Сколько на самом деле стоит ИИ-агент для бизнеса: разбираем от 50 000 до 15 000 000 ₽

Год назад запрос «сколько стоит ИИ-агент» в Яндексе показывал ноль. Буквально — его не существовало. С августа 2025-го он появился, а к февралю 2026-го удвоился. Рынок перешёл от «что это такое» к «сколько стоит и когда окупится».

Меня зовут Максим, я руковожу веб-студией АП-ИМ в Петербурге. Мы с 2008 года делаем сайты и маркетинг для среднего бизнеса, а с 2025 года — ещё и внедряем ИИ-решения клиентам. За это время я насмотрелся на рынок AI-агентов изнутри: вижу, что продают, за сколько, и что из этого реально работает. В этой статье — честный разбор без маркетингового тумана.

Прежде чем говорить о ценах, давайте договоримся о терминах. Рынок замусорен: «ИИ-агентом» называют всё подряд — от кнопочного бота в Telegram до автономной системы, которая сама ставит задачи в CRM.

Кнопочный чат-бот — это не ИИ-агент. Это дерево решений: «нажмите 1 — доставка, нажмите 2 — возврат». Стоит 15 000–50 000 ₽, делается за неделю на любом конструкторе. Полезная штука, но к ИИ отношения не имеет.

ИИ-агент — это система, которая понимает естественный язык, принимает решения в рамках заданных правил и выполняет действия в реальных системах: ищет информацию в базе знаний, создаёт заявки в CRM, отправляет письма, генерирует документы. Ключевое отличие — агент работает не по жёсткому сценарию, а адаптируется к контексту.

Между этими полюсами — спектр решений разной сложности. И именно от того, где на этом спектре находится ваша задача, зависит цена.

Когда вам называют «цену ИИ-агента», за этой цифрой стоят четыре слоя расходов:

1. Языковая модель (LLM). Сердце агента. Это может быть облачный API (YandexGPT, GigaChat, Claude, GPT) или локально развёрнутая модель. Облако — от 5 000 ₽/мес при небольших объёмах. Локальная модель — нужен сервер от 300 000–500 000 ₽ плюс специалист для обслуживания.

2. Оркестратор. Программный слой, который управляет логикой: принимает результат модели и направляет его в нужные процессы. По данным РБК, стоимость установки оркестратора начинается примерно от 700 000 ₽ — и это только установка ПО на сервер, без настройки сценариев.

3. Интеграции. Подключение к вашим системам: CRM, 1С, телефония, мессенджеры, внутренние базы данных. Каждая интеграция — это отдельная разработка. Одна простая интеграция (Telegram-бот + база знаний) — от 30 000 ₽. Связка CRM + телефония + почта + база знаний + аналитика — от 200 000 ₽ и выше.

4. Обучение и поддержка. Настройка промптов, формирование базы знаний, тестирование на реальных сценариях, доработка после запуска. Обычно занимает 2–8 недель и стоит от 50 000 до 300 000 ₽ в зависимости от объёма.

Я проанализировал предложения десятков подрядчиков на российском рынке — от фрилансеров до крупных интеграторов. Вот как выглядит реальная картина.

Что входит: ИИ-чат на сайте или в Telegram, который отвечает на вопросы по базе знаний компании. Работает через API облачной модели (GigaChat, YandexGPT). Один канал, одна задача — ответы на типовые вопросы.

Сроки: 1–3 недели.

Ежемесячные расходы: 5 000–15 000 ₽ (API + хостинг).

Кому подходит: малый бизнес с потоком однотипных вопросов — стоматологии, салоны, интернет-магазины с простым каталогом.

Подводные камни: качество сильно зависит от базы знаний. Если у вас нет структурированной информации (FAQ, описания товаров, регламенты) — агент будет «галлюцинировать». Подготовка базы знаний иногда стоит дороже самого бота.

Что входит: агент, работающий в нескольких каналах (сайт + мессенджеры), интегрированный с CRM или другой внутренней системой. Умеет не только отвечать, но и совершать действия: квалифицировать лиды, записывать клиентов, формировать заявки, передавать сложные обращения менеджеру с контекстом.

Сроки: 1–3 месяца.

Ежемесячные расходы: 15 000–80 000 ₽ (API, хостинг, поддержка).

Кому подходит: средний бизнес с 50+ обращений в день, где агент экономит время менеджеров и снижает потерю лидов. Типовые заказчики — e-commerce, B2B-компании с длинным циклом продажи, сервисные компании.

По нашему опыту в АП-ИМ, агент этого уровня закрывает 60–80% типовых обращений без участия человека. При потоке в 200 обращений в день это эквивалент 1–2 штатных сотрудников.

Что входит: многокомпонентная система с несколькими специализированными агентами (продажи, поддержка, аналитика), голосовыми сценариями, RAG поверх внутренних баз, кастомной аналитикой и мониторингом.

Сроки: 3–6 месяцев.

Ежемесячные расходы: от 300 000 ₽ (инфраструктура, лицензии, сопровождение, контроль качества).

Кому подходит: крупные организации с контакт-центром, строгими требованиями к безопасности данных и сложными бизнес-процессами.

Реальность: если у вас нет ИТ-отдела, готового поддерживать это решение, и бюджета на постоянное сопровождение — вы потратите миллионы и получите красивую демо-версию, которая сломается на второй месяц.

Подготовка данных. Агенту нужна база знаний: FAQ, регламенты, описания продуктов, история обращений. Если у вас это не оцифровано — добавляйте 100 000–500 000 ₽ и 2–4 недели на подготовку. Из 50 российских кейсов внедрения ИИ, которые анализировались на VC.ru, именно этап подготовки данных чаще всего оказывался узким местом.

Обучение команды. Менеджеры должны понимать, когда агент справляется, а когда нужно перехватить диалог. Без обучения — хаос и негативные отзывы клиентов.

Итерации после запуска. Первая версия агента почти никогда не работает как задумано. Закладывайте 2–3 итерации доработок (20–30% от начального бюджета).

Рост расходов на API. При масштабировании стоимость обращений к языковой модели растёт линейно. 1 000 диалогов в день на GPT-4-level модели — это 30 000–60 000 ₽ в месяц только за API.

По данным исследований, ROI от ИИ-проектов в 2025 году уверенно превышал 60–70% при правильной постановке задачи, а средний срок окупаемости составлял 3–6 месяцев. Но «правильная постановка задачи» — это ключевая оговорка.

Окупается, когда: — У вас больше 30–50 однотипных обращений в день. — Стоимость обработки одного обращения менеджером — от 200 ₽ (зарплата, рабочее место, управление). — Есть чёткая, воспроизводимая логика ответов. — Потеря обращений в нерабочее время стоит вам денег.

Пример расчёта: 100 обращений в день × 200 ₽ за обработку × 22 рабочих дня = 440 000 ₽/мес. Если агент за 500 000 ₽ закрывает 70% из них — экономия 308 000 ₽/мес. Окупаемость — менее 2 месяцев.

Не окупается, когда: — Обращений мало (до 10–15 в день) — дешевле нанять сотрудника. — Каждое обращение уникально и требует экспертизы (юриспруденция, сложные B2B-переговоры). — Нет оцифрованных данных для обучения агента. — Руководство ожидает «поставил и забыл» — ИИ-агент требует регулярной поддержки.

За полтора года внедрения ИИ-решений клиентам я сформулировал для себя три правила.

Начинайте с пилота, а не с «полной автоматизации». Возьмите одну задачу — например, ответы на вопросы о доставке и возврате — и автоматизируйте её. Бюджет пилота: 100 000–200 000 ₽, срок: 2–4 недели. Если пилот показал результат — масштабируйте.

Не экономьте на данных. 80% успеха агента — это качество базы знаний. Вложите время в то, чтобы собрать и структурировать информацию. Если этого не сделать, никакая модель не спасёт.

Считайте unit-экономику до старта. Посчитайте стоимость обработки одного обращения сейчас, оцените долю типовых обращений и прикиньте экономию. Если цифры не сходятся — лучше потратить бюджет на что-то другое.

ИИ-агенты — не магия и не обман. Это инструмент с понятной экономикой, который работает при правильном применении. Рынок созрел: запрос «ИИ-агент для бизнеса» вырос почти в 4 раза за год, и это уже не хайп, а рабочий спрос. Но именно сейчас, когда рынок горячий, важно не переплатить за маркетинговый воздух — а инвестировать в решение, которое реально решает задачу.