Экономика агентского ИИ в меньшей степени зависит от базовой модели. В отличие от традиционных систем ИИ, которые оперативно реагируют на одного человека, агентские системы предназначены для отслеживания целей: они планируют, используют инструменты, просматривают результаты или делегируют задачи другим агентам, прежде чем предоставить ответ или предпринять действия.
Дополнительная автономия — уникальное преимущество агентского ИИ (Agentic AI), но она же создаёт проблему затрат. Одно взаимодействие с чат-ботом может потреблять несколько тысяч токенов, а рабочий процесс агента — сотни тысяч или миллионы токенов в день. Поэтому экономические аспекты стоит рассматривать на уровне «инстанций-агентов», а не только на уровне вызовов модели.
Для оценок цен на агентов ИИ мы предполагаем, что стоимость токенов составляет 3 доллара за миллион токенов. Это усреднённое значение, основанное на сочетании маркеров ввода и вывода, шагов рассуждения, RAG, сводок, вызовов инструментов, обновлений памяти и периодического использования больших контекстных окон. Некоторые компании будут платить меньше из‑за оптовых скидок или перенаправления задач на более мелкие модели. Другие, использующие, например, модели премиум‑класса или обрабатывающие объёмные документы, будут платить больше.
Основная формула расчёта проста: если агент потребляет 2 млн токенов в день, то за год получится 730 млн токенов. При цене 3 доллара за миллион токенов стоимость такого агента составит около 2190 долларов в год. Это число нужно умножить на количество агентов, рабочих процессов и пользователей, а также добавить стоимость необходимой инфраструктуры.
Примеры годовых затрат на агентов ИИ (только на токены):
* агент по управлению персоналом (1 млн токенов в день) — около 1095 долларов;
* агент по разработке ПО (3,5 млн токенов в день) — около 3833 долларов;
* агенты по поддержке клиентов — около 2190 долларов;
* агенты по управлению контрактами — около 2409 долларов;
* агенты по проверке безопасности — около 2738 долларов;
* ИИ‑агенты для исследовательских целей — около 3066 долларов.
Эти цифры неполны — они учитывают только потребление токенов LLM. В реальных сценариях развёртывания общая стоимость владения примерно в 2–5 раз превышает стоимость только токенов, а в регулируемых или критически важных для бизнеса средах — ещё выше.
Рассмотрим несколько примеров экономически обоснованного использования агентов ИИ:
* Служба поддержки клиентов. Типичная реализация автоматизации поддержки может включать около восьми агентов. Они классифицируют входящие запросы, извлекают знания, генерируют ответы, передают информацию людям, проверяют качество, обновляют CRM, отслеживают настроения и проводят аналитику. При 2 млн токенов на агента в день каждый агент обходится примерно в 2190 долларов в год, общая годовая стоимость — около 17 520 долларов.
* Развитие продаж. Система из пяти агентов для исследования клиентов, привлечения потенциальных клиентов, персонализации электронной почты, обновлений CRM и планирования последующих действий может потреблять 1,2 млн токенов на агента в день. Ежегодная стоимость токенов — около 1314 долларов на одного агента и 6570 долларов на всю команду.
* Разработка ПО. Система из двенадцати агентов (анализ запросов, архитектура, генерация кода, тестирование, обзоры, проверки безопасности, документация, отладка CI, рефакторинг, примечания к выпуску, анализ зависимостей и поддержка исправлений) может потреблять 3,5 млн токенов на агента в день. Это около 3833 долларов на агента в год — или около 45 990 долларов на всю систему.
* Операции по обеспечению безопасности. Десятиагентная система сортировки безопасности (сортировка сигналов тревоги, анализ журналов, анализ угроз, проверка конечных точек, сетевое расследование, сводка инцидентов, составление заявок, подтверждение соответствия, эскалация и последующий анализ) при 2,5 млн токенов на агента в день будет стоить около 2738 долларов на агента, вся система — 27 375 долларов.
Также многоагентные системы жизнеспособны в финансовой, юридической, медицинской, маркетинговой, кадровой сферах и в сфере цепочки поставок:
* система финансовой отчётности с шестью агентами — около 9855 долларов в год;
* система проверки юридических контрактов с четырьмя агентами — 9636 долларов;
* административный рабочий процесс в сфере здравоохранения с семью агентами — около 13 797 долларов;
* команда из шести агентов, наблюдающих за соревнованиями, — 18 396 долларов;
* работа по подбору персонала и обучению с пятью агентами — 5475 долларов;
* планирование цепочки поставок и управление исключениями на основе команды из восьми агентов — около 21 024 долларов.
Эффективность Agentic AI стоит сравнивать с более простыми подходами: традиционный ИИ, автоматизация рабочих процессов, механизмы правил, RPA и неагентские вызовы LLM часто дешевле, проще в управлении и более предсказуемы. Агентские системы имеют смысл, когда процесс требует принятия дискреционных решений на нескольких этапах, динамического планирования, использования инструментов, обработки исключений и адаптации к неполной информации. Лучшая архитектура — гибридная: традиционную автоматизацию внедряют там, где процесс стабилен, неагентский ИИ используют для ограниченных задач, а агентный ИИ — там, где автономия создаёт ощутимый эффект.
Многие организации ошибочно рассматривают агентов как цифровых сотрудников с предельными затратами, близкими к нулю. На самом деле это вероятностные программные компоненты, которые потребляют токены, запускают инструменты, создают операционные зависимости и требуют мониторинга. Компании должны измерять затраты агентов на каждую достигнутую прибыль, а не на запрос или вызов модели. Главный вопрос — перевешивает ли автономия, предоставляемая агентом ИИ, сложность, которую он влечёт за собой.
Оригинал статьи доступен на Infoworld.com.
Подписаться в Макс
