Сколько на самом деле стоит AI-помощник: считаем реальную цену и срок окупаемости

Разработка AI-помощника оплачивается один раз, но счета за токены, поддержку и проверку качества приходят каждый месяц. Поэтому два коммерческих предложения с одинаковой ценой разработки через год могут обойтись компании в два разных чека. Мы собрали цены российского рынка, от сценарных ботов до корпоративных систем, и показали, как посчитать полную и, главное, реальную стоимость владения умным помощником.

Если некая компания запросит цену AI-помощника у трех разработчиков, она вполне может получить предложения на 50 тысяч, 250 тысяч и 1,5 млн рублей — и, что удивительно, ни одно из них не будет завышено. Просто в первом случае подрядчик заложит сценарный бот на конструкторе, во втором — помощника, который ищет ответы в базе знаний компании, в третьем — агента, который, кроме этого, еще и вносит изменения в CRM.

У каждого из этих решений, конечно, свои и плюсы, и минусы, но что еще важнее — свои расходы после запуска. Так что через год соотношение итоговых сумм может оказаться совсем другим, чем в день подписания договора.

В этой статье разбираем, из чего складывается стоимость AI-помощника в России: сколько на момент создания статьи стоит разработка разных классов решений, какие расходы появляются каждый месяц и как посчитать, окупится ли помощник в вашем случае.

Цена разработки показывает меньшую часть бюджета

Первое, что нужно понимать: разработка оплачивается один раз, но вот дальше счета приходят каждый месяц — за токены языковой модели, поиск по базе знаний, хостинг, поддержку, проверку качества. Сюда же стоит отнести время сотрудников, которые разбирают сложные диалоги и обновляют документы.

В первый год к стоимости внедрения добавляются подготовка данных, рост счета за запросы и поддержка — все это в сумме составит 30–50% годовой стоимости. А если помощник ведет длинные многошаговые диалоги и через него проходит большой поток обращений, счет за токены со временем может сравняться с разовой ценой разработки.

Поэтому сравнивать коммерческие предложения только по цене разработки, на наш взгляд, рискованно. Два подрядчика могут назвать одинаковую сумму, но заложить модели, которые отличаются по цене токена в несколько раз, и на тысячах диалогов в месяц эта разница становится заметной строкой бюджета. Бывает и наоборот: бот, недорогой в разработке, закрывает лишь небольшую часть обращений, и компания продолжает платить операторам почти столько же, сколько до запуска.

Чтобы сравнение было объективным, понадобятся показатели, которые учитывают и затраты, и результат.

Сравнивать стоит TCO, цену задачи и окупаемость

TCO (total cost of ownership, полная стоимость владения) — все деньги, которые компания тратит на помощника за период, чаще всего за год. В нее входят и разовые затраты, и ежемесячные счета:

TCO за год = разовые затраты + 12 × ежемесячные расходы

К разовым затратам относятся исследование процесса и обращений, подготовка базы знаний, разработка и интеграции. К ежемесячным — токены, поиск и хранение, платформа или хостинг, поддержка, контроль качества и резерв на ошибки.

Стоимость решенной задачи показывает, во что обходится одно обращение, которое помощник закрыл без участия человека. С ее помощью можно сравнить бота за 50 тысяч с агентом за 1,5 млн: первый может стоить дешевле в год, но дороже в пересчете на результат, и наоборот.

Стоимость решенной задачи = TCO за период / число обращений, закрытых без человека, за тот же период

Самое коварное место в этой формуле — знаменатель, и договориться о нем лучше до запуска.

За рубежом есть такая интересная практика, которую рано или поздно стоит ждать у нас — поддержка с оплатой за результат. Например, Fin (бывший Intercom) берет 0,99 $ за так называемый outcome, то есть исход разговора. Вот только этим outcome сервис считает и разговор, который заканчивается передачей сотруднику, и разговор, после которого клиент просто ушел и не попросил помощи еще раз. Это вроде бы удобно, как минимум для отчетности, но только вот среди таких «решений» могут оказаться клиенты, которые не получили ответа и пошли звонить по телефону, чтобы добиться диалога с живым оператором. Поэтому мы советовали бы считать решенным обращение, после которого клиент не вернулся с тем же вопросом ни в чат, ни к оператору в течение нескольких дней — а это уже не очень просто учитывать.

Срок окупаемости показывает, через сколько месяцев эффект от помощника покроет разовые вложения:

Срок окупаемости, мес. = разовые затраты / (ежемесячный экономический эффект − ежемесячные расходы)

В поддержке экономический эффект чаще всего складывается из сэкономленного времени сотрудников. У помощника в продажах это может быть дополнительная валовая прибыль от заявок, которые раньше терялись ночью и в выходные, у агента в CRM — меньше ошибок и потерь при ручном вводе.

Если разница в знаменателе получается отрицательной, помощник не окупится ни за какой срок.

Для поддержки эффект удобно считать от стоимости минуты сотрудника. Час оператора на аутсорсинге стоит 210–350 ₽, так что обращение длиной пять минут обходится примерно в 18–29 ₽. Собственный сотрудник дороже: допустим, оператор в Москве получает около 70 тысяч рублей. С учетом страховых взносов, рабочего места и времени руководителя его час обходится примерно в 600 ₽, а пятиминутное обращение — в 50 ₽.

Почти каждый разговор с клиентом начинается с вопроса: «Сколько стоит бот?». Честно ответить сходу нельзя: сначала нужно разобраться в задаче. Цену определяет то, что будет происходить с ботом-помощником: кто им будет пользоваться, сколько будет пользователей, что они должны получить в ответ и где лежит нужная информация, нужна ли интеграция, например с CRM. Поэтому на первой встрече я задаю больше вопросов, чем даю ответов.

Если, к примеру, чат-бот нужен для отдела продаж, лучше выгрузить несколько реальных диалогов с клиентами на этапе воронки, для которого планируется создать бота. По этой выгрузке уже можно определить, хватит ли для процесса сценарного бота или нужен AI-помощник. Стоимость тогда рассчитывается для понятного сценария, а не «в среднем по рынку». Конечно, есть еще масса нюансов, которые влияют на цену, но понимание сценария показывает, какие из них важно учитывать.

Еще не все клиенты учитывают, что после создания бота нужны расходы на дальнейшую поддержку. Они превращаются в ежемесячные платежи: за токены, аренду сервера и т. п. В будущем нужно учитывать и время собственных сотрудников: кому-то потребуется обновлять базу знаний и разбирать сложные диалоги.

Поэтому самое дешевое предложение на старте иногда дает более высокую итоговую стоимость, особенно когда клиент еще не представляет, какие расходы появятся после запуска.

Мария Шелухина,

менеджер по продажам TexTerra

Стоимость растет вместе с тем, сколько помощник делает сам

Чем больше решений помощник принимает без человека и чем больше систем ему доступно, тем дороже проектирование, тестирование и сопровождение. О том, как устроены сценарный бот, RAG-помощник, AI-воркфлоу и автономный агент и когда какой подход нужен, мы писали в статье «Что выбрать бизнесу: сценарный бот, RAG-помощник, AI-воркфлоу или автономный агент». Здесь мы посмотрим на те же классы, но уже с точки зрения цены. (Все диапазоны ниже я брала из открытых прайсов российских подрядчиков, причем все они указаны как вилки: итоговая смета зависит от числа сценариев, интеграций и состояния данных, так что воспринимайте их скорее как ориентир.)

Самый дешевый способ хоть как-то опробовать направление умных помощников и понять, нужно ли вам индивидуальное решение — подписка на готовую нейросеть: на момент создания статьи GigaChat для бизнеса стоит от 1 200 ₽ в месяц, а у Yandex AI Studio есть подписка Go за 2 490 ₽ на сотрудника. Такой вариант помогает сотрудникам с текстами и поиском информации, но клиентам в чате сам по себе не отвечает и в процессы компании не встроен.

Сценарный бот

Такой бот ведет пользователя по заранее подготовленным веткам: статус заказа, запись, выбор категории обращения, сбор заявки... Собирают их на конструкторах, где сама платформа стоит несколько тысяч рублей в месяц; сборку оценивают, как правило, в несколько десятков тысяч (а сложные сценарии с интеграциями могут достигать 100 тысяч).

На тех же конструкторах можно подключить языковую модель, чтобы бот понимал свободные формулировки. Тогда к подписке добавляется оплата за использование модели или за диалог: например, у части сервисов для Telegram цена начинается от 20 ₽ за диалог.

Голосовой робот

Сценарный голосовой робот обзванивает клиентов, подтверждает запись, собирает простые ответы и переводит на оператора. Разработка по состоянию на сентябрь 2026 года стоит 80–320 тысяч рублей, обслуживание — 10–110 тысяч рублей в месяц плюс минуты (в голосовых сценариях экономику определяет именно их цена, и об этом я скажу чуть ниже).

RAG-помощник

Помощник на основе RAG (retrieval-augmented generation) сначала находит в документах компании подходящие фрагменты и только потом формулирует ответ. Он понимает вопрос, заданный своими словами, и отвечает по инструкциям, каталогу или правилам возврата. Цены разнятся: начинаются они от 120 тысяч и даже 150 тысяч за MVP, а если база большая и нужно разграничивать права доступа, в смете вы увидите цифры в 2–3 раза больше.

AI-воркфлоу и агент с интеграциями

Когда помощник должен выполнить действие — создать сделку в CRM, оформить возврат, изменить заказ, — в проект добавляются интеграции, права доступа, подтверждения и журнал действий. Цены на рынке начинаются со 150–200 тысяч рублей за одного агента и доходят до 500–600 тысяч за связку из нескольких агентов, а сложные проекты оценивают до 1,5 млн рублей.

Корпоративная система

Большие базы документов, собственный контур, разграничение доступа по ролям и строгие требования к данным переводят проект в принципиально другую весовую категорию. По оценкам рынка, пилот корпоративного RAG стоит 0,5–1,5 млн рублей, а промышленная версия — 3–10 млн. Поддержка будет обходиться от 150 до 500 тысяч рублей в месяц.

Счет складывается из токенов, зарплат, инфраструктуры и... рисков

У текстового помощника главная переменная статья — токены, у голосового — минута разговора. А вот постоянные статьи вроде поддержки и контроля качества при небольшом объеме обращений нередко обходятся дороже самой нейросети.

Токены

Языковые модели тарифицируются за токены — фрагменты текста, которые модель получает и выдает. В Yandex AI Studio в синхронном режиме тысяча токенов YandexGPT Lite стоит 0,2 ₽, YandexGPT Pro 5.1 — 0,8 ₽, в асинхронном режиме Pro 5.1 обходится в 0,41 ₽. Сбер для действующих корпоративных клиентов берет за тысячу токенов GigaChat Lite 0,065 ₽, Pro — 0,5 ₽, Max — 0,65 ₽, с минимальным платежом 600 ₽ в месяц.

Сколько токенов уходит на один диалог? Это зависит от длины инструкции, истории переписки и объема найденных документов. В разборе платформы NextBot диалог о записи на услугу с подключенной базой знаний потратил около 5 000 входящих и 260 исходящих токенов. На YandexGPT Pro 5.1 это примерно 4,2 ₽, на GigaChat Pro — 2,6 ₽, на YandexGPT Lite — около 1 ₽.

Входящих токенов обычно больше, чем исходящих. Во многих интеграциях модель не хранит разговор сама, поэтому с каждой новой репликой ей заново передают инструкцию, историю диалога и найденные фрагменты документов.

Этот объем можно сокращать: разработчики сжимают или обрезают историю, а часть платформ хранит состояние диалога на своей стороне.

Кроме того, некоторые провайдеры берут за повторяющуюся часть запроса меньше: в Yandex AI Studio кеширование включается автоматически там, где это возможно, а у Anthropic чтение из кеша стоит 10% от базовой цены входящих токенов.

Так что от того, как подрядчик устроит промпт и работу с историей, ежемесячный счет зависит довольно заметно.

Поиск по базе знаний и хранение

Чтобы RAG-помощник находил нужные документы, их переводят в векторное представление — эмбеддинги. Это дешево: тысяча токенов в Yandex AI Studio стоит 0,0101 ₽, так что база из 5 000 документов по 500 токенов обойдется примерно в 25 ₽ разово. Другие статьи расходов дороже: вызов инструмента поиска по файлам в агентах Yandex стоит 300 ₽ за тысячу запросов, хранение поискового индекса — 10,6 ₽ в день за гигабайт, то есть около 320 ₽ в месяц.

Главные деньги тут уходят на подготовку самих документов — об этом ниже.

Речь и телефония

Голосовой помощник платит за распознавание речи клиента и синтез своих ответов. В голосовых агентах Yandex AI Studio секунда входящего аудио стоит 0,0264 ₽, исходящего — 0,0203 ₽, и в примере из документации минута диалога с ботом поддержки вместе с токенами и поиском по базе знаний обходится в 7,89 ₽. У Сбера распознавание стоит 1 копейку за секунду, синтез — 186 ₽ за миллион символов. К этому добавляются номер и связь у оператора телефонии.

Готовые голосовые роботы продают поминутно: сценарный стоит 2,5–8 ₽ за минуту, а AI-робот, который генерирует ответы в реальном времени, — до 40 ₽. При одинаковой длине звонка разница достигает 5–15 раз.

Платформа, хостинг и интеграции

Заказному решению нужны сервер, векторная база, мониторинг и доступы к внешним системам. Для среднего бизнеса подрядчики оценивают токены и хостинг в 3–15 тысяч рублей в месяц, с векторной базой и большей нагрузкой — в 5–50 тысяч.

Отдельно проверьте, кто платит за внешние API: например, при подключении amoCRM через MCP Hub в Yandex AI Studio оплата идет партнеру напрямую.

Evals

Evals — это регулярные проверки качества на наборе эталонных вопросов и пограничных случаев. Их прогоняют перед запуском и после каждого изменения промпта, базы знаний, модели или интеграции, иначе исправление в одном сценарии может незаметно сломать другой. Как собрать такой набор и задать критерии оценки, мы показали в статье «Как тестировать AI-ассистента. Evals, эталонные наборы и регрессионные проверки».

Российские подрядчики редко выделяют evals в прайсе: подготовку тестов обычно включают в разработку, а регулярные прогоны — в поддержку.

Контроль сотрудниками

Даже хорошо спроектированному AI-помощнику нужен человек — тот, кто читает выборку диалогов, разбирает эскалации, дополняет документы и решает, что делать с вопросами, на которые помощник не нашел ответа. Удобнее всего, когда эти задачи закреплены за одним владельцем помощника в компании: он же согласует новые сценарии и отвечает за актуальность базы знаний.

Время такого сотрудника разумно считать по той же ставке, что и экономию. Например, если проверять 10% диалогов по три минуты на каждый, при 3 000 обращений в месяц набирается 15 часов работы.

Поддержка подрядчика

Абонентская поддержка заказного помощника стоит от 30 тысяч рублей в месяц, у корпоративных систем — 150–500 тысяч. Если подрядчик не называет сумму, заложите ориентир рынка: 30–50% стоимости разработки в год.

Цена ошибки

Ошибка помощника стоит денег, даже если ее быстро исправили.

Показательный случай произошел в Канаде. Чат-бот Air Canada неверно описал правила льготного тарифа, и авиакомпания пыталась доказать, что бот — отдельная сущность, за слова которой она не отвечает. Трибунал Британской Колумбии с этим не согласился и обязал ее выплатить клиенту около 812 канадских долларов. Да, конечно, это решение по одному спору, да еще в другой стране, но сам риск оно показывает: ответ чат-бота на сайте могут признать информацией от самой компании.

В России отдельный риск связан с персональными данными. После поправок 420-ФЗ штраф за утечку зависит от того, сколько людей она затронула: для юрлиц это от 3 до 15 млн рублей, а за повторную утечку предусмотрен оборотный штраф 1–3% годовой выручки, но не меньше 20 и не больше 500 млн рублей.

В общем, чем больше данных и прав доступа у помощника, тем внимательнее их стоит ограничивать. Об этом мы подробно писали в статье «Безопасность AI-агентов: проверяем доступы и внешние инструкции». В модели TCO такие риски удобно учитывать как ежемесячный резерв, например, как стоимость повторной обработки для доли ответов, которые оказались неточными.

Часть расходов обычно остается за рамками сметы

Есть и траты, которые ложатся на сотрудников заказчика, поэтому в смету они попадают не всегда — и лучше обсудить их с подрядчиком до подписания договора.

• Подготовка базы знаний. Индексация документов стоит копейки, а вот отбор актуальных версий, устранение противоречий, разметка прав доступа и регулярное обновление занимают недели работы. Семь шагов этой подготовки мы описали в статье «Корпоративная база знаний для AI-помощника: как собрать RAG, которому можно доверять».

• Рост контекста у агента. Агент выполняет задачу за несколько шагов и на каждом шаге снова передает модели накопленный контекст. В Yandex AI Studio, например, результаты встроенных инструментов тарифицируются вместе со всей некешированной историей сообщений на момент их передачи.

Поэтому счет за многошаговые задачи растет быстрее, чем число самих задач.

• Рост объема. Если помощник получился удачным, клиенты начинают писать чаще, и переменная часть счета растет вместе с ними. Имеет смысл попросить подрядчика рассчитать бюджет и для текущего объема, и для объема в полтора-два раза больше.

• Смена модели. Провайдеры регулярно выпускают новые версии, и цены у них разные: YandexGPT Pro 5.1 стоит 0,8 ₽ за тысячу токенов, предыдущая Pro 5 — 1,2 ₽. Переход на новую модель может снизить счет, но потребует повторного прогона evals.

• Требования к данным. Персональные данные граждан России при сборе нужно записывать и хранить в базах данных на территории страны, этого требует часть 5 статьи 18 закона № 152-ФЗ. Если помощник обрабатывает имена, телефоны или номера заказов, это влияет на выбор модели и хостинга, а иногда и на цену.

Типовые вопросы закрывает бюджетный бот на конструкторе

Если большую часть обращений составляют несколько повторяющихся вопросов, дорогой интеллектуальный помощник, скорее всего, не понадобится. Сценарный бот хорошо справляется с задачами, у которых мало вариантов и понятный результат:

• узнать статус заказа по номеру;

• записаться на услугу или перенести запись;

• получить часы работы, адреса, условия доставки;

• оставить заявку и контакты для менеджера;

• получить напоминание о записи или оплате.

Такой бот стоит несколько тысяч рублей в месяц за платформу и разовые десятки тысяч за настройку. Главное его преимущество — предсказуемость: каждую ветку можно проверить до запуска, ответы заранее согласованы, поэтому и цена ошибки ниже, чем у генеративного помощника.

Слабое место — свободные формулировки и редкие ситуации. На каждую из них нужна отдельная ветка или передача оператору. Частично это решает гибридная схема: языковая модель только определяет тему обращения, а ответ дает заранее прописанный сценарий. Классификация обходится дешево, например в Yandex AI Studio запрос к готовому классификатору на YandexGPT Lite стоит 0,15 ₽.

Переходить к RAG-помощнику имеет смысл, когда вопросов становится много и они разные, ответы лежат в десятках документов, а бот все чаще отправляет клиента к оператору. Если же клиенту нужно изменить заказ или сделку, речь уже об AI-воркфлоу или агенте с интеграциями.

AI не окупается при малом объеме и дорогих ошибках

Формула окупаемости помогает заранее увидеть, когда с проектом лучше подождать: если экономия в месяц меньше ежемесячных расходов, срок окупаемости не наступит никогда. Чаще всего так бывает в нескольких ситуациях.

• Мало обращений. Поддержка и хостинг почти не зависят от объема. Если помощник закрывает несколько сотен обращений в месяц, экономия на операторах не покрывает даже эти постоянные расходы. Для голосовых роботов участники рынка называют порог в 200–300 звонков в день, ниже которого экономия может не перекрыть затраты.

• Высокая цена ошибки. В медицине, финансах и юридических вопросах каждый ответ приходится перепроверять, и расходы на контроль съедают экономию. В таких процессах помощник выгоднее как подсказка сотруднику, чем как самостоятельный консультант.

• Неподготовленные данные. Если инструкции устарели и противоречат друг другу, помощник будет повторять эти противоречия. Сначала придется навести порядок в документах, и эта работа может стоить больше самого помощника.

• Неописанный процесс. Когда в компании нет единого ответа на вопрос, как правильно обработать обращение, автоматизировать пока нечего: помощник, скорее всего, только закрепит разнобой.

Если хотя бы один пункт описывает вашу ситуацию, мы советуем начать с аудита обращений и небольшого пилота на одном сценарии, а не заказывать сразу полноценную систему. Предварительно понять, какая архитектура вам нужна и во сколько она обойдется, вам помогут специалисты из нашего отдела продаж — связаться с ними можно в Телеграме.

Коммерческое предложение стоит проверить по 10 вопросам

Эти вопросы помогают привести предложения разных подрядчиков к одной модели затрат и, соответственно, объективно их сравнить.

• Что входит в цену разработки: проектирование сценариев, подготовка базы знаний, интеграции, тестирование?

• Какую модель предлагают использовать и почему? Сколько будет стоить месяц работы при нашем объеме обращений и при объеме в два раза больше?

• Кто оплачивает токены и инфраструктуру: мы напрямую провайдеру или подрядчик в составе абонентской платы?

• Где хранятся и обрабатываются персональные данные клиентов?

• Как будет считаться доля обращений, решенных без человека, и кто это проверяет?

• Есть ли набор эталонных вопросов для evals и как часто его прогоняют?

• Что происходит, когда помощник не знает ответа: как и кому он передает диалог?

• Сколько стоит поддержка и что в нее входит: обновление базы, правки сценариев, смена модели?

• Сколько часов в месяц потребуется от наших сотрудников на контроль и обновление документов?

• Какие действия помощник может совершать сам, а какие требуют подтверждения сотрудника?

Если на половину вопросов подрядчик отвечает «посмотрим по ходу», сравнить его предложение с другими по TCO, к сожалению, не получится.

Мы начинаем проект с расчета стоимости решенной задачи

В TexTerra мы считаем экономику AI-помощника до того, как выбрать технологию. Сначала разбираем реальные обращения клиентов: какие вопросы повторяются, какие данные нужны для ответа, где требуется действие в CRM или учетной системе и чем грозит ошибка. Уже после этого решаем, хватит ли сценарного бота или нужен RAG-помощник, воркфлоу или агент, и считаем TCO, стоимость решенной задачи и срок окупаемости на ваших цифрах.

Если расчет покажет, что помощник в вашем процессе не окупится, мы так и скажем — а потом при желании проверим, будет ли более бюджетное решение в виде классического сценарного чат-бота эффективно закрывать ваши задачи.

Читайте также:

Кейс «Лайв-еда»: консультант, который оформляет заказ

Почему бизнес платит за контент, если AI пишет «бесплатно»: мнения рынка

Реклама, аналитика, CRM и отчеты: какие задачи можно поручить AI в отделе маркетинга