Сколько стоит ИИ-агент и внедрение ИИ: бюджет на пилот и продакшн

«Сколько стоит ИИ-агент» — вопрос с двумя ответами. Первый — разовый бюджет на разработку: диагностику, логику, интеграции, базу знаний. Второй — ежемесячная стоимость владения: токены языковой модели, инфраструктура, поддержка. Большинство смет честно показывает только первую часть, а вторая всплывает после запуска. Ниже разбираем обе: из чего складывается цена, чем бюджет пилота отличается от продакшна, сколько реально стоят токены российских и зарубежных моделей, когда выгоден свой сервер с GPU и как посчитать окупаемость на цифрах, а не на ощущениях.

Сколько стоит внедрение ИИ в бизнес: порядок цифр

Внедрение ИИ разумно покупать по этапам: каждый следующий шаг оплачивается только после того, как предыдущий показал результат. Ориентиры по рынку заказной разработки в 2026 году — от десятков тысяч рублей за простого ассистента до миллионов за корпоративную систему из нескольких агентов. Ниже — вилки, по которым работает наша студия; итоговая сумма зависит от числа процессов, интеграций и состояния данных.

Ко всем строкам добавляется ежемесячный расход: токены LLM и поддержка. Подробно по этапам и составу работ — на странице внедрения искусственного интеллекта в бизнес.

Из чего складывается стоимость ИИ-агента

ИИ-агент — это не «лицензия на нейросеть», а связка из модели, логики, данных и интеграций. Сама модель в разработке почти ничего не стоит: платите вы за работу вокруг неё. Подробнее об устройстве агентов — в статье что такое ИИ-агент и чем он отличается от чат-бота.

Диагностика

Аналитик разбирает процесс: сколько обращений, какие типы, сколько времени тратит сотрудник, где лежат данные, какой результат считать успехом. Результат — 1–2 задачи под пилот и расчёт эффекта. Это самый дешёвый этап, и именно он отсекает проекты, которые не окупятся ни при каком бюджете.

Разработка логики и промптов

Сценарии, инструкции модели, описание инструментов (function calling), ограничения: что агенту можно делать самому, а что — только с подтверждением человека. Цена растёт с числом веток и шагов: ответ на вопрос и «принять заявку → проверить остаток → выставить счёт → записать в CRM» — задачи разного порядка.

Интеграции

Обычно самая весомая статья. Бот на сайте, который просто отвечает, и агент, встроенный в контур amoCRM или Битрикс24, 1С и телефонии, различаются по трудоёмкости в разы. Каждая система — это авторизация, лимиты API, обработка ошибок и тесты на реальных данных.

Данные и подготовка базы знаний

Регламенты, прайсы, каталог, ответы на типовые вопросы нужно собрать, почистить от противоречий и устаревшего, разбить на фрагменты и проиндексировать. Без этого даже сильная модель будет отвечать неточно. Как работают ответы по документам — в материале что такое RAG-система. Часть работы ложится на ваших экспертов: только они знают, какой из трёх регламентов актуален.

Токены и инфраструктура

Оплата языковой модели за объём, векторная база, сервер для кода агента, логи. Это переменная часть бюджета, она растёт вместе с нагрузкой.

Поддержка и дообучение

Реальные диалоги всегда показывают пробелы: новые формулировки, товары, изменения в регламентах. Первые 2–3 месяца после запуска промпты и базу знаний правят особенно активно. Дальше — мониторинг качества, обновление базы, переход на новые версии моделей.

Бюджет на пилот и на продакшн: в чём разница

Пилот отвечает на вопрос «работает ли это на наших данных». Продакшн — «работает ли это каждый день без присмотра». Отсюда разница в бюджете.

Пилот не выбрасывается: база знаний, промпты и часть кода переходят в продакшн. Поэтому общий бюджет проекта не равен сумме двух строк — скорее, продакшн достраивает пилот до рабочего состояния.

Стоимость токенов: российские модели и зарубежные API

Модели тарифицируются за токены — фрагменты текста, из которых модель собирает запрос и ответ. В русском тексте один токен — в среднем часть слова. Платите вы и за то, что отправляете модели (инструкции, фрагменты базы знаний, история диалога), и за то, что она генерирует. Ориентиры по опубликованным тарифам на сентябрь 2026 года, с НДС:

Цены GigaChat — по прайсу developers.sber.ru для действующих клиентов: с 1 сентября 2026 года новые юрлица подключаются через платформу cloud.ru, где действует свой прайс. У Сбера минимальный платёж при оплате по факту — 600 ₽ в месяц, а эмбеддинги для векторного поиска стоят копейки: у Яндекса векторизация миллиона токенов документации обходится примерно в 10 ₽. Тарифы пересматриваются несколько раз в год, поэтому перед расчётом бюджета сверяйтесь с актуальными прайсами провайдеров.

Зарубежные API (OpenAI, Anthropic, Google) тарифицируются в долларах за миллион токенов. Младшие модели по цене сопоставимы с российскими, флагманы заметно дороже. Для российской компании добавляются две проблемы: оплата — только через посредников с наценкой, а передача персональных данных клиентов за рубеж требует соблюдения 152-ФЗ: по ст. 12 с 1 марта 2023 года оператор обязан уведомить Роскомнадзор о трансграничной передаче до её начала, а первичный сбор и хранение данных граждан РФ должны идти в базах на территории России. Поэтому зарубежные модели чаще используют для задач без персональных данных, а клиентские диалоги отдают российским моделям или своему контуру.

Сколько стоит содержать ИИ-агента в месяц: расчёт

Считать удобнее не от прайса, а от стоимости одного обращения. Типовой вопрос в поддержку: около 2000 входящих токенов (инструкция, фрагменты базы знаний, вопрос) и 500 исходящих — 2500 токенов.

С агентом всё дороже. Агент работает в несколько шагов — поднять данные, проверить, вызвать инструмент, ответить — и на каждом шаге заново отправляет модели накопленный контекст. Задача из 6 шагов с контекстом около 5000 токенов на шаге — это уже порядка 30 000 токенов, или около 24 ₽ на YandexGPT Pro 5.1. Разница с простым ответом — на порядок, и её надо закладывать в прогноз заранее.

Свой сервер с GPU или API: когда окупается

Открытые модели (Qwen, Llama, gpt-oss и другие модели с открытыми весами) можно запустить на своём или арендованном сервере с GPU. Тогда вы платите не за токены, а за железо — круглосуточно, независимо от нагрузки.

Порядок цифр даёт выделенный инстанс открытой модели в Yandex AI Studio: конфигурация S для T-Pro 2.0 стоит 756,40 ₽ в час, это около 545 000 ₽ в месяц при работе 24/7. На эти деньги через API YandexGPT Pro 5.1 можно купить примерно 680 млн токенов — около 9000 обращений в сутки по 2500 токенов. Аренда или покупка своего GPU-сервера может быть дешевле, но к ней добавляются администрирование, обновление моделей и резервирование.

• API выгоднее, если нагрузка — сотни или несколько тысяч обращений в день, неравномерна по времени и вам важно быстро переходить на новые версии моделей.
• Свой сервер оправдан, если данные нельзя выпускать из закрытого контура (медицина, финансы, госзаказчики), нагрузка стабильно высокая или нужна дообученная модель под узкую задачу.
• Гибрид — частый практичный вариант: чувствительные данные обрабатывает локальная модель, остальное — API.

Расчёт окупаемости на примере обработки заявок

Возьмём отдел, который обрабатывает входящие обращения: вопросы о ценах, сроках, наличии, статусе заказа. Все исходные данные — допущения для примера, в вашем расчёте их нужно заменить своими.

1. Нагрузка: 3000 обращений в месяц, в среднем 6 минут сотрудника на каждое — 300 часов.
2. Стоимость часа: полная стоимость часа сотрудника (зарплата, взносы, рабочее место) — 600 ₽. Итого 180 000 ₽ в месяц на процесс.
3. Эффект: агент закрывает без оператора 60% обращений — 180 часов, или 108 000 ₽ в месяц.
4. Операционные расходы: токены — 3000 × 2 ₽ = 6000 ₽ на YandexGPT Pro 5.1, с запасом на многошаговые сценарии — до 20 000 ₽; поддержка — условно 25 000 ₽. Итого до 45 000 ₽.
5. Чистый эффект: 108 000 − 45 000 = 63 000 ₽ в месяц.
6. Окупаемость: ассистент за 250 000 ₽ — около 4 месяцев; решение с интеграциями за 500 000 ₽ — около 8 месяцев.

Экономия времени превращается в деньги только тогда, когда освободившиеся часы что-то приносят: сотрудник переключается на продажи, не нужно нанимать ещё одного оператора при росте потока, закрываются ночные и выходные обращения, которые раньше терялись. Если высвобожденные часы никуда не идут, окупаемость на бумаге не станет реальной.

Скрытые расходы, которые забывают в смете

• Время ваших сотрудников. Эксперты собирают и проверяют базу знаний, размечают спорные ответы, принимают пилот. Это десятки часов, которые не видны в смете подрядчика.
• Рост нагрузки. Счёт за токены растёт вместе с числом диалогов и длиной контекста. Нужен прогноз на двукратный рост.
• Хранение индекса и логов. Векторная база и история диалогов тарифицируются отдельно: у Яндекса хранение поискового индекса — 10,6 ₽ за гигабайт в сутки.
• Смена версии модели. Провайдеры выпускают новые версии и выводят старые; промпты приходится перекалибровать и заново тестировать.
• Требования 152-ФЗ. Обезличивание, согласия, выбор провайдера с хранением данных в России — иногда это отдельная доработка.
• Лицензии и лимиты смежных систем. Тариф CRM с доступом к API, дополнительные пользователи, лимиты запросов у 1С или телефонии.
• Контроль качества. Набор тестовых вопросов, регулярная проверка ответов, разбор ошибок — без этого качество деградирует незаметно.

Как снизить бюджет на внедрение ИИ

1. Начните с одного процесса. Пилот на задаче с большим объёмом повторяющихся действий покажет эффект быстрее и дешевле, чем «ИИ во всей компании».
2. Сначала читать, потом писать. Агент, который готовит черновик ответа или карточку лида для менеджера, проще и безопаснее агента, который сам меняет данные в 1С. Права на запись добавляйте после пилота.
3. Наведите порядок в базе знаний до разработки. Актуальные регламенты и прайсы сокращают сроки сильнее, чем торг по ставке.
4. Подберите модель под задачу. Классификация обращений и извлечение полей не требуют флагмана.
5. Используйте готовые компоненты для типового: векторный поиск, распознавание речи, коннекторы к CRM. Заказная разработка нужна для логики, которая отличает ваш процесс.
6. Сохраняйте права на код и промпты. Это страхует от повторной разработки при смене подрядчика или платформы.

Если первая задача — входящие заявки и продажи, ограниченный по объёму проект вроде ИИ-бота для квалификации лидов часто даёт измеримый результат уже через несколько недель после запуска. Для процессов с действиями в нескольких системах логичнее сразу проектировать AI-агента с интеграциями, но запускать его тоже поэтапно.

Ошибки при планировании бюджета на ИИ

• Считать только разработку. Ежемесячные расходы на токены и поддержку за год могут сравняться с разовым бюджетом.
• Оценивать по демо. Три удачных примера на презентации ничего не говорят о работе на тысяче реальных обращений.
• Не зафиксировать метрики до старта. Без исходных цифр — время обработки, доля потерянных заявок, нагрузка на сотрудников — потом нечем доказать эффект.
• Автоматизировать всё сразу. Бюджет размазывается, ни один процесс не доходит до продакшна.
• Выбрать платформу с оплатой за диалоги без расчёта роста. На старте дёшево, при росте нагрузки тариф растёт быстрее эффекта, а уйти некуда.
• Не предусмотреть передачу человеку. Агент без фолбэка на сотрудника рано или поздно ответит клиенту неверно в дорогой ситуации.

Чек-лист: что подготовить перед запросом сметы

• Выбран один процесс для старта и описано, как он работает сейчас
• Посчитан объём: обращений или документов в месяц, минут сотрудника на единицу
• Известна полная стоимость часа сотрудников, занятых в процессе
• Зафиксированы исходные метрики, по которым будете оценивать эффект
• Собраны документы для базы знаний и назначен ответственный за их актуальность
• Составлен список систем для интеграции и проверен доступ к их API
• Понятно, есть ли в процессе персональные данные и где их можно обрабатывать
• Запрошен у подрядчика прогноз ежемесячных расходов на токены и поддержку
• В договоре зафиксированы этапы, пилот с метриками и передача кода и промптов

Вывод

Стоимость внедрения ИИ — это разовый бюджет на разработку плюс переменные расходы на владение. Разовая часть определяется интеграциями и состоянием данных, переменная — выбором модели, длиной контекста и объёмом нагрузки. Токены российских моделей для типового обращения стоят от копеек до пары рублей, свой GPU-сервер оправдан при закрытом контуре или стабильно высокой нагрузке. Самый надёжный способ не переплатить — диагностика, пилот на одном процессе с замером метрик и только потом масштабирование. С чего начать, если ИИ в компании пока не используется, — в материале нейросети для бизнеса: с чего начать.