Чат-бот за 30 тысяч или за 700: где заканчивается конструктор и начинается заказная разработка 

Заголовок — не кликбейт. Один и тот же по описанию чат-бот — «отвечает клиентам в Telegram и на сайте, принимает заявки, разгружает поддержку» — на рынке РФ в середине 2026 года стоит и ноль рублей, и три миллиона. Разброс в 100 раз — это не про жадность подрядчика. Это про то, что под одним словом «чат-бот» прячутся четыре разные инженерные сущности, и путать их — самый дорогой способ слить бюджет.

Короткий ответ на запрос «сколько стоит чат-бот для бизнеса», если лень читать дальше: собрать самому в конструкторе — 0–30 000 ₽ плюс подписка; заказать у фрилансера — 10 000–140 000 ₽; студийная разработка с интеграциями — от 200 000 ₽; LLM-бот с базой знаний, который реально понимает клиента, — от 700 000 ₽. А теперь — где между этими цифрами проходят границы и за что вы на самом деле платите.

Сразу о наболевшем: почему мы не делаем ботов на конструкторах

Начнем с честного, потому что за это нас будут спрашивать. MoranaLabs не собирает ботов в BotHelp, SaleBot или Aimylogic. И не потому, что «не умеем» — а потому что это не инженерия. Собрать линейный сценарий в визуальном редакторе способен толковый школьник за пару вечеров. Это уровень кружка информатики, а не студии, которая живет на highload и инференсе на железе.

«Но конструктор же дешевле! Зачем платить за разработку, если есть готовая платформа за 3 тысячи в месяц?»

Дешевле — да. И для простых задач это правильный выбор (ниже разберем, для каких). Но если вы приходите в студию, а вам с серьезным лицом продают «внедрение ИИ» в виде накликанного в конструкторе дерева за 200 тысяч — вас доят. Платить разработчику за сборку на no-code — это налог на лень: то же самое вы соберете сами за абонентку платформы.

Заказная разработка начинается там, где конструктор физически не может. А не может он вот что:

• Он негибкий. Конструктор — это жесткое дерево «если нажали А, покажи Б». Шаг влево от сценария — и бот отвечает «Извините, я вас не понял», либо вы городите костыль через внешнюю прокладку вроде Make или вебхуков. Реальная бизнес-логика в это дерево не влезает: по замерам платформ производительность деградирует уже при 20–25 ветках в одной интеракции.
• Он кривой на всем, что вне скрипта. Клиент пишет «хочу отменить вчерашний заказ и оформить новый, но промокод не сработал» — и конструктор спотыкается о первое знакомое слово, кидает человека не в ту ветку и бесит. Слабый NLP популярных платформ не тянет многоходовые диалоги с контекстом.
• Вы не владеете ничем. Сценарии, база подписчиков и вся переписка клиентов лежат в чужом облаке. Логика не экспортируется — при переезде на другую платформу бота собирают заново с нуля, выгрузить можно только сырые CSV. Это классический vendor lock-in.
• Вами могут управлять в одностороннем порядке. В марте 2026 ManyChat срезал бесплатный тариф с 1000 контактов до 25 — минус 97,5% — и начал блокировать отправку при превышении. В своем коде такого сюрприза не бывает.
• Нет инженерной гигиены. Нормального версионирования (git с ветками, PR, merge), автотестов, CI/CD — нет. Даже «продвинутые» студии внутри конструкторов имитируют контроль версий. Откатить сломавшийся релиз или проследить, кто и что менял, толком нельзя.

Так что позиция простая: конструктор — легитимный первый шаг для микробизнеса и простых задач, берите и собирайте сами. Но платить студии за зерокод — переплата. Мы беремся ровно за то, чего конструктор не умеет.

Честная таблица: конструктор vs фрилансер vs студия vs LLM-бот

Вот четыре способа получить чат-бота, разложенные по деньгам и по тому, где каждый ломается. Цены — реальные вилки рынка РФ на середину 2026 года по публичным прайсам платформ и студий.

Обратите внимание: верх фриланса (80–140 тысяч за «вменяемого бота под ключ») пересекается с низом студии. Это нормально — граница между «сложным сценарным ботом» и «дешевой заказной разработкой» размыта. Настоящий скачок цены и качества происходит на переходе к LLM: там вы платите не за красивые диалоги, а за то, что бот перестает быть деревом и начинает понимать.

Сколько стоит подписка на конструктор на самом деле

Раз уж конструктор — легитимный старт, вот честные цифры, чтобы вас не развели на «от 900 рублей в месяц» (это устаревший маркетинг). Реальные тарифы платформ на середину 2026:

• Aimylogic (Just AI): Free — 0 ₽ (25 пользователей/мес), Optimal — 6 490 ₽ (1 000 пользователей), Premium — 16 390 ₽ (10 000).
• SaleBot: Free — 0 ₽ (до 50 сообщений/сутки), Business — 2 999 ₽/мес (до 10 000 сообщений/сутки).
• BotHelp: ~1 599 ₽/мес за первую 1 000 подписчиков, дальше цена растет с базой.
• Leadteh: точка входа PRO — 1 390 ₽ (1 500 контактов); есть бесплатный Start.
• TextBack: от 2 990 ₽ (до 1 000 контактов), но WhatsApp-сообщения через официальный API тарифицируются отдельно — по ~12,8 ₽ за маркетинговое.

Ключевое: у большинства платформ ценник растет вместе с вашей базой подписчиков. Пока база маленькая — дешево. Когда бизнес вырастет, подписка за «аренду» простого бота может внезапно оказаться сопоставимой с зарплатой человека. Это первый звонок, что пора считать миграцию.

Что конструктор реально закрывает — и это нормально

Чтобы не выглядеть снобами: конструктор — рабочий инструмент для узкого класса задач. Если у вас именно они, не платите никому, соберите сами за вечер:

• Прием заявок и лидов: имя → телефон → «спасибо, менеджер свяжется».
• Квиз или анкета на 5–7 вопросов с ветвлением.
• Запись на прием/услугу по ссылке, напоминания.
• Примитивный FAQ на 5–10 самых частых вопросов с кнопками.
• Автоворонка рассылок в мессенджере: прогрев, акции, брошенная корзина.

Если это весь ваш кейс — конструктор закроет его за 0–15 тысяч настройки. Заказная разработка тут будет оверинжинирингом, за который стыдно брать деньги.

5 признаков, что вы переросли конструктор

А вот честная «точка невозврата». Как только вы узнаете в этом списке два-три пункта — платформа уже не экономит вам деньги, а тихо жжет их на конверсии и на зарплате операторов, которые доделывают за ботом.

1. Бот теряет контекст. Клиент меняет тему на лету («а какая, кстати, доставка?» в середине оформления заказа) — и дерево сценариев обнуляет прогресс. Пользователь раздражается и уходит.
2. Зоопарк сценариев. В дереве диалогов больше 30–50 узлов, никто в компании уже не помнит, куда ведет вон та зеленая стрелка, а правка одного ответа ломает три соседние ветки.
3. Нужна глубокая интеграция. Бот должен ходить в 1С за остатками, в CRM за статусом заказа, дергать вашу внутреннюю систему с кастомной авторизацией — а не только слать вебхук в Google-таблицу.
4. Служба безопасности бьет по рукам. Хранить переписку и персональные данные клиентов в чужом (часто зарубежном) облаке становится юридическим риском — о штрафах ниже.
5. Бот закрывает меньше 30% обращений. Остальное валится на операторов, которые работают живыми парсерами при тупом боте. Deflection не растет, потому что расти в жестком дереве некуда.

LLM-бот с RAG: из чего складывается цена и почему 700к — это не развод

Когда бизнес упирается в потолок, встает вопрос миграции на LLM-бота с RAG (Retrieval-Augmented Generation) — генеративную нейросеть, подключенную к вашей базе знаний. Он не ходит по веткам. Векторная база индексирует ваши регламенты, историю тикетов, каталог, инструкции; на запрос клиента система находит релевантные куски и заставляет модель сгенерировать связный ответ строго на их основе, со ссылкой на источник.

Почему это стоит от 700 тысяч, а не 30? Потому что модель и токены — это как раз самое дешевое. Главный неочевидный факт рынка: около 60% бюджета RAG-проекта уходит на невидимую пользователю работу — подготовку и чистку данных, разграничение прав доступа, интеграцию с источниками (AD, CRM, DMS) и на eval — измеримую оценку качества ответов. Из чего складывается чек:

• Discovery и данные — собрать, почистить, разметить базу знаний. Обычно 200 000–500 000 ₽.
• Архитектура RAG — векторная БД (Qdrant, pgvector), оркестрация (LangChain/LlamaIndex), эмбеддинги, грундинг с цитатами.
• Интеграции — 1С, CRM, платежи, каналы; от 50 000 ₽ за штуку.
• Eval и защита от галлюцинаций — тесты достоверности (RAGAS и подобные), правило «нет ответа в базе — честно скажи и позови оператора», а не выдумывай.
• Инференс — облачный (GigaChat ~190–1 950 ₽ за млн токенов в зависимости от модели, YandexGPT ~0,4–0,8 ₽ за 1000 токенов) или свой on-prem на GPU.

Для среднего бизнеса с потоком 500–1 000 диалогов в месяц операционные расходы на инференс — это всего 5 000–15 000 ₽/мес. Основные деньги — разовый инжиниринг, а не «прожорливая нейросеть». Простой RAG на готовых фреймворках с облачной моделью укладывается в 300 000–800 000 ₽ за 1–2 месяца; production-решение на большой ландшафт документов — 3–10 млн ₽ и 6–9 месяцев.

Экономика миграции: бот против первой линии на людях

Теперь математика, ради которой все затевается. Оператор первой линии поддержки в РФ в 2025–2026 стоит компании не «зарплату с сайта», а полную стоимость: оклад плюс ~30% страховых взносов, плюс рабочее место, ПО, обучение и текучка. Средний оклад оператора контакт-центра — около 55 000 ₽/мес, техподдержки по hh.ru — до 60 000 ₽, в Москве — 85 000 ₽ и выше.

Полная стоимость сотрудника: 65 000–110 000 ₽/мес. Отдел из пяти человек первой линии — это 350 000–500 000 ₽ в месяц, то есть 4–6 млн рублей в год. И этот отдел уходит на больничные, увольняется и не держит пик в черную пятницу.

Что снимает бот. На реальных внедрениях в РФ грамотный ассистент забирает 40–70% обращений без оператора: Tele2 закрывает виртуальным ассистентом 60% обращений (420 000+ вопросов в месяц по 2 000 тем), Т-Банк дообученными LLM решает до 45% без сотрудника. Новый бот в первый месяц берет ~30% — это нормальный старт, дальше метрика растет по мере накопления базы. Мировой ориентир по стоимости обработки: живой оператор — $20–25 за обращение против $0,5–0,7 у бота.

«Звучит красиво, но окупится ли это вообще?»

Формула простая: ROI = (экономия на ФОТ + доп. выручка от 24/7 и скорости) / стоимость проекта × 100%. Условие окупаемости — поток примерно от 300 обращений в месяц; ниже этого порога бот не нужен, операторы справятся сами, и разработка будет оверинжинирингом. При достаточном потоке типовой бот окупается за 4–7 месяцев, а в e-commerce — за 2–4. LLM-проект за 700+ тысяч на отделе поддержки в 5 человек отбивается примерно за два квартала.

Кейс-сценарий: поддержка интернет-магазина (расчет-прикидка)

Чтобы это не висело в воздухе — типовой сценарий (не конкретный клиент, а экономическая модель). Интернет-магазин, 3 000 обращений в месяц: «где заказ», «как вернуть», «есть ли на складе», «поменяйте адрес доставки». Три оператора первой линии — около 250 000 ₽/мес полной стоимости.

• Было (конструктор): бот на дереве закрывает ~20%, потому что половина вопросов сформулирована «не по кнопкам». Операторы разгребают 2 400 обращений вручную, пик распродажи тонет в очереди.
• Стало (LLM + RAG по базе заказов и правилам возврата): бот понимает свободные формулировки, ходит в 1С за статусом заказа, закрывает 55–60%. На людях остается ~1 200 сложных обращений, хватает двух операторов вместо трех, пик держится без очереди.
• Экономика: минус один оператор — это ~85 000 ₽/мес, или ~1 млн ₽/год, плюс выросшая конверсия на быстрых ответах 24/7. Проект за 700–900 тысяч отбивается за 8–10 месяцев только на ФОТ, дальше — в плюс.

Данные клиентов и 152-ФЗ: почему чужое облако — это мина

Раздел, который в прайс-статьях конкурентов стыдливо опускают. Когда бот на конструкторе или на зарубежном API хранит переписку с клиентами в облаке за рубежом — это зона риска по 152-ФЗ. Персональные данные россиян должны обрабатываться на серверах в РФ, а трансграничная передача в чужую LLM — прямой путь к нарушению.

Цена вопроса выросла кратно. Штрафы за утечку персональных данных с 30 мая 2025 года:

Отсюда — не идеология, а инженерное требование: где это критично, LLM-бот разворачивается on-prem, в контуре клиента, на своей инфраструктуре. GigaChat на сегодня — единственная российская LLM с полноценным on-premise-развертыванием, и около двух третей корпоративных внедрений в РФ идут именно в закрытом контуре. Если облачные API запрещены политикой безопасности — поднимаются open-source модели (Qwen, семейство Llama, открытые веса GigaChat/YandexGPT) прямо на железе. Данные физически не покидают периметр. Подробнее про этот подход — в материале про внедрение LLM и RAG on-prem.

Почему про цены имеет смысл говорить именно сейчас

Рынок диалогового ИИ в России в 2025 году перевалил за 10 млрд ₽ (+30% к году), а весь сегмент генеративного ИИ вырос почти в пять раз — до 58 млрд ₽. Чат-ботов внедрили уже больше половины компаний, но глубина смешная: в 80% случаев «ИИ в компании» — это именно чат-бот, и чаще всего примитивный. То есть рынок массово поставил конструкторные боты и массово же начал упираться в их потолок. Одновременно подъехали инструменты: GigaChat 2.0 и Ultra от Сбера, YandexGPT 5 с открытой Lite-версией. Порог входа в нормальный LLM-бот за последний год резко упал — а значит, самое время считать, что вам реально нужно и по какой цене.

FAQ: короткие ответы на частые вопросы

Сколько стоит чат-бот для бизнеса?

От 0 ₽, если собрать самому в конструкторе (плюс подписка платформы 0–16 000 ₽/мес), до 3 млн ₽ за корпоративный LLM-бот on-prem. Заказная разработка у студии стартует от 200 000 ₽, LLM-бот с базой знаний — от 700 000 ₽. Один и тот же по описанию бот может стоить и ноль, и триста тысяч — цена зависит от способа реализации, а не от жадности подрядчика.

Конструктор или заказная разработка — что выбрать?

Простые задачи (заявки, квизы, FAQ на 5–10 вопросов, рассылки) — конструктор, соберите сами за 0–15 тысяч. Сложная логика, глубокая интеграция с 1С/CRM, понимание свободного текста, требования по безопасности данных — заказная разработка. Правило: конструктор для проверки гипотезы и простых сценариев; кастом — когда уперлись в потолок платформы.

Почему студии не берутся делать ботов на конструкторах?

Потому что за конструктор нельзя отвечать по SLA: вы не контролируете ни аптайм платформы, ни где физически лежат данные, ни поведение под нагрузкой. Плюс собрать сценарий в no-code вы можете сами — платить за это разработчику бессмысленно. Студия имеет смысл там, где нужен свой код, интеграции и LLM.

А LLM-бот не начнет выдумывать скидки и врать клиентам?

В production такое лечится архитектурой. В RAG модель не фантазирует в свободном плавании — она отвечает строго по найденным в вашей базе документам. Если ответа в базе нет, бот запрограммирован честно сказать «не знаю» и перевести на оператора, а не галлюцинировать. Это и есть часть той работы, за которую платят.

За сколько окупается чат-бот?

При потоке от ~300 обращений в месяц типовой бот окупается за 4–7 месяцев, в интернет-магазинах — за 2–4. LLM-проект на отделе поддержки из нескольких человек отбивается примерно за два квартала за счет снижения нагрузки на первую линию и работы 24/7. Если обращений мало и операторы справляются — бот не нужен, это лишняя трата.

Безопасно ли хранить данные клиентов в боте на нейросети?

В облаке за рубежом — рискованно: это зона нарушения 152-ФЗ со штрафами до 15 млн ₽ и оборотными до 500 млн ₽ за повторную утечку. Безопасное решение — on-prem или российские серверы, обезличивание персональных данных перед отправкой в модель и отказ от передачи чувствительных данных внешним API. Именно поэтому серьезные внедрения в РФ идут в закрытом контуре.

Итог без воды: не платите студии за то, что соберете сами в конструкторе, и не пытайтесь впихнуть сложную бизнес-логику в зерокод-игрушку — она ляжет под первым же нестандартным вопросом. Если по пяти признакам выше вы поняли, что переросли конструктор, — прикиньте честный бюджет в калькуляторе проектов или посмотрите, как мы проектируем чат-ботов с ИИ на заказ под реальную нагрузку и с данными в вашем контуре. Если же вопрос шире, чем «сколько стоит», и болит «почему бот не приносит денег» — это отдельный разговор про метрики.

Цифры в статье — публичные тарифы платформ и студий, зарплатные обзоры (hh.ru, gorodrabot) и рыночные отчеты (Just AI, CNews, Сбер) по состоянию на середину 2026 года. Вилки цен ориентировочные: точная смета зависит от интеграций и объема базы знаний.