AI-агент конкурирует с зарплатой вашего сотрудника

Аналитики MarketsandMarkets и Grand View Research оценивают рынок AI-агентов в $50-55 миллиардов к 2030 году. Это число ошибочно — оно измеряет рынок как сегмент программного обеспечения. Но AI-агент — это не программа. Это исполнитель: получает задачу, декомпозирует на шаги, использует инструменты и возвращает результат. Его реальный конкурент — менеджер по продажам, оператор поддержки, финансовый аналитик. Настоящий адресный рынок — $13 триллионов фонда оплаты труда белых воротничков только в США.

Разница между этими двумя числами — не погрешность в прогнозе, а принципиально разный взгляд на то, что происходит.

Софт продаёт доступ к инструменту. Агент выполняет работу.

За двадцать лет бизнес-автоматизация прошла четыре поколения.

RPA (2015-2020) — роботы, повторяющие клики в интерфейсе. UiPath на пике стоил $35 миллиардов, сейчас $7-8. Более 50% внедрений, по данным Gartner, закончились частичным провалом. Фундаментальная проблема: бот работает с поверхностью экрана, любое изменение UI ломает процесс.

Workflow-автоматизация (2018-2022) — Zapier, Make, n8n. Семь тысяч интеграций, четыре миллиона компаний-пользователей. Потолок тот же: все действия детерминированы при настройке. А по данным IDC, более 80% корпоративных данных — неструктурированные.

Copilots (2023-2024) — GitHub Copilot, Microsoft 365 Copilot. Copilot по определению требует человека на каждом шаге. Это усилитель, не исполнитель. SDR с copilot обработает 10 лидов вместо 5. Но он по-прежнему один.

AI-агенты (2025+) — принципиальный сдвиг. Агент получает цель, планирует шаги, вызывает API, обрабатывает ошибки, возвращает результат. Разница между copilot и агентом — как между калькулятором и бухгалтером. Copilot ускоряет работника. Агент масштабирует работу: один агент ведёт 100 переговоров одновременно.

Конкретные числа

Абстрактные прогнозы рынка мало что дают. Кейсы компаний, которые уже работают с AI-агентами, — дают.

Klarna заменила 700 позиций в customer support AI-агентами. Время разрешения запроса упало с 11 минут до 2. Экономия — около $40 миллионов в год. Это аудированная операционная отчётность публичной компании.

EliseAI обрабатывает входящие заявки на аренду недвижимости: отвечает на звонки, квалифицирует, назначает показы, делает follow-up. Компании четыре года, ARR превысил $100 миллионов. Один из клиентов сэкономил $1,3 миллиона за семь месяцев.

Hippocratic AI — медицинские intake-звонки. Стоимость агента: $0.10 в час. Стоимость медсестры: $50 в час. Разрыв в 500 раз.

Salient — не продаёт софт коллекторским агентствам. Salient сам является коллектором: AI-агенты звонят должникам, ведут переговоры, договариваются о графике выплат. Через систему прошло более $1 миллиарда задолженности.

Во всех четырёх случаях компания конкурирует не за IT-бюджет ($500-2000 в месяц за лицензию), а за бюджет на зарплаты (миллионы в год).

Почему экономика сошлась именно сейчас

Два года назад агент, обрабатывающий 100 писем в день, обходился бы в $400 000 в год на инференсе. Сегодня — $5 000.

Стоимость инференса упала в 1000 раз за три года. GPT-4 в марте 2023 — $60 за миллион выходных токенов. Сопоставимые по качеству модели в 2025 — $0.06. Это результат конкуренции провайдеров, открытых моделей (Llama) и инженерной оптимизации.

При текущих ценах AI-агент дешевле человека, когда сходятся три условия:

• Высокий объём задач. Обработка инвойсов окупается при 500+ документов в месяц. Квалификация лидов — при 200+ лидов.
• Дорогой труд. Customer support в США — $38 000 в год. SDR — $80-120 000. Финансовый аналитик — $150 000+.
• Допустимая цена ошибки. Неточный cold email — не катастрофа. Неправильный хирургический разрез — катастрофа.

Все три условия выполнены — экономика работает уже сегодня. Хотя бы одно нарушено — пока рано.

Что это значит для конкретного бизнеса

Практический вывод — посмотреть, где в компании повторяемые задачи выполняются дорогими специалистами при допустимой цене ошибки. Это точка входа для AI-агента.

AI-агент с надёжностью 80% звучит неубедительно. Но если он обрабатывает 800 из 1000 запросов автономно, а 200 эскалирует человеку — это сокращение нагрузки на команду в 5 раз.

Стоимость инференса падает примерно на порядок каждые 12-18 месяцев. Задача, которая сегодня не окупается, через год станет очевидным кейсом.

Окно для входа открыто: технология работает, AI-native конкурентов в России и СНГ практически нет. По данным Gartner, Plateau of Productivity наступит в 2028-2030. Компании, которые к тому моменту накопят данные и клиентскую базу, получат устойчивое преимущество.

---

Мы в AIST.tech исследуем этот рынок и строим AI-агентов для конкретных бизнес-задач. Если хотите разобраться, где в вашей компании агент заменит рутину — напишите.