Внедрение ИИ в один бизнес-процесс у интегратора стоит от 150 тыс. рублей. Пилоты в крупнейших российских компаниях обходились в 5-15 млн рублей без учета инфраструктуры. К разовым затратам добавляются ежемесячные: оплата языковой модели по API или серверы, если модель работает внутри компании, и сопровождение. Окупаемость считают от экономики задачи: сколько сейчас стоит работа сотрудников, какую ее долю ИИ снимет и сколько обойдутся внедрение и эксплуатация за первый год. Экономический эффект от ИИ видят 78% крупных компаний в России, а почти каждая десятая оценивает его в 5% EBITDA. При этом большая часть пилотов 2025 года так и не дошла до рабочей эксплуатации.
Ниже разобрано, из чего складывается стоимость внедрения ИИ, какой эффект получают компании, как посчитать окупаемость на своих цифрах, сколько стоят модели и серверы и почему проекты ИИ не окупаются.
Сколько стоит внедрение ИИ в бизнес
Стоимость внедрения ИИ зависит от того, что именно компания получает в итоге: подписку на готовый сервис, подключение модели к одному процессу или систему, которая работает с несколькими учетными системами и данными внутри периметра. В таблице собраны ориентиры по ценам на ноябрь 2026 года из открытых источников.
| Вариант | Что входит | Ориентир стоимости |
|---|---|---|
| Языковая модель через API | Оплата за обработанный текст, без разработки | от долей рубля до рубля за 1000 токенов, зависит от модели |
| Внедрение ИИ в один процесс у интегратора | Разбор процесса, прототип, подключение к CRM или 1С, проверка на данных, запуск | от 150 тыс. ₽ разово |
| Пилот в крупной компании | Несколько сценариев, согласования, безопасность | 5-15 млн ₽ без инфраструктуры |
| Своя модель на сервере | Открытая модель (GigaChat 3, Qwen, DeepSeek) на арендованном сервере с GPU | около 152 тыс. ₽ в месяц за сервер с одной A100 |
| Компьютерное зрение для производства | Обучение модели на записях с камер заказчика, интеграция | от 500 тыс. ₽ разово |
Ориентир по моделям - публичные тарифы российских облаков (примеры ниже), бюджет пилотов - из опроса компании «Интеллектуальная аналитика» среди 50 крупнейших организаций, который опубликовали «Ведомости» в марте 2026 года. Нижние границы для внедрения и компьютерного зрения - цены Unistory.
Разброс в сотни раз объясняется тем, что за словами «внедрить ИИ» стоят разные проекты. Поэтому сравнивать полезнее экономику задачи: сколько решение экономит или приносит и сколько стоит за год. Оплата модели по токенам для отдельных задач стоит недорого. ИИ-агент, который сам разбирает заявки, сверяет их с 1С и заводит сделки в CRM, требует разработки, интеграций и сопровождения.
Посчитаем стоимость внедрения ИИ для вашего процесса
На бесплатной диагностике разберем задачу и покажем, сколько будет стоить решение и за какой срок оно окупится.
Из чего складывается стоимость внедрения ИИ
Чтобы сравнивать предложения подрядчиков, стоимость полезно разложить на статьи. Одни платятся один раз, другие каждый месяц, и именно ежемесячные расходы чаще всего забывают при расчете окупаемости.
Разовые затраты:
- Разбор процесса и прототип. Подрядчик выясняет, где теряется время и деньги, и собирает прототип на данных компании. Без этого этапа стоимость и эффект оцениваются на глаз.
- Интеграции. Подключение к CRM, 1С, ERP, документообороту и почте. Часто это самая большая статья: модель без доступа к данным компании полезна только как чат.
- Подготовка данных. Сбор базы знаний, регламентов, примеров документов, разметка для обучения модели компьютерного зрения.
- Безопасность. Обезличивание персональных данных по 152-ФЗ, права доступа, журналы действий, согласование со службой безопасности.
- Обучение сотрудников. Инструкции, разбор типовых ошибок, правила, когда решение проверяет человек.
Ежемесячные затраты:
- Модель. Оплата токенов в облаке или аренда сервера для своей модели.
- Сопровождение. Исправления, обновление базы знаний, доработка сценариев по мере изменения процессов.
- Инфраструктура. Хранилище, мониторинг, резервные копии.
Сумма разовых и ежемесячных затрат за год дает полную стоимость владения. В опросе Яндекса и «Яков и Партнеры» 71% крупных компаний выбирают донастройку готовых моделей вместо обучения своей с нуля, и для большинства задач этого достаточно. Основная часть бюджета уходит на интеграции и данные.
Как посчитать экономическую эффективность внедрения ИИ
Экономическую эффективность считают так же, как для любой другой инвестиции: сравнивают все расходы на решение за первый год с деньгами, которые оно экономит или приносит. Начинать стоит с задачи. Модель, процесс и работу агента подбирают уже под получившиеся цифры.
- Посчитайте, сколько сейчас стоит работа. Сколько операций в месяц, сколько минут занимает одна, сколько стоит час сотрудника с налогами, сколько ошибок и потерь.
- Оцените, какую долю работы снимет ИИ. Часть операций ИИ закрывает полностью, в части только готовит черновик, который проверяет сотрудник. Экономия = освобожденные часы × стоимость часа.
- Посчитайте расходы первого года. Внедрение и интеграции плюс модель по API или серверы и сопровождение за 12 месяцев.
- Сравните годовой эффект с расходами первого года. Наш ориентир при проектировании - эффект в 3-10 раз больше всех расходов первого года. Если по расчету выходит меньше, меняем решение: берем модель дешевле, сужаем сценарий или выбираем другой процесс.
- Посчитайте срок окупаемости и ROI. Срок окупаемости = разовые затраты / (ежемесячный эффект - ежемесячные расходы). ROI = (эффект за год - расходы за год) / расходы за год × 100%.
В большинстве проектов основной эффект - снижение расходов. Если ИИ влияет на продажи, в расчет берут дополнительную прибыль: рост выручки × маржинальность минус затраты на эти продажи.
Разберем условный пример. Шесть специалистов тратят по четыре часа в день на разбор входящих документов и ввод данных в 1С, 21 рабочий день в месяц. Это 504 часа в месяц. Час специалиста с налогами стоит компании 700 рублей.
| Показатель | Расчет | Сумма |
|---|---|---|
| ИИ снимает 65% работы | 504 ч × 65% = 328 ч в месяц | 328 ч |
| Экономия в месяц | 328 ч × 700 ₽ | 229 600 ₽ |
| Эффект за год | 229 600 ₽ × 12 | 2 755 200 ₽ |
| Внедрение и интеграция с 1С | разово | 400 000 ₽ |
| Модель по API | в месяц | 10 000 ₽ |
| Сопровождение | в месяц | 25 000 ₽ |
| Расходы первого года | 400 000 + (10 000 + 25 000) × 12 | 820 000 ₽ |
| Эффект к расходам первого года | 2 755 200 / 820 000 | около 3,4 раза |
| Срок окупаемости | 400 000 / (229 600 - 35 000) | около 2,1 месяца |
| ROI за первый год | (2 755 200 - 820 000) / 820 000 | около 236% |
Со второго года внедрение уже оплачено, и отношение эффекта к расходам растет. Цифры в примере условные: реальная доля работы, которую снимает ИИ, становится известна только после пилота на данных компании. Поэтому расчет стоит делать дважды - до проекта на оценках и после пилота на фактических цифрах.
Посчитать эффект и срок окупаемости на своих цифрах можно в калькуляторе ниже. Начальные значения взяты из примера.
Стоимость языковых моделей: токены и свои серверы
Модель подбирают под экономику задачи по качеству и стоимости. Это может быть модель по API или открытая модель на серверах компании, поэтому расходы в разных проектах заметно отличаются. Облачная модель берет оплату за токены - фрагменты текста, на которые модель делит запрос и ответ. Русский текст делится на токены дробнее английского, поэтому один и тот же запрос на русском обходится дороже. Для ориентира ниже публичные тарифы двух российских облаков на ноябрь 2026 года, с НДС: Yandex AI Studio и GigaChat API.
| Модель | Цена за 1000 токенов, синхронный режим | Цена за 1000 токенов, асинхронный режим |
|---|---|---|
| YandexGPT Pro 5.1 | 0,8 ₽ | 0,41 ₽ |
| YandexGPT Lite | 0,2 ₽ | 0,1 ₽ |
| Alice AI LLM | 0,5 ₽ за входящие, 1,2 ₽ за исходящие | 0,25 ₽ и 1,02 ₽ |
| GigaChat Lite | 0,065 ₽ | - |
| GigaChat Pro | 0,5 ₽ | - |
| GigaChat Max | 0,65 ₽ | - |
Асинхронный режим подходит для задач, где ответ не нужен в ту же секунду, например для разбора почты за ночь или обработки архива документов. Он почти вдвое дешевле синхронного. У GigaChat есть условия, которые меняют расчет: минимальный платеж - 600 рублей в месяц, если сервисом пользовались, а новые клиенты с 1 сентября 2026 года подключают модели через платформу cloud.ru, где действуют ее тарифы. Подробнее о том, какие модели и сервисы доступны в России и для каких задач они подходят, мы писали в обзоре нейросетей для бизнеса.
Пример по тарифам Yandex AI Studio: компания получает 3000 заявок в месяц, на каждую модель тратит около 2500 токенов вместе с инструкцией, текстом заявки и ответом. Это 7,5 млн токенов в месяц. На YandexGPT Pro 5.1 такая нагрузка стоит 6000 рублей в месяц, на YandexGPT Lite - 1500 рублей. Для большинства процессов среднего бизнеса оплата модели оказывается небольшой частью бюджета по сравнению с разработкой и сопровождением.
Своя модель на сервере нужна, когда данные нельзя передавать в облако или объем запросов настолько большой, что токены обходятся дороже аренды. Открытые модели - GigaChat 3, Qwen, DeepSeek, GLM, Kimi, Mistral - распространяются бесплатно, но им нужен сервер с видеокартой. Аренда сервера с одной A100 стоит около 152 тыс. рублей в месяц. При тарифе 0,8 рубля за 1000 токенов за эти деньги можно обработать около 190 млн токенов в облаке, поэтому свой сервер окупается только на больших объемах или когда этого требует безопасность.
Экономический эффект от внедрения ИИ в России
Самые подробные данные по российскому рынку - исследование «Искусственный интеллект в России - 2025» Яндекса и консалтинговой компании «Яков и Партнеры», опубликованное в декабре 2025 года. В нем опросили 150 технических директоров крупных компаний из 16 отраслей, 150 поставщиков ИИ-решений и более 3500 пользователей.
Главные цифры исследования:
- генеративный ИИ хотя бы в одной функции применяют 71% крупных компаний;
- экономический эффект фиксируют 78% компаний, на 10 процентных пунктов больше, чем в 2023 году;
- почти каждая десятая компания оценивает эффект в 5% EBITDA, в отраслях, где ИИ применяют системно, - до 8%;
- 90% респондентов связывают эффект с сокращением затрат, 25% - с ростом выручки;
- на ИИ компании в среднем направляют около 11% ИТ-бюджета, лидеры - 13-17%.
Для экономики в целом авторы оценивают эффект от ИИ в 7,9-12,8 трлн рублей в год к 2030 году, это до 5,5% прогнозируемого ВВП. Эти цифры основаны на оценках самих компаний, финансовую отчетность авторы не проверяли, поэтому их стоит читать как ориентир.
Мировые данные похожи. В исследовании McKinsey «The state of AI in 2026», опубликованном в августе 2026 года (1719 респондентов из 97 стран), 37% опрошенных говорят, что ИИ дал вклад в операционную прибыль компании, и эта доля за год не изменилась. Компаний, которые получают от ИИ 5% EBIT и больше, около 6%. Почти три четверти из них перестроили рабочие процессы под ИИ, среди остальных компаний так поступила только четверть. Каждая пятая компания уже ограничивает использование ИИ из-за операционных расходов, включая оплату токенов.
Почему проекты ИИ не окупаются
Обратная сторона статистики - опрос «Интеллектуальной аналитики» среди 50 крупнейших организаций из ИТ, промышленности, финансов, госсектора и логистики. По его данным, около 90% пилотов генеративного ИИ, запущенных в 2025 году, отложили или закрыли, а до промышленной эксплуатации дошли 7-10% проектов с языковыми моделями, чат-ботами и агентами. По оценке экспертов, 30-40% пилотов закрыли, потому что они не дали ожидаемого финансового эффекта.
Главную причину авторы опроса называют прямо: слабая интеграция в процессы. Модель подключали как отдельный чат, без доступа к CRM, ERP и документообороту, и сотрудники продолжали делать работу по-старому. Другие частые причины, которые мы видим в проектах:
- Нет базовых цифр до запуска. Если не замерить, сколько времени занимал процесс и сколько стоила одна операция, эффект потом нечем подтвердить.
- Выбран процесс без объема. ИИ окупается там, где одна и та же работа повторяется сотни и тысячи раз в месяц. Редкая задача не вернет затраты на разработку.
- Не посчитаны ежемесячные расходы. Токены, сопровождение и обновление базы знаний съедают часть эффекта, если их не заложили в расчет.
- Данные не готовы. Регламенты устарели, документы лежат в разных системах, примеров нет. Подготовка данных затягивает проект и увеличивает бюджет.
- Пилот ради отчета. Решение запускают, чтобы показать руководству, без владельца процесса, который отвечает за результат.
Подробно этапы внедрения, роли со стороны компании и причины, по которым пилоты не доходят до работы, разобраны в гайде по внедрению ИИ в бизнес.
Где ИИ окупается быстрее всего
Быстрее всего окупаются процессы, где много однотипной работы, результат легко измерить, а данные уже лежат в учетных системах. По опыту наших проектов и данным рынка, это пять направлений.
- Поддержка первой линии. ИИ-ассистент отвечает на типовые вопросы по базе знаний и передает человеку только сложные. В нашем проекте для компании, которая ремонтирует банкоматы, чат-бот для инженеров снизил нагрузку на операторов колл-центра на 80%.
- Продажи и консультации. Ассистент на сайте или в мессенджере отвечает покупателям по каталогу. В проекте LLM-чат-бота для интернет-магазина бот закрывает запросы 80% покупателей, а покупок после консультаций стало на 20% больше по данным маркетологов заказчика.
- Обработка заявок и документов. Агент разбирает письма и заявки, проверяет реквизиты и заводит данные в CRM или 1С. Как устроено распознавание документов и сколько стоит страница, мы разбирали отдельно.
- Работа с данными 1С. Ассистент отвечает сотрудникам на вопросы по остаткам, продажам и задолженностям без ручных отчетов. Варианты подключения разобраны в статье про ИИ для 1С.
- Контроль стандартов в сетях. Система проверяет по камерам и звуку, идет ли кассир по чек-листу допродаж и соблюдает ли смена стандарты. Как это работает в общепите, описано в статье про контроль стандартов в сети.
Во всех этих случаях эффект считается в понятных единицах: часы сотрудников, число обращений на одного оператора, конверсия, средний чек.
Как снизить стоимость внедрения ИИ
Большая часть лишних расходов появляется, когда компания начинает сразу с большого проекта или выбирает решение дороже, чем требует задача. Снизить стоимость помогают несколько решений на старте.
- Один процесс вместо программы трансформации. Первый проект берут там, где больше всего однотипной работы и проще всего измерить результат. Следующие процессы подключают на той же инфраструктуре.
- Модель по задаче. Классификацию заявок и короткие ответы часто тянет облегченная модель, которая в четыре раза дешевле старшей. Задачи без срочности переводят в асинхронный режим.
- Облако, пока данные это позволяют. Свой сервер имеет смысл, когда данные нельзя выносить из компании или объем запросов исчисляется сотнями миллионов токенов в месяц.
- Прототип до договора. Проверка на данных компании показывает, справляется ли решение, до того как оплачена разработка.
- Готовые модели вместо обучения с нуля. Донастройки и подключения базы знаний хватает для большинства задач.
Как Unistory считает стоимость и эффект до запуска
Unistory - AI-интегратор из Санкт-Петербурга. Мы встраиваем ИИ в процессы компании и подключаем его к CRM, 1С, документообороту и почте. До договора считаем, сколько будет стоить решение и за какой срок оно окупится, и проверяем расчет на прототипе с данными заказчика.
Как мы работаем со стоимостью и эффектом:
- Бесплатная диагностика. За 30-60 минут разбираем процессы и выбираем тот, где эффект будет заметнее всего.
- Базовые цифры и ориентир эффекта. Вместе с заказчиком фиксируем, сколько процесс стоит сейчас, и проектируем решение так, чтобы годовой эффект был в 3-10 раз больше расходов первого года.
- Прототип на ваших данных. Собираем бесплатно, чтобы до оплаты было видно, какую долю работы забирает решение.
- Фиксированная смета. Состав работ, сроки и сумму закрепляем в договоре. Внедрение в один процесс начинается от 150 тыс. рублей.
- Модель под экономику задачи. Подбираем по качеству и стоимости: по API или на серверах компании, если данные не должны покидать периметр.
Что о нас стоит знать:
- в 2025 году Unistory вошла в топ-3 ИИ-разработчиков России в «Рейтинге Рунета»;
- больше 100 проектов с ИИ и компьютерным зрением, клиенты в 30 с лишним странах;
- участник АЛРИИ и технологический партнер Yandex AI Studio.
Проекты с измеримым результатом:
- чат-бот для инженеров по ремонту банкоматов - нагрузка на операторов колл-центра ниже на 80%, трудозатраты поддержки сократились в четыре раза;
- LLM-чат-бот для интернет-магазина - закрывает запросы 80% покупателей, покупок после консультаций больше на 20%.
Как устроено внедрение по этапам и что входит в работу, описано на странице внедрения ИИ в бизнес под ключ.
Обсудим ИИ для вашего бизнеса
Оставьте заявку - на диагностике покажем, где ИИ даст эффект, и посчитаем окупаемость до начала работ.
Частые вопросы
Сколько стоит внедрение ИИ в компанию
Внедрение ИИ в один процесс у интегратора стоит от 150 тыс. рублей разово, пилоты в крупнейших компаниях обходились в 5-15 млн рублей. К этому добавляются ежемесячные расходы на модель и сопровождение. Точную сумму можно назвать после разбора процесса и прототипа.
Как рассчитать экономический эффект от внедрения ИИ
Посчитайте, сколько сейчас стоит работа: число операций, время на одну и стоимость часа сотрудника. Оцените долю работы, которую снимет ИИ: эффект равен освобожденным часам, умноженным на стоимость часа, плюс дополнительная прибыль, если ИИ влияет на продажи. Сравните годовой эффект со всеми расходами первого года: внедрением, моделью или серверами и сопровождением.
За какой срок окупается внедрение ИИ
Срок зависит от объема процесса. Если ИИ забирает работу нескольких сотрудников в процессе с тысячами операций в месяц, внедрение возвращается за несколько месяцев: в примере из статьи - примерно за 2 месяца, а годовой эффект в 3,4 раза больше расходов первого года. В процессе с редкими операциями внедрение может не окупиться вовсе.
Что дешевле: облачная модель или своя на сервере
Для большинства задач дешевле облако: при тарифе YandexGPT Pro 5.1 0,8 рубля за 1000 токенов аренда сервера с одной A100 за 152 тыс. рублей в месяц равна примерно 190 млн токенов. Свой сервер выбирают, когда данные нельзя передавать за пределы компании или объем запросов очень большой.
Сколько компаний в России получают эффект от ИИ
По исследованию Яндекса и «Яков и Партнеры» 2025 года, экономический эффект фиксируют 78% крупных компаний, почти каждая десятая оценивает его в 5% EBITDA. При этом, по опросу «Интеллектуальной аналитики», до рабочей эксплуатации дошли только 7-10% пилотов генеративного ИИ 2025 года.
Почему пилоты ИИ закрывают
Чаще всего из-за слабой интеграции: модель работает отдельно от CRM, ERP и документооборота, и процесс не меняется. Другие причины - нет базовых цифр для сравнения, процесс без объема, неучтенные ежемесячные расходы и неготовые данные.
