Внедрение ИИ-агентов чаще всего стартует с эффектного демо, а не с расчёта, который отвечает на главный вопрос: окупится это через полгода или превратится в статью расходов на техподдержку. Я считаю эффект до старта на каждом проекте, будь то Telegram-бот на aiogram, RAG-агент с базой знаний или цепочка автоматизации в n8n: беру реальную нагрузку клиента, зарплату сотрудника, которого агент разгружает, и стоимость токенов Claude или OpenAI, и только после этого называю бюджет. Ниже методика расчёта на конкретных цифрах и разбор, где агент отбивается за несколько месяцев, а где превращается в дорогую игрушку для презентации инвесторам.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
Зачем считать эффект до технического задания
Классический сценарий: клиент посмотрел демо чат-бота на GPT, впечатлился, как он отвечает на вопросы человеческим языком, и хочет «такого же, но для нас». На этапе демо никто не считает, сколько стоит месяц работы агента при реальной нагрузке в 3000 обращений, сколько токенов съедает длинный системный промпт с базой знаний и сколько будет стоить доработка, когда выяснится, что агент путает тарифы.
Я делаю расчёт до старта разработки по трём цифрам: сколько сейчас стоит процесс руками человека, сколько будет стоить агент в первый месяц и сколько он будет стоить при росте нагрузки в 2-3 раза. Без этого разговор про ИИ-агента превращается в разговор про моду, а не про деньги, и через полгода бюджет на подписку API незаметно съедает всю экономию на зарплате.
Из чего складывается бюджет внедрения ИИ-агента
Бюджет состоит из разовой разработки и ежемесячных расходов, и разработчики почти всегда озвучивают только первую часть.
| Статья расходов | Разовая или ежемесячная | Ориентир |
|---|---|---|
| Разработка Telegram-бота на aiogram | разовая | от 30 000 ₽ |
| RAG-агент с базой знаний (Claude API) | разовая | от 50 000 ₽ |
| Автоматизация процессов в n8n | разовая | от 25 000 ₽ |
| Интеграция с CRM, T‑Bank, СДЭК | разовая | от 40 000 ₽ |
| Токены Claude или OpenAI при нагрузке | ежемесячная | зависит от объёма диалогов |
| Техподдержка и доработка промптов | ежемесячная | от 15 000 ₽/мес |
Отдельно считаю стоимость токенов, потому что она не привязана к типу агента, а зависит от длины системного промпта, объёма базы знаний в контексте и количества диалогов в месяц. На практике для RAG-агента с базой знаний из полусотни статей и 500-800 диалогов в месяц расход на API у Claude или OpenAI по опыту укладывается в 3000-6000 рублей, и это не фиксированная цена, а сумма, которая растёт вместе с нагрузкой.
Если нужен расчёт под конкретную задачу, я собираю бюджет на разработку и внедрение ИИ-агента уже с учётом реальной нагрузки клиента, а не по шаблону из презентации.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Формула расчёта окупаемости и пример на реальных цифрах
Формула простая: Экономия = (обращений в месяц × время на одно × стоимость часа сотрудника) - (поддержка агента + токены API).
Пример из практики: служба поддержки интернет-магазина на WooCommerce с эквайрингом T‑Bank обрабатывает 800 обращений в месяц про статус заказа, доставку через СДЭК и возвраты. Среднее время ответа сотрудника, включая переключение между чатом и админкой, 6 минут. Зарплата сотрудника 60 000 рублей за 160 часов, то есть 375 рублей в час.
| Показатель | Без агента | С RAG-агентом |
|---|---|---|
| Время на обработку 800 обращений | 80 часов | 10 часов (только сложные случаи) |
| Стоимость обработки в месяц | 30 000 ₽ | 3 750 ₽ |
| Токены Claude API | 0 ₽ | ~4 000 ₽ |
| Поддержка агента | 0 ₽ | от 15 000 ₽ |
| Итого расходы в месяц | 30 000 ₽ | ~22 750 ₽ |
Экономия в этом примере около 7 250 рублей в месяц при разовой разработке от 50 000 рублей, то есть срок окупаемости чуть больше полугода. Если нагрузка вырастет до 2000 обращений в месяц, ручная обработка потребует второго сотрудника, а расходы на агента увеличатся в основном за счёт токенов и вырастут не пропорционально, а на 30-40%. Именно на этом расхождении кривых агент начинает по-настоящему окупаться, и это стоит закладывать в расчёт сразу, а не постфактум.
Какие агенты ИИ окупаются быстро, а какие нет
Не всякая задача одинаково хорошо ложится на агента, и по опыту вижу три категории.
Быстрая окупаемость
Сюда попадают задачи с высокой повторяемостью и понятной базой знаний: ответы на типовые вопросы про доставку и оплату, обработка заявок в Telegram-боте, первичная квалификация лида перед передачей менеджеру. Здесь агент закрывает 60-80% обращений без участия человека, и окупаемость считается по формуле выше без сложных допущений.
Окупаемость через 6-12 месяцев
Внутренние процессы: автоматизация отчётов в n8n, синхронизация заказов между CRM и складом, парсинг цен конкурентов на Python. Прямой экономии на зарплате здесь меньше, зато экономится время руководителя или аналитика, которое сложнее оценить в рублях напрямую, поэтому расчёт стоит делать через количество часов, освобождённых у конкретного сотрудника.
Долгая или спорная окупаемость
Агенты для нестандартных диалогов с высокой ценой ошибки: юридические консультации, медицинские вопросы, сложные технические разборы. Здесь придётся закладывать бюджет на постоянную проверку ответов человеком, и экономия на первом этапе может оказаться отрицательной, потому что контроль качества стоит дороже, чем сам агент.
Ошибки в расчёте, которые ломают ROI
- Не закладывают рост стоимости токенов при увеличении нагрузки и базы знаний в контексте агента.
- Забывают про интеграции с CRM, эквайрингом и службами доставки: без них агент отвечает на вопросы, но не решает задачу клиента до конца.
- Считают экономию по средней зарплате сотрудника, а не по фактическому времени, которое он тратит именно на процесс, который передают агенту.
- Не учитывают время на обучение агента: загрузку базы знаний, тестовые диалоги, донастройку промпта после первых недель работы.
- Хранят историю переписки и контакты клиентов в иностранных облачных таблицах вместо серверов в России, что создаёт риски по 152-ФЗ и не имеет отношения к экономии, но напрямую влияет на бюджет проекта, если это придётся переделывать.
Как измерять эффект после пилотного запуска
Пилот запускаю на 3-4 недели с ограниченным сценарием: например, агент отвечает только на вопросы про статус заказа, а остальное уходит человеку. За это время собираю три метрики: процент диалогов, закрытых без участия человека, среднее время ответа и стоимость токенов на один диалог по факту, а не по прогнозу.
Если процент закрытых диалогов ниже 40%, чаще всего дело не в модели, а в базе знаний: агенту не хватает данных или сценарий обращений шире, чем закладывали на старте. В этом случае экономичнее расширить базу знаний, чем сразу переписывать логику на другую модель.
Частые вопросы
Сколько времени занимает пилотный запуск ИИ-агента?
От 3 до 6 недель на разработку и настройку, плюс 3-4 недели самого пилота с ограниченным сценарием, прежде чем расширять агента на весь объём обращений.
Как посчитать окупаемость, если экономия не только в зарплате?
Перевожу время, освобождённое у сотрудника, в часы и умножаю на его стоимость часа, даже если формально это не увольнение, а перераспределение задач на более сложную работу. Это честнее, чем считать эффект только по прямому сокращению штата.
Можно ли обойтись без разработчика и настроить агента самостоятельно?
Для простого бота с готовым конструктором на базе GPT-ассистентов да, но как только нужна интеграция с CRM, T‑Bank или СДЭК и учёт истории диалогов, требуется код и серверная часть, и тут разумнее сразу закладывать бюджет на разработку от 50 000 ₽, чем терять месяцы на самостоятельную настройку.
Что дешевле: Telegram-бот на aiogram или агент в n8n?
Telegram-бот на aiogram от 30 000 ₽ подходит, когда общение с пользователем идёт через чат. Автоматизация в n8n от 25 000 ₽ дешевле для внутренних процессов без диалогового интерфейса, например для связки CRM, склада и уведомлений, поэтому выбор зависит от того, разговаривает агент с человеком или обрабатывает данные между системами.