AI-чат — это не облачко в углу, а новый участок воронки
Простой виджет умеет принять сообщение. Рабочий AI-консультант должен понять вопрос, найти актуальный ответ, не выдать фантазию, уточнить нужное, собрать согласие, передать лид в CRM и позвать человека там, где риск выше пользы автоматизации. Именно эта цепочка определяет цену и окупаемость.
В проектах Alixio мы начинаем не с выбора модели, а с вопроса: какой участок бизнеса должен измениться? Обычно это одно из трёх: больше квалифицированных лидов вне рабочего времени, меньше одинаковых вопросов у поддержки или быстрее первый ответ. Если цель сформулирована как «нам тоже нужен AI», результат нечем принять.
Что показывает рынок
В отчёте Intercom за 2026 год участвовали 2 470 специалистов поддержки. 82% руководителей сообщили об инвестициях в AI за предыдущие 12 месяцев, но только 10% оценили своё внедрение как зрелое. Улучшение метрик отметили 87% зрелых команд против 62% респондентов в целом. Вывод для нас практический: виджет запустить легко, ценность появляется после интеграции в процессы и постоянного управления знаниями.
Salesforce в исследовании 2026 года сообщает, что 70% организаций, внедривших AI-агентов в сервисе, увидели измеримую ценность в течение 60 дней, а наиболее часто улучшившейся метрикой стала удовлетворённость клиентов. Это самоотчёт участников экосистемы поставщика, поэтому мы не переносим процент на конкретный проект. Но он подтверждает, что измерять нужно не только сокращение затрат.
Из чего состоит нормальный AI-консультант
| Слой | Что делает | Что случится без него |
|---|---|---|
| База знаний | Хранит услуги, цены, ограничения, кейсы и FAQ | Модель отвечает общими словами или придумывает |
| Retrieval / RAG | Поднимает нужные фрагменты под вопрос | В ответ попадает нерелевантный контекст |
| Диалоговый сценарий | Уточняет задачу и квалифицирует | Чат устраивает допрос или не собирает лид |
| CRM-интеграция | Передаёт контакт, источник и резюме | Менеджер теряет контекст и копирует вручную |
| Контроль качества | Проверяет точность на наборе вопросов | Ошибки замечает первый реальный клиент |
| Безопасность | Ограничивает темы, ПД и злоупотребления | Растут юридические и финансовые риски |
| Аналитика | Связывает диалог с результатом | Нельзя доказать окупаемость |
Сколько стоит сама модель
На 29 июля 2026 года официальная документация GigaChat показывает ориентиры: 65 рублей за 1 млн токенов GigaChat 2 Lite, 500 рублей для Pro и 650 рублей для Max. Тарифицируются вход и ответ; длинная история и большой RAG-контекст увеличивают потребление. Для коммерческого использования требуется платный доступ.
Даже если один содержательный диалог расходует 10 000 токенов, миллион токенов — это около ста таких диалогов. У Pro стоимость модели получится примерно 5 рублей на диалог. Это упрощённая оценка, но она показывает главное: токены редко являются основной статьёй пилота. Дороже стоят подготовка знаний, интерфейс, CRM, защита, мониторинг и работа людей, которые исправляют слабые ответы.
Оценка Alixio
По действующей модели Alixio минимальный AI-пилот начинается от 250 000 рублей. Практический диапазон для сайта — 250–550 тыс. рублей: виджет, RAG по ограниченной базе, квалификация, согласие, CRM или уведомление, аналитика и набор контрольных вопросов.
Производственный контур с несколькими разделами знаний, ролями, сложной CRM, внешними действиями, несколькими моделями и повышенной доступностью обычно стоит 550 тыс.–1,2 млн рублей. Поддержка и улучшение — от 29 тыс. рублей в месяц для небольшого контура, чаще 45–120 тыс. с аналитикой диалогов и обновлением базы. API модели оплачивается отдельно по факту и обычно составляет меньшую долю.
Расчётная модель Alixio: сайт с 20 000 визитов
Предположим, чат начинают 6% посетителей — 1 200 диалогов. Контакт оставляют 12%, то есть 144 человека. После квалификации подходящими оказываются 60% — 86 лидов. Но нельзя записать все 86 как новые: часть и без чата заполнила бы форму.
В контролируемом запуске мы оцениваем инкремент. Допустим, чат добавил 40 квалифицированных лидов сверх обычного потока. При закрытии 8% это 3,2 дополнительной сделки. Если маржинальный доход одной сделки 80 000 рублей, вклад — 256 000 рублей в месяц.
Дополнительно AI самостоятельно закрыл 300 повторяемых обращений, которые раньше стоили бизнесу в среднем 250 рублей рабочего времени. Экономия — ещё 75 000 рублей. Совокупный эффект — 331 000 рублей. При ежемесячной эксплуатации 45 000 рублей остаётся 286 000 рублей чистого операционного эффекта до налогов и общих расходов.
Пилот за 350 000 рублей в такой модели окупается примерно за 1,2 месяца после достижения стабильного эффекта. Это не обещание: при слабом трафике, дорогой ошибке или низкой марже срок может быть намного больше.
Формула, которую мы используем
Эффект = дополнительные квалифицированные лиды × close rate × маржа сделки + успешно автоматизированные обращения × переменная стоимость ручной обработки − ежемесячная эксплуатация.
Нельзя одновременно записать один и тот же диалог как новую продажу и полностью сэкономленное обращение поддержки. Нельзя считать «deflection», если клиент ушёл без ответа и потом позвонил. Поэтому фиксируем resolution rate, повторное обращение в течение 24–72 часов и передачу человеку.
Какие метрики нужны
- Доля диалогов с полезным результатом, а не просто открытий.
- Contact rate и доля квалифицированных контактов.
- Инкрементальные сделки и маржинальный доход.
- First response time и время до решения.
- AI resolution rate с учётом повторных обращений.
- Доля передачи человеку и время ожидания.
- Точность ответов на контрольном наборе.
- CSAT после AI и после связки AI + человек.
- Стоимость одного полезно завершённого диалога.
Где AI-чат особенно полезен
Он хорошо работает при большом числе повторяющихся вопросов, длинном каталоге, сложном подборе услуги, трафике вне рабочего времени и необходимости быстро собрать вводные. В недвижимости это подбор корпуса и планировки, условия ипотеки и запись на просмотр. В B2B — первичная классификация проекта и подбор релевантной экспертизы.
Он хуже подходит там, где каждый вопрос уникален, база знаний неактуальна, цена ошибки высока или у команды нет владельца контента. Если никто не отвечает за знания, AI лишь быстрее распространяет устаревшую информацию.
Как запускаем за 6–8 недель
Сначала выбираем 50–100 реальных вопросов и одну бизнес-цель. Затем собираем источники, размечаем запрещённые темы и критерии передачи человеку. После прототипа прогоняем контрольный набор, подключаем ограниченный процент трафика и сравниваем с базовой воронкой. Расширяем охват только после подтверждения точности и экономики.
Наш вывод
Стоимость AI-чата нельзя оценивать по цене токена, как стоимость магазина — по цене сервера. Деньги находятся в процессе: насколько быстро система даёт правильный ответ, сколько подходящих клиентов доводит до человека и какую ручную работу действительно снимает. В Alixio мы проектируем AI-консультанта как измеримый участок продаж и сервиса, а не как эффектную демонстрацию модели.