Сколько экономит AI-агент на 10 000 входящих запросов

Вы обрабатываете 10 000 входящих запросов в месяц. Часть из них — типовые FAQ, часть — транзакционные («статус заказа», «номер накладной»), часть требует участия менеджера. Прежде чем внедрять агента, вы хотите увидеть конкретные цифры, а не «экономия до 60% от фонда оплаты труда». Правильный подход — не заимствовать чужой кейс, а подставить свои данные в формулу из трёх компонентов. Если вы получите реалистичный диапазон, то следующим шагом определите уровень автономности и только потом посчитаете полную стоимость владения. Про полный TCO — отдельная статья [/skolko-stoit-vnedrenie-ai-agenta-prodazh], про границы автономности — [/agent-vs-copilot-granitsy-avtonomnosti]. Сейчас — только арифметика.

Формула для собственного расчёта

Базовая формула, которую даёт отраслевой фреймворк (just-ai.com), адаптируется под ваши данные:

Экономия = N × Счел × CR − (N × СAI + С_эскал)

Где:

• N = 10 000 — ваш месячный объём.
• С_чел — полная стоимость одного обращения к оператору (зарплата, рабочее место, налоги, доля супервизора; в рублях).
• CR — containment rate, доля запросов, которые агент закрывает без передачи человеку. Считается отдельно по типам: FAQ, транзакционные, аналитические.
• С_AI — средняя стоимость обработки одного запроса агентом (токены API, платформа, интеграционная логика; в рублях).
• Сэскал — стоимость обращений, которые агент не удержал и передал оператору. Чаще всего вы считаете её как (1 − CR) × N × Счел, но добавляете надбавку за потерю контекста и возможную повторную обработку.

Подставляете свои переменные — а не среднерыночные — и получаете персональный диапазон.

Три сценария для 10 000 запросов

Ориентировочная структура затрат для российского бизнеса: Счел — от 150 до 350 ₽ за обращение (в зависимости от региона и сложности), СAI — от 5 до 15 ₽ за успешно закрытый диалог, доля эскалаций считается как (1 − CR). Дополнительно в пессимистичном сценарии закладываем 20% повторных обращений из-за неполного решения — и это уже не эскалация оператору, а дополнительный цикл AI-обработки.

Цифры показывают главное: разница между верхним и нижним сценарием — в 10 раз. Контрольный параметр, который рушит экономию, — не CR сам по себе, а сочетание низкого CR и растущих повторных обращений.

Klarna-ловушка: когда дашборд зелёный, а деньги уходят

Агент внедрён, среднее время ответа упало на 82%, метрики светятся зелёным. Руководитель считает экономию от высвобожденных операторов и рапортует об успехе. Ровно такой кейс зафиксирован в публичной отчётности Klarna за Q3 2025 и разобран аналитиками Bigeye: handle time резко снизился, агрегатный CSAT остался высоким, но repeat contacts выросли на 25%. Причина: агент быстро отвечал, но не решал проблему с первого раза. Клиенты возвращались, нагрузка на контакт-центр росла, истинная стоимость решённого обращения оказалась выше первоначальных расчётов.

Что конкретно крадёт вашу расчётную экономию:

• Повторные обращения. Каждый повторный контакт удваивает или утраивает стоимость AI-обработки и повышает шанс эскалации с потерей контекста.
• Эскалации без истории. Агент передаёт оператору запрос без структурированного дайджеста — сотрудник тратит больше времени, чем если бы клиент пришёл напрямую.
• Деградация базы знаний. Без регулярного обновления (новые товары, акции, политики возврата) containment rate падает на 5–10 п.п. за квартал — расходы растут незаметно.
• Токенный счёт. На длинных диалогах (русский текст) стоимость одного обращения легко доходит до 10–20 ₽ вместо плановых 5 ₽, если модель теряется и запрашивает уточнения.

Практический вывод: ваша расчётная таблица должна включать не только статичный CR, но и коэффициент роста повторных обращений — K_repeat. Если вы видите тренд выше 15 % после первого квартала, значит, сохранённый фонд оплаты труда на деле перетекает в рост токенов и лишние часы операторов.

Порог рентабельности: когда 10 000 запросов — это правильно

Российские внедренческие команды (dareai.ru) эмпирически выводят порог: от 30–50 однотипных обращений в день агент становится экономически оправданным. При 10 000 запросов в месяц (~333 в день) вы находитесь в зоне уверенной рентабельности — при условии, что ваш CR держится выше 40 % и база знаний не устаревает.

Отдельно стоит разбить запросы по типам:

• FAQ-запросы (режим работы, адреса, условия доставки): CR 70–80 %, быстрая окупаемость.
• Транзакционные (статус заказа, трек-номер, возврат по форме): CR 40–60 % при интеграции с 1С/CRM. Без интеграции — резко падает.
• Аналитические (подбор товара, расчёт цены под проект): CR 20–30 %, агент чаще выступает как сборщик параметров, а решение принимает человек.

Если транзакционные запросы не подключены к реальным данным из 1С или amoCRM, ваш containment rate по этому сегменту упадёт до 20 % — и расчётная экономия превратится в бумажную.

Считайте до контракта

Вы получили инструмент: формулу, таблицу и сигналы провала. Порядок действий простой: берите свои цифры за месяц, оцените CR по типам запросов не как обещание вендора, а как реалистичную гипотезу, подставьте стоимость оператора с учётом налогов и рабочего места. Добавьте поправку на рост повторных (минимум 10 % для страховки). Если результат вас устраивает, дальше вы выясняете уровень автономности агента в зависимости от стоимости ошибки — об этом в статье [/agent-vs-copilot-granitsy-avtonomnosti]. Когда уровень определён, уже можно защищать полный бюджет внедрения — модель TCO и скрытые строки описаны в [/skolko-stoit-vnedrenie-ai-agenta-prodazh].

Хотите понять, как работает внимание на вашем сайте и где вы теряете входящие до того, как агент их обработает? Покажем на разборе — [/attention].