Найняти людину чи запустити AI-агента: як порахувати, що вигідніше
Відкрита вакансія, обмежений бюджет і пропозиція на AI-агента, що обіцяє закрити ту саму функцію вдвічі дешевше — знайома ситуація? У реальному кейсі B2B-компанії позиція з базовою зарплатою $48 000 обійшлась би в $85 000 за перший рік, тоді як AI-агент для тієї самої ролі окупився за 2,6 місяця. Але за якими формулами це рахувати, коли агент точно не впорається і які помилки роблять навіть досвідчені команди — саме про це стаття нижче.
Бюджет один. Вакансія відкрита. І поруч — пропозиція на AI-агента, яка обіцяє закрити ту саму функцію дешевше й швидше. Більшість керівників у цей момент покладаються на відчуття — і саме тут закопані найдорожчі помилки в обидва боки.
Я пройшов через цей вибір із клієнтом — B2B-компанія, 40 осіб, відкрита позиція менеджера з первинної кваліфікації лідів. Базова зарплата — $48 000 на рік. Здавалося б, стандартний найм. Але коли ми сіли рахувати повну вартість — картина змінилась.
Що насправді коштує найм
Перша помилка — брати до розрахунку лише оклад. Реальна вартість співробітника завжди вища на 40–60%.
До базової зарплати додаються соціальні нарахування (20–35% зверху залежно від юрисдикції), вартість рекрутингу через агентство (зазвичай 15–25% річного окладу), онбординг і час до повної продуктивності — більшість ролей виходять на 80%+ ефективності через 3–6 місяців після найму. Плюс управлінський час: прямий керівник витрачає від 15% до 25% свого робочого часу на кожного підлеглого, і цей час має ціну.
У нашому кейсі $48 000 базової зарплати перетворились на ~$85 000 реальної вартості в перший рік — після рекрутингу, онбордингу та нарахувань. Саме ці цифри потрібно брати до розрахунку, а не декларований оклад.
Є ще один компонент, який рідко потрапляє в таблицю: варіативність якості. Людина хворіє, втомлюється, помиляється по-різному залежно від дня тижня. Для рутинних процесів — кваліфікація лідів, обробка документів, генерація звітів — це операційний ризик із реальною ціною.
Що насправді коштує AI-агент
Прихильники автоматизації часто роблять дзеркальну помилку: беруть лише вартість API-запитів і показують фантастичний ROI. Реальна картина складніша.
Підписуйтеся на наші соцмережі
Повна вартість агента складається з одноразових витрат на розробку та інтеграцію з існуючими системами (CRM, бази даних, внутрішні інструменти), постійних витрат на API або платформу, людського нагляду (навіть найавтономніший агент потребує певного відсотка людського часу для перевірки критичних рішень) і резерву на підтримку та оновлення — зазвичай 15–20% від вартості впровадження щорічно.
Для тієї самої функції кваліфікації лідів у нашому кейсі вийшло: $12 000 на впровадження та інтеграцію з CRM, ~$800 на місяць на API, ~$8 000 на рік на нагляд (0.1 FTE senior-менеджера). Разом перший рік — ~$29 600.
Місячна економія: ($85 000 – $29 600) / 12 = ~$4 600. Точка окупності: $12 000 / $4 600 = 2.6 місяця.
При цьому агент обробляє ліди 24/7, не потребує мотиваційних бесід після невдалого місяця і масштабується без пропорційного зростання вартості.
Нова лінійка: як виміряти, чи впорається агент
До недавнього часу не існувало зрозумілого способу відповісти на запитання «а чи взагалі агент впорається з нашим процесом?» — не абстрактно, а конкретно.
У березні 2025 року дослідницька організація METR (Model Evaluation and Threat Research) опублікувала роботу «Measuring AI Ability to Complete Long Software Tasks» і запропонувала вимірювати продуктивність AI не у відсотках правильності, а у тривалості задач. Метрика називається 50%-task-completion time horizon: це тривалість завдання (у годинах людської роботи), з якою агент справляється в половині випадків.
З 2019 по 2025 рік цей показник зростав експоненційно — з часом подвоєння приблизно кожні 7 місяців. На початку 2025 року найпотужніші моделі мали горизонт близько 50 хвилин. До лютого 2026 року Claude Opus 4.6, за даними METR, досяг позначки ~12–14 годин автономної роботи при 50%-надійності.
Для операційного директора це означає конкретне: якщо ваш процес складається з підзадач, кожна з яких займає людину від 30 хвилин до 2–3 годин, запитання «чи може агент це зробити?» стає емпіричним. Є лінійка. Можна виміряти.
Важливий нюанс: 50%-надійність — це прийнятно для задач, де помилка виправна. Для фінансових транзакцій або юридичних документів потрібен 80%-поріг, а це суттєво коротший горизонт для тих самих моделей. Враховуйте це при виборі процесу для автоматизації.
Коли все одно наймати людину
Фреймворк ROI — не молоток, яким забивають будь-який цвях. Є чотири ситуації, де навіть ідеальний розрахунок на користь агента не є підставою його розгортати.
Висока ставка за виняток. Агент добре справляється зі стандартними кейсами, але системно програє у нетипових. Якщо неправильне рішення в 20% нестандартних ситуацій коштує дорого — юридична відповідальність, складні переговори, медичні рішення — людський judgment поки що незамінний.
Стосунки як продукт. У B2B-продажах, ключовому акаунт-менеджменті, партнерських відносинах вартість створюється в міжособистісному контакті. Автоматизувати тут означає знизити якість продукту, навіть якщо задача формально виконується.
Процес ще не стабілізований. Агент навчається на правилах і патернах. Якщо процес змінюється кожні 2–3 тижні, вартість підтримки агента поглинає всю економію.
Регуляторна вимога людського підпису. У багатьох юрисдикціях певні дії — затвердження договорів, compliance-рішення, кадрові документи — юридично вимагають людської відповідальності.
Помилки, які роблять навіть досвідчені команди
Перша — рахувати тільки вартість API. Вартість токенів — це від 10% до 30% реальної вартості агента. Решта — інтеграція, підтримка, нагляд, оновлення.
Друга — ігнорувати вартість бездіяльності. Кожен місяць затримки рішення — це місяць, коли компанія платить повну вартість людської ролі замість автоматизованої. При точці окупності 3 місяці, 6-місячна затримка коштує компанії половину річної економії.
Третя — плутати уникнення витрат із скороченням витрат. Агент може запобігати ескалаціям і усувати потребу в наймі під час піків. Те, «чого не сталося», не відображається в класичних дашбордах — але це реальна економія, яку потрібно включати в розрахунок.
Коли CFO або рада директорів бачать керівника, який приходить не з «ми вирішили спробувати AI», а з конкретною фінансовою моделлю — вартість впровадження, точка окупності, сценарний аналіз — це змінює сприйняття. Не технологічний ентузіазм, а управлінська зрілість. Саме такі рішення формують репутацію операційного лідера, якому довіряють перетворювати невизначеність на прогнозовані числа.
І особисто: керівник, який пройшов цей розрахунок і прийняв рішення на основі даних — незалежно від того, в який бік воно схилилось — відчуває інакше. Не тривогу «а раптом помилилися?», а спокій людини, яка знає, на чому стоїть.
Повну методологію розрахунку з покроковими формулами, коригувальними факторами та детальним розбором типових помилок у фінансових моделях — читайте тут: Точка окупності AI-агента замість найму співробітника.
А як у вас? Чи доводилось рахувати таке порівняння для реального процесу — і що виявилось найбільшим сюрпризом у цифрах? Цікаво почути досвід тих, хто вже пройшов через цей вибір.