Сколько стоит внедрение ИИ в компании и от чего зависит цена

Вы приходите к подрядчику с запросом «внедрите нам ИИ», а в ответ слышите цифры от 500 до 50 000 долларов. Разброс настолько дикий, что бюджет превращается в лотерею. Одни обещают решить всё за месяц, другие пугают сложностью интеграций и требуют предоплату за «масштабное исследование». В итоге вы либо откладываете проект, либо платите за воздух, либо получаете красивую презентацию вместо работающего инструмента.

Мы в SiteLab каждый день сталкиваемся с этой неопределённостью, поэтому решили разложить стоимость по полочкам. В этой статье — честный разбор того, из чего складывается цена внедрения: от разовой настройки до ежемесячных платежей за API и поддержку. Разберём, почему пилот на одной задаче заметно дешевле и значительно безопаснее «большой автоматизации», и покажем реальные ориентиры по бюджету — от точечного ассистента до комплексной системы.

Из чего складывается цена внедрения ИИ

Смета на ИИ-проект собирается из четырёх блоков, и первый — это не код, а данные. Вам нужно привести информацию в порядок: очистить от дублей, разметить, структурировать. Если в компании хаос в CRM и Excel-таблицах, подготовка данных съест значительную часть бюджета. Условно: на проекте с бюджетом 2 млн рублей на разметку и чистку уйдёт заметная доля. Это не развод — без качественных данных модель будет выдавать мусор, и переделывать придётся всё.

Второй блок — разработка и обучение модели. Здесь цена зависит от сложности задачи: классификация документов или чат-бот с базой знаний — это разные уровни. Готовая модель с дообучением на ваших данных обойдётся в сотни тысяч, кастомная архитектура под специфику бизнеса — от 1,5 млн. Третий блок — интеграция: нужно встроить ИИ в 1С, CRM, телефонию или на сайт. Каждая интеграция — это десятки тысяч плюс работа по автоматизации процессов, чтобы сотрудники реально пользовались системой, а не саботировали её.

Четвёртый блок — поддержка и дообучение. ИИ не работает по принципу «поставил и забыл»: модель деградирует, данные меняются, бизнес-процессы эволюционируют. Заложите примерно пятую часть от стоимости внедрения ежегодно на сопровождение. Если вам обещают проект без этого пункта — вас либо обманывают, либо вы получите коробку, которая устареет через полгода.

• Подготовка данных: значительная часть бюджета
• Разработка и обучение модели: заметная доля
• Интеграция с системами: умеренная доля
• Поддержка и дообучение: примерно пятая часть в год

Итого: простой сценарий (чат-бот + база знаний) — от 1,2 млн рублей, средний (автоматизация документооборота или скоринга) — несколько миллионов, сложный (предиктивная аналитика, компьютерное зрение) — от 5 млн. Цифры ориентировочные, но они дают честную вилку для планирования бюджета.

Разовые затраты и ежемесячные платежи: где заканчивается бюджет

Внедрение ИИ — это не покупка коробочного продукта, а запуск системы с постоянным аппетитом. Разовые затраты — это только вершина айсберга: разработка модели, интеграция с CRM и 1С, настройка инфраструктуры. На практике они составляют заметную часть от общего бюджета первого года. Остальное — ежемесячные платежи, которые часто забывают заложить, а потом удивляются, почему проект «съедает» больше, чем планировали.

Основная статья ежемесячных расходов — это API-вызовы. Если вы используете готовые модели (GPT, YandexGPT, GigaChat), платите за каждый запрос. Для простого чат-бота на тысячу диалогов в день с текстовыми ответами — это десятки тысяч рублей в месяц. Если модель генерирует изображения или обрабатывает видео, счёт вырастает в разы. Хостинг тоже не бесплатный: для своей модели на GPU-сервере готовьтесь к существенным суммам в месяц, в зависимости от мощности. Плюс поддержка и доработки — обычно это заметная доля от стоимости разработки в год, если вы хотите, чтобы система не устаревала.

• API-вызовы: десятки тысяч рублей в месяц для текстового бота, значительно больше для мультимодальных задач.
• Хостинг: умеренные суммы в месяц на CPU, существенно больше на GPU для собственных моделей.
• Поддержка и обновления: заметная часть от суммы разработки ежегодно.
• Обучение сотрудников и документация: разово ощутимые затраты, если делаете не сами.

Главный совет — не экономьте на мониторинге. Без него вы узнаете о сбое, когда клиенты уже ушли, а счёт за простой придёт из бухгалтерии. Закладывайте небольшую долю от ежемесячных расходов на observability и алерты. Это дешевле, чем разбирать инцидент в ручном режиме. И помните: цена ИИ — это не стоимость внедрения, а стоимость его жизни в вашей компании.

Почему данные и регламенты стоят дороже, чем сама модель

Клиент часто думает: «Внедрю нейросеть — и она сама разберётся». На деле модель — это лишь небольшая часть сметы. Остальное — подготовка почвы: чистка данных, описание процессов, интеграция с CRM и 1С. Если у вас в Excel три вида «Иванова», а в договоре нет чёткого алгоритма согласования, нейросеть просто не поймёт, что от неё хотят. Поэтому на этапе аудита мы тратим больше времени на интервью с сотрудниками, чем на подбор архитектуры модели.

Цена растёт пропорционально хаосу. Компания с настроенными регламентами и структурированной базой клиентов получит ИИ-помощника за 300–500 тысяч рублей. Та же задача при разрозненных данных в пяти таблицах и ручных процессах — от 1,2 миллиона. Разница — не в жадности подрядчика, а в человеко-часах на нормализацию: привести справочники к единому виду, прописать сценарии исключений, научить систему отличать «оплата по счёту» от «оплата по счёту с НДС».

Что конкретно влияет на смету:

• Качество данных: дубли, ошибки, пропуски. Каждый час очистки — это деньги, а их может быть много.
• Зрелость регламентов: если процессы описаны и работают, ИИ автоматизирует их за 2–3 недели. Если нет — сначала придётся описать и согласовать, это ещё 1–2 месяца.
• Интеграции: устаревшая 1С или самописная CRM заметно добавляют к бюджету на доработку API и тесты.
• Количество исключений: чем больше «ручных» правил, тем длиннее промпты и сложнее логика агента.

Мы в SiteLab всегда начинаем с аудита данных и процессов, а не с выбора модели. Поэтому в наших проектах по автоматизации бизнес-процессов с ИИ смета редко «плывёт» в процессе — мы сразу видим узкие места. Если у вас нет готовых регламентов, мы помогаем их выстроить, а затем уже подключаем ИИ-агентов и помощников или AI-калькуляторы. Итоговая цена — это стоимость наведения порядка, а не «магии» нейросети. Хотите сэкономить — наведите порядок до старта проекта, и смета будет заметно ниже.

Пилот на одной задаче: 300–800 тысяч против 5–15 миллионов за большой проект

Разница в цене между пилотом и масштабным внедрением — не в объёме кода, а в количестве бизнес-процессов, которые вы решаетесь изменить. Пилот на одной задаче, например, на автоматизации обработки входящих счетов или на классификации обращений в поддержку, стоит 300–800 тысяч рублей и занимает 4–8 недель. Это фиксированная стоимость: вы платите за одну модель, один интеграционный сценарий и один отдел, который тестирует результат. Большой проект — это 5–15 миллионов и 6–12 месяцев, потому что вы меняете логику работы всей компании: от CRM до складского учёта, и каждый отдел требует своей настройки.

Пилот выгоден тем, что даёт измеримый результат на узком участке: например, заметное сокращение времени обработки заявки или снижение ошибок ввода данных. Эти результаты вы получаете за месяц и можете спокойно решать, масштабировать ли решение. Большой проект — это всегда ставка на то, что вы уже знаете, где ИИ принесёт деньги, и готовы перестроить под него регламенты, обучить персонал и пережить несколько месяцев хаоса на стыке систем. Если у вас нет точных метрик по текущим процессам, начинать с пилота — единственный разумный вариант.

Когда я говорю клиентам про пилот, я имею в виду не урезанный «демо-режим», а полноценное решение, которое работает на ваших данных и выдаёт результат в продакшене. Но есть важное ограничение: пилот решает одну задачу и не трогает смежные процессы. Например, вы автоматизировали распознавание документов, но выгрузка в 1С осталась ручной — экономия времени будет частичной. Большой проект закрывает такие стыки, но требует от вас чёткого ТЗ и готовности платить за работу аналитиков, которые будут описывать каждый шаг ваших сотрудников.

• Пилот: 300–800 тыс. рублей, 1–2 месяца, один процесс, измеримый эффект в одном отделе.
• Большой проект: 5–15 млн рублей, 6–12 месяцев, сквозная автоматизация, перестройка регламентов.
• Пилот окупается за несколько месяцев, если он решает задачу с высоким объёмом рутинных операций.
• Большой проект окупается за 1,5–2 года, но даёт конкурентное преимущество, которое сложно скопировать.

Как отличить нужный ИИ от дорогой игрушки

Вам продают лишнее, когда разговор начинается не с вашей задачи, а с технологий. Если менеджер заводит речь про «нейросети», «deep learning» и «уникальную архитектуру модели» — это маркер. Нужный вам специалист спросит: «Какая операция у вас самая дорогая или медленная? Где теряете деньги?» Без ответа на эти вопросы любое внедрение — просто эксперимент за ваш счёт. Проверьте: если после первой встречи вы не можете сформулировать, какую конкретную рутину заменит ИИ, — вас готовят к продаже воздуха.

Второй признак — навязывание «пилотного проекта» с абстрактными целями. Легитимный пилот стоит несколько сотен тысяч рублей и длится 4–6 недель, он отвечает на вопрос «работает ли модель на наших данных». Лишнее — это пилот, который должен «показать возможности» и длится 3 месяца. За это время вы заплатите за аренду GPU, зарплату дата-сайентиста и получите красивую презентацию вместо измеримого результата. Нормальный подрядчик фиксирует метрику до старта: например, «снижение времени обработки заявки» или «точность распознавания документов». Если метрики нет — это не проект, а хобби.

Третий сигнал — продажа «платформы» вместо решения. Вам предлагают купить дорогую систему, которая «закроет все задачи сразу». На практике большинство бизнес-задач решаются дообучением open-source моделей (LLaMA, Mistral) или API за умеренную ежемесячную плату. Платформы нужны банкам и ритейлерам с миллионами операций, а не производству со скромным потоком заявок. Спросите подрядчика: «Какая минимальная конфигурация решит мою задачу?» Если он не может назвать цифру меньше вашего бюджета — вас разводят.

• Сравните два коммерческих предложения: если одно стоит заметно дешевле, а другое дороже, спросите, что даёт разница в цене. Конкретику: скорость, точность, интеграции.
• Попросите показать кейс из вашей отрасли с цифрами «было/стало». Если кейса нет, предложите оплатить час консультации архитектора — это несколько тысяч рублей, чтобы он разобрал вашу задачу без обязательств.
• Проверьте, кто будет сопровождать проект после запуска. Если вам обещают «полную автоматизацию» без человека в контуре — это ложь. ИИ требует дообучения на новых данных каждые несколько месяцев.

Главный фильтр — ваш собственный расчёт. Посчитайте, сколько стоит час работы сотрудника, который выполняет задачу, и умножьте на количество часов в месяц. Если экономия за год не превышает стоимость внедрения в несколько раз — проект не нужен. Честный подрядчик сам скажет вам об этом и предложит более дешёвый вариант. Если он настаивает на «стратегической важности ИИ» без цифр — ищите другого.

Коротко о главном

Бюджет на внедрение ИИ начинается от 300–500 тысяч рублей за пилотный проект, который решает одну конкретную задачу: распознавание документов, прогноз оттока клиентов или автоматизация ответов в поддержке. Полноценное корпоративное решение с интеграцией в CRM, 1С и обучением модели на ваших данных — это уже 2–5 миллионов рублей, а сложные системы вроде предиктивной аналитики для производства или логистики могут перешагнуть отметку в 10 миллионов. Цена складывается из трёх составляющих: качество данных, которые вы готовы дать модели, сложность интеграции с текущим софтом и уровень экспертизы подрядчика. Дешёвый вариант на готовых API от Яндекса или OpenAI закроет большинство типовых задач, но если вам нужна уникальная модель под ваш процесс — готовьтесь платить за разработку и последующее сопровождение.

Главный ориентир — не стоимость, а окупаемость. Если автоматизация обработки заявок экономит вам сотни часов в месяц, это уже несколько сэкономленных зарплат менеджеров, и пилот за 400 тысяч отобьётся за полгода. Но прежде чем просить коммерческое предложение, определите узкое место: один процесс, который сейчас стоит дороже всего. Начните с него, а не с масштабной стратегии цифровизации. Если не знаете, с чего стартовать и какие данные у вас уже есть для обучения модели, — пришлите описание вашей задачи, я подскажу, какой вариант внедрения будет адекватен по цене и не превратится в бездонную яму на этапе эксплуатации.