Сколько стоит ИИ-агент: из чего складывается цена и TCO

Рынок отвечает на вопрос «сколько стоит ИИ-агент» вилкой от десятков тысяч до десятков миллионов рублей. Вилка честно отражает разброс задач, но бюджет по ней не спланировать: внутри сидят четыре разные статьи затрат, у каждой своя механика и свой график платежей.

Подписка на модель или лицензия платформы закрывает только одну из этих статей — инференс. Эффект появляется, когда агент подключён к рабочим системам — 1С, ERP, CRM, — действует в рамках прав конкретного пользователя и оставляет след в журнале операций. Эта обвязка оплачивается отдельно от лицензии, и по логике стоимости владения именно она определяет итоговую сумму: TCO складывается из создания, эксплуатации и рисков за вычетом экономического эффекта — формулу мы разобрали в статье о TCO IT-проектов.

Ниже — из чего складывается каждая статья, где взять проверяемые цифры и что раздувает смету. Порядок затрат под вашу конфигурацию считает калькулятор ИИзации: число процессов, доля автоматизируемого, объём токенов и контур инференса.

Токены — единственная статья, которую можно посчитать до старта с точностью до модели. В сравнении LLM 2026 мы используем формулу дня активной работы: база = 1M·P_in + 0,5M·P_out — миллион входных и полмиллиона выходных токенов на активного пользователя в день. Claude Opus 4.8 стоит $5 / $25 за 1М токенов (вход / выход), то есть ~$17,50 (~1 400 ₽) в день. Все цифры оценочные на 27.06.2026, курс 80 ₽/$.

Интеграция с большим парком систем. Каждая система в контуре агента — отдельный инструмент со своими правами, тестами и обработкой ошибок. Смета растёт с числом систем и быстрее всего — с числом операций записи: подтверждённая запись требует маршрута подтверждения, лимитов и журнала, чтение и отчёты дешевле.

Отсутствие API. Если у системы нет программного интерфейса, доступ строится через выгрузки, доработку самой системы или роботизацию интерфейса. Это отдельный проект со своей сметой, и его стоимость может превышать стоимость самого агента.

Персональные данные. Передавать их во внешние модели без обезличивания нельзя — 152-ФЗ. В контуре появляется обязательный элемент: LLM-шлюз, который анонимизирует данные до модели и возвращает реальные значения после ответа. Это статья и разработки, и эксплуатации. Как построить такой контур — каналы утечки, шлюз, чек-лист запуска — разобрано в статье об ИИ-агентах и 152-ФЗ.

Требование локальной модели. On-premise снимает передачу данных наружу, но добавляет капитальные затраты и эксплуатацию контура. Экономику здесь решает утилизация GPU: плотно загруженный контур удешевляет токен, простаивающее железо делает его дороже облачного. Конфигурацию и окупаемость считаем после нагрузочного профиля; сравнить контуры, включая RU-облако под 152-ФЗ, можно в калькуляторе.