TCO AI-агента: KPI и стоимость владения за 30–90 дней

Стоимость владения AI-агентом за 30–90 дней — это не «тариф API × токены», а сумма лицензий, интеграций, владельца процесса, QA, доработок знаний и стоимости ошибок; KPI на этом окне показывают, живёт ли агент в production или остаётся дорогим демо.

Я считаю TCO до подписания scope. Иначе через месяц всплывают «неучтенные» 80–150 часов команды, и ROI выглядит магией. Ниже — рабочая модель для МСП: поддержка, квалификация лидов, внутренняя ops-рутина. Цифры — порядки 2025–2026, подставьте свои ставки.

---

Из чего складывается TCO на горизонте 90 дней

Статья	30 дней (пилот)	60–90 дней (production)	Комментарий
Платформа / LLM / хостинг	5–40 тыс. ₽	15–80+ тыс. ₽	Зависит от объёма и self-host
Внедрение (разово)	80–250 тыс. ₽ или 40–120 ч	доработки 20–40% от пилота	Scope creep — главный враг
Интеграции CRM/helpdesk	20–100 тыс. ₽	сопровождение	Статусы, prefill handoff
Владелец процесса (FTE %)	0.15–0.3	0.1–0.25	Без владельца TCO «взрывается»
Операторы на handoff	по % эскалаций	стабилизация	Часто забывают в ROI
QA / разбор диалогов	3–6 ч/нед	2–4 ч/нед	Обязательная статья
Knowledge updates	2–5 ч/нед	2–4 ч/нед	Акции, прайс, офер
Риски / переделки	резерв 15–25%	резерв 10–15%	Инциденты, stop-list

Формула грубо:
TCO_90 ≈ setup + 3×(run_месяц) + cost_people_QA_owner + cost_handoff_extra + reserve

Сравнивайте TCO не с «нулём», а с fully loaded стоимостью текущего процесса (часы × ставка × ошибки × скорость ответа).

---

KPI-дашборд: что должно гореть на 30 / 60 / 90 день

Без baseline TCO бессмысленен: непонятно, что окупаем.

День 0: снять baseline

• Объём диалогов/лидов в неделю
• AHT / time-to-first-response / time-to-resolve
• % повторных обращений
• Конверсия в MQL/сделку (если продажи)
• Стоимость часа fully loaded

Пороги по фазам

KPI	День 30 (пилот)	День 60	День 90
Автозакрытие в scope	≥35–45%	≥45–55%	≥50–65%*
QA pass rate	≥75%	≥85%	≥90%
Critical fails (money/legal)	0 на выборке	0	0
Handoff с карточкой	≥80%	≥95%	≥98%
Time-to-human после триггера	измерен	≤ SLA	≤ SLA
Reopen 48ч	≤ baseline	↓ 10–20%	↓ к цели
CSAT / оценка	≥ human-only −0.2	≈ human	≥ human или =

*Зависит от сложности тем; FAQ ≠ сложные претензии.

Чеклист go / hold / kill

• Go: pass rate и critical fails в норме, автозакрытие ≥ floor, владелец есть
• Hold: метрики ок, но интеграция/очередь handoff сырые — чиним процесс, не «добавляем модель»
• Kill/pivot: нет владельца, scope плывёт, critical fails, TCO_people > экономии 2 месяца подряд

---

Юнит-экономика: когда агент окупается

Пример для first-line (цифры учебные — замените):

Параметр	Значение
Диалогов в месяц в scope	1 200
Стоимость 1 диалога человеком	120 ₽ fully loaded
Автозакрытие к 90 дню	55%
Handoff 45% × 0.7 времени человека	экономия не 55% wall-clock, а меньше
Грубый saved/мес	~1 200 × 0.55 × 120 × 0.75 ≈ 59 тыс. ₽
Run-cost + people QA/owner	35–50 тыс. ₽
Payback setup 150 тыс. ₽	порядка 3–6+ мес. после стабилизации

Важно: экономия ≠ автозакрытие × ставка. Часть времени уходит на контроль, эскалации и обучение. Я закладываю коэффициент 0.6–0.8 к «идеальной» экономии, пока процесс не стабилизирован.

Скрытые утечки TCO

1. Бесконечный «ещё один интент» без вывода старых
2. Нет stop-list → инциденты и ручной разбор
3. Два владельца = ноль владельцев
4. API-счётчик без лимитов и кэша tools
5. Пилот на всём сайте вместо 1 процесса

---

План 30–90 дней через призму денег и KPI

Окно	Фокус денег	Фокус KPI	Запрет
1–30	Не раздувать setup; shadow/часть трафика	Baseline, QA, карточка handoff	Маркетинг «мы внедрили AI»
31–60	Добить 1–2 интеграции, убрать ручной костыль	Автозакрытие ↑, critical = 0	Расширение на 5 новых тем
61–90	Зафиксировать run-cost; отчёт TCO vs baseline	Стабильный pass rate, SLA handoff	Смена платформы «ради хайпа»

К дню 90 у меня на столе: одна страница TCO (факт), дашборд KPI, backlog v2 с оценкой часов — и решение: масштабировать scope, держать, или резать.

---

Часто задаваемые вопросы

Можно ли считать ROI только по токенам?

Нет. Токены часто 10–30% run-cost. Люди, QA и интеграции обычно больше. ROI без FTE — самообман.

Что делать, если к 30 дню автозакрытие 20%?

Смотреть root cause: знания, tools, scope слишком широкий, плохой handoff. Не покупать «модель мощнее», пока QA не показывает, где ломается. Hold и узкий scope лучше, чем красивый % на мусорных интентах.

Как учесть стоимость ошибки агента?

Заложите ожидаемый убыток: % critical × средняя цена инцидента × объём. Даже редкий money-fail бьёт TCO сильнее, чем «сэкономили 2 минуты на FAQ».

90 дней — это всегда достаточно?

Для одного узкого процесса с API — часто да. Если знания в головах, легаси без API, или 5 стейкхолдеров без владельца — закладывайте 120+ и честно режьте scope.

---

Читайте также

• Внедрение AI-агента за 90 дней: этапы, цифры и процесс без хайпа
• Сам vs подрядчик: unit-экономика AI-автоматизации 2026
• Стоимость AI-агента для бизнеса: тарифы и ROI

Нужен расчёт TCO и KPI под ваш процесс на 30–90 дней — можно разобрать на https://raisovich.ru

Из чего складывается TCO AI-агента за 90 дней?

TCO_90 ≈ setup + 3× run-месяц + люди (владелец, QA, handoff) + резерв 10–25%; токены часто лишь 10–30% run-cost, остальное — интеграции, знания и контроль качества.

Какие KPI проверять на 30, 60 и 90 день внедрения?

На 30 — baseline, QA ≥75%, handoff с карточкой ≥80%; на 60 — автозакрытие ↑ и critical fails = 0; на 90 — pass rate ≥90%, стабильный SLA handoff и отчёт TCO vs baseline.

Почему экономия от автозакрытия меньше, чем процент закрытых диалогов?

Часть времени уходит на QA, эскалации и обучение; к «идеальной» экономии (автозакрытие × ставка) закладывайте коэффициент 0.6–0.8, пока процесс не стабилизирован.