← Назад в блог

Я плачу $1 800 в год за AI-инструменты. Вот точная окупаемость.

Я суммировал расходы на AI-инструменты за год. Вышло $1 800. Сэкономил ли я больше? Честно — не знал. Пока не сел считать.

Ниже — таблица с часами, ставкой и итогом. Со строчками, где ROI отрицательный.

Что именно и сколько я плачу

Мой стек на октябрь 2025:

  • Claude Pro — $20/мес. Основной инструмент: код, ревью, рефакторинг.
  • Cursor Pro — $20/мес. IDE с AI-ассистентом. Пользуюсь 8 месяцев.
  • GitHub Copilot — $19/мес. Купил год назад, отключил в июле.

Итого сейчас: $40/мес = $480/год.

Но за год набежало больше. Было ещё:

  • Два инструмента для SEO-автоматизации — по $25/мес каждый, закрыл через 2 месяца. +$100.
  • GitHub Copilot 9 месяцев = $171.
  • Claude API напрямую для автоматизаций (13 cron-задач в продакшне) — $47 за год.
  • Разные пробные подписки на месяц — ещё ~$80.

Итого за 12 месяцев: $1 878. Округлим до $1 800.

Вопрос: сколько это принесло?

Как я считаю «сэкономленное время»

Методика простая. Беру задачу, которую делал с AI — засекаю. Потом вспоминаю (или реально делаю без AI), сколько бы ушло без него. Разница — это «сэкономленное время».

Моя ставка в клиентских проектах: $80/час.

Считаю только то, что реально укладываю в контракт. Время на «поиграться» или «проверить идею» не считаю — это инвестиция в навык, а не ROI инструмента.

Где AI даёт реальный выигрыш

Тесты для Bitrix-компонентов. Это то, о чём я писал раньше. Тест на PHP-класс, который работает с iblock — раньше 2,5-3 часа (понять контракт, написать моки, прогнать). С Claude: 40-50 минут. На одном проекте за квартал написал ~35 тестов. Экономия: ~75 часов. В деньгах: $6 000.

Рефакторинг legacy PHP под headless API. Берёшь старый Bitrix-контроллер, объясняешь Claude, что нужно на выходе, — получаешь 70-80% работы. Оставшиеся 20% — бизнес-логика, которую AI не знает. Задача на 3 часа превращается в 1 час. За год я прошёл через 4 крупных модуля в двух клиентских проектах. Консервативно: 30-40 часов экономии. В деньгах: $2 400-3 200.

Документация и спецификации. Я пишу спецификацию перед тем, как просить AI написать код. Сам процесс написания спека с Claude ускорился примерно в 4 раза. 1 час → 15 минут. За год: 20-25 часов. В деньгах: $1 600-2 000.

Поиск ошибок в коде. Не в production (там не помогает — объясню ниже). В code review и при проверке чужого кода. Экономия: 15-20 часов. В деньгах: $1 200-1 600.

Итого по выигрышным задачам за год: $11 200–12 800.

Где AI тормозит или создаёт долг

Честная часть.

Debugging production. У меня 28 000 SKU в Bitrix, headless Next.js, Elasticsearch. Когда в 23:00 падает TTFB — AI не помогает. Проблема всегда специфическая: OPcache misconfiguration, PHP-FPM pool exhaustion, Redis session locks. Это реальные инциденты, про каждый я писал отдельно. AI не знает историю системы. Он генерирует правдоподобные гипотезы, которые потом нужно проверять. В итоге debug занимает столько же, только теперь нужно ещё отклонить 3-5 AI-ответов.

Архитектурные решения. Давал Claude выбирать структуру для нового сервиса дважды. Оба раза получал «технически правильный» ответ, который не учитывал ни нашу команду, ни legacy-ограничения Bitrix, ни то, что клиент просит это изменить через полгода. Один раз разобрал за 3 часа. Второй раз не заметил сразу — разбирали потом полтора дня.

GitHub Copilot inline. Отключил в июле. Он мешал думать. Autocomplete на уровне строки — это не про производительность, это про то, что у тебя постоянно есть «подсказка». Начинаешь принимать первое предложение, не думая. За 9 месяцев я замечал: когда инструмент выключен — я решаю задачи медленнее, но лучше понимаю, что делаю. Это дорогой опыт, но полезный.

Вибкодинг-ловушка. Бывают недели, когда кажется, что AI пишет всё. Потом приходит code review или staging-тест, и выясняется: часть сгенерированного кода — уверенная чепуха. AI пишет быстро и убедительно. Проверяй каждый блок, а не раз в конце.

Что отключил и почему

GitHub Copilot — отключил в июле. Причина выше: автодополнение на уровне строки ухудшало концентрацию.

Два SEO-инструмента — отключил через 2 месяца. Пробовал автоматизировать контент-пайплайн через внешние сервисы. В итоге выстроил свою автоматизацию на Claude API напрямую — дешевле и точнее под мои задачи. Это тот же принцип, что и со стеком: скучный и понятный инструмент выигрывает у модного.

Принцип: если инструмент не экономит деньги в течение 60 дней — отключай. Не «надо привыкнуть». Именно не экономит.

Итоговый расчёт

| Категория | Часов сэкономлено | В деньгах ($80/ч) | |---|---|---| | Тесты (Bitrix PHP) | ~75 | $6 000 | | Рефакторинг под headless | ~35 | $2 800 | | Спецификации и документация | ~22 | $1 760 | | Code review | ~17 | $1 360 | | Итого | ~149 | $11 920 |

Потрачено на AI-инструменты: $1 878.

ROI: 6.3x.

Это без учёта задач с отрицательным ROI — они компенсируются временными потерями. Если грубо: накинуть 15-20% на «не то, что я делал с AI зря» — получим ROI 5x-5.5x.

Для справки: я ожидал 3x до того, как сел считать. Вышло лучше.

Вывод: стоит ли платить, если ты владелец студии

Стоит — если платишь за конкретный инструмент под конкретные задачи. Не стоит — если платишь «потому что все платят» и не считаешь.

Главный инсайт после года: AI-инструменты — это не категория расходов «на AI». Это категория «платный помощник для предсказуемых задач». Задачи с высокой неопределённостью (debugging, архитектура, работа с незнакомой системой) — не его зона. Там ROI отрицательный.

Я считаю ROI AI-агентов похожим образом до их внедрения: сначала задача, потом инструмент. Не наоборот.

$1 800 в год — это два дня работы по моей ставке. Я трачу их один раз, а выигрываю 149 часов. Это считаемо.

*Числа по задачам — реальные. Округлял в сторону меньшего там, где не был уверен.*