Сколько стоит ИИ-агент: почему честный ответ начинается с проектирования, а не с прайса
Каждую неделю к нам приходит запрос примерно с такой формулировкой: «Нам нужен ИИ-агент как ChatGPT, только под нашу задачу. Сколько стоит?». Иногда это письмо в три строки, иногда получасовой созвон. Заканчивается почти всегда одинаково: клиент хочет цифру сразу, а мы просим ещё одну встречу. И это не уловка — это единственный способ не соврать.
Раньше отвечали быстрее. Смотрели на задачу глазами, прикидывали похожий проект из прошлого, умножали на коэффициент вежливости и называли вилку. В половине случаев попадали, в другой половине — либо теряли деньги на сопровождении, либо клиент отваливался, потому что цифра его пугала без объяснений. С каким-то моментом стало понятно: если хочешь давать вменяемую оценку, начинать надо не с прайса, а с проектирования ИИ-агентов. Всё остальное — гадание.
Почему вопрос «ии агент цена» не имеет короткого ответа
Проблема в том, что «ИИ-агент» — это не коробка со стоимостью на дне. За одним и тем же словом прячутся вещи, отличающиеся по цене в десятки раз. Чат-бот на сайте, который принимает заявку и передаёт её человеку, — это один порядок. Автономный агент, который сам ходит в 1С, поднимает документы, звонит по внешним API и держит контекст переписки за квартал, — совсем другой.
Даже если задачу зафиксировать, цена всё равно зависит от того, сколько раз в день агента дёргают, какой длины у него запрос, сколько шагов внутри одного «диалога», как часто нужен пересчёт, какая модель под капотом и где она крутится. Умножьте на срок сопровождения, обучение операторов и интеграцию с легаси — и вы поймёте, почему вопрос «сколько стоит ИИ-агент» без вводных звучит как «сколько стоит машина».
Мы теперь честно так и говорим клиенту. И сразу предлагаем сделать проектирование — оно занимает несколько дней, стоит понятных денег и заканчивается сметой, которую можно защитить перед финдиректором.
Что происходит на этапе проектирования ИИ-агентов
Первое, что мы делаем, — разбираем, что вообще должен уметь агент. Не в терминах «умный помощник для менеджеров», а в терминах сценариев: какой пользователь, с каким вопросом, в какое время, с каким ожиданием. Один сценарий — одна ветка логики. Ветки складываются в карту, и уже по карте видно, где агент думает сам, где ходит в базу, а где просто пересылает запрос человеку.
Дальше считаем нагрузку. Сколько запросов в день в среднем, какие пики, сколько пользователей одновременно. Тут важна честность клиента: если сказать «у нас там пара запросов в час», а по факту прилетит поток от отдела продаж после утренней планёрки, смета развалится в первый же понедельник.
Потом — самое интересное. Прикидываем, какие модели уместны под какие сценарии. Не бывает так, что весь агент работает на одной модели. Один и тот же ИИ-агент внутри может обращаться к маленькой быстрой модели для простых вопросов и к тяжёлой — для сложных. Это называется маршрутизация по сложности, и она снижает счёт кратно. Мульти-агентные схемы, где каждый шаг гоняется через самую жирную модель, съедают в разы больше токенов, чем разумная схема с ролями и лимитами. Это не наша выдумка — про это сейчас пишут все, кто честно считает свой OPEX.
Как «ии агент chatgpt» и корпоративный агент отличаются по цене
Отдельная и любимая история — сравнение с подпиской на ChatGPT. Клиент говорит: «Ну ChatGPT стоит копейки в месяц, а вы называете совсем другую сумму, объясните». Приходится объяснять.
Подписка на ChatGPT — это доступ одного человека к чат-окну. Он сам формулирует запросы, сам проверяет ответ, сам решает, куда его положить. Кстати, свежая новость из индустрии: OpenAI недавно вывел Workspace Agents в ChatGPT для бизнес-тарифов — это уже ближе к нашей теме, но и там кредитная модель считает каждый запуск, и типичный прогон стоит десятки кредитов. То есть даже у самих OpenAI понимание «агент — это не подписка» уже прошито в тарифах.
Корпоративный ИИ-агент — это система. У него есть интеграция с вашими данными, права доступа, логирование, метрики, откат при ошибке, дежурная модель на случай, когда основная провайдер отвечает через раз, и человек в поддержке. Разработка — это половина сметы. Вторая половина — сопровождение: наблюдение за качеством, дообучение на новых кейсах, обновление моделей, когда выходят свежие релизы, а они выходят каждую неделю.
Что реально двигает цену вверх и вниз
Пара вещей, которые в проектировании ИИ-агентов сильнее всего влияют на итог.
Первое — где живёт модель. Облачная модель по подписке — вы платите за токены. Считать удобно, стартовать быстро, но при большом потоке счёт растёт. Локальная модель на своём железе — платите один раз за сервер и постоянно за электричество и админа. Порог входа выше, но при серьёзной нагрузке экономика переворачивается. И отдельно история с российским контуром: если данные не должны покидать периметр, выбор сужается до GigaChat Pro, YandexGPT и open-source-моделей вроде свежих Qwen или T-Lite, которые уже вполне тянут агентские сценарии на разумном железе.
Второе — глубина интеграции. Если агент только читает документы и отвечает — это один разговор. Если он пишет в 1С, отменяет счета, отправляет письма от имени сотрудника — совсем другой. Каждое действие с последствиями в реальном мире требует прав, аудита, ограничений, чтобы агент не устроил вам ночного сюрприза. Всё это часы разработки.
Третье — сколько человек будут учить агента после запуска. Мы уже писали, что разработка агента заканчивается ровно тогда, когда начинается его обучение. Кто-то на стороне клиента должен уметь править шаблоны, добавлять новые сценарии, разбирать жалобы пользователей. Если такой человек есть — сопровождение дешевле. Если нет — придётся нанимать нас, и это тоже строка в смете.
Как мы теперь называем цифру
После нескольких дней проектирования мы приходим к клиенту с тремя вещами: картой сценариев, оценкой нагрузки и вилкой стоимости на разработку и первый год работы. Вилка — не потолок и не пол, а разумный диапазон, который зависит от того, какие сценарии клиент хочет в первую очередь, а какие готов отложить.
И тут случается интересное. Раньше клиент, услышав цифру с потолка, либо соглашался, либо уходил думать навсегда. Теперь, когда за цифрой стоит документ, разговор превращается в нормальный проектный: «давайте вот этот сценарий уберём в следующую итерацию, а вот здесь возьмём модель попроще». Смета становится инструментом, а не приговором.
Мы приходим к запуску без сюрпризов, клиент — без ощущения, что его обманули. Раньше на подготовку сметы уходило столько времени, что клиент успевал остыть. Теперь мы делаем это заметно быстрее, потому что у нас накопились шаблоны сценариев и понимание, во что упирается каждый тип задачи.
Что забрать
Если вы сейчас смотрите на рынок и пытаетесь понять, сколько стоит ИИ-агент под вашу задачу, — не верьте ни одному прайсу, который называют без разбора задачи. Ни нашему, ни чужому. Хороший подрядчик до разговора о деньгах попросит день-два на проектирование. Плохой — назовёт цифру сразу и потом будет с вами торговаться, когда выяснится, что сценариев не пять, а пятнадцать.
И ещё одно наблюдение из последних месяцев: цены на модели падают, релизы выходят пачками, а вот стоимость проектирования и сопровождения — нет. Потому что дорого не «прогнать запрос через модель», дорого — построить систему, которой можно доверить работу. Проектирование ИИ-агентов — это как раз про то, как эту систему собрать так, чтобы через год она всё ещё работала и стоила разумных денег.
Если у вас есть задача и хочется понять порядок цифр — приходите с задачей, а не с вопросом «сколько». Так честнее для обеих сторон.
Похожие статьи
- ИИ-агент забыл клиента к следующему звонку: как мы разложили память агента на три слоя
- Закон об ИИ вступил в силу — заказчик переписал ТЗ на середине проекта: как мы пересобрали создание ИИ-агента и почти ничего не потеряли
- Кто такой этот ИИ-агент в вашей системе: почему создание ИИ-агента для бизнеса начинается с бейджа, а не с промпта
- ИИ-агент, который сначала думает, а потом делает: Plan-and-Execute на разборе тендерной документации
