ИИ-агент сэкономил 40 часов в месяц. Потом я посчитал скрытые затраты
В марте мы запустили ИИ-агента для обработки входящих запросов одному клиенту — небольшая оптовая компания, 12 человек, менеджеры тонули в однотипных письмах. Через месяц замерили: агент закрывал около 40 часов ручной работы в месяц. Все радовались. Я тоже радовался — до момента, когда мы сели считать по-настоящему.
Первая неожиданность: стоимость токенов. Агент работал на GPT-4o, обрабатывал длинные цепочки переписки, иногда по 3–4 итерации на один запрос. В пике — 180 долларов в месяц только на API. Это не катастрофа, но в исходный расчёт ROI никто эту цифру не закладывал. Добавь сюда время разработчика на доработки — примерно 6 часов в месяц по факту, хотя планировали «запустить и забыть».
Вторая неожиданность: качество требовало надзора. Агент справлялся с 80% запросов хорошо. Оставшиеся 20% он обрабатывал формально правильно, но без контекста, который знают живые менеджеры. Один раз написал клиенту про условия возврата так, что тот решил — компания пытается уйти от ответственности. Менеджер потом час разруливал. Значит, нужен человек на контроле — не постоянно, но системно. Это ещё минус 5–8 часов в месяц.
Итого честная картина: сэкономили 40 часов, потратили — с учётом API, доработок и надзора — около 18–20 часов эквивалента и 180 долларов. Чистая экономия примерно 20 часов и высвобождение менеджеров от рутины. Это хороший результат, но не тот, что рисуется в типичных кейсах «агент взял всё на себя».
Где агенты реально не работают без оговорок: там, где цена ошибки высокая и исправить сложно. Финансовые договорённости, претензии, нестандартные клиентские ситуации — здесь агент должен быть помощником, а не исполнителем. Ещё плохо работает в компаниях, где процессы не описаны: агент усиливает то, что есть. Если хаос — получите автоматизированный хаос.
Что реально даёт устойчивый результат — агенты на узких, повторяемых задачах с чётким критерием правильного ответа. Классификация запросов, первичные ответы по FAQ, сбор данных по заявкам, напоминания, генерация черновиков по шаблону. Здесь экономия 15–30 часов в месяц стабильна, надзор минимален, а стоимость API предсказуема. Если хотите понять, какие задачи в вашем бизнесе реально подходят под агентов — это можно прикинуть за 2 минуты на aiagenta.ru/qualify/, там короткая диагностика по типу процессов.
Главное, что я вынес из 20+ внедрений: ИИ-агент — это не кнопка «автоматизировать всё». Это инструмент с реальной стоимостью владения, которую нужно считать заранее. Те, кто считает — получают предсказуемый результат. Те, кто верит в магию — разочаровываются через квартал. Вы уже считали полную стоимость автоматизации в своём случае или пока смотрите только на экономию часов?
