Сколько стоит разработка ИИ‑агента: из чего складывается цена и реальные примеры

Короткий ответ: внедрение одного ИИ-агента на готовой платформе обычно стоит десятки тысяч рублей, разработка с нуля с интеграциями — сотни тысяч и миллионы, а корпоративная мультиагентная система может стоить от нескольких миллионов рублей. Разброс возникает не потому, что один агент «умный», а другой «глупый». Главная разница — в объёме разработки, количестве интеграций, требованиях к безопасности и дальнейшей поддержке.

Цены в статье приведены по состоянию на сентябрь 2026 года. Рынок ИИ-инфраструктуры пересматривает тарифы несколько раз в год: у одних поставщиков дорожают отдельные линейки моделей, у других отменяются ранее объявленные повышения. Поэтому любую смету по ИИ-агенту важно считать не только на дату запуска, но и как минимум на первый год эксплуатации.

Главная мысль проста: за ИИ-агента платят не один раз, а трижды — за внедрение, за работу моделей и за поддержку. Большинство неприятных сюрпризов возникает тогда, когда в бюджете учитывают только первый пункт.

Три статьи расходов

Стоимость ИИ-агента складывается из трёх больших блоков: внедрение, работа моделей, инфраструктура и поддержка. Если смотреть только на цену запуска, проект кажется дешевле, чем будет на самом деле. Если считать только токены, наоборот, можно испугаться не той статьи расходов.

Внедрение — это разовая работа: анализ процесса, настройка инструкций, сбор и структурирование базы знаний, подключение каналов, правила эскалации, тестирование и обучение сотрудников. На этом этапе агент превращается из «окна чата с ИИ» в рабочий инструмент, который знает вашу услугу, понимает границы полномочий и не обещает клиенту того, чего компания выполнить не может.

Работа моделей оплачивается по факту использования. Чем больше обращений, длиннее диалоги, тяжелее контекст и сложнее агентная логика, тем выше ежемесячный счёт. Но важный нюанс: в реальных проектах токены часто оказываются меньшей частью бюджета, чем кажется на старте.

Инфраструктура и поддержка — это лицензии платформы, хостинг, мониторинг, актуализация базы знаний, доработки, сопровождение интеграций, разбор спорных диалогов и регулярные тесты после изменений. Именно этот блок чаще всего забывают в коммерческих предложениях, хотя через год он может оказаться решающим для экономики проекта.

Почему «агент под ключ» и «агент на платформе» стоят по-разному

На рынке можно встретить предложения от 50 тысяч рублей до десятков миллионов. Чтобы сравнивать их честно, нужно понять, что именно продаётся: настройка готовой системы, разработка отдельного решения или корпоративная архитектура с несколькими агентами.

Ключевая разница — не в качестве ответов, а в объёме разработки. На платформе уже есть управление диалогом, подключение каналов, хранение базы знаний, логирование, базовая аналитика, механика передачи оператору и инструменты настройки. Клиент платит не за создание всего механизма с нуля, а за адаптацию готовой системы к своему процессу.

Разработка с нуля нужна там, где платформа не подходит: требуется размещение в закрытом контуре, нестандартная бизнес-логика, специфическая безопасность, глубокая интеграция с самописной системой или сложная оркестрация нескольких агентов. Это нормальные причины для дорогого проекта. Но если задача — отвечать клиентам, квалифицировать заявки, подсказывать по базе знаний, записывать в CRM и передавать сложные случаи человеку, готовая платформа часто закрывает потребность быстрее и дешевле.

Есть и обратная сторона. Платформа задаёт рамки. Если компания хочет контролировать каждый внутренний компонент, менять архитектуру на уровне кода и хранить всё только в собственном контуре, цена неизбежно растёт. В таком случае покупается не только агент, но и инженерная свобода.

Сколько стоит работа моделей на самом деле

Работа модели считается в токенах. Токен — это небольшой фрагмент текста: часть слова, слово или знак препинания. Модель оплачивает не «сообщение», а объём входа и выхода: что ей передали и что она ответила. В агенте во вход попадают не только слова пользователя, но и системная инструкция, история диалога, фрагменты базы знаний и результаты обращений к инструментам.

Российские модели дают возможность оплачивать потребление напрямую в рублях. По открытым тарифам на сентябрь 2026 года ориентиры выглядят так:

Источник по GigaChat: тарифы для юридических лиц Сбера, действующие с 01.09.2026 для существующих корпоративных клиентов; для новых клиентов с этой даты используется каталог cloud.ru, где условия могут отличаться. Тарифы YandexGPT нужно сверять на день публикации, потому что страницы цен облачных провайдеров иногда меняют структуру и доступность.

В практической смете важны нюансы. У GigaChat есть минимальный платёж 600 ₽ в месяцах с использованием: если фактическое потребление Lite составило условные 57 ₽, к оплате всё равно может быть 600 ₽. Разрыв между Lite и Pro у российских поставщиков — примерно 4–8 раз, поэтому отправлять весь поток на старшую модель без маршрутизации означает переплачивать. Простые вопросы можно обрабатывать младшей моделью, спорные и дорогие по ошибке — старшей.

У российских моделей вход и выход часто стоят одинаково. У западных моделей выход обычно дороже входа в несколько раз. Это меняет арифметику: длинные ответы на российских моделях относительно дешевле, а RAG-сценарии с большим контекстом — относительно дороже.

RAG — это подход, при котором агент перед ответом ищет релевантные документы в базе знаний и добавляет их в запрос к модели. Пользователь написал одну фразу, а модель получила вместе с ней инструкцию, историю, несколько фрагментов регламента и правила ответа. Поэтому счёт формируют не слова клиента, а архитектура контекста.

В измерении девяти реальных диалогов службы поддержки, опубликованном mxchat.ai, на один разговор приходилось около 7 200 входных и 716 выходных токенов. При этом 48% входных токенов составляли извлечённые из базы знаний документы, 40% — системный промпт, пересылаемый на каждом шаге, и только 2,5% — слова пользователя. Вывод неприятный, но полезный: девять десятых счёта определяются настройкой, а не трафиком.

Экономия на модели даёт меньше, чем экономия на контексте. Кэширование системного промпта может снижать расход на 40–70%, маршрутизация простых запросов на младшую модель — на 50–70%. А вот агентные сценарии, где один запрос пользователя превращается в 4–6 обращений к модели, быстро увеличивают потребление. Мультиагентные системы могут расходовать в 10–15 раз больше токенов, чем одиночный агент.

Отдельная тема — доступ к зарубежным моделям из России. Россия не входит в списки поддерживаемых стран OpenAI, Anthropic и Google, а платёжные шлюзы и посредники добавляют к официальным ценам существенную наценку. По открытым прайсам она может составлять от десятков до сотен процентов в зависимости от модели и схемы доступа. Кроме того, рублёвая оплата через российский кабинет сама по себе не доказывает соблюдение требований к локализации данных.

За что платят повторно, а за что один раз

Хорошая смета разделяет разовые и регулярные расходы. Это защищает от типичной ошибки: компания сравнивает два предложения по цене внедрения, а через полгода выясняет, что в одном включены обновления базы знаний и контроль качества, а в другом — только первичная настройка.

Разовая часть отвечает на вопрос «как запустить». Повторная — «как сделать так, чтобы агент продолжал работать через три, шесть и двенадцать месяцев». У бизнеса меняются акции, цены, регламенты, расписания, товарные остатки, формы заявок, API внешних сервисов. Если агент не обновлять, он постепенно начинает отвечать прошлогодней компанией нынешним клиентам.

Скрытые расходы, которых нет в смете

Совокупная стоимость владения, или TCO, — это не только запуск и счёт за модель. В корпоративных разборах токены занимают примерно 15–35% расходов. Остальное съедают интеграции, контроль качества, безопасность, инфраструктура и человеческая проверка.

Полезное практическое правило из корпоративных оценок: на каждый рубль в «мозги» агента приходится примерно полтора рубля в интеграцию и её поддержку. Поэтому дешёвая модель не спасает проект, если агент плохо подключён к данным, не умеет передавать спорные случаи и требует ручного разбора каждого второго диалога.

Для России разумный ориентир по сопровождению — закладывать 30–50% стоимости разработки в год на поддержку, подготовку данных, хостинг, токены и изменения. В западных расчётах часто используют около 20% в год, но российские проекты нередко дороже в сопровождении из-за разнородных CRM, самописных систем и ручных процессов.

Есть ещё одна статья, которую редко сравнивают с API, — зарплаты. Средняя зарплата ML-инженера в России в 2026 году находится примерно на уровне 185 000 ₽ на руки, с типичным диапазоном 140–230 тысяч ₽, а в Москве выше. Даже небольшая внутренняя команда стоит заметно дороже, чем вызовы модели. Поэтому вопрос «делать самим или отдать подрядчику» нужно считать не по цене токенов, а по полной стоимости команды, сроков и рисков.

Есть ситуации, когда ИИ-агента лучше не заказывать. Если задача уже решается штатными функциями CRM или маркетплейса, если процесс не описан, если база знаний противоречива, если в компании нет владельца результата, агент станет не ускорителем, а красивой накладкой на хаос.

Рыночные ориентиры: сколько просят в России и в мире

Ниже — не наши цены, а ориентиры по рынку из открытых обзоров. Они нужны, чтобы понимать масштаб вилок и не сравнивать несравнимое.

Другие обзоры дают близкие, но смещённые вилки: RAG-агент 150–200 тысяч ₽, функциональный агент 600 тысяч – 2,5 млн ₽, мультиагентная система от 10 млн ₽. Сам разброс показателен: рынок пока считает не «агента вообще», а набор работ вокруг него.

В мире порядок другой: простой агент — $8–25 тыс., агент с базой знаний — $25–80 тыс., мультиагентный проект — $80–250 тыс., корпоративная платформа — от $250 тыс. Один корпоративный агент поддержки может стоить $150–300 тыс. без учёта стоимости работы моделей.

Интересный тренд — переход от оплаты за рабочие места к оплате за результат. Intercom берёт $0,99 за решённое обращение, Salesforce использует модели оплаты за действие агента или за разговор. Логика понятна: если продукт выполняет работу вместо человека, продавать лицензии на людей всё менее естественно.

Сырая стоимость токенов одного такого разговора может составлять от $0,002 до $0,06, а цена для клиента — $0,99. Разница в десятки и сотни раз не означает, что вендор просто делает наценку на модель. В цену входят интеграции, инфраструктура, гарантии, поддержка, контроль качества и риск. Это хорошая иллюстрация главного тезиса: цена агента почти никогда не определяется ценой модели.

Наши цены

СофтРестЧат — это платформа нашей собственной разработки для создания ИИ-агентов для коммуникаций: текстовых сообщений и голосовых разговоров. На этой платформе мы проектируем поведение агента, настраиваем сценарии, подключаем каналы общения, готовим базу знаний, проверяем качество ответов и затем внедряем решение в рабочие процессы компании.

Стоимость внедрения одного ИИ-агента под ключ составляет 30 000 ₽: 20 000 ₽ — работа по внедрению, 10 000 ₽ — лицензия платформы. В работу входят настройка инструкций и сценариев, подготовка базы знаний, подключение каналов, правила передачи диалога человеку, проверка и доведение до рабочего состояния.

Такая стоимость получается за счёт готовой основы. В СофтРестЧат уже есть управление диалогом, подключение каналов, хранение базы знаний, экраны управления, журналы событий и базовая аналитика. Клиент оплачивает настройку под конкретную задачу и внедрение агента в свой процесс.

При покупке лицензии начисляется 8 000 кредитов на работу ИИ-моделей. Дальше ИИ-модели оплачиваются по факту использования. Для голосовых сценариев ориентир — в среднем 5–10 ₽ за минуту разговора. Если клиент подключает свой ключ программного интерфейса, работа ИИ-модели оплачивается напрямую поставщику, а платформа берёт 30 копеек за ответ агента. На больших объёмах такая схема обычно выгоднее.

Связь для голосовых сценариев оплачивается напрямую вашему оператору, обычно до 3 ₽ за минуту. Минуты мы отдельно не тарифицируем. Для тех, кто хочет собрать агента самостоятельно, есть самостоятельный тариф: 5 000 ₽ в месяц. Вы регистрируетесь в СофтРестЧат, настраиваете агента сами и используете платформу без услуги внедрения.

Также мы можем разработать индивидуального ИИ-агента под отдельный рабочий процесс компании. Такой вариант подходит, когда нужны особая логика принятия решений, нестандартные связи с внутренними системами, закрытый контур, несколько взаимодействующих агентов или расширенная обработка голосовых и текстовых обращений. Стоимость индивидуальной разработки начинается от 95 000 ₽ за один рабочий процесс компании и рассчитывается после описания задачи, данных, каналов связи и требований к внедрению.

Эти цены корректно сравнивать с запуском на готовой платформе и с разработкой индивидуального решения под задачу. Если нужны нестандартные подключения, закрытый контур, сложная логика принятия решений или несколько взаимодействующих агентов, стоимость рассчитывается отдельно.

Как посчитать окупаемость и где в этом расчёте чаще всего врут

Окупаемость ИИ-агента нельзя считать по формуле «сколько операторов мы заменим». Корректнее смотреть на поток обращений, долю задач, которые агент реально закрывает, стоимость человеческой обработки и совокупные расходы на владение.

Годовая экономия = объём × доля реально закрытых агентом обращений
                 × (полная стоимость обращения человеком − стоимость обращения агентом)
                 − совокупная стоимость владения

Первая ошибка — считать по средней стоимости обращения. Простая консультация и сложная эскалация могут отличаться по цене в 5–10 раз. Если взять среднюю, можно одновременно занизить выгоду на простых вопросах и завысить её на сложных.

Вторая ошибка — сравнивать только те обращения, которые агент и так мог закрыть. Рекламные обещания «минус 60–80% затрат» часто считаются по удобной подвыборке. В целом по потоку реалистичное сокращение расходов в первый год чаще находится в диапазоне 20–35%, особенно если учитывать поддержку, доработки и контроль.

Третья ошибка — отсутствие базовой линии. Если до внедрения не измерили, сколько было обращений, сколько длился звонок, сколько стоила обработка, какая доля уходила в повторные контакты и эскалации, считать эффект почти невозможно. После запуска всегда найдётся соблазн выбрать красивые цифры.

Четвёртая ошибка — путать удержание с решением. Агент может долго вести диалог, но не закрывать задачу. Для бизнеса важнее не количество сообщений и не процент «автоматически обработанных» обращений, а доля действительно решённых случаев без вреда для клиента.

По отраслевым ориентирам окупаемость за 3–6 месяцев возможна у среднего бизнеса с готовой базой знаний и понятным потоком типовых обращений. Для корпоративного внедрения с несколькими системами реалистичнее 6–9 месяцев. При честном учёте всех расходов первого года срок 8–12 месяцев часто выглядит здоровее, чем обещание «окупится за месяц».

Что делать дальше

Если вы хотите оценить стоимость ИИ-агента для своего процесса, начните с описания задачи. Нужны объём обращений, звонков или документов в месяц, типовые сценарии, правила передачи человеку, список систем для интеграции и понимание, кто будет владельцем результата внутри компании.

По такому описанию можно подготовить расчёт в трёх комплектациях: минимальный запуск на платформе, рабочий вариант с интеграциями и максимальный сценарий с расширенной логикой. Для каждого варианта полезно сразу указывать цену внедрения, ежемесячные расходы, сроки и условия, при которых смета изменится.

Если задача пока не сформулирована, разумно попробовать готовую платформу для создания ИИ-агентов и собрать первого агента руками. Это быстро показывает, есть ли база знаний, какие вопросы повторяются чаще всего и где процесс ещё не готов к автоматизации. А когда контур задачи станет понятен, внедрение под ключ будет считаться не «на глаз», а по реальному сценарию.

Автор Антон Амосов

Поделиться Скопировано!