Токены дешевеют, счет растет: два документа Gartner о реальной цене ИИ в поддержке клиентов

Токены дешевеют, счет растет: два документа Gartner о реальной цене ИИ в поддержке клиентов

Короткий ответ для тех, кто считает деньги: 4 и 5 ноября 2026 года Gartner выпустил два документа об ИИ в поддержке клиентов. Первый — опрос 275 руководителей сервисных команд: ожидаемый ROI от внедрений ИИ получили 4 процента команд. Второй — колонка трех аналитиков Gartner: сегодняшние цены на ИИ не отражают себестоимости, вендоры субсидируют внедрения, и когда субсидии кончатся, счета вырастут. Уже выросли: после смены тарифной модели GitHub Copilot средний счет клиента Gartner вырос в три-десять раз. При этом 42 процента руководителей не знают ни своих затрат на ИИ, ни отдачи, ни того и другого вместе. Вывод Gartner жестче любой цифры: рост эффективности моделей не гарантирует снижения расходов на ИИ.

Я сначала пролистал обе заметки и решил, что это очередное «ИИ не окупается, все страдают» — четвертый раз за осень, ну сколько можно. А потом дошел до строки про Copilot и перечитал. Это не про то, что ИИ плохо окупается. Это про то, что цена, по которой вы считали бизнес-кейс, вообще не была ценой. И если вас эта тема уже вымотала — честно, закройте текст и вернитесь позже, он подождет. Если нет — разбор ниже.

Что произошло: два документа за два дня

4 ноября на конференции Gartner Customer Service and Support Conference выступил Christopher Sladdin, старший директор-аналитик Gartner, с ключевым докладом по итогам опроса 275 руководителей службы поддержки. Из всех компаний, внедривших ИИ, ожидаемый возврат на инвестиции получили 4 процента. Не «44», не «14» — четыре. Из каждых ста команд.

На следующий день, 5 ноября, CX Dive опубликовал гостевую колонку Emily Potosky и Patrick Quinlan (старшие директор-аналитики практики поддержки клиентов Gartner) и Brett Overbey (директор-аналитик той же практики). Она не про то, окупается ли ИИ. Она про то, сколько это будет стоить завтра — и почему завтрашняя цена почти наверняка не та, что в вашем бизнес-кейсе.

Опросная база у них разная, и это важно не смазать: 4 процента — опрос 275 сервисных лидеров на конференции. Цифры бюджета — Gartner 2026 C-Suite AI Survey: свыше 1400 респондентов, из них 95 — руководители поддержки из разных отраслей и регионов. Два разных среза одной картины. Картина невеселая в обоих.

Цифры, которые неудобно пересказывать в презентации

Начну с бюджетов, потом перейду к самой неудобной строке.

Службы поддержки в среднем отдают ИИ-инициативам 12,7 процента своего функционального бюджета. Медианные расходы — около 6 миллионов долларов в 2025 году. Это не пилоты на коленке, это операционная статья.

Отдача: примерно четверть юзкейсов дает положительный возврат, примерно четверть — отрицательный, 11 процентов выходят в ноль. Остаток — юзкейсы, по которым возврат не измерен. Обратите внимание: даже внутри измеренной части счет «плюс против минуса» — примерно равный. Пять на пять с небольшим перевесом.

А вот строка, из-за которой я перечитал текст. 42 процента руководителей не знают, сколько они тратят, какую отдачу получают, или и то и другое сразу. Переведу в быт: из десяти руководителей поддержки четверо не могут ответить на вопрос «сколько ты платишь и что получаешь». Не «не получили ROI» — не знают, получили или нет. И на этом фоне 78 процентов планируют увеличивать ИИ-бюджет в 2026 году.

Четыре процента достигших ожидаемого ROI. Сорок два процента не знающих своих цифр. Семьдесят восемь процентов готовых платить больше. Это три факта из двух опросов Gartner за два дня — я их просто поставил рядом, без «потому что».

Почему счет растет, хотя токены дешевеют

Это центральная мысль колонки Potosky, Quinlan и Overbey, и она стоит того, чтобы разобрать ее медленно.

Логика «ИИ дешевеет» выглядит так: модели эффективнее с каждым поколением, цена за токен падает, значит, через год наш ИИ будет стоить копейки. Мы сами разбирали, сколько правды в таких историях на примере Asana — там агент подешевел в 76 раз, но не потому что модель стала дешевле, а потому что инженеры перестали ломать кеш. Даже там, где экономия реальна, она добывается инженерией, а не течением времени.

Колонка Gartner добавляет то, что в инженерных разборах не видно: цена в договоре — не себестоимость. Вендоры субсидировали свои предложения, чтобы захватить рынок: клиент платит меньше, чем обслуживание стоит провайдеру. Разница — инвестиция в долю рынка. Такие экономики не живут вечно: провайдеру когда-то придется отбивать затраты — прямыми повышениями цен, изменением тарифной сетки или новыми платными слоями.

Дальше два живых примера из колонки, оба 2026 года.

Июнь: GitHub Copilot переведен с плоской платы за пользователя на модель «доступ плюс потребление» — премиум-запросы заменили кредитами, привязанными к потреблению токенов. У среднего клиента Gartner месячный счет за Copilot вырос в три-десять раз. Не на три-десять процентов — в три-десять раз.

Июль: OpenAI перевел ChatGPT Enterprise с платы за пользователя с общим пулом кредитов на тариф, привязанный к потреблению. Гибче — да. Но теперь перерасход оплачивается отдельно, и его размер зависит от того, как сотрудники реально пользуются инструментом, а не от количества мест.

И вывод аналитиков, дословно, потому что тут важна каждая запятая: «Улучшения в эффективности моделей не гарантируют снижения корпоративных расходов на ИИ» — Improvements in model efficiency do not guarantee reductions in enterprise AI spending. Это не прогноз, это констатация по уже случившимся счетам.

К слову, субсидии — не конспирология, они видны в отчетности. Мы разбирали проспект IPO Anthropic: убыток 104 миллиарда долларов за девять месяцев при выручке в разы меньше. Компания продает дороже, чем зарабатывает — и когда-то этот разрыв закроется либо ценой, либо тарифной сеткой, либо тем и другим. Токены дешевеют. Счета растут. Gartner говорит: связь между первым и вторым не гарантирована. Причина? Возможно. Но возможно и то, что бизнес-кейсы массово считались по вводным ценам, а вводные цены были акцией.

Q&A: «Не проще ли подождать, пока модели подешевеют?»

Вопрос, который я слышу от каждой второй компании, думающей про ИИ в поддержке или документообороте: токены дешевеют каждый год, зачем считать и оптимизировать сейчас, если через год все станет дешевле само. Это вопрос читателя, не выдуманного персонажа — я его правда слышу регулярно, в разных формулировках.

На конференции Sladdin ответил на соседний вопрос — «как нам вообще получить эффект» — фразой, которая закрывает и этот спор тоже. Дословно: «Организации с ИИ-ориентированным подходом инвестируют в эти основы почти в 1,8 раза больше, чем в сами сценарии использования ИИ, что помогает максимизировать ценность их общего портфеля» — AI-forward organizations invest nearly 1.8 times more in these foundations than in the AI use cases themselves, helping maximize the value of their overall portfolio. Так сказано в подготовленных тезисах доклада.

Под «основами» — clean, current data: чистые и актуальные источники данных и знаний, на которые опирается ИИ. Полтора доллара на фундамент против доллара на сценарий. Компании, у которых ИИ работает, тратят больше на данные, чем на сами модели. Перевернутое по сравнению с привычным «купили подписку — внедрили — ждем эффекта» соотношение. И заметьте: дешевеющие токены этот фундамент не удешевляют — наведение порядка в данных стоит столько же, сколько стоило.

И вторая его цитата, про людей: «Люди и ИИ не созданы для одной и той же работы. Каждый может создавать ценность, но по-разному» — Humans and AI are not fit for the same job. Each can deliver value but in different ways. Следом — прямое указание руководителям: перестаньте спрашивать, как убрать людей из взаимодействий, и спросите, где их участие создает непропорционально большую ценность для клиентов.

Ждать дешевых токенов — это стратегия, в которой нечего считать. Gartner описывает противоположную: считать, чистить данные, оставлять людям то, что делают люди. Она дороже на старте. И я не знаю, как эти 1,8 раза окупятся у конкретной компании — зависит от того, насколько грязные данные и насколько дорогие люди.

Что делать практически: рекомендации Gartner

Колонка Potosky, Quinlan и Overbey — редкий случай, когда аналитики дают не «стратегическое видение», а список действий. Соберу его с моими комментариями по каждому пункту.

Перед автоматизацией задачи — спросить, можно ли устранить ее причину. Самая дешевая обработка обращения — то обращение, которое не случилось. Звучит банально, но в терминологии руководителя это регламентация: пока причина повторяющихся обращений живет в процессе, ИИ будет дорого полировать ее последствия.

Если устранить нельзя — проверить, нужен ли вообще генеративный ИИ. Обычный ИИ, RPA, детерминированная автоматизация часто закрывают задачу дешевле. Генеративный ИИ — для работы, где его гибкость и рассуждение создают ценность, оправдывающую цену и риск. Не для всего.

Строить гибридные маршруты: предсказуемые шаги — классическая автоматизация, рутина — скрипты, сложные случаи — генеративная модель. Внутри этого же — шлюзы и пороги сложности: простые задачи идут на быстрые дешевые модели, сложные запросы — на дорогие. Определить, чего хочет клиент, флагманская модель не нужна. Проверка нескольких сущностей данных — возможно, нужна. Дословно у Gartner: «Цель не в том, чтобы без разбора минимизировать использование ИИ. Она в том, чтобы использовать наименее дорогой инструмент, который надежно дает приемлемый результат» — The goal is not to minimize AI use indiscriminately. It is to use the least expensive capability that can reliably produce an acceptable result.

Договариваться о предсказуемости, а не только о цене. В контракте: лимиты потребления, прощение перерасхода, ограничения на право вендора менять токен- и кредитные мультипликаторы в течение срока договора. Если вендор сохраняет такое право — предупреждение заранее и право выхода. Два похожих предложения с разными формулами начисления на реальной нагрузке дают очень разные счета — это надо считать до подписи, вместе с закупками и финансистами.

Управлять потреблением как операционной дисциплиной: кешировать ответы на частые статичные вопросы вместо генерации каждый раз — мы видели, как это работает у Asana: 89 процентов входа из кеша, и счет падает на порядок; мониторить расход токенов и искать неэффективные процессы; ставить порог, при котором диалог дешевле передать человеку; вместе с финансами считать чувствительность портфеля — сколько роста цен портфель выдержит, прежде чем юзкейс станет убыточным.

Про метрики — отдельная боль: сильный ROI втрое чаще там, где эффект меряют ростом, а не сэкономленными часами — разбор исследования Wharton. Gartner своими 42 процентами добавляет к этому низкий порог входа: сначала хотя бы знать, сколько тратишь.

Чего я не знаю

Многое. Я не знаю, как именно Gartner считал «ожидаемый ROI» в опросе 275 лидеров: ожидания у всех разные, и 4 процента могут означать как «никто ничего не получил», так и «все ждали чуда и чуда не случилось» — методологии вопросов в открытом материале нет. Не знаю долю компаний, чьи счета за Copilot выросли «всего» в три раза, а не в десять: «в три-десять раз» — широкий диапазон, и за ним могут стоять очень разные истории. Медианные 6 миллионов долларов — это 95 респондентов из разных отраслей и регионов; на малую компанию это не переносится напрямую, у нее и бюджет другой, и переговорная позиция с вендором слабее. И я не знаю, когда именно субсидии кончатся: возможно, через год, возможно, через три — в колонке сроков нет, а своей модели ценообразования вендоров у меня нет. Наконец, я не знаю, вырастет ли от этого счет конкретно у вас: если ваш договор зафиксирован на годы вперед с жесткими лимитами — вы читали это зря.

Вместо вывода

Финальная фраза колонки Gartner, после которой добавить нечего: «Для руководителей поддержки клиентов вопрос уже не в том, что может ИИ. Вопрос в том, окупится ли это, когда придет счет» — For customer service leaders, the question is no longer simply what AI can do. It is whether it will be worth it when the bill comes due.

Я делаю recall — советника с системой памяти для работы компании — и живу в этом разрыве каждый день: с одной стороны, модели правда дешевеют и это видно в наших счетах; с другой — счет клиента складывается не из прайса за токен, а из того, как организованы его данные, память и процессы. Gartner прав в неудобном: то, что не измерено, будет оплачено вслепую. Если хотите понять, сколько ИИ стоит именно в ваших документах и процессах — напишите нам, посчитаем до подписания договора, а не после.

[Источники: колонка аналитиков Gartner в CX Dive от 5 ноября 2026; доклад Christopher Sladdin по опросу 275 руководителей от 4 ноября 2026; GitHub Blog о переходе Copilot на тарификацию по потреблению; OpenAI Help Center о flexible pricing. Полные ссылки — в тексте.]

R

Команда recall

Разрабатываем recall — ИИ-советника с системой памяти для бизнеса. Делимся кейсами, цифрами и наблюдениями из практики.

recall — ИИ-советник с системой памяти для бизнеса. Не забывает контекст между разговорами, помнит решения и договорённости.

Попробовать бесплатно