Вопрос «сколько стоит внедрение ИИ» задают по-разному. Одни имеют в виду подписку на чат-бот для сотрудников, другие — систему, которая разбирает тысячи обращений в месяц и пишет результат в CRM. Разница между этими ответами — не в разы, а на порядки, и путаница здесь самая частая причина разочарования в бюджете.
Разберем, из чего складывается стоимость внедрения ИИ в компанию, какие статьи разовые, какие постоянные и что делает проект дешевле или дороже.
Подписка на чат-бот и внедрение — разные деньги
Это два разных продукта, которые называют одним словом.
Подписка для сотрудников
Каждый получает доступ к чат-боту и пользуется им как умеет. Платите за количество мест. Процессы компании не меняются, данные компании модель не видит, результат живет в окне чата и дальше переносится руками. Полезно, но это инструмент для личной продуктивности.
Внедрение в процесс
Модель встроена в поток работы. Письмо пришло — заявка создана, документ загружен — позиции разобраны, вопрос задан — ответ собран по базе знаний со ссылкой на источник. Платите за разработку один раз и за работу модели по объему.
Подписка не заменяет внедрение, и наоборот. Часто разумно сделать и то и другое. Но сравнивать их цены между собой бессмысленно, как сравнивать офисный пакет и учетную систему.
Из чего складывается стоимость внедрения ИИ
Бюджет делится на две части. Первая платится один раз до запуска, вторая — каждый месяц, пока система работает.
Разбор и проектирование. Какой процесс трогаем, что делает модель, что код, что человек, где результат записывается и кто его проверяет. Работа занимает от недели до двух и стоит дешевле всего остального. Именно она отсекает сценарии, где ИИ не окупится, и экономит больше, чем стоит сама. Если процессы еще не описаны, начинают с диагностики процессов.
Подготовка данных. Самая недооцененная статья. Справочники в трех вариантах написания, регламенты, которые противоречат друг другу, документы в сканах без текстового слоя. Модель уверенно работает с тем, что ей дали, и если дали мусор, получится уверенный мусор. Сюда же входит сбор тестового набора из сотни реальных случаев с правильными ответами.
Интеграции. Результат должен попадать туда, где с ним работают. Обмен с CRM, учетной системой, почтой, мессенджерами, сайтом. Каждая интеграция — отдельная работа, и ее цена зависит от того, есть ли у системы на той стороне нормальный API. Подробнее — в статье про API-интеграции.
Интерфейс и проверки. Экран, где сотрудник видит предложение модели и принимает или правит его. Журнал действий. Автоматический замер качества на тестовом наборе, чтобы после каждого изменения было видно, стало лучше или хуже. Без этой части проект нельзя сопровождать.
Работа модели. Постоянный платеж, который зависит от объема. Облачные модели считают оплату в токенах — примерно кусках слов. Для ориентира — по прайсам на сентябрь 2026 года YandexGPT Pro 5.1 в Yandex AI Studio стоит 0,8 ₽ за тысячу токенов, GigaChat Pro для юрлиц — 0,5 ₽, GigaChat Max — 0,65 ₽, все с НДС. Цены меняются несколько раз в год, перед расчетом их стоит сверить на сайте провайдера.
Поддержка. Провайдеры обновляют модели, данные компании меняются, появляются новые типы обращений. Кто-то должен регулярно прогонять тестовый набор, разбирать спорные случаи и править настройки. Это не абонентская плата «на всякий случай», а работа, без которой качество через полгода незаметно проседает.
Как прикинуть расходы на модель самостоятельно
Считать надо не цену запроса, а цену закрытой задачи. Одна задача обычно требует нескольких обращений к модели, а ассистент по базе знаний в каждый запрос добавляет найденные фрагменты документов, поэтому токенов уходит больше, чем кажется по длине вопроса.
Формула простая. Среднее число токенов на задачу умножается на число задач в месяц и на цену токена.
Пример на разборе входящих писем. Допустим, на одно письмо уходит три обращения к модели примерно по три тысячи токенов, то есть около девяти тысяч. По цене 0,8 ₽ за тысячу это около 7 ₽ за письмо. Три тысячи писем в месяц — порядка 21 тысячи рублей. Дальше эту цифру сравнивают со стоимостью ручной обработки тех же трех тысяч писем. Как считать вторую половину уравнения, разобрали в статье как посчитать эффект от ИИ.
Это пример расчета, а не норматив. Реальное число токенов на задачу видно только на пилоте с вашими данными. Поэтому расходы на модель мы оцениваем после пилота, а до него называем вилку.
Облачная модель или своя — где дешевле
Облачный API
Ничего не нужно покупать и сопровождать. Платите только за то, что обработали. Выгодно на старте и при неровном объеме. Ограничение — данные уходят провайдеру, и это надо оценить с точки зрения 152-ФЗ и коммерческой тайны.
Открытая модель на своем сервере
Сервер с видеокартой стоит одинаково, работает он или простаивает, плюс нужен человек, который его сопровождает. Окупается при большом стабильном объеме или когда данные нельзя выпускать из контура вообще.
Точка, где свой сервер становится дешевле облака, зависит от объема и требований к качеству, и считается под задачу. Сравнение российских, открытых и зарубежных моделей — в статье какую языковую модель выбрать бизнесу, а юридическая сторона отправки данных наружу — в статье про нейросети и 152-ФЗ.
Что делает внедрение дешевле, а что дороже
Дешевле
Один сценарий вместо программы на всю компанию. Данные уже в системе, а не в почте и головах. У систем, куда пишем результат, есть API. Есть владелец задачи, который быстро отвечает, что считать правильным. Модель готовит, человек подтверждает.
Дороже
Документы в сканах и фотографиях. Старая учетная система без API. Требование, чтобы данные не покидали контур. Агент, который сам выполняет действия, — ему нужны права, проверки и журнал. Несколько подразделений с разной логикой.
Сроки и ориентиры по бюджету
Точную цифру называем после разбора, а не по прайс-листу. По срокам ориентиры такие.
Бюджет на разработку устроен так же, как у любой заказной системы, и зависит от числа интеграций, состояния данных и количества ролей. Общий разбор — в статье сколько стоит разработка системы на заказ. Порядок работ по шагам — в статье про пошаговый план внедрения ИИ.
Когда платить за внедрение незачем
Честный ответ бывает и таким.
- Задача типовая — расшифровка звонков, помощь в переписке, распознавание стандартных документов. Готовый сервис дешевле любой разработки.
- Объем маленький. Двадцать писем в месяц сотрудник разберет быстрее, чем окупится интеграция.
- Правило записывается списком условий. Тогда нужна обычная автоматизация, и она дешевле и предсказуемее модели.
- Под ИИ нет системы. Сначала нужна учетная система или CRM, куда записывать результат, иначе экономия съедается ручным переносом.
Частые вопросы
Почему нельзя назвать цену сразу
Потому что основная часть бюджета зависит от состояния данных и систем, куда встраивается результат. Одна и та же функция в компании с чистой CRM и в компании с данными в почте и Excel стоит по-разному. После разбора называем фиксированную смету.
Что дороже в долгую — разработка или работа модели
При небольшом объеме разработка заметно больше. При десятках тысяч задач в месяц работа модели может стать главной статьей, и тогда имеет смысл считать переход на свой сервер или более дешевую модель для простых шагов.
Можно ли сэкономить, начав с подписки
Можно проверить, понимает ли модель ваши тексты в принципе. Это полезный и дешевый первый тест. Но в режиме «скопировал в чат — скопировал обратно» экономии на объеме не будет, а если в тексте персональные данные, такой тест сам по себе создает риски.
Посчитаем, во что обойдется ваш сценарий
Опишите процесс, который хочется разгрузить, и примерный объем в месяц. В ответ — разбивка бюджета на разовую и ежемесячную части, оценка расходов на модель и сравнение с ценой ручной обработки.
Если по цифрам выходит, что внедрение не окупится или хватит готового сервиса, скажем прямо.