Сеть Х5 («Пятерочка», «Перекресток», «Чижик») отчиталась о том, что за 2025 год получила 5 млрд рублей дополнительной операционной прибыли (3% от общей) благодаря использованию ИИ. В Сбере совокупный экономический эффект от внедрения искусственного интеллекта за тот же период оценили более чем в 450 млрд; в 2026-м, по словам первого зампреда правления Александра Ведяхина, компания планирует заработать на ИИ 500 млрд.

По данным исследования сервиса «Контур.Толк», сейчас почти две трети крупных и средних российских компаний либо используют ИИ, либо экспериментируют с ним. Однако нейросети не всегда оказываются полезными: 29% компаний терпят финансовые потери из-за сбоев коммуникации, говорится в документе. Например, данные могут быть разрозненными, из-за чего сотрудники не увидят полной картины, а нужная информация может исказиться или потеряться. 61% фирм, внедряющих ИИ-агентов, сталкиваются со срывом сроков задач и проектов, почти половина — с задержками в принятии решений. Примечательно, что 11% предприятий вообще не измеряют полученный от нейросетей эффект, а четверть оценивают его субъективно, не прибегая к финансовому анализу.

Каждый раз, когда агент обрабатывает запрос и генерирует ответ, из квоты списывается сумма токенов. Например, если запрос — 20 токенов, а ответ — 30, спишут 50

Однако без подсчета расходов и доходов невозможно оценить реальный экономический эффект от внедрения нейросети. Стоимость ИИ-агента для бизнеса складывается из следующих статей: как правило, нужна подписка на облачную платформу с доступом к языковым моделям, иногда требуется создание собственной инфраструктуры вроде серверов и видеокарт, чтобы развернуть нейросеть на своих ресурсах. Плюс оплата услуг ИТ‑специалистов, занимающихся настройкой, интеграцией и поддержкой решения.

Внутри подписки ключевым параметром расчета выступает количество токенов — это единица измерения объема обрабатываемого нейросетью текста. В среднем 1000 токенов примерно равны 750 словам, но у разных моделей логика немного отличается. Кроме того, есть квоты на определенный период (обычно на месяц). Каждый раз, когда агент обрабатывает запрос и генерирует ответ, из квоты списывается определенное число токенов. Например, если запрос — 20 токенов, а ответ — 30, спишут 50. Стоимость токена зависит от выбранной модели: продвинутые требуют больше ресурсов и стоят дороже, чем базовые. Так что важнейшая задача при внедрении ИИ — рассчитать цену этих самых токенов. Незаметный рост запросов может дать на выходе неожиданно большой счет, особенно если загружать в нейросеть слишком много контекста или применять мощную и дорогую модель для простых операций. А ведь в перспективе разработчики ИИ будут повышать тарифы, чтобы отбить свои огромные вложения. Американская исследовательская и консалтинговая компания Gartner предупреждает: к 2028 году использовать нейросеть станет дороже, чем держать в штате среднестатистического программиста.

Динамика цен на сами модели неоднородна. Николай Ивантер разделяет так называемые frontier-модели (флагманские, передовые: Claude Opus, GPT 5.x и аналоги) и open-weight-решения с открытыми весами (модели, которые можно скачать и установить на собственных серверах без привязки к компании-разработчику). Флагманские версии, говорит наш собеседник, действительно дорожают с каждым обновлением. В то же время модели с открытыми весами скорее дешевеют, хотя также постепенно наращивают функционал, пусть и с отставанием от топовых аналогов. В итоге, по мнению Николая Ивантера, цена нейросети на единицу полезности — то, что модель реально умеет делать за свои деньги, — продолжает снижаться.

Специалисты отмечают: внедрение ИИ в бизнес приносит свои плоды только при осознанном подходе. Стоимость использования языковой модели напрямую зависит от конкретной задачи, рассказывает Михаил Шрайбман, член правления Ассоциации разработчиков программного обеспечения «Руссофт», эксперт по ИИ-платформам и внедрению ИИ в бизнес-процессы. «Если процесс редкий, плохо формализованный и требует постоянной ручной проверки, нейросеть действительно может не окупиться: расходы на внедрение, интеграции, инфраструктуру и контроль будут выше, чем прибыль. Но в повторяемых операциях ИИ — в пересчете на стоимость одной операции — обычно выгоден», — поясняет он. Тут важно проанализировать целый ряд факторов: сколько минут на такое действие тратит человек, сколько подобных операций выполняется в месяц, сколько ошибок при этом возникает и сколько стоит внедрение агента.

Например, рассказывает Шрайбман, одна крупная инженерная компания стала пользоваться ИИ-ассистентом для подбора электронных компонентов из большого каталога под конкретный технический запрос. Задача, которая занимала у менеджера час, стала выполняться нейросетью за две-четыре секунды. Пользователь вводит запрос естественным языком (например, указывает нужный аналог, срок поставки или параметры компонента), а ИИ-ассистент переводит фразы в структурированные характеристики, сверяет их с каталогом и предлагает подходящие позиции или аналоги. Причем система учитывает не только технические параметры, но и цену, наличие, сроки поставки и условия применения.

Другой пример: в сети ресторанов ИИ-агенты автоматизировали сразу несколько внутренних процессов — обработку бухгалтерских и юридических документов, разбор откликов кандидатов, краткое изложение содержания рабочих чатов, автоответы сотрудникам, сверку выручки, первую линию поддержки и мониторинг изменений законодательства. Стоимость проекта составила несколько миллионов рублей, но внедрение окупилось за счет экономии рабочего времени, снижения стоимости типовых операций и отказа от расширения штата под рутинные задачи. Для анализа 100–200 документов в день теперь достаточно одного часа вместо прежних шести-семи, а первичный поиск релевантных кандидатов стал занимать несколько минут вместо многих часов.

В медклинике подготовка врача к приему благодаря нейросети сократилась с 20 минут до двух‒пяти: ИИ-ассистенту передали подготовку информационной базы. ИИ обрабатывает документы, отвечает на вопросы врача в чате, собирает аналитику и хронологию событий, формирует сводки, поддерживает умный поиск. В документообороте обработка письма и перенос данных в CRM сократились с восьми минут до одной-двух. «В таких задачах использование ИИ окупается за счет масштаба: нейросеть не заменяет человека полностью, но снимает с него рутинную часть и резко снижает стоимость операции», — заключает Михаил Шрайбман.

Грани пользы

Главное, что надо знать о современном ИИ, — он не способен, работая автономно, полностью заменить человека. «На текущем уровне развития технологии это трудно, дорого и, скорее всего, нерационально», — отмечает генеральный директор ООО «Безопасные ИИ-технологии».

Куда эффективнее использовать нейросеть как помощника — под наблюдением человека. Это подтверждают расчеты, которые приводит Николай Ивантер: менеджер по продажам оборудования вручную формирует коммерческое предложение за десятки минут: открывает шаблон, загружает Excel или файл 1С с техническими характеристиками ассортимента, находит нужные позиции, копирует их в шаблон, вставляет фотографии, поправляет форматирование и т. д. «Такого рода задачи идеально передаются ИИ и при этом не требуют флагманских моделей, цена на которые растет, — говорит наш собеседник. — Достаточно загрузить файл с номенклатурой оборудования и техническими характеристиками, добавить шаблон — и нейросеть сама будет генерировать профессионально оформленные коммерческие предложения быстро и без усилий со стороны человека». При объеме в среднем 40 коммерческих предложений в месяц экономия времени составит 20 часов (по 30 минут на каждом). При стоимости рабочего часа 500–800 рублей это дополнительно 10–16 тыс. рублей ежемесячно на одного сотрудника. Стоимость подписки на ИИ-сервис такого типа при объеме 40 документов в месяц — от 2000 рублей, то есть он окупится в первую неделю использования.

При объеме 40 коммерческих предложений в месяц менеджер экономит 20 часов. При стоимости рабочего часа 500–800 рублей выходит 10–16 тыс. рублей ежемесячной экономии на одном сотруднике

Дальнейшее развитие событий зависит от компании и от самого менеджера по продажам. Если менеджер «хороший», добавляет эксперт, в освободившееся время он будет искать новых клиентов и заключит больше сделок, что принесет больше выручки компании и больше комиссии ему. Увольнять такого сотрудника нет смысла — наоборот, работа с ИИ сделает его более эффективным, избавив от рутины. «Но вот от менеджера, который мало что делает проактивно и лишь формально отправляет предложения по запросу, могут и избавиться, а подготовку коммерческих предложений с помощью ИИ поручить другому сотруднику», — размышляет Николай Ивантер. С другой стороны, в бизнесе, особенно небольшом, людей часто не хватает. Наем сотрудника — всегда существенная инвестиция и риск: впишется ли новый человек в команду, как быстро начнет приносить пользу. «Малые предприятия всегда работают с напряжением, стараясь делать как можно больше с помощью как можно меньшего числа людей. В такой ситуации ИИ — это способ повысить эффективность имеющегося персонала, не нанимая еще одного менеджера», — отмечает генеральный директор ООО «Безопасные ИИ-технологии».

Аналогичная логика применима и к типовым договорам поставки. Рутинная задача по подготовке документов с правильными реквизитами, наименованием товаров/услуг, стоимостью так же передается нейросети. При этом должен оставаться человек, который ставит задачу ИИ-агенту, подгружает правильные файлы, проверяет результат. Подготовка к участию в закупке с ИИ занимает пять минут: сотрудник компании-поставщика загружает извещение о закупке, пишет короткий запрос и получает перечень производителей, дистрибьюторов и магазинов с адресами сайтов, а также матрицу покрытия — таблицу, в которой указано, какой бренд закрывает какие позиции. Следующий запрос: «Просчитай закупку, сделай смету без учета доставки» — и через пять минут у пользователя есть готовый excel-файл с расчетом.

Интересно, что, по наблюдениям Николая Ивантера, в бизнесе нейросети в 90% случаев используются в «теневом» режиме: сотрудники сами оплачивают подписку на ИИ-помощника и, вероятно, не афишируют факт его использования.

Субъективная и объективная эффективность

Образовательную компанию в сфере финансов и инвестиций SF Education можно отнести к той четверти предприятий, которая видит однозначный эффект от внедрения ИИ в бизнес-процессы, но делает это субъективно, не анализируя финансовую прибыль.

Звонки отдела продаж транскрибируются на ежедневной основе, а каждое утро приходит отчет с оценкой работы всех менеджеров: кто был успешен, а у кого были сложности и какие, рассказывает основатель онлайн-школы Александр Вальцев. Нейросети активно используются в поддержке, при проверке домашних заданий и подготовке учебных материалов. «Конкретные цифры назвать сложно, но ИИ точно окупился многократно, — говорит эксперт. — Нам удалось сэкономить, поскольку не пришлось нанимать новых сотрудников. Мы улучшили качество продукта для клиентов — визуально и с точки зрения контента. Благодаря тому что мы не выполняем лишних действий, мы ускорили свою работу и можем активнее развивать новые направления. Мы улучшаем продукт с максимальной скоростью и минимальными затратами».

Для анализа экономической эффективности ИИ в бизнесе используются разные метрики: сэкономленные часы сотрудника, сокращение или сохранение штата, довольные клиенты. «Мы оцениваем результативность ИИ-ассистентов и агентов через единственный критерий, который имеет значение для клиента, — совокупную экономику на горизонте трех лет», — говорит Андрей Зименков, генеральный директор разработчика решений на основе ИИ targetai. Допустим, речь идет о внедрении голосовых ИИ-агентов в контакт-центре для общения с клиентами. С одной стороны, рассчитывается сокращение фонда оплаты труда и высвобождение часов операторов, с другой — совокупная стоимость владения ИИ-агентом на собственных мощностях, включающая серверы, инференс (применение модели на практике), интеграцию, настройку под регламенты, а также текущую поддержку, дообучение под новые сценарии и мониторинг качества. По опыту targetai, ИИ дает экономию порядка 30% на минуту трафика контакт-центра с учетом всех затрат, и это консервативная оценка, а не маркетинговые цифры. «Агент может выглядеть дорогим в момент запуска, но если на третий год экономия от сокращения фонда оплаты труда кратно превышает совокупные расходы, то проект однозначно оправдан», — резюмирует наш собеседник.

Человеку нужен человек?

С развитием искусственного интеллекта возникла и обратная тенденция — запрос на человечность и неидеальность. Крупные бренды запускали маркетинговые кампании, ориентируясь на этот тренд и намеренно отходя от использования современных технологий, особенно нейросетей. Например, Hermès в начале 2026 года запустил масштабное обновление сайта, отказавшись от «идеальной» цифровой картинки в пользу рукотворного, живого образа. Художница Линда Мерад создала серию из 12 иллюстраций: каждая отвечала за отдельный раздел сайта и вписывала товары бренда в единый сказочный сюжет. При этом сознательно сохранялся «ручной след»: были видны текстура бумаги, неровные линии, неидеальная окраска — все, чтобы показать, что рисунок сделан человеком, а не сгенерирован нейросетью. Кампания вызвала заметный отклик в соцсетях: люди были благодарны за отказ от ИИ в пользу ручного труда и творчества. Porsche в конце 2025 года сделал похожий шаг: бренд выпустил праздничную рекламу, ролик для которой — эскизы, раскадровку, покадровую анимацию — был создан вручную.

Растущий запрос на человечность не отменяет ИИ-агентов, но трансформирует сферу их применения. «ИИ-агент сегодня и есть человечная альтернатива: не противоположность естественному, а замена тому, что было по-настоящему бездушным», — считает Андрей Зименков. Раньше пользователь выбирал не между человеком и роботом, а между живым оператором и алгоритмом: кнопочным меню, формой на сайте, регламентом страхового случая на 250 страниц. Агент, обученный говорить эмпатично, «по-человечески», проигрывает живому сотруднику, но кратно выигрывает у документа и интерфейса. «При этом притворяться человеком — рискованная игра: одна неестественная фраза, и доверие мгновенно исчезает. Мы не нацелены на безупречную имитацию: это и опасно, и избыточно. Куда важнее быть человечнее алгоритма, а не неотличимым от человека», — резюмирует эксперт.

С другой стороны, аудитория стала хуже реагировать на обезличенный ИИ-контент: одинаковые тексты, слишком «гладкие» изображения, шаблонные ответы ботов. Это особенно заметно в сфере маркетинга, клиентского сервиса и публичных коммуникаций. «Для компаний это означает, что ИИ нельзя просто ставить “на витрину” вместо людей. В продажах, поддержке, PR и HR нужно оставлять человеческий контроль, нормальный тон общения и возможность быстро переключиться на сотрудника», — добавляет Михаил Шрайбман. Нейросети уходят в бэк-офис: помогают готовить черновики, анализировать данные, искать информацию, обрабатывать типовые запросы, то есть уменьшать рутину и ускорять сервис. Но финальное решение, тон и ответственность остаются за человеком.