«Ингосстрах» — крупный российский страховщик, а не ИИ-стартап и не разработчик агентов — за два месяца построил у себя больше 1350 ИИ-агентов. Около 250 из них уже работают в реальных задачах: готовят аналитику, ведут юридическую поддержку, помогают в закупках и урегулировании убытков, разбирают вопросы по ДМС. Это не пилот на одном отделе, а конвейер по производству агентов внутри компании, которая по своей природе не спешит с новыми технологиями. Напрашивается вопрос… это реальная экономия — или просто красивая цифра для пресс-релиза?
Что это вообще за платформа
Платформу зовут Iman, и «Ингосстрах» сделал её сам — силами собственного центра искусственного интеллекта мультиагентных систем. Она умеет работать с корпоративными базами знаний и документами разных форматов, распознавать текст (OCR) и подключаться к почте и другим каналам. Ключевое здесь — слово «агент», а не «скрипт»: обычная автоматизация идёт по жёстко прописанному сценарию, а агент сам решает, какой инструмент подключить и в каком порядке. Если термин пока размытый, я разобрал его отдельно — что такое ИИ-агент простыми словами. Для юридической поддержки он полезет в базу договоров, для закупок — сверится с прайсами поставщиков, и всё это без отдельной команды разработчиков под каждую отдельную задачу. По словам директора центра Сергея Шелепина, идея в том, чтобы использование ИИ стало «частью повседневной работы сотрудников» и освободило их для более сложных задач — не разовый эксперимент, а рабочий инструмент.
Сколько стоила разработка и содержание 1350 агентов, компания не раскрывает — это внутренняя платформа, а не купленная подписка. Но порядок цифр можно оценить по рынку: агентов такого рода продают и разработчики извне, и у них цена известна.
Сколько стоит агент, если не строить его самому, а купить
У разработчика ИИ-агентов HOBOT — компании, которая как раз продаёт бизнесу таких агентов, — есть расчёт с конкретными цифрами. Junior-сотрудник в Москве обходится компании примерно в 170 тысяч рублей в месяц с учётом налогов, отпускных и обучения новичка, который с вероятностью выше 40% уйдёт в первые полгода. Это больше 2 миллионов рублей в год. Подписка на агента в том же разборе — около 10 тысяч рублей в месяц, то есть в 17 раз дешевле. Цифра HOBOT — это, конечно, витрина продавца, но сама арифметика (ставка, налоги, текучка) проверяема и вопросов не вызывает.
Правда, подписка — не вся цена. У большинства площадок сверху идёт плата за каждый запуск агента и за токены языковой модели — по сути, за объём текста, который агент прочитал и написал в ответ, это единица, в которой считают саму «работу мысли» модели. У Альбато — это no-code сервис автоматизации, который среди прочего тоже продаёт готовых ИИ-агентов, — это отдельная плата за транзакции, которая растёт вместе с числом обращений: при 500 обращениях в месяц счёт получается заметно выше «десятки». Так что даже уточнённая цифра — только про деньги. Она не говорит о том, что агент вообще умеет делать за эти деньги, а это следующий вопрос.
Что агент реально забирает себе — и что нет
Разница не в том, что агент «умнее» junior-сотрудника. Она в том, что бо́льшая часть работы junior-позиции — рутина: одни и те же вопросы, одни и те же формы, один и тот же порядок действий. Именно эту часть агент забирает целиком, и цифры HOBOT это подтверждают: онбординг клиента сократился с 3 часов до 120 секунд, обработка возвратов ускорилась на 35%, рутинные операции — минус 80% ручного труда. Похожая рутина наверняка есть и в вашей компании — просто раньше никто не считал, во сколько она обходится на самом деле.
Чтобы не верить на слово одному продавцу, вот независимая точка сверки: у сервиса поддержки Intercom, который никаких агентов бизнесу не продаёт, а просто считает свою статистику, агенты самостоятельно закрывают 42-53% обращений. Похожий порядок величины на совсем другом рынке — уже не рекламная цифра, а закономерность. Заодно она объясняет, почему у «Ингосстраха» из 1350 созданных агентов в реальной работе только 250: даже когда строить агентов легко, толк есть не от каждого — рутины на всех не хватает.
А вот что агент не заберёт: разговор с клиентом, который в ярости требует вернуть деньги не по правилам, — там нужна эмпатия и полномочия решать на месте. Junior на этих задачах и так был не особо хорош, если честно, — но заменить его целиком агент тоже не может. И раз агент забирает не всю работу, а конкретную её долю, встаёт следующий вопрос: при каком объёме этой рутины вообще есть смысл её отдавать?
Когда это вообще не окупается
Порог здесь не абстрактный, а вполне конкретный. По расчётам Альбато, окупаемость за 1-2 месяца получается при 300+ обращениях в месяц. Меньше 100 обращений — экономика не сходится: платите за платформу больше, чем стоил бы человек на этом объёме. Например, если в поддержке у вас один человек и 20-30 обращений в день — вы уже за порогом в 300+ в месяц, и агент почти наверняка отобьётся. А если обращений пять в неделю, лучше пока оставить как есть: это нормально, не каждому бизнесу он нужен прямо сейчас. Ещё два случая, где агента лучше не ставить: задачи с нулевой терпимостью к ошибке (медицина, юридические консультации) и процессы, для которых у компании нет описанной базы знаний — агенту попросту неоткуда брать правильный ответ.
Где в этой математике дыра
Кейс HOBOT — это лучший сценарий одной конкретной компании, которая эту услугу и продаёт. Рынок в среднем куда менее радужный. По данным MIT — это исследовательский институт, который в августе 2025 опросил сотни компаний по всему миру, — 95% организаций не получают измеримой отдачи на прибыль от генеративного ИИ. Аналитическое агентство Gartner прогнозирует отмену 40% агентских проектов к 2027 году. Консалтинговая компания S&P Global сообщает, что 42% компаний в 2025 году свернули большинство своих ИИ-инициатив.
Показательнее всего — Klarna, шведский сервис онлайн-платежей. Их ИИ-ассистент заменил работу 853 операторов и дал около $60 млн экономии в год — цифра, о которой писали все. Но потом компания вернула часть живых операторов обратно, потому что качество поддержки на сложных обращениях просело. Экономия была настоящей. Просто она оказалась не бесплатной — и не окончательной.
На этом фоне кейс «Ингосстраха» выглядит честнее большинства таких расчётов: это не рекламная арифметика, а компания, которая просто отчиталась о внутренних цифрах, никому ничего не продавая. И даже у них из 1350 агентов в работе только пятая часть — не потому что остальные не получились, а потому что не под каждую задачу рутина находится сама собой.
У нас в AllSee первый месяц внедрения — почти никогда не про экономию. Это про настройку: подключить агента к CRM клиента, к его базе знаний, к его реальным, а не идеальным процессам. Эта работа стоит денег и времени, и в подписку за 10 тысяч рублей в месяц она не входит ни у кого — ни у HOBOT, ни у Альбато, ни у нас.
Что в итоге
1350 агентов за два месяца — это не про то, что роботы заменят всех junior-сотрудников в стране, и не про то, что можно включить агента и забыть. Это про то, что у компании, которая относится к агентам как к инфраструктуре, а не к разовому эксперименту, рутина наконец получает адекватную цену. Из 1350 работает 250 — и это нормально. Плохо не то, что не все агенты выстрелили, а если бы никто не считал, какие именно выстрелили и почему.