В статье
На вопрос «сколько стоит внедрить ИИ» честный ответ звучит неудобно: зависит от задачи. Подключить языковую модель к одному процессу и построить систему, которая отвечает клиентам по всей базе знаний компании, — проекты разного масштаба, даже если оба называются «внедрением ИИ».
Поэтому в этой статье нет таблицы с ценами. Рыночные цифры быстро устаревают и сильно зависят от исполнителя и условий проекта. Вместо этого разберём, из каких частей складывается бюджет, какие факторы его увеличивают и как получить обоснованную оценку до того, как начнутся траты.
Из чего складывается бюджет
1. Анализ задачи и пилот
Любой разумный проект начинается с проверки гипотезы: справляется ли модель с вашей задачей на ваших данных. Для этого берут реальные примеры — письма, заявки, документы, вопросы сотрудников — и смотрят, насколько качественный результат получается. Затраты на этом этапе — время специалиста и небольшой объём запросов к модели.
Пилот — самая полезная часть бюджета: он показывает, есть ли смысл идти дальше, ещё до разработки интеграций.
2. Подготовка данных
Если ИИ должен отвечать по внутренним документам, документы нужно собрать, проверить на актуальность и привести к виду, с которым удобно работать. Если он должен классифицировать заявки, нужны примеры с правильной разметкой. Эту часть часто недооценивают: технически подключить модель быстро, а вот разобрать накопившиеся регламенты и инструкции — нет.
3. Интеграция с вашими системами
Модель сама по себе ничего не меняет в процессе. Ценность появляется, когда она получает данные из CRM, почты или базы знаний и возвращает результат туда, где с ним работают люди. Стоимость интеграции зависит от того, есть ли у ваших систем API, насколько сложна логика и сколько систем нужно связать.
4. Интерфейс
Иногда достаточно, чтобы результат появлялся в существующей системе — например, черновик ответа в карточке обращения. Иногда нужен отдельный интерфейс: чат для сотрудников, Telegram-бот, раздел в личном кабинете. Каждый вариант — отдельный объём работ.
5. Оплата использования модели
Облачные модели обычно тарифицируются по объёму обработанного текста или по количеству запросов; у ряда провайдеров есть пакеты и подписки. Актуальные тарифы публикуются на страницах самих провайдеров и меняются, поэтому их стоит проверять на дату расчёта. Итоговая сумма зависит от того, сколько запросов в день, насколько длинные документы и какая модель выбрана.
Альтернатива — запуск открытой модели на собственном сервере. Тогда вместо оплаты за запросы появляются затраты на оборудование или аренду вычислительных мощностей и на администрирование.
6. Проверка качества и поддержка
После запуска нужно следить, где модель ошибается, обновлять базу знаний, корректировать инструкции и реагировать на изменения у провайдера. Это постоянная, хотя и небольшая статья расходов. Если её не заложить, качество со временем снижается.
7. Время команды
Сотрудники участвуют в пилоте, проверяют ответы, объясняют исключения, учатся работать по-новому. Это не строка в счёте исполнителя, но реальные затраты компании.
Что делает внедрение дороже
- Высокая цена ошибки. Если ответ ИИ уходит клиенту без проверки или влияет на деньги, нужны дополнительные проверки, ограничения и тестирование.
- Неупорядоченные данные. Устаревшие и противоречивые документы требуют разбора до запуска.
- Много систем. Каждая дополнительная интеграция добавляет работу и точки отказа.
- Требования к хранению данных. Если данные нельзя передавать во внешний сервис, понадобится модель на собственной инфраструктуре или специальная схема обработки. Вопросы о персональных данных стоит обсудить с юристом до выбора решения.
- Нечёткая задача. Формулировка «внедрить ИИ везде» как правило, увеличивает бюджет и сроки: границы задачи приходится уточнять уже по ходу работы.
Что помогает удержать бюджет
- Начать с одной задачи, где эффект можно измерить.
- Оставить человека в контуре проверки на первом этапе.
- Использовать готовые облачные модели, пока объём запросов не оправдает собственную инфраструктуру.
- Встраивать результат в существующие системы, а не строить новый интерфейс без необходимости.
Как получить обоснованную оценку
- Сформулируйте задачу на уровне процесса. Не «нужен ИИ», а «разбирать входящие письма и создавать карточки в CRM с указанием типа обращения».
- Соберите примеры. Несколько десятков реальных случаев, включая сложные и нетипичные, позволяют проверить качество на пилоте.
- Опишите, где лежат данные и куда должен попадать результат. От этого зависит объём интеграций.
- Определите, кто проверяет результат и что считается ошибкой.
- Оцените текущие затраты на процесс. Сколько времени уходит у сотрудников сейчас — это база для сравнения.
С таким описанием исполнитель может назвать стоимость пилота и порядок затрат на полноценное внедрение, а вы — сравнить их с текущими затратами на ручную работу.
С чего начать
Если задача ещё не выбрана, начните с критериев из статьи «Какие бизнес-процессы стоит автоматизировать в первую очередь»: они подходят и для ИИ. Если хочется понять, как ИИ работает внутри процессов компании, посмотрите разбор ИИ-ассистента для бизнеса.
Оценить конкретную задачу можно на первичном обсуждении: о том, как я подхожу к таким проектам, — на странице «Автоматизация и ИИ», а описать задачу можно здесь.