ROI от ИИ-агентов: почему честная цифра почти недостижима

Осенью 2025 года консалтинговые отчёты и посты в корпоративных блогах наперебой обещают, что ИИ-агенты сокращают затраты на 30, 50, а то и 80 процентов. Проблема в том, что почти ни один из этих расчётов нельзя воспроизвести. За красивой цифрой ROI обычно прячется набор допущений, которые каждый считает по-своему: одни берут только стоимость API-вызовов, другие забывают про зарплату людей, которые вычитывают ответы агента, третьи приписывают агенту рост выручки, случившийся по другим причинам. В итоге две команды с одинаковым внедрением получают ROI, различающийся в разы.

Из чего складывается расчёт и где он ломается

ROI считается просто: (выгода минус затраты), делённое на затраты. Сложность не в формуле, а в том, что обе части уравнения плохо поддаются измерению именно у агентных систем.

Агент^* отличается от обычного чат-бота тем, что не просто отвечает, а выполняет цепочку действий: планирует, вызывает инструменты, читает документы, снова обращается к модели. Каждый шаг — это отдельный запрос к модели и отдельные токены. Один пользовательский запрос легко превращается в десять-двадцать вызовов под капотом, и предсказать их число заранее невозможно: оно зависит от того, сколько итераций агенту понадобится, чтобы решить задачу.

Обычный чат-бот стоит примерно предсказуемо. Агент стоит столько, сколько шагов он решит сделать — а это вы узнаёте только по факту.

Затраты, которые обычно недосчитывают

• Токены на промежуточные шаги. В счёт идут не только финальный ответ, но и внутренние рассуждения, повторные обращения к модели, содержимое подгруженных документов. Длинный контекст^** оплачивается целиком при каждом вызове.
• Повторные прогоны. Агент ошибся, задачу перезапустили — это ещё один полный цикл оплаты. При наличии проверок и ретраев реальный расход токенов на успешно решённую задачу заметно выше номинального.
• Время людей. Пока агенту не доверяют полностью, кто-то проверяет его вывод. Это скрытая статья расходов, которую в ROI почти никогда не заносят, хотя она может съедать всю экономию.
• Инженерия и поддержка. Настройка инструментов, промптов, мониторинга, обновление под новую версию модели. Разовые и постоянные затраты, которые растягиваются во времени.
• Стоимость ошибок. Неверное действие агента — отправленное клиенту письмо с ошибкой, неправильно закрытая заявка — иногда дороже, чем ручная работа, которую он заменил.

Выгода, которую переоценивают

Со стороны выгоды главная ловушка — приписывание. Компания внедрила агента в поддержку, и через квартал время ответа упало. Но параллельно обновили базу знаний, наняли двух сотрудников и переписали шаблоны. Сколько из улучшения дал именно агент — вопрос, на который честно можно ответить только сравнением с контрольной группой, а её почти никто не строит.

Вторая ловушка — измерять «сэкономленные часы» и сразу переводить их в деньги. Если агент сэкономил сотруднику два часа в неделю, но эти два часа не превратились ни в дополнительную выручку, ни в сокращение штата, то экономии в отчёте о прибылях и убытках не будет. Освобождённое время — это потенциал, а не деньги в кассе.

Почему цифры разных внедрений несравнимы

Даже внутри одной компании ROI двух агентов может считаться по несовместимым правилам. Ниже — типичные различия в методике, из-за которых сравнивать чужие кейсы бессмысленно.

Разница между колонками — это не мошенничество, а разные добросовестные допущения. Именно поэтому число ROI без описания методики не значит ничего.

Как считать так, чтобы не обманывать себя

Полностью честной цифры не будет — но можно приблизиться к ней и, главное, сделать расчёт воспроизводимым.

1. Зафиксируйте границы. Заранее решите, что входит в затраты, а что нет, и запишите это. Меняете методику — пересчитывайте старые периоды по новой.
2. Логируйте токены на уровне задачи, а не запроса. Считайте полную стоимость решённой задачи со всеми шагами и повторами, а не среднюю цену одного вызова модели.
3. Заведите контрольную группу. Часть потока пусть идёт по старому процессу. Без сравнения вы не отделите эффект агента от прочих изменений.
4. Считайте время проверки отдельно. Если люди вычитывают вывод, это прямая статья затрат. Снижается доля проверок — растёт ROI, и это видно в динамике.
5. Смотрите на горизонт в несколько месяцев. Первые недели после запуска нерепрезентативны: много ручной донастройки и всплеск внимания команды.

Кому это важно, а кому можно проще

Кому нужен строгий расчёт:

• командам, которые обосновывают бюджет на масштабирование агента с десятков до тысяч задач в день — здесь ошибка в цене одной задачи умножается на объём;
• сервисам, где агент выполняет действия с деньгами или обязательствами клиента, и цена ошибки высока;
• вендорам, продающим ROI как аргумент — им придётся защищать методику перед клиентом.

Кому достаточно грубой оценки:

• пилотам на небольшом объёме, где цель — проверить, работает ли идея вообще, а не выжать точный процент;
• внутренним инструментам для команды, где выгода в удобстве, а не в прямой экономии;
• задачам, где агент делает то, что вручную просто не делалось бы никогда — тут сравнивать не с чем, и ROI как таковой не главная метрика.

^* Агент — программа на основе языковой модели, которая не только отвечает, но и сама выбирает и выполняет последовательность действий: вызывает инструменты, читает данные, делает несколько обращений к модели ради одной цели.

^** Контекстное окно — объём текста (в токенах), который модель обрабатывает за один запрос. Всё, что вы в него кладёте, оплачивается при каждом вызове.