Бизнес учится считать расходы на ИИ
Компании начинают более трезво подходить к ИИ-агентам и используют их точечно, для конкретных функций: подготовки черновиков, анализа данных, обработки типовых запросов. Это повышает эффективность, избавляя от рутины, но не всегда дает измеримый в твердых цифрах экономический эффект
Использование ИИ-ассистентов и ИИ-агентов в бизнес-процессах сначала вошло в моду, а теперь, кажется, стало практически обязательным условием существования компании. Разница между ассистентами и агентами, напомним, в том, что первые работают по запросу пользователя: помогают искать информацию, писать тексты, делать выжимки, но не выходят за рамки диалога. А вторые действуют автономно: сами разбивают задачу на шаги, используют внешние инструменты и системы, выполняют цепочку действий и могут корректировать план по ходу работы. Николай Ивантер, генеральный директор ООО «Безопасные ИИ-технологии», уточняет, что у ИИ-агента есть доступ к так называемым инструментам, которые он может использовать для выполнения задачи. Например, он может читать и редактировать файлы, запускать программы, и результатом его работы становится не просто текстовый ответ в чате, а отредактированный файл или выполненное действие — скажем, отправленное по электронной почте письмо.
Сеть Х5 («Пятерочка», «Перекресток», «Чижик») отчиталась о том, что за 2025 год получила 5 млрд рублей дополнительной операционной прибыли (3% от общей) благодаря использованию ИИ. В Сбере совокупный экономический эффект от внедрения искусственного интеллекта за тот же период оценили более чем в 450 млрд; в 2026-м, по словам первого зампреда правления Александра Ведяхина, компания планирует заработать на ИИ 500 млрд.
По данным исследования сервиса «Контур.Толк», сейчас почти две трети крупных и средних российских компаний либо используют ИИ, либо экспериментируют с ним. Однако нейросети не всегда оказываются полезными: 29% компаний терпят финансовые потери из-за сбоев коммуникации, говорится в документе. Например, данные могут быть разрозненными, из-за чего сотрудники не увидят полной картины, а нужная информация может исказиться или потеряться. 61% фирм, внедряющих ИИ-агентов, сталкиваются со срывом сроков задач и проектов, почти половина — с задержками в принятии решений. Примечательно, что 11% предприятий вообще не измеряют полученный от нейросетей эффект, а четверть оценивают его субъективно, не прибегая к финансовому анализу.
Однако без подсчета расходов и доходов невозможно оценить реальный экономический эффект от внедрения нейросети. Стоимость ИИ-агента для бизнеса складываетсяиз следующих статей: как правило, нужна подписка на облачную платформу с доступом к языковым моделям, иногда требуется создание собственной инфраструктуры вроде серверов и видеокарт, чтобы развернуть нейросеть на своих ресурсах. Плюс оплата услуг ИТ‑специалистов, занимающихся настройкой, интеграцией и поддержкой решения.
Внутри подписки ключевым параметром расчета выступает количество токенов — это единица измерения объема обрабатываемого нейросетью текста. В среднем 1000 токенов примерно равны 750 словам, но у разных моделей логика немного отличается. Кроме того, есть квоты на определенный период (обычно на месяц). Каждый раз, когда агент обрабатывает запрос и генерирует ответ, из квоты списывается определенное число токенов. Например, если запрос — 20 токенов, а ответ — 30, спишут 50. Стоимость токена зависит от выбранной модели: продвинутые требуют больше ресурсов и стоят дороже, чем базовые. Так что важнейшая задача при внедрении ИИ — рассчитать цену этих самых токенов. Незаметный рост запросов может дать на выходе неожиданно большой счет, особенно если загружать в нейросеть слишком много контекста или применять мощную и дорогую модель для простых операций. А ведь в перспективе разработчики ИИ будут повышать тарифы, чтобы отбить свои огромные вложения. Американская исследовательская и консалтинговая компания Gartner предупреждает: к 2028 году использовать нейросеть станет дороже, чем держать в штате среднестатистического программиста.
Динамика цен на сами модели неоднородна. Николай Ивантер разделяет так называемые frontier-модели (флагманские, передовые: Claude Opus, GPT 5.x и аналоги) и open-weight-решения с открытыми весами (модели, которые можно скачать и установить на собственных серверах без привязки к компании-разработчику). Флагманские версии, говорит наш собеседник, действительно дорожают с каждым обновлением. В то же время модели с открытыми весами скорее дешевеют, хотя также постепенно наращивают функционал, пусть и с отставанием от топовых аналогов. В итоге, по мнению Николая Ивантера, цена нейросети на единицу полезности — то, что модель реально умеет делать за свои деньги, — продолжает снижаться.
Специалисты отмечают: внедрение ИИ в бизнес приносит свои плоды только при осознанном подходе. Стоимость использования языковой модели напрямую зависит от конкретной задачи, рассказывает