Работа с ИИ агентами позволяет компаниям сокращать время обработки обращений и передавать системе часть регулярных операций. В опубликованных кейсах уже есть измеримые результаты: снижение времени обслуживания, уменьшение нагрузки на сотрудников и рост числа начатых пробных подключений к сервисам.
Ниже рассмотрим три примера и показатели, по которым в них оценивали эффект. Они помогают понять, какие изменения в работе организации можно измерить после запуска ИИ-агента и как сопоставить результат с расходами.
Что показывает прогноз рынка использования нейросетей
По данным «Финмаркета» от 8 октября 2026 года, Orion soft оценивает возможные расходы крупного российского бизнеса на использование нейросетей в 2026 году в 237 млрд рублей, а в 2027 году — в 357 млрд рублей. Распространение ИИ-агентов названо одним из факторов роста.
В расчёт включено использование моделей в облаке и на собственных серверах. Внедрение, обучение моделей и услуги ИИ-специалистов не учтены. Это прогноз на основе заданных предположений, а не итоговая статистика расходов всех российских компаний. Источник — «Финмаркет».
Прогноз следует рассматривать как свидетельство ожиданий поставщика относительно роста потребления. Он не позволяет определить долю компаний, уже внедривших ИИ, или сделать вывод об окупаемости конкретного проекта. Практический интерес представляет переход к регулярному использованию моделей в операционной работе.
Какие результаты можно получить от ИИ-агентов
Приведённые ниже данные опубликованы Salesforce и Microsoft в материалах о собственных продуктах и клиентах. Это результаты конкретных внедрений, заявленные участниками проектов, а не независимая оценка среднего эффекта по рынку.
Engine — сокращение времени обработки обращений на 15%.
В кейсе от 4 июня 2026 года Salesforce сообщает, что ИИ-агент Eva на платформе деловых поездок Engine самостоятельно решает 50% входящих обращений в чате. Среднее время обработки обращений клиентской поддержки сократилось на 15%.
Агент получает сведения о бронировании, проверяет полномочия пользователя и выполняет разрешённые изменения через подключение к системе бронирования. Сложные обращения передаются сотруднику с историей диалога и необходимыми данными. В этом примере измеряется эффект конкретного процесса обслуживания клиентов; цифры не означают рост эффективности всей компании на 15%. Кейс Engine — Salesforce.
1-800Accountant — самостоятельная обработка 70% административных диалогов.
В публикации Salesforce от 23 июня 2025 года приведён результат бухгалтерской компании 1-800Accountant: во время пиковых недель налогового сезона агент самостоятельно обработал 70% административных диалогов в чате. Результат подтверждается в той же публикации заявлением технического директора компании.
Показатель относится именно к административным обращениям в указанный период. Он не означает, что ИИ выполняет 70% бухгалтерской работы или заменяет профессиональные решения специалистов. Результаты 1-800Accountant — Salesforce.
Ask Microsoft — снижение нагрузки на сотрудников и рост пробных подключений.
В кейсе от 27 февраля 2026 года Microsoft сообщает о сокращении объёма чатов, обрабатываемых сотрудниками, на величину до 70% после внедрения веб-агента Ask Microsoft. Отдельно в тестах обновлённой версии агента на сайте Azure отмечен рост числа начатых пробных подключений к продуктам на 16%.
Это разные показатели: первый характеризует нагрузку на сотрудников, второй — действия посетителей сайта при сравнении версий агента. Рост пробных подключений не равнозначен росту выручки. Кейс Ask Microsoft — Microsoft Customer Stories.
Что эти примеры означают для организации
Кейсы показывают несколько вариантов повышения эффективности: меньше времени на обработку обращения, больше типовых вопросов без участия сотрудника и более результативное сопровождение посетителя сайта. Эти результаты следует оценивать отдельно, поскольку они описывают разные стороны работы.
Объединять их в общий процент экономии некорректно. Например, самостоятельная обработка половины обращений не обязательно сокращает трудозатраты отдела вдвое: у сотрудников могут оставаться более сложные случаи. Для оценки организационного эффекта нужно учитывать объём работы, качество результата и затраты на эксплуатацию.
Подробные критерии применимости ИИ мы уже рассмотрели в статье «ИИ для бизнеса: где внедрение работает, а где нет». Здесь практический вывод состоит в том, что результат внедрения можно выразить через конкретные показатели процесса и сравнить с исходным состоянием.
Почему стоимость запроса снижается, а общий бюджет растёт
В исследовании приведена оценка стоимости миллиона токенов: около 320 рублей в 2025 году и 260 рублей в 2026 году. Токены — небольшие фрагменты текста, которыми модель обрабатывает входные материалы и формирует ответ. Снижение цены такого объёма само по себе не означает сокращения общих расходов компании. Источник — «Финмаркет».
У сотрудника, который обращается к нейросети вручную, количество запросов ограничено его рабочим временем. При включении модели в поток обращений или документов запросы возникают по мере поступления материалов. Если число обработанных задач растёт быстрее, чем снижается цена обработки, суммарный бюджет увеличивается.
Кроме того, одно деловое поручение может потребовать нескольких обращений к модели. Например, получение исходных сведений, уточнение недостающей информации и подготовка результата выполняются последовательно. Поэтому число обращений к нейросети и число завершённых бизнес-задач — разные показатели.
По этой причине при планировании полезно рассчитывать стоимость завершённой задачи: сколько ресурсов потребовалось, чтобы обработать обращение или подготовить документ до согласованного состояния.
Почему повышение эффективности требует учёта нагрузки
Агент может обращаться к подключённым инструментам и выбирать дальнейшие действия с учётом полученных данных. За счёт нескольких операций на одно поручение такой формат способен увеличивать потребление модели. Отличие агента от чат-бота и требования к его полномочиям уже разобраны в статье «ИИ для бизнеса: где внедрение работает, а где нет».
Для заказчика существенен экономический аспект. При одинаковом количестве входящих поручений расходы могут различаться в зависимости от длины передаваемых материалов, числа обращений к модели и повторных попыток. Поэтому прогноз нагрузки нужно связывать с конкретным сценарием работы.
Условный пример: компания получает тысячу обращений в день. Если каждое обрабатывается одним запросом, нагрузка одна. Если для каждого требуется несколько обращений к модели, объём работы становится выше. При этом качество и доля завершённых задач могут различаться — сравнивать только цену отдельного запроса недостаточно.
Это расчётный пример, а не оценка нагрузки конкретной компании. Его смысл — показать, почему бюджет нельзя определять только по стоимости доступа к нейросети.
Какие расходы учитывать заказчику
Бюджет проекта целесообразно разделить на первоначальные работы и дальнейшую эксплуатацию. В первую часть входят создание решения, интеграции и настройка. Во вторую — использование модели, инфраструктура, сопровождение и работа сотрудников с результатами.
Возможен облачный вариант, при котором компания обращается к модели поставщика через программный интерфейс. Другой вариант — размещение подходящей модели на собственной или выделенной инфраструктуре. Во втором случае необходимо отдельно учитывать вычислительные мощности, администрирование и обновления. Сравнение вариантов требует оценки ожидаемой нагрузки и требований к данным.
Для создания ИИ-агента состав первоначальных работ можно представить следующей схемой.
Схема показывает состав проекта, но не определяет его стоимость: объём работ зависит от доступности данных и возможностей используемых систем. Подготовку самого процесса мы подробно рассмотрели в статье «Внедрение ИИ в бизнес-процессы: что автоматизировать сначала».
Что выяснить до расширения использования ИИ
Чтобы оценить будущие эксплуатационные расходы, нужно установить ожидаемый объём задач и среднее потребление ресурсов на одну завершённую задачу. Полезно отдельно учитывать обычные случаи и исключения: повторная обработка и передача сотруднику могут менять стоимость.
Затем оценивают, как бюджет изменится при росте нагрузки. Например, увеличение количества обращений в два раза требует проверить не только затраты на модель, но и пропускную способность интеграций, время сотрудников и ограничения инфраструктуры.
В договорённостях с исполнителем стоит зафиксировать, какие расходы входят в сопровождение, какие оплачиваются отдельно и как заказчик будет видеть фактическое потребление. Это позволяет сопоставлять счета с объёмом выполненной работы.
Критерии оценки полезности ИИ и порядок ограниченного запуска уже изложены в нашем разборе применимости ИИ для бизнеса. Рост рынка не заменяет такую оценку для отдельной компании.
Как мы можем помочь
«Ось Бизнеса» помогает внедрять ИИ в бизнес-процессы заказчика. Мы можем определить состав решения, разработать необходимые интеграции и организовать работу с данными компании. Для проекта согласуем ожидаемую нагрузку и порядок учёта расходов на эксплуатацию.
Обсудить внедрение ИИ в вашей компании — опишите задачу и используемые рабочие системы. Рассмотрим, какое решение потребуется и из каких работ будет складываться его бюджет, а также где вы начнете либо экономить от внедрения, либо повышать эффективность работы при сохранении текущего бюджета.
Источники
Коротко: частые вопросы
- Какие результаты внедрения ИИ-агентов опубликованы компаниями?
- В кейсе Engine Salesforce сообщает о самостоятельном решении 50% обращений в чате и сокращении времени обработки обращений поддержки на 15%. Microsoft сообщает о сокращении объёма чатов, обрабатываемых сотрудниками, на величину до 70% после внедрения Ask Microsoft. Эти показатели относятся к конкретным проектам и не являются гарантией результата для другой организации.
- Почему расходы бизнеса на нейросети могут расти при снижении цены запроса?
- Суммарные расходы зависят от цены обработки и объёма использования. При подключении ИИ к регулярному потоку обращений или документов количество запросов увеличивается. Если потребление растёт быстрее, чем снижается цена, общий бюджет возрастает.
- Что входит в прогноз расходов Orion soft на нейросети?
- По публикации Финмаркета от 8 октября 2026 года, прогноз учитывает использование моделей в облаке и на собственных серверах компаний. Внедрение, обучение моделей и услуги ИИ-специалистов в расчёт не включены. Это прогноз по крупному российскому бизнесу на основе расчётных предположений.
- Почему одно поручение ИИ-агенту может требовать нескольких запросов?
- Для выполнения поручения агент может последовательно получать сведения, уточнять данные и подготавливать результат. Эти этапы могут сопровождаться отдельными обращениями к модели. Число запросов зависит от устройства решения и сложности конкретной задачи.
- Какие расходы возникают после внедрения ИИ?
- После запуска могут оплачиваться использование модели, вычислительная инфраструктура, сопровождение и обновление источников данных. В общую стоимость также входит время сотрудников на работу с результатами. Состав расходов зависит от выбранного решения и объёма задач.