ИИ-агенты для бизнеса: что умеют и где окупаются

Что такое ИИ-агент для бизнеса и зачем он нужен?

ИИ-агент — это программа, которая берёт на себя одну задачу сотрудника и выполняет её цепочкой действий: понимает вопрос, достаёт нужные данные, делает шаг (ответить, записать заявку, обновить таблицу) и передаёт результат человеку. От обычного чат-бота он отличается тем, что не идёт по заранее нарисованному сценарию «нажмите 1», а выбирает следующий шаг сам, в рамках правил, которые задали вы.

Зачем это бизнесу, видно по трём потерям, которые знает любой владелец. Клиент написал вечером, не дождался ответа и ушёл к тому, кто ответил сразу. Менеджер часами отвечает на одни и те же вопросы про цену и доставку. Из десятков обращений серьёзных несколько, а времени уходит на всех поровну. Агент закрывает именно эти места: отвечает в любое время, берёт повторяющееся и передаёт человеку тех, кто готов покупать.

Три похожих понятия удобно разделять по тому, что программа делает сама:

В исследовании Smart Ranking агентов делят ещё и по самостоятельности. Полуавтономные работают под контролем человека, автономные и мультиагентные (несколько агентов, которые передают задачу друг другу) решают больше без него. Для малого и среднего бизнеса разумная точка входа — полуавтономный: он отвечает и собирает заявки, а решения о цене, скидке и нестандартном заказе остаются за вами.

Какие бывают ИИ-агенты и какие у них примеры по отделам?

ИИ-агенты бывают по отделам, где повторяется работа: поддержка, продажи, приём заявок, маркетинг, подбор персонала, отчёты и аналитика. В опросе Smart Ranking чаще всего ИИ используют в контакт-центрах и поддержке: так ответили 75% компаний. Следом идут аналитика и BI (отчёты по данным) — 63% и ИТ-службы — 60%.

Типовые примеры по отделам, без привязки к конкретному сервису:

«ИИ-агент для продаж» звучит громче, чем работает на деле. В реальной переписке он снимает самую скучную часть: первый ответ, квалификацию (понять, серьёзный ли перед вами клиент) и запись на следующий шаг. Закрывать крупную сделку, договариваться о цене и держать отношения по-прежнему человеку.

Какие ИИ-агенты используют компании в России и что из этого работает?

Большинство крупных российских компаний уже пробуют нейросети, но агентов в постоянной работе пока немного: большие языковые модели используют или пилотируют 86% компаний, а полуавтономные агенты работают в постоянной эксплуатации у 15%. О проектах с полуавтономными агентами сообщают 59% организаций, то есть большинство ещё на стадии пилота (пробного запуска). Автономные и мультиагентные системы в постоянной работе — у 8%.

Разрыв между «пробуем» и «работает» объясняет само исследование: чем больше самостоятельности требует агент, тем реже он доходит до эксплуатации. Это опрос 52 крупных компаний с суммарно около 450 тысяч сотрудников, поэтому для малого бизнеса его цифры — ориентир, а не прогноз. У небольшой компании меньше систем и согласований, зато меньше денег на ошибку.

Из примеров на российском рынке есть и результат с названием компании. По данным «Битрикс24», её агент «Марта AI» самостоятельно обрабатывает и решает более 65% запросов в поддержке, а стоимость закрытия обращения снизилась в 17 раз — до 20–30 руб.. Это данные самой компании, у которой огромный поток однотипных вопросов и собственная база знаний. Для вашего потока цифры будут другими, поэтому их стоит считать верхней планкой, а не обещанием.

Слово «доступны в России» относится к трём вещам: можно ли оплатить сервис, будет ли он работать без перебоев и где лежат переписки с клиентами. Проверьте все три до запуска, а не после первой жалобы.

Где ИИ-агенты окупаются, а где нет?

Агенты окупаются там, где задача повторяется каждый день, ответ можно найти в ваших документах, а ошибку легко заметить. Участники опроса Smart Ranking видят самую заметную отдачу в работе с корпоративными знаниями на основе поиска по документам (RAG): этот сценарий назвали 63%, далее идут поддержка клиентов и сотрудников — 60% и анализ обращений и заявок — 54%. RAG — это когда агент отвечает не «из головы», а по найденным в ваших материалах фрагментам.

Второй признак — цена потерянного обращения. Если одна упущенная заявка стоит вам нескольких тысяч рублей прибыли, а в месяц их теряется десяток, агент окупается быстрее, чем в бизнесе с редкими крупными сделками.

Для сравнения — те же опросы показывают обратную сторону. Устойчивого экономического эффекта от внедрения ИИ не видят 46% компаний. Чаще всего это те, кто взял агента «потому что все берут», не выбрав задачу и не назначив ответственного.

В отраслевых обзорах встречается и общая оценка: ИИ-агенты снижают операционные расходы на 15–30% и окупаются за год. Это ссылка на неназванные исследования, а не измерение по вашему бизнесу. Срок окупаемости для вашей задачи считайте сами по формуле ниже.

Как посчитать окупаемость ИИ-агента на примере?

Окупаемость считают тремя числами: сколько времени и заявок агент возвращает в месяц, сколько стоит его работа в месяц и сколько стоит запуск. Формула: срок окупаемости (в месяцах) = затраты на запуск ÷ (выгода в месяц − ежемесячные затраты на агента).

Выгода состоит из двух частей. Первая — время сотрудников: обращения × доля, которую агент закрывает сам, × минуты на обращение ÷ 60 × стоимость часа. Вторая — заявки, которые без агента ушли бы к конкуренту: их число × прибыль с одной заявки. Стоимость часа проще всего получить из зарплаты: разделите её вместе с налогами на 160 рабочих часов. Ориентир по рынку: медианная зарплата в вакансиях менеджера по продажам в Москве — 125 174 ₽ в месяц. В регионах цифры ниже, в вашей компании — свои.

Пример расчёта, числа условные и не являются ценой ATOM или чьей-либо ещё.

• Обращений в месяц: 600. Агент закрывает сам 40%, то есть 240.
• На одно обращение сотрудник тратит 8 минут: 240 × 8 = 1 920 минут, или 32 часа.
• Час сотрудника стоит 625 ₽ (условные 100 000 ₽ в месяц ÷ 160 часов). Экономия времени: 32 × 625 = 20 000 ₽ в месяц.
• Ночью приходит 30 обращений, и без агента три из них заявки, которые уходят к конкуренту. Прибыль с одной заявки — 9 000 ₽ (чек 30 000 ₽, маржа 30%). Возвращённая прибыль: 3 × 9 000 = 27 000 ₽.
• Выгода в месяц: 20 000 + 27 000 = 47 000 ₽. Ежемесячные затраты на агента: 15 000 ₽. Запуск: 150 000 ₽.
• Срок окупаемости: 150 000 ÷ (47 000 − 15 000) = 150 000 ÷ 32 000 ≈ 4,7 месяца.

Теперь та же задача, если агент справляется хуже ожидаемого. Эта таблица показывает, почему считать надо до запуска:

В плохом сценарии агент убыточен, потому что ночных заявок у бизнеса нет, а дневную работу он закрывает наполовину. Вывод простой: перед запуском выпишите число обращений, долю ночных и цену упущенной заявки. Без этих трёх чисел любой расчёт окупаемости превращается в предположение.

Какой ИИ-агент лучше выбрать и чем отличаются готовые решения от заказных?

Лучшего ИИ-агента «вообще» нет: подходит тот, чья работа совпадает с вашей задачей, данными и каналом, где пишут клиенты. Рейтинги «лучшие ИИ-агенты» сравнивают сервисы по функциям, а не по вашему прайсу и вашим клиентам, поэтому выбирайте по таблице вопросов, а не по месту в списке.

Подрядчику, который предлагает агента, задайте пять вопросов:

1. По каким материалам агент отвечает и как они обновляются, когда меняется прайс?
2. Что агент делает сам, а что передаёт человеку, и кто это решает?
3. Как проверяются ответы до запуска и после?
4. Где хранятся переписки с клиентами и кто имеет к ним доступ?
5. Какой отчёт вы получите и как по нему видно, что агент приносит заявки, а не просто переписку?

Если на любой из пяти вопросов отвечают общими словами, это повод для паузы, а не для подписания договора.

Где ИИ-агенты ошибаются и как это ограничить?

ИИ-агенты ошибаются чаще всего там, где у них нет данных или чётких правил: выдают неверную цену, придумывают условия, которых нет, или отвечают на вопрос, который должен решать человек. Такую ошибку называют галлюцинацией: нейросеть уверенно пишет то, чего нет в ваших материалах. В опросе Smart Ranking по 40% компаний не смогли масштабировать пилоты из-за отсутствия владельца процесса и нестабильного качества решений, в том числе галлюцинаций.

Почти половина крупных компаний — 44% — вообще отказывается от внедрения агентов из-за недостаточной зрелости процессов, данных и интеграций (там же). Простыми словами: если в компании нет внятного прайса, правил скидок и порядка передачи заявок, агенту нечего автоматизировать.

Юридическая сторона тоже заметна: юридические риски называют препятствием 56% опрошенных (там же). В переписке с клиентом всегда есть имя и телефон, а это персональные данные. Закон о персональных данных (152-ФЗ) требует понимать, на каком основании вы их собираете и где храните. Если бот собирает телефоны, у посетителя должен быть понятный способ дать согласие.

Ошибки ограничивают пять правил:

• Узкая задача. Начинайте с одной работы, а не с «автоматизируем всё».
• Список запретных тем. Цена индивидуального заказа, возврат денег и жалобы идут к человеку.
• Ответы только по вашим материалам. Нет ответа в документах — агент говорит «уточню у менеджера».
• Выборочная проверка. Раз в неделю человек читает десяток случайных диалогов.
• Передача человеку записана в отчёт. Видно, сколько раз и почему агент передал разговор.

Сколько стоит создать ИИ-агента для бизнеса и с чего начать?

Стоимость зависит от уровня агента: ответы по прайсу на сайте — одна задача, полный цикл продаж в переписке с интеграцией в CRM — другая. Общей «цены ИИ-агента» без задачи не существует, а честный подрядчик называет смету после разбора. В ATOM смета готовится до начала работ.

Начать можно без подрядчика. Сделайте за один вечер пять вещей:

1. Выпишите 20 самых частых вопросов клиентов и ответы на них.
2. Посчитайте обращения за месяц и отдельно те, что пришли вечером и ночью.
3. Прикиньте, сколько минут уходит на один ответ и сколько стоит час сотрудника.
4. Определите, что не должен решать никто, кроме человека: скидки, возвраты, жалобы.
5. Подставьте числа в формулу из раздела про окупаемость.

Если после этого выгода получается заметной, переходите к запуску. Пошаговый порядок мы разобрали в статье «Как создать ИИ-агента для бизнеса».

Для международного сравнения: по опросу IBM Institute for Business Value 49% руководителей частично автоматизируют сбор отзывов и обработку запросов в поддержку, к 2027 году они планируют перейти к более самостоятельной автоматизации. Это данные 2025 года по крупным компаниям мира, поэтому читайте их как направление, а не как норму для вашего рынка.