Бот или живой оператор: считаем, что дешевле — и когда дешевле не значит лучше

Компания считает деньги правильно: берёт зарплату оператора, делит на рабочие часы, сравнивает с ценой подписки на сервис — и делает вывод, что бот дешевле. Через полгода выясняется неприятное.

Часть клиентов ушла, потому что им ответили формально и не по делу. Часть сделок не состоялась, потому что никто не распознал в переписке готовность покупать прямо сейчас. А самая крупная потеря оказалась там, где её вообще не считали: освободившихся операторов не сократили, но и не переучили — они по-прежнему сидят на первой линии, только теперь разбирают то, что бот испортил. Экономия на бумаге есть, эффекта нет.

Эта статья не про то, что бот лучше человека, и не про то, что человек лучше бота. Она про то, как посчитать, где проходит граница между ними именно у вас — и почему «дешевле за минуту» почти никогда не означает «дешевле для бизнеса». Сразу обещаю: расчёты, которые вы увидите ниже, — это оценки по типовым вводным, а не исследование рынка. Мы специально помечаем каждую цифру, чтобы вы подставили свои.

Сравнивать бота и оператора по стоимости минуты — то же самое, что сравнивать автомобиль и велосипед по расходу топлива. Формально велосипед выигрывает с разгромным счётом, но на этом сравнение и заканчивается.

Проблема в том, что у минуты оператора и минуты бота разная не только цена, но и функция. Оператор в одну и ту же минуту может заметить, что клиент раздражён, сменить тон, предложить альтернативу, удержать сделку. Бот в эту же минуту выдаёт ответ на вопрос — и всё.

Есть и вторая, менее очевидная разница. Стоимость оператора фиксирована: он получает зарплату и в час пик, и в тихий вторник. Стоимость бота переменная: вы платите за объём, и в тихие дни она у близкого к нулю значения. Поэтому ответ на вопрос «что дешевле» зависит не только от цены, но и от того, как именно распределена ваша нагрузка.

Возьмём типового оператора первой линии в региональной компании с небольшой нагрузкой. Вводные для оценки: оклад 60 000 ₽ в месяц, страховые взносы сверху, рабочее время — 40 часов в неделю, то есть около 168 часов в месяц.

Первое, что нужно добавить к окладу, — страховые взносы. Это примерно 30 % сверх оклада, то есть ещё около 18 000 ₽. Итого получается около 78 000 ₽ в месяц на одного оператора.

Второе, что обычно забывают, — это нерабочее время внутри рабочего. Оператор не отвечает на сообщения 100 % времени: он заполняет CRM, изучает материалы, ходит на планёрки, уточняет условия у других отделов, ждёт ответа от склада. Реальное время ответа на обращения — это далеко не весь рабочий день.

Предположим осторожно, что непосредственно на диалоги уходит около половины смены. Тогда 78 000 ₽ делятся не на 168 часов, а примерно на 84. Получается около 930 ₽ за час содержательного общения, то есть примерно 15–16 ₽ за минуту живого ответа.

Эта цифра может оказаться и выше — если вы работаете по сменному графику с надбавками за ночь и выходные. И ниже — если оператор загружен обращениями почти полностью. Но порядок величины именно такой: минута живого ответа стоит десятки рублей, а не копейки. Отмечу ещё раз: это оценка по типовым вводным, а не отраслевая статистика.

Какие обращения в разных нишах бывают типовыми, а какие всегда уходят человеку, мы разбираем отдельно — в разделе «Аналитика ИИ-консультанта и ниши применения».

Теперь про бота. Здесь расчёт проще, но у него есть особенность: цена подписки не равна стоимости полезной минуты.

Смотрите, в чём разница. Оператор, который отвечает неправильно, всё равно получит зарплату — вы платите за его время. Бот, который отвечает неправильно, не стоит вам почти ничего в минуту, но его ошибка может стоить дороже, чем месяц работы оператора. Поэтому сравнивать нужно не минуты, а результат.

И всё же сравним по деньгам. Подписка на сервис в районе 7 000–36 000 ₽ в месяц — это стоимость аренды инструмента, а не стоимость минуты. Если ваша подписка покрывает, скажем, 30 обращений, а фактически через бота проходит 10, вы переплатили дважды: и за неиспользованные обращения, и за лишние ответы, которые всё равно разбирал оператор.

Поэтому корректная формула для бота выглядит так: цена тарифа ÷ фактическое число обращений, дошедших до ответа — а не число обращений, которые «могли бы пройти». В типичной практике, когда бот настроен правильно и отвечает только на понятные вопросы, а остальное передаёт человеку, стоимость его полезного ответа в десятки раз ниже стоимости минуты оператора. Но если он отвечает на 20 % обращений — цифра становится неприличной.

Общий принцип такой: автоматизация выигрывает ровно там, где регулярные вопросы повторяются, а исходные данные для ответа у вас уже есть в письменном виде. Если этих двух условий нет, экономия остаётся на бумаге.

Практически это считается в три шага.

Шаг 1. Разделите обращения на три группы. Первая — вопросы, у которых есть один понятный ответ из ваших материалов: сроки, условия, наличие, способы оплаты. Вторая — вопросы, требующие решения человека: нестандартная комплектация, скидка, спор. Третья — всё, что вы не можете отнести уверенно ни туда, ни туда.

Шаг 2. Посчитайте стоимость по каждой группе отдельно. Для первой — сколько минут оператора уходит на неё сейчас, умноженное на вашу стоимость минуты. Для второй — во сколько обходится, что её делает оператор. Для третьей — не считайте ничего, пока не разберёте выборку: это обычно самая дешёвая находка, потому что часть «сложного» оказывается повтором.

Шаг 3. Сравните с подпиской. Если группа простых вопросов в месяц даёт экономию меньше стоимости тарифа — не покупайте тариф, начните с регламента и шаблонов. Если больше — считайте дальше, разница уже есть.

Это самый важный раздел, и он существует не для приличия, а чтобы вам не продали автоматизацию там, где она не работает.

Торг и скидки. Любое живое согласование цены — не задача бота. Если ответ на вопрос «а дешевле можно?» зависит от объёма, срока и настроения менеджера, бот либо соврёт, либо откажется отвечать. Оба варианта плохи, а второй ещё и обиднее для клиента.

Нестандартная конфигурация. Когда клиент описывает задачу словами, которую вы никогда не слышали, ценность человека в том, что он может задать следующий вопрос. Бот задаст уточнение по шаблону — и на третьем шаге упрётся.

Конфликты и негатив. Раздражённому человеку нужен человек. Не потому, что бот не способен быть вежливым, а потому, что человек в такой ситуации ищет признания проблемы, а не информации.

Продажа сложного продукта. Длинные сделки, тендеры, индивидуальные проекты — здесь ценность создаётся на встречах и в переговорах. Первая линия помогает только тем, что не даёт клиенту уйти, пока менеджер не может ответить.

И то, о чём почти не пишут: бот плох там, где вопрос требует ответственности. Назвать срок поставки, который не подтверждён системой, — не ошибка коммуникации, а обещание, за которое потом отвечает компания.

Отдельно про эффективность автоматизации в целом — а не про минуту. По сводке MIT (август 2025 года) около 95 % пилотов генеративного ИИ не дают измеримого эффекта на финансовый результат. Gartner в июне 2025 года оценивал, что более 40 % проектов на агентном ИИ будут закрыты до конца 2027 года из-за растущих затрат и неясной ценности. Оба источника помечены как непроверенные напрямую — мы приводим их как ориентир, а не как точную цифру. Смысл один: проекты разваливаются не на сравнении цен за минуту, а на отсутствии данных и владельца процесса.

И отдельно про ожидание эффекта. Японское исследование Persol Research Institute (2026, национальная выборка) показало, что генеративный ИИ ускоряет отдельные задачи в среднем на 16,7 %, но рабочее время реально сократилось лишь примерно у 25,4 % пользователей, а 61,2 % высвобожденного времени вернулось в работу — и в основном в ту же рутину. Практический вывод для нашей темы: если вы освобождаете оператора от однотипных вопросов, у вас уже должно быть решение, чем он займётся вместо них.

Если убрать крайности, рабочая схема выглядит так: бот принимает первую линию по понятным вопросам круглосуточно, человек подключается там, где нужен он.

Что это меняет по деньгам. Оператор перестаёт дежурить в нерабочие часы — а именно эти обращения раньше терялись целиком, потому что ответить на них было некому. При этом человек не исчезает из процесса: он подключается к тому, что действительно требует его квалификации.

Что это меняет по качеству. Дежурство по ночам назойливо действует и на людей тоже: ошибки в 3 часа ночи совершают чаще. Автоматизация ночных обращений снижает не только расходы, но и количество усталостных ошибок.

И что это меняет по управлению: у вас появляется способ измерить качество на первой линии. Каждый диалог с ботом — это лог, который можно прочитать и разобрать. С телефонным звонком так не получится: там ничего не остаётся.

Для полноты картины — мировой контекст первой линии. Gartner в марте 2025 года прогнозировал, что к 2029 году агентный ИИ будет автономно решать около 80 % типовых проблем клиентского сервиса, снизив операционные расходы примерно на 30 % (это прогноз, читался через пересказ с прямой цитатой, поэтому помечаем его как непроверенный напрямую). Показательный пример — Klarna: компания сообщала, что её ИИ-ассистент в первый месяц обработал две трети чатов клиентского сервиса, а среднее время решения вопроса сократилось с 11 минут до менее двух. Здесь важна вторая половина истории: в 2025 году Klarna публично вернулась к найму людей, сославшись на качество сервиса. Обе части этой истории одинаково полезны.

Пять шагов, ни один из которых не требует бюджета.

Шаг 1. Выгрузите 30 последних обращений и разметьте их по трём группам из раздела про точку перелома. Это займёт вечер и покажет вашу реальную структуру: сколько простого, сколько сложного и сколько «непонятного».

Шаг 2. Посчитайте свою стоимость минуты — по окладу, а не по интуиции. Не забудьте страховые взносы и нерабочее время внутри смены. Если считать по голому окладу, цифра будет занижена в два раза, и вся экономика решения окажется неверной.

Шаг 3. Проверьте, есть ли письменные ответы на самое частое. Это узкое место: всё, что хранится только в голове менеджера, автоматизировать нельзя в принципе. Если материалов нет — сначала соберите их, и, что важно, они пригодятся, даже если вы решите ничего не автоматизировать.

Шаг 4. Определите, кто владелец содержимого. Один человек, который отвечает за актуальность цен и условий. Если владельца нет, через месяц бот начнёт уверенно называть прошлогодние цены, и вся экономия превратится в разбор конфликтов.

Шаг 5. Решите, что станет критерием успеха через месяц. Не «внедрили бота», а конкретная метрика: например, доля обращений вне рабочего времени, получивших содержательный ответ в течение часа. Если метрику не зафиксировать заранее, через месяц любой результат покажется спорным.

И честно про российские данные. Публичного бенчмарка стоимости минуты оператора по российскому рынку мы не нашли — в открытом доступе таких замеров нет, поэтому все цифры выше вам придётся пересчитать под свою компанию. Что есть: по данным отчёта «Якова и Партнёров» и «Яндекса» (декабрь 2025 года) 71 % крупных российских компаний используют генеративный ИИ хотя бы в одной функции, а почти 80 % получают от этого финансовый эффект; компании, применяющие ИИ системно, оценивают его вклад в до 8 % EBITDA. Но это про компании в целом, а не про конкретную первую линию. Отдельно: по обзору ComNews (январь 2026 года) 39 % российских компаний используют ИИ для автоматизации бизнес-процессов — это другая выборка и другой вопрос, чем «хотя бы в одной функции», и путать их нельзя.

Это самый частый вопрос и самый неверно понятый. Сократить можно не должность, а функцию: дежурство на первой линии по однотипным вопросам. Освободившееся время нужно куда-то направить, и самый разумный ответ — на то, где человек приносит больше денег: на звонки, на разбор сложных случаев, на работу с теми, кто уже оставил заявку. Если вы просто уберёте людей и ничего не замените, сервис просядет.

Компания. Это закономерность, а не особенность ИИ: за ошибку менеджера тоже отвечает компания. Поэтому и настраивают границы — какие ответы разрешены, каких тем бот не касается, что он обязан передать человеку. Мы настоятельно советуем читать первые диалоги вручную, пока не станет видно, что он не даёт ответов за пределами утверждённых материалов.

Возможно. Но проверьте это утверждение на тридцати обращениях, а не на ощущении: при нестандартном продукте первые 20–30 % вопросов обычно всё равно типовые — про сроки, доставку, оплату. Именно они и дают основной эффект, потому что их много.

Виджет ставится на сайт за 15 минут, но этим работа не заканчивается: дальше собирается база знаний по вашим материалам, вы её утверждаете — и только после этого консультант идёт к живым посетителям. У клиентов платформы запуск занимал от нескольких минут до недели в зависимости от объёма материалов и интеграций. Обещать «15 минут на всё» мы не будем.

Три признака. Если в расчёте стоимость минуты оператора получилась меньше 5 ₽ — вы забыли взносы или нерабочее время. Если экономия посчитана по всем обращениям, а не по тем, что реально уходят боту, — цифра завышена. И если в расчёте нет ни одной строки про качество и потери от ошибок, вы считаете половину задачи.

Разберёмся, где именно. Три самые частые причины: базы знаний не было (бот отвечал общими словами), владельца содержимого не назначили (бот устарел за месяц), метрика успеха не была зафиксирована (не поняли, что улучшилось). Это ровно те причины, которые перечислены в мировых сводках про проваленные пилоты.

Что можно сделать прямо сейчас, не покупая ничего: взять тридцать последних обращений, разметить их по трём группам и посчитать свою стоимость минуты. Если после этого окажется, что экономия меньше подписки — вы сэкономили деньги, ничего не потратив, и получили регламент на будущее.

Получить демо на своём сайте — пришлём ссылку на ИИ-консультанта, обученного по материалам вашего сайта. Задайте ему свои самые неудобные вопросы и посмотрите, где он отвечает по делу, а где честно передаёт разговор человеку. Как это работает на сайте целиком — на главной странице LeanAgent, а стоимость и состав тарифов — в разделе тарифы.

Читайте также: Правило первой минуты: почему горячий лид остывает до звонка · Чат-бот на сайте: что он реально даёт и когда от него больше вреда · Бережливое производство и ИИ: где потери убирает алгоритм, а не человек · ИИ на российских заводах: что уже работает, а что пока только в презентациях · Все статьи блога →