Что такое baseline и почему без него ROI не считается?

Baseline — это измеренное время, которое задача занимает сейчас, до агента: реальные минуты за неделю-две наблюдения, а не оценка «на глаз». Без него после запуска не с чем сравнивать: агент что-то делает, а доказать экономию невозможно — и при первом же пересмотре бюджета его режут. Практически: выберите один процесс, неделю фиксируйте время в тайм-трекере, запишите цифру. Это и есть точка отсчёта.

Сколько стоит содержание AI-агентов?

В кейсе OpenClaw — $3-4 в день на AI-токены для агентов, которые обслуживают агентство с 62 клиентами и командой из 10 человек. Собственный пример: 17 агентов на Mac Mini потребляют $2-4 в день, вся система обходится в $900-1500 в год. Но это стоимость токенов и железа, не полный TCO: в более сложных внедрениях интеграция, мониторинг и поддержка обычно стоят больше самих токенов.

Как перевести высвобожденные часы в деньги?

Умножьте часы на стоимость часа работы. В кейсе OpenClaw 32 часа в неделю при ставке $25-40/час дали $183-319K в год. Но честнее называть это операционной мощностью, а не прибылью: час превращается в деньги только тогда, когда его есть куда переложить — на клиентов, продажи, продукт. Если высвобожденное время девать некуда, экономия останется на бумаге.

Когда AI-агент не окупается?

Три типичных случая. Задача редкая: процесс на час раз в месяц — это 12 часов в год, которые не покроют даже настройку. Проверка съедает экономию: если человек просматривает больше 20% результатов агента, тот ещё не готов к самостоятельной работе. И автоматизация целой функции сразу: «заменим весь support» почти всегда дороже и рискованнее, чем один дискретный процесс за раз.

С какого процесса начать измерения?

С того, что повторяется ежедневно и имеет чёткий вход и выход — классический пример: триаж входящей почты. Измерьте baseline без округлений, запустите агента на 2 недели, записывайте каждую коррекцию, потом посчитайте экономию минус время проверки. Один процесс, две недели, реальные цифры — этого достаточно, чтобы принять решение о следующем шаге.

Как считать ROI AI-агентов: $3-4 в день, которые возвращают 32 часа в неделю

62 клиента агентства, 10 человек в команде, один Mac в подсобке и $3-4 в день на AI-токены. Через 12 месяцев логирования — 32 высвобожденных часа в неделю, четыре полноценных рабочих дня. Это кейс OpenClaw: автор под ником agencyboxx год записывал, что именно делают его агенты, и выложил метод на dev.to. Метод стоит того, чтобы его украсть, — что я и сделал, проверив на собственных 17 агентах. Ниже — все пять шагов и честная часть: где ROI не сходится.

Почему «агент что-то делает» — это не ROI

Типичный сценарий в МСБ: агента запустили, он что-то делает, все довольны. Потом наступает пересмотр бюджета, звучит вопрос «окупается ли?» — и тишина, потому что никто не мерил. Именно поэтому агентов режут первыми: не потому, что они не работают, а потому, что нет данных, которыми можно защитить решение.

ROI AI-агента — не ощущение, а формула: экономия = baseline × объём − время проверки, и эту экономию сравнивают со стоимостью системы. Всё, что посчитали без baseline, — не ROI, а вера.

Метод из 5 шагов

Шаг 1. Дискретные задачи. Не «автоматизируем support», а конкретный список: триаж почты, мониторинг SLA, поиск новых клиентов, ответы на типовые запросы из базы знаний. Один процесс — одна строка. Если задача не умещается в одну строку, она ещё не дискретна — разбивайте дальше.

Шаг 2. Baseline. Сколько часов эта задача занимает сейчас — реальные минуты, не «примерно». Самый скучный шаг, и именно его все пропускают. Неделя с тайм-трекером даёт цифру, которую не стыдно положить на стол перед финансовым директором.

Шаг 3. Объём. Время одного выполнения × количество повторений за неделю. 15 минут на триаж почты × 20 раз в неделю = 5 часов.

Шаг 4. Минус время проверки. Агент не автономен: человек просматривает 10-20% результатов. Это реальная статья расходов, и её вычитают из экономии. Если проверка забирает больше 20% — агент ещё не готов, считать ROI рано.

Шаг 5. Итог. Сумма экономии по всем задачам, умноженная на всех людей в команде, которых эти задачи касаются.

Что получилось в кейсе OpenClaw

Задача	Высвобождено, ч/неделю
Триаж почты	9,2
Мониторинг SLA	7,5
Учёт времени	5,8
Поиск новых клиентов	4,2
Запросы к базе знаний	3,8
Прочее	1,5
Итого	32

При рыночной ставке $25-40 за час это $183-319K «операционной мощности» в год. Обратите внимание на формулировку: не «AI сэкономил деньги», а «AI высвободил часы, которые перебросили на клиентов, платящих больше». Высвобожденный час становится деньгами, только если ему есть куда пойти.

Проверка на собственных 17 агентах

Тот же метод на моём Paperclip pipeline: 17 агентов на Mac Mini, $2-4 в день на API-токены, 6 месяцев данных. Контент-пайплайн раньше забирал 20-25 часов в неделю, сейчас — 8-10. Дельта ~15 часов × 52 недели ≈ 780 часов в год при стоимости системы $900-1500. Это не лабораторный бенчмарк, а рабочие цифры: пять лет назад под такой объём я нанимал бы отдельного человека.

Где ROI не сходится

Честная часть, без которой метод превращается в маркетинг.

Задача редкая. Процесс на час раз в месяц — это 12 часов в год, которые не покроют даже настройку агента. Объём — главный множитель формулы: нет объёма — нет ROI.

Проверка съедает экономию. Если агент часто ошибается и человек фактически переделывает за ним работу, экономия существует только в презентации. Поэтому коррекции записывают с первого дня — каждую.

Автоматизируют функцию вместо процесса. «Заменим весь support» — дорого, долго и редко срабатывает с первого раза. Правильная последовательность — один дискретный процесс за раз, от простого к сложному.

Когда мы в Grow2.ai проходим этот расчёт с клиентом и цифры не сходятся, «не окупится» — тоже результат. Дешевле услышать это до внедрения, чем после.

Чек-лист на первый квартал

Выберите один процесс (не функцию) — например, триаж входящей почты
Измерьте baseline: сколько часов уходит сейчас, без округлений
Запустите агента на 2 недели
Записывайте каждую коррекцию и посчитайте экономию минус время проверки

От малого к большому. Не наоборот.

Хотите посчитать ROI для собственного процесса? AI-аудит Grow2.ai делает это в формате оценки с фиксированным объёмом. Более широкий контекст: сколько на самом деле стоит AI-агент и гайд по AI-агентам для МСБ. Процессы и CRM, в которых агент будет жить, — домен сестринского Auspex; за стратегией и мышлением об AI — Andrew Maryasov.