ИИ-агент за 10–50 млн — это для корпораций. Сколько он стоит, если вы не Сбер: честный прайс от студии 

В апреле на GoCloud 2026 Cloud.ru и Высшая школа бизнеса НИУ ВШЭ показали исследование, которое потом разнесли Forbes и ComNews: запуск проекта с ИИ-агентами обходится крупной российской компании в среднем в 10–50 млн рублей, а у бигтехов счёт идёт на сотни миллионов. Дальше происходит предсказуемое. Собственник компании на пару сотен человек читает заголовок, прикидывает годовую прибыль, тихо закрывает вкладку — и тема «агенты» уезжает в стратегию на 2028 год.

Это ошибка, и дорогая. 10–50 млн — не цена технологии. Это цена запуска проекта в корпорации, где сама разработка — меньшая часть чека. Средний бизнес живёт в другой физике: та же задача, которую корпорация запускает за 30 млн, в компании на 50–500 человек решается за суммы на порядок меньше — если правильно нарезать рамку.

Короткий ответ для тех, кто пришёл за цифрой. Бот-консультант по базе знаний на конструкторе — 50–200 тыс. ₽. Пилот заказного агента с интеграцией в ваши системы — 700 тыс. – 1 млн ₽ за 5–7 недель. Рабочий агент с действиями в 1С и CRM — 1,2–2,5 млн ₽. Свою вилку под конкретную задачу можно прикинуть в калькуляторе за две минуты, без почты и звонков. А ниже — откуда эти цифры берутся, из чего складывается смета и в каких случаях агент вам не нужен вовсе.

Я — CTO студии, которая делает агентов на заказ, поэтому у меня очевидный интерес в этом тексте. Компенсирую его тем, что покажу смету изнутри — включая статьи расходов, о которых подрядчики предпочитают не говорить, и таблицу ситуаций, в которых мы сами отговариваем от проекта.

Откуда берутся 10–50 млн: анатомия корпоративного чека

Разложим, за что платит корпорация, когда запускает агента. Методология исследования — 25 глубинных интервью с руководителями ИИ-направлений крупных компаний, и из этих интервью видно: деньги уходят не в нейросеть.

Согласование и комитеты. Пилот в крупной компании проходит архитектурный комитет, комитет по данным, ИБ-аудит, юристов и закупочную процедуру. Каждый круг — недели времени команды, которая стоит денег ежедневно, независимо от того, пишет она код или готовит слайды для очередного комитета.

Интеграция с легаси. У корпорации агент должен разговаривать с самописной ERP двенадцатилетней выдержки, тремя CRM (после двух слияний) и шиной, документация на которую умерла вместе с уволившимся архитектором. Интеграционный слой в таких проектах спокойно съедает половину бюджета.

Своя инфраструктура и контур. Банк или КИИ не может гонять данные через чужое облако — значит, свои GPU, свой инференс, свой MLOps. Это капитальные затраты, которые в чеке «запуска» сидят целиком.

Штат. Внутренняя команда из ML-инженеров, дата-инженера, продакта и безопасника собирается до того, как агент принесёт первый рубль, и продолжает стоить денег после.

Теперь главное: дорого — не значит успешно. Gartner в прогнозе по agentic AI ожидает, что больше 40% агентных проектов будут отменены к концу 2027-го — из-за разросшихся затрат, неясной бизнес-ценности и недостаточного контроля рисков. Формулировка аналитика Gartner убийственная: большинство текущих агентных проектов — «эксперименты на хайпе, часто применённые не к тем задачам». Корпоративный чек не страхует от провала; чаще он его маскирует. Так что если вы не Сбер — у вас нет 30 млн на агента, и это, как ни странно, ваше конкурентное преимущество: вам придётся считать ценность до старта, а не после.

Сразу разведём: цена разработки и цена владения

«Сколько стоит агент» — это два разных вопроса, и их регулярно смешивают в одну кучу, из-за чего сметы не бьются, а ожидания разъезжаются с реальностью.

Цена разработки — то, что вы платите один раз, чтобы агент появился и заработал: обследование процесса, интеграции, оркестрация, тесты, запуск. Об этом — вся статья ниже.

Цена владения — то, что вы платите каждый месяц, пока агент работает: токены, инфраструктура, мониторинг, донастройка. У агентов она устроена коварно: ReAct-циклы умеют экспоненциально жечь токены на длинных задачах, и дешёвый прототип под реальным трафиком превращается в финансовую дыру. Мы разбирали эту экономику отдельно — ссылки в конце статьи. Здесь дальше говорим только про разработку.

Из чего складывается чек: пять статей расходов

Смета агентного проекта, если снять с неё маркетинговую обёртку, состоит из пяти блоков. Привожу их с типичной долей в чеке — по нашим проектам.

1. Карта процесса — 5–10% чека. Самая дешёвая и самая недооценённая часть. Агент автоматизирует процесс, а процесс в среднем бизнесе обычно живёт в голове у двух сотрудников и нигде не записан. Пока правила «в голове» не превратились в явную логику — что агент делает сам, что эскалирует человеку, где стоп, — писать код рано. По нашему опыту, половина провалов агентных пилотов закладывается ровно здесь, до первой строчки кода.

2. Интеграции — 40–60% чека. Главная статья расходов, и по нашему опыту, и по рынку. Агент бесполезен, пока у него нет рук: доступа в вашу 1С, CRM, почту, телефонию, складскую систему. Каждая интеграция — это API (если повезло и оно есть), права, тестовый контур, обработка ошибок. Кастомная 1С, которую пилили под себя с 2011 года и не документировали ни дня, — это не экзотика, это наш типовой входной билет. Именно интеграции, а не «нейронка», определяют, будет проект стоить 700 тысяч или 2,5 миллиона.

3. Оркестрация — 15–25%. Логика самого агента: декомпозиция задачи, циклы, ветвления, повторные попытки, лимиты. Здесь же — грабли, на которых агенты галлюцинируют на длинных процессах: каждая такая ошибка, пойманная на проде, стоит дороже, чем вся оркестрация на пилоте.

4. Eval и тесты — 10–15%. Прогон агента на исторических данных до того, как он увидит живого клиента. Без eval-контура вы узнаёте о проблемах от заказчиков; с ним — из отчёта. Экономить на этом блоке — как экономить на тормозах: дёшево ровно до первого инцидента.

5. Human-in-the-loop, логи и безопасность — 10–15%. Кнопка «подтвердить», очередь исключений, полный журнал действий агента и защита от инъекций. Автономный агент с доступом в ваши системы — это поверхность атаки: мы как-то за вечер заставили тестового агента слить базу и удалить файлы — именно поэтому контроль человека на критичных действиях в наших проектах не опция, а дефолт.

Заметьте, чего в списке нет: строки «нейросеть». Модель в 2026 году — расходник. Вот тарифы на июль 2026 года, за миллион токенов:

Для рублёвой зоны ориентир — GigaChat Max: ~650 ₽ за миллион токенов по тарифам Сбера для юрлиц. Посчитаем на живом объёме: агент, обрабатывающий 200 заявок в день по 30–50 тысяч токенов на заявку, жжёт от нескольких тысяч рублей в месяц на DeepSeek до ~150 тысяч на GigaChat Max. Не копейки — но и не миллионы, и главное: это меньше стоимости одной интеграции с вашей ERP, причём платите вы их уже после того, как агент работает и приносит результат. Когда подрядчик объясняет высокий чек разработки «дорогой нейросетью» — он рассчитывает, что вы не видели этот прайс.

Сетка вилок: сколько агент стоит, если вы не корпорация

Рынок сейчас называет цифры от 50 тысяч до 15 миллионов — такой разброс даёт, например, обзор рынка на vc.ru, и он честный: за этими цифрами просто разные классы задач. Наша сетка внутри этого рынка выглядит так:

Чтобы вилка перестала быть абстракцией, привяжем её к понятному знаменателю. Один сотрудник на рутинной обработке заявок обходится компании в 1–1,5 млн ₽ в год с налогами и взносами. Агент, который снимает половину этой работы, отбивает пилот за 8–14 месяцев — дальше арифметика вашего объёма: два сотрудника на рутине, три. Это сходится с ориентирами исследования Cloud.ru и ВШБ ВШЭ: простые агентные сценарии окупаются меньше чем за год, средние проекты — за 12–24 месяца, а времени на задачах агенты в среднем экономят 40–50%.

Про первый уровень скажу прямо: если ваша задача — отвечать на типовые вопросы по прайсу, вам не нужна студия. Возьмите конструктор, уложитесь в сотню тысяч, и если через полгода упрётесь в потолок — придёте за вторым уровнем с понятной статистикой. Мы зарабатываем со второго уровня и выше, где начинаются действия в ваших системах — и ответственность за них.

Почему пилот — от 700 тысяч, а не от 150, как у части рынка? Потому что в наш пилот входит то, что делает его решением, а не демо: интеграция с вашими реальными данными, eval-прогон, журнал действий и метрика успеха, согласованная до старта. Демо за 150 красиво выглядит на созвоне и умирает при встрече с вашей кастомной 1С. Как отличить пилот, который дойдёт до продакшена, от вечного демо — у нас есть отдельный разбор структуры пилота со стоп-критериями. А свою вилку под конкретную задачу можно прикинуть в калькуляторе — две минуты, без контактов.

Что срезает цену в 5–10 раз

Разница между 30 корпоративными миллионами и вилкой выше — не магия и не демпинг. Это семь решений, каждое из которых вычёркивает из сметы конкретные строки.

Узкая рамка. Не «агент для отдела продаж», а «агент разбирает входящие заявки с почты и заводит их в CRM». Одна задача, одна метрика. Каждое «а пусть ещё» на этапе рамки умножает интеграции — а вы помните, что интеграции это 40–60% чека.

Готовая модель по API вместо тюнинга. Дообучение своей модели в 2026-м нужно сильно реже, чем его продают. По нашим проектам, в девяти случаях из десяти правильно построенный контекст поверх готовой модели бьёт дообученную опенсорс-модель по качеству и на порядок — по цене входа.

Ваш стек, а не новая платформа. Агент встраивается в системы, которые у вас уже есть, а не тащит за собой «платформу управления агентами» с лицензией и вендор-локом. Кстати, о платформах: Gartner насчитал реальные agentic-возможности примерно у 130 вендоров из тысяч, которые себя так называют. Остальное — «agent washing», перекрашенные чат-боты и RPA по цене агентов.

Human-in-the-loop вместо 100% автономии. Последние проценты автономности — самые дорогие: на них уходит больше денег, чем на первые девяносто. Агент, который делает 90% работы и отдаёт человеку очередь исключений, стоит в разы дешевле «полностью автономного» — и несёт в разы меньше рисков.

Стоп-критерии с первого дня. Договорённость «если к неделе N метрика не достигла X — останавливаемся» звучит как антипродажа, но именно она срезает главный риск ИИ-проектов — вечный пилот, который жрёт бюджет и не даёт решения. По отчёту MIT «The GenAI Divide», 95% корпоративных GenAI-пилотов не показывают измеримого эффекта на P&L — и провалы концентрируются там, где нет рамки, метрики и критериев остановки, то есть ровно в том, что фиксируется до старта. Почему так происходит и как попасть в оставшиеся 5% — разбирали отдельно. И важная деталь, которую обычно не проговаривают: сработавший стоп-критерий — это не сгоревшие 700 тысяч. У вас остаются карта процесса (пригодная хоть для RPA, хоть для другого подрядчика), eval-датасет на ваших данных, работающие коннекторы к вашим системам — и ответ «работает / не работает», полученный по цене пилота, а не по цене промышленного внедрения. Вы покупаете не агента — вы покупаете ответ.

Исторические данные вместо полевых испытаний. Eval на тысяче ваших прошлых заявок стоит дни работы. Тот же объём статистики на живом трафике — месяцы и риски перед клиентами.

Пилот перед продом. Банально, но корпоративные 30 млн часто — это цена решения «сразу построить всё». Пилот от 700 тысяч отвечает на вопрос «работает ли это на наших данных» до того, как вы подписались на миллионы.

«А может, наймём своих?» — считаем

Частое возражение, и отмахиваться от него продажной скороговоркой не буду — посчитаем. Медианный senior ML-инженер в Москве стоит 350 тысяч в месяц на руки (данные hh.ru, февраль 2026). Для работодателя с налогами и взносами это порядка полумиллиона в месяц. Агентный проект — это минимум двое (ML + бэкенд с опытом интеграций) на квартал: ~3 млн рублей фонда оплаты труда, не считая найма (2–3 месяца поиска на этом рынке), онбординга — и риска первого блина: у команды, которая собирает первого агента, он комом почти всегда.

Тот же отчёт MIT даёт неудобную для инхаус-энтузиастов статистику: закупка решения у специализированного внешнего партнёра доходит до успешного внедрения примерно в 67% случаев против примерно 33% у внутренних разработок — вдвое чаще. Не потому что ваши инженеры хуже, а потому что подрядчик собирает грабли на десятках проектов и приходит к вам уже с картой минного поля.

Когда инхаус оправдан: агент — ядро вашего продукта, а не внутренняя автоматизация; у вас уже есть ML-команда с производственным опытом; вы готовы платить за экспертизу вдолгую. Во всех остальных случаях математика на стороне «купить пилот, а команду нанимать, когда агентов станет пять». Как при этом не попасть на недобросовестного подрядчика — чек-лист выбора.

Когда агент не нужен: сэкономьте себе миллион

Проверьте себя до того, как звать подрядчика — любого.

Если узнали себя хотя бы в одной строке — вы только что сэкономили от 700 тысяч до пары миллионов. Пользуйтесь. Остальным — дальше; а если хочется сразу к цифрам, калькулятор ждёт.

Как устроен пилот: пять этапов за 5–7 недель

Карта процесса. Садимся с вашими исполнителями и вытаскиваем процесс из голов в схему: шаги, развилки, исключения, где агент решает сам, где зовёт человека. Здесь же фиксируем метрику успеха и стоп-критерии.

Инструменты и доступы. Подключаем агента к вашим системам — читающий доступ, тестовый контур, никакой записи в прод до отдельного согласования.

Оркестрация. Собираем логику: декомпозиция, повторные попытки, лимиты на действия и бюджеты токенов, деградация до человека при неуверенности.

Human-in-the-loop и логи. Критичные действия — только через подтверждение. Каждое действие агента — в журнале, который читается людьми и разбирается на инцидентах.

Пилот и масштабирование. Прогон на исторических данных, потом ограниченный живой трафик, сверка с метрикой. Дальше — решение по цифрам: масштабируем, дорабатываем или останавливаемся по стоп-критерию.

Условия при этом фиксируются до старта и письменно: цена и срок пилота, метрика успеха, стоп-критерии — в договоре, а не в переписке. Журнал действий агента — ваш, целиком. Это не героизм, а гигиена, но именно её отсутствие превращает ИИ-проекты в вечные пилоты.

Пример рамки с недавнего разбора задачи. Розничная компания, ~50 тысяч SKU, закупщики тратят 5–7 часов в день на ручной подбор заказов поставщикам в кастомной 1С. Первый заход — «нейросеть сама всё решит» — у заказчика уже был и кончился голым списком рекомендаций, который менеджеры перепроверяли вручную: двойная работа вместо экономии. Рабочая рамка выглядит иначе: не «ИИ управляет закупками», а «агент готовит заказ, менеджер утверждает в один клик». LLM — точечно, на сопоставлении номенклатуры и аномалиях; вся арифметика — детерминированным кодом; человек — на подтверждении. Эту рамку мы сейчас обсуждаем с заказчиком как пилот — и это ровно та разница между уровнем хайпа и уровнем внедрения, которая решает, окупится проект или пополнит статистику MIT.

Считать, а не гадать

Итог в трёх строках. Корпоративные 10–50 млн — это цена запуска в корпорации, а не цена агента. Для среднего бизнеса рабочая вилка — от 700 тысяч за пилот с интеграцией в ваши системы до 2,5 млн за рабочего агента с действиями в 1С и CRM. Главная статья расходов — интеграции, а не модель; главный риск — не технология, а размытая рамка без стоп-критериев.

Дальше два коротких шага. Прикиньте вилку под вашу задачу в калькуляторе — две минуты, без почты и звонков. Если вилка сходится с бюджетом — посмотрите, как мы делаем агентов, и приходите с описанием процесса, который жрёт больше всего ручных часов. Первый созвон — это всегда разбор задачи, а не презентация о том, какие мы молодцы: если агент вам не нужен, таблица выше сработает и на нём — мы так и скажем.

Что читать дальше по теме: экономика владения агентом в проде — токены и latency, стоимость трёх лет эксплуатации ИИ-системы, которой нет в КП, девять граблей оркестрации агентов и карта зрелости ИИ-агентов 2026.

И последнее — короткая нативная реклама самих себя. Разборы вроде этого (война с легаси-1С, экономика токенов, вскрытия провалившихся пилотов — без маркетинговой глазури) мы публикуем в телеграм-канале morana.log. Подписывайтесь, если хотите видеть кухню заказной AI-разработки изнутри — там коротко и по делу, в отличие от этой статьи.