Окупаемость ИИ-агента: как считать эффект в деньгах

Внедрение ИИ-агентов: Окупаемость ИИ-агента считают так: складывают экономию времени (часы × стоимость часа), прирост маржи с новых заявок и стоимость предотвращённых ошибок..

Внедрение ИИ-агентов начинают с энтузиазма, а через месяц руководство спрашивает: «Сколько денег это принесло?» Ответа нет, потому что эффект никто не замерял до запуска. Агент работает, диалоги идут, а окупаемость остаётся ощущением.

Окупаемость считается до пилота. Нужны три числа: сколько стоит час работы, которую агент забирает, сколько стоит сам агент и сколько ошибок он допускает. Без этих чисел разговор про пользу превращается в спор о вкусах.

Ниже — формула, состав затрат и способ получить реальные цифры за месяц, а не презентацию с красивыми стрелками.

Что считать эффектом: три направления

Эффект от агента живёт в трёх местах, и считать нужно все три.

Первое направление — время сотрудников. Агент закрывает повторяющиеся действия: отвечает на типовые вопросы, собирает данные из переписки, готовит черновики документов, сортирует заявки. Считайте не «освободившиеся часы», а часы, которые компания реально переиспользовала: либо сократила смену, либо взяла больше заказов теми же руками.

Второе направление — выручка. Агент отвечает ночью, не теряет заявку в выходные, дожимает клиента напоминанием. Здесь эффект считается через конверсию: сколько обращений обработано, сколько из них дошли до оплаты, какая маржа с каждой сделки.

Третье направление — потери, которых не случилось. Забытые заявки, просроченные ответы, ошибки в данных, штрафы за нарушение сроков. Это направление самый неудобный: его легко записать в заслуги агента задним числом.

Формула, которую можно защитить перед финдиректором

Базовый расчёт выглядит так:

Чистый месячный эффект = (часы × стоимость часа) + (прирост маржи) + (предотвращённые потери) − расходы на агента.

Срок окупаемости = разовые затраты на внедрение ÷ чистый месячный эффект.

Разовые затраты — это разработка сценариев, интеграции с CRM и мессенджерами, настройка базы знаний, тесты. Регулярные — токены, хостинг, поддержка промптов, проверка ответов человеком.

Агент снимает с двух сотрудников по 60 часов в месяц, час стоит 800 рублей — это 96 000 рублей.

Пример с условными числами. Предотвращённые потери на забытых заявках — 30 000 рублей. Расходы на агента — 18 000 рублей. Чистый эффект: 108 000 рублей в месяц. Внедрение стоило 250 000 рублей, значит окупаемость — около 2,3 месяца. Подставьте свои числа: методика та же.

Как внедрение ИИ-агентов превращается в деньги: карта эффектов

Разложите задачи агента по таблице и напротив каждой поставьте метрику.

Строки без метрики сразу вычёркивайте. Если эффект нельзя посчитать, его нельзя и защитить — а значит, и финансировать.

Перед стартом зафиксируйте базовую линию: сколько заявок в неделю, какая конверсия, сколько часов уходит на рутину, сколько ошибок. Без базовой линии сравнивать будет не с чем. Как готовить данные для агента, разобрано в статье Как обучить AI-агента на своих данных.

Затраты, которые забывают посчитать

Первое — токены и модель. Дорогая модель на простых задачах съедает бюджет незаметно. Считайте средний расход на один диалог и умножайте на реальный объём обращений.

Второе — поддержка. Промпты и сценарии устаревают после каждого изменения продукта или тарифов. Заложите часы на правки: обычно это несколько часов в месяц, но они есть всегда.

Третье — контроль качества. Кто-то должен читать выборку диалогов и ловить ошибки. Если агент общается с клиентами, это не опция.

Четвёртое — интеграции. Подключение к CRM, оплате, складской системе — это работа инженера, а не одна кнопка. Пошаговый пример с мессенджером — в статье Как подключить агента к Телеграм: пошагово и без кода.

Пятое — стоимость ошибки. Неверный ответ про цену или сроки стоит дороже, чем час работы менеджера. Оцените, сколько таких случаев в месяц и во сколько обходится каждый.

Внедрение ИИ-агентов без учёта этих пяти статей расходов даёт завышенную окупаемость в разы. А завышенные ожидания — самая частая причина, по которой проект закрывают. Подробнее о типичных провалах — в материале Ошибки внедрения ИИ-агента, из-за которых проект умирает.

Пилот на четыре недели: как получить цифры вместо оценок

Оценки «примерно сэкономим 30% времени» ничего не стоят. Нужен замер.

Неделя 1 — базовая линия. Считаете объём обращений, часы на рутину, конверсию, число ошибок. Фиксируете в таблице, а не в голове.

Недели 2–3 — агент работает на ограниченном участке. Одна задача, один канал, одна группа клиентов. Логи диалогов и расход токенов сохраняются. Если агент собран на Hermes или OpenClaw, выгрузку логов и расход по токенам удобно брать оттуда — это готовая основа для расчёта.

Неделя 4 — сверка. Сравниваете метрики с базовой линией. Считаете эффект по формуле выше и умножаете на реалистичный масштаб: не «на всю компанию», а на те процессы, которые действительно похожи на пилотный.

Отдельно проверьте, сколько диалогов агент закрыл сам, а сколько передал человеку. Передача — это не провал, но она тоже стоит времени.

Что делать, если окупаемость не сходится

Сначала сократите объём. Один агент на пять задач часто даёт меньше денег, чем один агент на одну задачу, которая забирает много часов.

Потом снизьте стоимость диалога: короткие системные промпты, более дешёвая модель на простых сценариях, кэширование частых ответов.

Затем уберите шаги, которые агент делает «на всякий случай». Каждый лишний вызов модели — это деньги.

И последнее: проверьте, ту ли метрику вы считаете. Если руководство смотрит на выручку, а вы приносите экономию часов, разговор закончится быстро. Внедрение ИИ-агентов продаётся внутри компании теми же числами, которыми измеряют бизнес.

Сергей ЕзепенкоОкупаемость AI-агента

Посчитаю окупаемость агента в деньгах до запуска, а не после. Бесплатная диагностика — 30 минут.

Написать в TelegramНаписать в MAX