Сколько стоит разработка AI-агента? Факторы стоимости — без фиксированных цен

«Сколько стоит AI-агент?» — как спросить, сколько стоит здание: ответ зависит от плана этажей. Отличие агентов в том, что план этажей — это процесс, и большинство команд никогда его не записывали. Без карты процесса любая цена — догадка, и догадка обычно оказывается бюджетом на демо, а не на систему.

Цена агентной системы — это цена понимания процесса, который она автоматизирует.

• Карта процесса — документирование шагов, входов, решений и людей, которые делают работу сегодня. Самый недооценённый пункт.
• Роли агентов — сколько специалистов нужно процессу: исследователь, аналитик, автор, проверяющий. Обычно от двух до пяти.
• Интеграции — подключение к вашей CRM, базам, мессенджерам и внутренним API через типизированные интерфейсы.
• Инфраструктура качества — типизированные схемы вывода, валидация, логирование и метрики. Это инженерия, а не накладные расходы.
• Человеческий review-цикл — approval gates на всём, что покидает систему, спроектированные как часть архитектуры.

Каждый пункт масштабирует оценку: больше ролей — дороже оркестрация, больше интеграций — дороже интеграция и тестирование, более высокорисковые выводы — дороже валидация.

• Оркестратор — маршрутизирует работу между агентами, отслеживает стадию воркфлоу, enforcing таймауты и ретраи.
• Специализированные агенты — узкие роли, строгие форматы вывода, свои наборы инструментов.
• Общее состояние — состояние воркфлоу в PostgreSQL: что сделано, что произвёл каждый шаг, кто одобрил.
• Слой инструментов — типизированные интерфейсы к реальным системам с минимальными правами.
• Логирование и метрики — модель, токены, задержка и результат по каждому шагу.

Одноагентная система заметно дешевле мультиагентной — и часто является правильным выбором. Вопрос бюджета не «сколько агентов выглядят впечатляюще», а «сколько ролей процессу действительно нужно».

Главный разрыв бюджета — прототип и production, и он шире, чем ожидает большинство бюджетов:

• MVP — один агент, одна интеграция, жёсткие промпты, демо-датасет. Годится, чтобы доказать процесс; не годится для доверия, масштаба или передачи команде.
• Production — несколько ролей, типизированный вывод везде, evaluation set, мониторинг, ретраи, права доступа, документация. Здесь живут 70-80% инженерной стоимости.
• Маршрутизация моделей — классификация на дешёвых быстрых моделях, синтез на frontier-моделях; смена провайдеров под роль через роутер без переписывания кода.
• Инфраструктура — хранилище состояния, логирование, очереди и наблюдаемость; агент — это система, а не скрипт.

Честный разговор — не «MVP или production», а «что должна доказать первая версия»: бюджет следует за нужным вам доказательством, а не за списком фич.

Агенты дрейфуют: меняются промпты, модели и данные — качество следует за ними. Production-агентная система несёт три постоянных расхода:

• Evaluation — golden set кейсов, прогоняемый на каждое изменение; обнаружение регрессий — то, что держит качество измеримым.
• Мониторинг — пошаговые логи, стоимость на задачу и алерты при падении доли принятия.
• Итерации — обновления моделей, версионирование промптов, новые краевые случаи; система сопровождается как софт, потому что она и есть софт.

Runtime-стоимость — на завершённую задачу: токены, роутинг моделей и инфраструктура. Хорошая архитектура держит юнит-стоимость предсказуемой и привязанной к задаче, а не к числу вызовов.

Наши продукты показывают ту же лестницу скоупов в продакшене:

• LeadForge AI — полная мультиагентная sales-система: агенты research, ICP и персон, генерация контента, reviewer-валидация и человеческое одобрение каждого сообщения. Самый широкий скоуп в нашем портфеле.
• LaunchPilot AI — агенты со структурированным выводом для планирования: генерация роадмапов и декомпозиция задач возвращают типизированные проверенные планы. Более узкий скоуп с более тяжёлой валидацией каждого шага.

Оба — инженерные системы, а не обёртки над промптами — и именно эту инженерию бюджет должен покрывать.