Сколько стоит внедрение ИИ в компании: вилки и окупаемость в часах

«Сколько стоит внедрение ИИ в компании» обычно спрашивают в одной из двух ситуаций. Либо подрядчик прислал смету и непонятно, за что в ней деньги. Либо руководитель хочет понять порядок цифр до того, как с кем-то разговаривать. Одной цены здесь нет: подписка на ChatGPT для отдела и ИИ-агент, встроенный в CRM, различаются по бюджету в сотни раз. Мы разложили стоимость на статьи расходов, дали вилки по уровням внедрения с ценами сервисов на октябрь 2026 г. и показали, как посчитать окупаемость в часах до подписания договора.

Из чего складывается стоимость внедрения ИИ

В любой смете, своей или подрядчика, есть четыре статьи расходов.

1. Подписки и лицензии. Рабочие тарифы ChatGPT, Claude или Gemini для команды. Платите помесячно за каждое место.
2. Сервисы автоматизации и API. Zapier, Make или n8n плюс оплата запросов к модели через API, если ИИ работает внутри процесса без участия человека. Счёт растёт вместе с объёмом.
3. Работа по настройке. Разбор процесса, инструкции и промпты, ассистенты, сценарии, интеграции, тесты. Это разовые расходы: делаете сами или платите подрядчику.
4. Время команды и поддержка. Обучение, переход на новый порядок работы, правки после запуска. Эту статью чаще всего забывают, хотя именно от неё зависит, окупится ли проект.

Сама модель обычно оказывается самой дешёвой частью. Основные деньги уходят на подготовку данных, интеграции и сопровождение.

Вилки по уровням внедрения

Часы в таблице отражают наши рабочие ориентиры по объёму работ, это не прайс. Чтобы перевести их в деньги, умножьте на ставку специалиста, своего или подрядчика.

Уровень	Что получаете	Сервисы в месяц	Настройка	Срок запуска
1. Рабочие тарифы для команды	Общее пространство, админка, ваши данные не идут на обучение моделей	$20–25 за место	5–15 ч: правила, общие инструкции, обучение	1–2 недели
2. Ассистенты под повторяющиеся задачи	Проекты с инструкциями и документами под 3–5 типовых задач	Те же места	20–40 ч	2–4 недели
3. Связки без кода	ИИ внутри потока: письмо → разбор → черновик ответа → запись в CRM	Места + $10–200 на Zapier, Make или n8n и API	30–80 ч на один процесс	3–6 недель
4. Интеграция с вашими системами	Агент работает с CRM, базой знаний, учётом; есть логи и контроль	API по объёму, сервер	80–300 ч	1–3 месяца
5. Собственная разработка	Своё приложение, дообучение, отдельные требования безопасности	Инфраструктура и команда	от нескольких сотен часов	от квартала

Большинству небольших и средних команд хватает первых трёх уровней. Четвёртый имеет смысл, когда на третьем уже видна измеримая экономия часов и упираетесь вы в ручной перенос данных между системами, а не в качество ответов.

Цены сервисов на октябрь 2026 г.

Тарифы меняются часто, поэтому ниже приведены цифры с официальных страниц на дату статьи. Перед покупкой сверьте их ещё раз.

• ChatGPT Business: $20 за пользователя в месяц при оплате за год или $25 помесячно, минимум два места (chatgpt.com/pricing). Ваши данные не используются для обучения моделей, есть SSO и управление доступами.
• Claude Team: стандартное место $20 в месяц при оплате за год или $25 помесячно, место Premium с расширенными лимитами $100 или $125. Тариф рассчитан на команды от 2 до 150 человек (claude.com/pricing).
• Zapier Professional: от $19,99 в месяц при оплате за год или $29,99 помесячно за 750 задач (zapier.com/pricing). Задачей считается каждый выполненный шаг, поэтому один запуск сценария расходует несколько задач.
• Make: бесплатный тариф на 1 000 кредитов в месяц, платные от нескольких долларов в месяц за 10 000 кредитов. Обзоры называют разные цифры, точную смотрите на make.com/pricing.
• n8n: в облаке тариф Starter стоит €20 в месяц при оплате за год (2 500 запусков сценариев), Pro стоит €50 (10 000 запусков) (n8n.io/pricing). Есть версия для своего сервера: тогда вы платите за сервер и время администратора.

Для ориентира: команда из 10 человек на ChatGPT Business или Claude Team с годовой оплатой обходится в $200 в месяц, $2 400 в год. Как выбрать между сервисами под задачи и бюджет, мы разобрали в статье какую нейросеть выбрать для работы.

Как посчитать окупаемость в часах

Считать окупаемость в деньгах неудобно: экономия выражается во времени сотрудников, а расходы в долларах. Удобнее перевести всё в часы, то есть поделить каждую сумму на стоимость часа сотрудника.

Окупаемость, мес. = разовые затраты в часах / (сэкономленные часы в месяц − ежемесячные расходы в часах)

Ниже условный пример. Это не кейс, цифры подобраны для иллюстрации.

В поддержке пять человек, каждый тратит около 6 часов в неделю на типовые ответы клиентам, всего примерно 120 часов в месяц. Допустим, черновики от ИИ сокращают это время на треть, то есть на 40 часов. Час сотрудника стоит $25.

• Ежемесячные расходы: пять мест Claude Team помесячно ($125) и Zapier ($29,99), итого около $155, или 6 часов.
• Разовые затраты: 40 часов специалиста по настройке по $50 ($2 000, это 80 часов сотрудника) и обучение, 5 человек по 6 часов (30 часов). Итого 110 часов.
• Чистая экономия: 40 − 6 = 34 часа в месяц.
• Окупаемость: 110 / 34 ≈ 3,2 месяца.

Теперь та же команда, но экономия не треть, а десятая часть, то есть 12 часов. Чистыми остаётся 6 часов в месяц, и окупаемость растягивается почти до полутора лет. Поэтому сначала измеряйте, а потом планируйте бюджет. В сэкономленные часы записывайте только время, которое действительно освободилось и ушло на другую работу, а время на проверку ответов ИИ вычитайте. Если не знаете, какие процессы стоит мерить первыми, начните с теста и карты задач для автоматизации.

Рабочий пример: промпт для предварительной сметы

Задача: до разговора с подрядчиком оценить один процесс и понять, есть ли смысл его автоматизировать. Вставьте промпт в ChatGPT или Claude и заполните поля в квадратных скобках. Реальные письма клиентов и персональные данные не нужны, хватит обезличенного описания.

Ты — аналитик по автоматизации процессов. Помоги оценить, окупится ли внедрение ИИ в один процесс. Считай только по моим данным. Если цифр не хватает, не придумывай их, а задай вопросы.

Процесс по шагам: [например: приходит письмо клиента → менеджер ищет ответ в базе знаний → пишет ответ → вносит обращение в CRM]
Кто выполняет и сколько человек: [роль, число]
Сколько раз в неделю повторяется: [число]
Сколько минут занимает один раз: [число]
Стоимость часа сотрудника: [сумма]
Какие сервисы уже есть: [CRM, почта, рабочий тариф ChatGPT или Claude и т. д.]

Сделай по порядку:
1. Для каждого шага отметь: ИИ готовит черновик / ИИ делает шаг под контролем человека / шаг остаётся человеку. Объясни одной фразой почему.
2. Посчитай часы в месяц сейчас и экономию в двух сценариях: осторожном (10 %) и среднем (25 %), с учётом времени на проверку.
3. Перечисли разовые работы (настройка, интеграции, обучение) и сколько часов на каждую ты закладываешь. Допущения напиши явно.
4. Посчитай окупаемость в месяцах для обоих сценариев по формуле: разовые часы / (сэкономленные часы в месяц − ежемесячные расходы в часах).
5. Выведи итог таблицей и добавь 3–5 вопросов, которые мне стоит задать подрядчику.

Что получится. Таблица по шагам процесса, два сценария экономии с окупаемостью и список вопросов к подрядчику. Это не смета, но с ней уже понятно, о каком порядке цифр идёт речь.

Как поправить. Модели часто занижают время на проверку и на интеграции, отчего расчёт выглядит лучше, чем будет на деле. Отправьте вторым сообщением:

Перепроверь расчёт. Добавь время человека на проверку каждого результата ИИ и на исправление ошибок, заложи 20 % запаса на часы настройки. Покажи, при какой экономии в часах проект не окупается за 12 месяцев.

Цифры, которые вернёт модель, проверьте вручную: в арифметике и в допущениях она ошибается уверенно.

Где бюджет обычно ломается

• Процесс не описан. Если каждый менеджер работает по-своему, первые часы подрядчика уйдут на то, чтобы договориться о порядке работы, а не на ИИ.
• Данные. Устаревшая база знаний и дубли в CRM дают плохие ответы при любой модели. Чистка данных идёт отдельной строкой сметы.
• Объём. В Zapier списание идёт за шаги, в API за токены. Если поток обращений вырастет вдвое, счёт тоже вырастет, поэтому считайте расходы на прогнозный объём, а не на текущий.
• Проверка. Ответы ИИ перед отправкой клиенту нужно проверять, и это время входит в расчёт. Порядок проверки описан в статье как проверить ответ нейросети на ошибки.
• Что нельзя загружать. Персональные данные клиентов, документы под NDA и коммерческую тайну отдавайте только в рабочие тарифы с договором и по внутренней политике, а не в личные аккаунты сотрудников. Где проходят границы, мы разобрали в статье безопасно ли загружать документы в ChatGPT.
• Нет владельца. После запуска промпты устаревают, сервисы меняют тарифы и интерфейсы. Если за систему никто не отвечает, через полгода ей перестают пользоваться. Заложите несколько часов в месяц на поддержку.

Чек-лист перед запросом сметы

• Выбраны один-два процесса, на которые уходит больше всего часов (а не задача «внедрить ИИ везде»).
• Записано, сколько раз в неделю повторяется процесс и сколько минут уходит на один раз.
• Посчитана стоимость часа сотрудников, которые его выполняют.
• Понятно, какие данные участвуют в процессе и можно ли передавать их внешнему сервису.
• Назначен человек внутри команды, который отвечает за систему после запуска.
• Есть критерий успеха в часах и срок пилота.
• Посчитан порог: сколько часов в месяц нужно экономить, чтобы проект окупился за 6–12 месяцев.

Если внедрение ведёт руководитель и нужен готовый порядок шагов для команды, посмотрите плейбук внедрения ИИ для руководителей.

Делать самим или с подрядчиком

Первый и второй уровни команда обычно настраивает сама, если у кого-то есть на это время. Третий и четвёртый требуют человека, который умеет собирать сценарии, тестировать их и разбираться в данных. Выбор между своими силами и подрядчиком заслуживает отдельного разговора, здесь скажем одно: сравнивайте смету подрядчика с часами своих сотрудников, посчитанными по формуле выше, а не с нулём. Если хотите собрать пилотную связку третьего уровня своими силами, пригодится мини-курс по автоматизации без кода. Когда первые шаги уже пройдены и нужен порядок на квартал, поможет план внедрения нейросетей на 90 дней.

Если сначала хочется собрать систему для себя и научиться считать эффект на своих задачах, этому посвящена четвёртая встреча практикума «ИИ-система за две недели». На ней проводим аудит рабочей недели, разбираем, как считать сэкономленные часы, собираем своего ассистента под повторяющуюся задачу, смотрим связки без кода и составляем план на 90 дней. Подробности есть в программе практикума.