Сколько на самом деле стоит внедрение ИИ в 2026

По тем внедрениям, что мы запускали, разрыв между дешёвой и дорогой сборкой почти никогда не про сам ИИ. Он про то, сколько других систем приходится трогать. Чатбот, отвечающий по одному PDF через Claude Sonnet 4.5 на Anthropic API, выкатывается за две недели меньше чем за $30K. Тот же чатбот, который читает тикеты Zendesk, пишет в HubSpot, эскалирует в Slack и держит GDPR, это шесть месяцев работы от $250K.

Обе цифры могут быть честными. Ни одна не говорит, какая подходит вашему бизнесу. Стоимость самого LLM-вызова обычно меньше 15% от любой из сумм. Остальное это сантехника, eval, ревью безопасности и неловкие недели, когда продуктовая команда и дата-команда спорят, кто владелец промпта.

Диапазоны ниже это то, что мы реально запускали, плюс цифры от операторов за последний год. Расчёт исходит из партнёра, который уже строил такое. Если делаете полностью внутри без опыта продакшен-LLM, долларовая стоимость снижается, календарная вырастает примерно вдвое. Закономерность простая: дешёвые сметы прячут интеграцию, дорогие прячут расходы на API. Честная версия раскрывает оба пункта. Если ещё думаете, какой тип системы строить, начните с разбора агенты vs чатботы vs копилоты.

Проект NANDA Массачусетского технологического института в июле 2025 года сообщил: окупившиеся GenAI-внедрения экономили от 2 до 10 миллионов долларов в год на клиентском сервисе и обработке документов – самой негламурной части стека.

Сейчас Claude Sonnet 4.5 стоит $3 за миллион входных токенов и $15 за миллион выходных согласно прайсу Anthropic. GPT-5 и GPT-4o находятся примерно в той же зоне по прайсу OpenAI. Цифры кажутся ничтожными, пока не умножишь. Агент поддержки на 5,000 разговоров в месяц при среднем 8,000 входных и 1,500 выходных токенов на разговор это около $120 на вход, $112 на выход, итого $232 в месяц. Тот же агент на 200,000 разговорах ближе к $9,300 в месяц. Один и тот же промпт, та же модель, три порядка разницы в счёте.

Сметы вендоров, прячущие эту цифру внутри фиксированной месячной платы, обычно рассчитаны на низкий объём и будут пересмотрены, как только вы вырастете. По разговорам с операторами в продакшене закономерность повторяется: третий месяц нормально, на девятом счёт утроился и никто не предупредил. Если вендор не выделяет расходы на токены отдельно от стоимости сборки, разворачивайтесь. Именно здесь проекты годами теряют деньги.

Помимо API модели, каждая продакшен-система ИИ тащит за собой небольшой зоопарк сопровождающих счетов. Типичный агент поддержки для среднего бизнеса выглядит так: Pinecone serverless для векторов за $50 до $300 в месяц, выделенный vCPU Hetzner CCX33 для оркестрации примерно за €60 в месяц, Vercel Pro для фронта за $20 на место, инструмент наблюдаемости вроде Helicone или LangSmith за $50 до $500 в зависимости от объёма и управляемый Postgres для сессий и аудита за $25 до $200. По отдельности ни одна цифра не страшная. Вместе они спокойно перешагивают $1,000 в месяц ещё до того, как LLM появляется в счёте.

Если планируете тяжёлый инференс на open-weight моделях, у Modal, Replicate и Fireworks есть открытый прайс на хостинг GPU, на который стоит посмотреть до того, как браться за свой кластер. Внешний разбор, почему совокупные расходы на инфру растут, есть в a16z про экономику генеративного ИИ.

Операторы любят спрашивать, не переехать ли с Claude на GPT-5 ради экономии. На практике разница между правильной и неправильной моделью на вызов это где-то 30 до 50%. Разница между неряшливым промптом, который таскает 12 тысяч токенов лишнего контекста каждый ход, и аккуратным на 2 тысячи это чистые 6x. Самый быстрый способ срезать счёт это переписать промпт, закэшировать системное сообщение и подрезать контекст ретривала, а не мигрировать к другому провайдеру. Видел команды, которые шесть недель мигрировали модель ради 20% экономии, тогда как полдня чистки промпта дали бы 70%.

Следствие: выбирайте провайдера, поддерживающего prompt caching (сейчас это и Anthropic, и OpenAI), и стройте системный промпт так, чтобы кэшируемый префикс был большим. На прайсе чтения из кэша указаны как доля от обычной входной цены. Это единственная самая важная ручка на стороне ежемесячных расходов. У OpenAI cookbook есть набор полезных паттернов на эту тему.

Если хотите проверить, окупается ли такая математика у вас, интерактивный калькулятор ROI берёт ваш объём разговоров, зарплату агента и rate разрешения как входы и проверяет кейс на прочность.

Глобальный опрос Deloitte по автоматизации, опубликованный в июне 2022 года, показал: организации, масштабировавшие автоматизацию, снизили издержки в среднем на 32 процента, а типичная программа окупалась около 22 месяцев.

Если бы меня попросили завтра потратить ваш бюджет, порядок был бы такой: выкатить минимальную версию кейса за четыре недели на готовом API, навесить метрики с первого дня чтобы реально видеть стоимость токенов на разговор и на интент и принять решение build-vs-buy на втором месяце уже по реальным данным, не по догадкам. Почти каждая команда, потратившая $400K на кастомную сборку до этого шага, переписывала большую часть в течение года.

Второй ход: поставить ревью на шестом месяце ещё до подписания контракта. Операционные расходы не совпадут с тем, что было в смете. Либо объём ниже ожиданий и вы платите за неиспользуемую ёмкость, либо выше и цену за вызов надо пересматривать. Оба исхода нормальны, если вы заранее планировали к ним вернуться. Оба плохи, если замечаете только когда финдиректор спрашивает, почему счёт AWS удвоился.