ROI AI-агентов: как я считаю окупаемость до внедрения
Когда клиент говорит «хочу AI-агента для обработки заказов», я задаю один вопрос: сколько стоит один обработанный заказ сейчас?
Не в минутах. В рублях.
Обычно не знают. Без этой цифры ROI AI-агентов невозможно посчитать в принципе — я это понял быстро.
Когда AI-агент звучит разумно, а потом перестаёт
Март 2024. Клиент — небольшой интернет-магазин, 500-800 заказов в месяц. Хочет автоматизировать первичную обработку: проверить наличие, отправить подтверждение, создать задачу в CRM.
Логика понятна. Рутина, повторяется, AI справится. Я задал вопросы. Оказалось, что текущий процесс занимает у двух операторов 20 минут в день суммарно. Стоимость этого времени — примерно 8 000 рублей в месяц. Интеграция AI-агента с нуля — не менее 120 000 рублей плюс ежемесячные расходы на API.
Окупаемость: 15 месяцев в лучшем случае. При условии нулевых сбоев.
Мы не стали делать агента. Оптимизировали форму заказа — сэкономили 40% того времени за неделю.
Почему большинство AI-внедрений не окупаются
ROI AI-агентов — это не технический вопрос. Это вопрос экономики процесса.
Расчёт не сходится по нескольким причинам.
Первое: считают время, а не деньги. «Агент сэкономит 2 часа в день» — звучит убедительно. Но 2 часа стажёра и 2 часа senior-разработчика стоят по-разному. Часть сэкономленного времени не высвобождается — оно просто перераспределяется на другие задачи.
Второе: скрытые расходы в расчёт не попадают. Интеграция, тестирование, поддержка, мониторинг, дообучение при изменении процесса. Я однажды написал про AI-баг, который провёл неделю в продакшене — дебаг занял 12 часов. Такое не учитывают, пока не столкнутся.
Третье — и самое частое: автоматизируют плохой процесс вместо того, чтобы сначала его починить. Берут существующую рутину и заменяют человека агентом. Получают дорогой chatbot с теми же проблемами, только быстрее.
Три вопроса перед любым AI-проектом
Прежде чем называть цену на AI-интеграцию, я прохожу клиента через три вопроса.
Первый: сколько этот процесс стоит сейчас в деньгах? Не «сколько времени занимает» — а сколько рублей компания тратит на него в месяц. Зарплата, FTE-доля, инфраструктура. Если клиент не знает эту цифру, это уже проблема, и AI тут не при чём.
Второй: что конкретно изменится после внедрения агента? Не «будет быстрее» и не «освободится время». Сколько FTE высвобождается, какие метрики улучшаются, что происходит с освободившимися людьми. Если ответ размытый — ROI не посчитать.
Третий: кто владелец этого процесса после внедрения? Кто следит за ошибками? Кто обновляет промпты при изменении процесса? Кто отвечает перед клиентом, когда агент ошибся? Стоимость поддержки легко не учесть, если не спросить заранее.
Где AI-агенты реально работают в e-commerce
Из того, что я видел в продакшене или в проектах клиентов в 2023-2024.
Классификация и обогащение каталога работает хорошо — расстановка категорий, заполнение атрибутов, SEO-описания для карточек. При объёме от 5 000 SKU окупается быстро.
Поиск с интерпретацией намерения тоже имеет смысл: «красные кроссовки для зала» → правильные фасеты. Elasticsearch справляется без агента, но агент добавляет слой понимания, который сложно закодировать вручную.
Первичная маршрутизация обращений — разбить входящий поток на категории перед передачей оператору — работает при достаточном объёме.
Где не работает: замена человека там, где нужно суждение о контексте конкретного клиента, нестандартная ситуация или дорогая ошибка.
Где они работают дороже ручного труда
Два сценария я вижу чаще других.
Низкий объём, высокая вариативность: процесс выполняется 30 раз в месяц и каждый раз немного по-разному. Стоимость дообучения и поддержки съедает экономию целиком.
Критические операции без fallback: агент сбоит — что происходит? Если нет ручного резерва, сбой останавливает процесс. Стоимость downtime часто выше, чем стоимость агента за год.
Как я считаю ROI за 30 минут
Формула простая:
(cost_now - cost_after) × monthly_volume - integration_cost = накопленная экономия
break_even = integration_cost / ((cost_now - cost_after) × monthly_volume)Пример. Обработка заказа сейчас — 150 рублей (включая долю зарплаты оператора). После агента — 20 рублей (API + инфраструктура). Объём — 600 заказов в месяц. Интеграция — 180 000 рублей.
Экономия в месяц: (150 - 20) × 600 = 78 000 рублей. Break-even: 180 000 / 78 000 = 2,3 месяца.
Это хорошая история. Если реальные цифры дают break-even меньше 6 месяцев — проект имеет смысл. Больше 12 — нужен очень сильный аргумент помимо экономии.
Но это черновой расчёт. К нему нужно прибавить стоимость поддержки (я закладываю минимум 15-20% от стоимости интеграции в год) и одну итерацию доработки при изменении процесса. Как считать экономию от инструментов в целом — я разбирал в контексте MCP и автоматизации рабочего процесса.
Внедрение без переосмысления — дорогой chatbot
Один из клиентов внедрил AI-агента для ответов на вопросы в чате. Промпт взяли из существующего FAQ — который сам по себе был плохо написан, с неполными ответами и устаревшими ценами.
Агент воспроизводил те же проблемы, только быстрее. И с видимостью «автоматизации».
Это то, о чём я говорю когда объясняю, что Claude пишет тесты, но не проектирует архитектуру — потому что инструмент не компенсирует слабость процесса. Агент обслуживает процесс. Если процесс плохой — агент масштабирует плохое.
Вердикт для малого e-commerce в 2024
Имеет смысл: классификация и обогащение каталога при объёме от 3 000 SKU, маршрутизация потока обращений при объёме от 200/месяц, генерация SEO-текстов в промышленных масштабах.
Не имеет смысла: замена оператора на критических операциях без ручного fallback, автоматизация редкого процесса с высокой вариативностью, внедрение до того как сам процесс отработан вручную.
Поиск с интерпретацией намерения и автоматическая обработка заказов — зависит. От объёма, от готовности к тюнингу, от сложности номенклатуры и количества исключений. Эти два сценария надо считать отдельно.
Первый вопрос всегда один: сколько стоит этот процесс сейчас в рублях?
Если не знаете — начните с этого.