Коротко
Стоимость проекта внедрения ИИ складывается из трёх частей: разработка (от 69 000 до 419 000 ₽ разово), интеграции и работа LLM в проде (3 000–25 000 ₽/мес для типовых нагрузок). Без абонплаты. Простые решения — чат-бот, классификатор лидов — стартуют от 69 000 ₽ и окупаются за 1–3 месяца. Автономные агенты — от 139 000 ₽, multi-agent-системы — от 419 000 ₽.
Вопрос «сколько стоит внедрить ИИ» некорректен без уточнения какой процесс автоматизируется и с какой нагрузкой. Разброс по рынку — от 50 тысяч за бота на готовом конструкторе до десятков миллионов за отраслевую платформу. Ниже — структура цены и реальные диапазоны, чтобы можно было прикинуть бюджет до разговора с подрядчиком.
Три составляющие стоимости
Цена проекта внедрения ИИ раскладывается на три независимые части. Подрядчики часто называют только первую — отсюда «неожиданные» расходы через месяц после запуска.
- 1. Разработка (разовый платёж). Проектирование, промпт-инжиниринг, обучение на ваших данных, тестирование. Основная часть сметы. Считается от сложности сценария, а не от количества строк кода.
- 2. Интеграции (разовый платёж). Подключение к CRM, 1С, телефонии, мессенджерам. Если у системы есть открытый REST API (Битрикс24, amoCRM) — быстро. Если legacy без API или обмен через файлы — дороже основной разработки.
- 3. Работа LLM в проде (по факту потребления). Оплата за токены напрямую провайдеру модели. Зависит от объёма: числа лидов, звонков, документов. Это единственная статья, которая растёт вместе с бизнесом, — и единственный регулярный платёж: абонентской платы за саму систему нет.
Диапазоны цен по типам решений
Цифры ниже — реальные вилки на российском рынке кастомной разработки (не конструкторы и не готовые SaaS-подписки).
От 69 000 ₽ — типовые задачи с готовой архитектурой
- Чат-бот на LLM для продаж или поддержки с интеграцией в CRM: от 69 000 ₽, запуск 1–2 недели. Подробнее — разработка чат-бота.
- GPT внутри CRM (классификация лидов, сводки звонков, подсказки менеджеру): от 69 000 ₽, 2–3 недели. См. GPT в CRM.
- Классификатор обращений: от 69 000 ₽, без абонентской платы.
От 139 000 ₽ — системы с собственной логикой
- RAG-система (ответы по вашим регламентам и документам с цитированием источников): от 139 000 ₽. См. RAG-системы.
- Автономный AI-агент с планированием, вызовом инструментов и памятью: от 139 000 ₽, 3–6 недель. См. AI-агенты под ключ.
- Речевая аналитика с транскрипцией, скорингом разговоров и дашбордом: от 169 000 ₽. См. речевая аналитика.
- Автоматизация одного бизнес-процесса с интеграциями: от 139 000 ₽.
От 419 000 ₽ — multi-agent и нестандартная архитектура
Несколько агентов, работающих параллельно с общим состоянием: разбор входящих + оформление документов + контроль исполнения. Сюда же — проекты с требованием локального развёртывания LLM (закрытый контур, 152-ФЗ), где к смете добавляется настройка инфраструктуры под on-premise модель.
Работа LLM: как считать месячный расход
Это та часть, которую сложнее всего оценить заранее, — и та, где чаще всего возникают сюрпризы. Расход считается за токены: примерно 1 токен ≈ 3–4 символа русского текста. Оплачивается и входящий контекст (промпт + данные), и сгенерированный ответ.
Ориентиры на реальных нагрузках:
- Классификация лидов, 5 000 обращений/мес на модели уровня GPT-4o mini — примерно 2 000–4 000 ₽/мес.
- Сводки звонков, 200 разговоров/мес (транскрипция + разбор) — примерно 10 000–20 000 ₽/мес.
- Агент-исследователь, запускающий 50 шагов на задачу, — 50–300 ₽ за одну итерацию. Здесь расход считается не «в месяц», а за задачу, и планировать надо по числу задач.
Ключевой момент: разница между «дешёвой» и «дорогой» моделью на одной и той же задаче — до 20 раз. Классификацию и маршрутизацию нет смысла гонять на топовой модели: с ней справляется лёгкая. Ошибка «всё делаем на самой мощной LLM» удорожает эксплуатацию в разы без прироста качества.
Что реально удорожает проект
- Отсутствие API у систем-приёмников. Обмен через выгрузки, парсинг интерфейса, самописные коннекторы — часто дороже, чем сама AI-часть.
- Данные в неструктурированном виде. Если база знаний — это 400 файлов Word разного формата и вордовские таблицы со сканами, значительная часть бюджета уйдёт на подготовку данных, а не на модель.
- Требование закрытого контура. Локальное развёртывание open-source модели требует GPU-сервера и настройки: это плюс к смете и к сроку, зато исключает передачу данных наружу.
- Высокая цена ошибки. Юридические и медицинские сценарии требуют слоя проверок, human-in-the-loop и подробного логирования — это отдельная часть работы.
- Размытые критерии приёмки. Если до старта не зафиксировано, что считается «хорошим ответом», проект уходит в бесконечные итерации. Это самый частый источник перерасхода.
Как посчитать окупаемость
Простая методика: берём процесс, считаем часы, которые он съедает в месяц, умножаем на стоимость часа сотрудника — получаем текущую цену процесса. Дальше сравниваем с суммой «разработка / горизонт планирования + LLM + поддержка».
Пример. Первая линия поддержки: 3 сотрудника тратят 60% времени на типовые вопросы. При ФОТ 80 000 ₽ это примерно 144 000 ₽/мес. AI-бот, снимающий 50% обращений, экономит около 72 000 ₽/мес. Проект за 139 000 ₽ + 8 000 ₽/мес окупается примерно за 3 месяца.
Важная оговорка: экономия редко превращается в сокращение штата — чаще она конвертируется в снятое ограничение на рост. Отдел перестаёт нанимать линейно с ростом объёма. Это корректнее считать через пропускную способность, а не через «уволим N человек».
На чём не стоит экономить
- Аудит перед разработкой. Три дня анализа процесса дешевле, чем месяц разработки не того. Если подрядчик готов начать без изучения процесса — это риск.
- Прозрачность расходов на LLM. Расход на модель должен быть виден в рублях, по дням и задачам, с настраиваемыми лимитами. Без этого эксплуатация превращается в чёрный ящик.
- Фиксация цены после ТЗ. Нормальная схема: аудит → техническое задание с зафиксированной ценой → поэтапная оплата. Оценка «примерно» без ТЗ почти всегда означает рост сметы.
Актуальные цены на наши решения — на странице цены и пакеты, там же интерактивный калькулятор стоимости под конкретную задачу.
Частые вопросы
Автономный агент с планированием, вызовом внешних инструментов и памятью — от 139 000 ₽ за разработку, срок 3–6 недель. Плюс работа LLM в проде: для типовых нагрузок это 3 000–25 000 ₽/мес, для агентов с длинными многошаговыми цепочками расход считается за задачу (50–300 ₽ за итерацию). Точная цена фиксируется после аудита и составления ТЗ.
Под «внедрением ИИ» понимают разные вещи. Бот на готовом конструкторе с ответами по шаблону — это десятки тысяч рублей. Кастомная система, обученная на ваших данных, с интеграцией в CRM и 1С, обработкой исключений и контролем качества — сотни тысяч. При сравнении предложений нужно смотреть не на итоговую цифру, а на то, что входит: глубина интеграций, кто платит за токены, есть ли скрытая абонентская плата.
Только работа LLM — по факту потребления, от 2 000 ₽/мес для лёгкой классификации до 25 000 ₽/мес для разбора звонков. Абонентской платы за саму систему нет: вы платите за разработку один раз, дальше система ваша. Доработки и развитие — по запросу и по факту выполненных задач, а не фиксированным ежемесячным платежом.
Да, и это правильная стратегия. Берётся один процесс с понятной метрикой — например, классификация входящих обращений (от 69 000 ₽) — запускается за 1–2 недели, измеряется эффект. Если экономия подтвердилась, расширяем. Так проверяется гипотеза без крупных вложений, а не «внедряем ИИ везде сразу».
Готовый SaaS дешевле на старте (подписка вместо разработки) и подходит для типовых сценариев. Кастомная разработка окупается, когда нужны специфичная логика разбора, интеграция с нестандартной системой, работа в закрытом контуре или когда объём такой, что подписка за пользователей/обращения превышает стоимость своей системы. Ориентир по объёму: от 200 обращений в день кастом обычно выгоднее.
