что дешевле: подписка на ChatGPT для сотрудников или разработка своего решения?

Для 2-3 человек, которые используют ИИ как помощника в переписке, подписки достаточно. Как только нужно, чтобы ИИ отвечал клиентам от имени компании, работал с базой знаний или заявками, разовая разработка окупается быстрее, чем время сотрудников на ручную донастройку чужого интерфейса под свои задачи.

Как часто нужно дорабатывать ИИ-решение после запуска?

По моей практике, в первые 2-3 месяца после запуска бота или автоматизации выявляются пограничные сценарии, которые не учли на старте, и требуется 2-4 небольшие правки. После этого частота падает до одной доработки в квартал, если бизнес-процессы не меняются.