Новость короткая, но показательная: Dell Taiwan отмечает, что при переходе от генеративного ИИ к агентному использование токенов растёт в сотни раз. А значит, быстрее растут и счета за модели, и нагрузка на инфраструктуру. Для малого и среднего бизнеса это важно по одной причине: автоматизацию на базе ИИ теперь нужно считать не только по красивому демо, но и по реальной себестоимости каждого диалога, лида и обращения.
Если раньше нейросеть чаще отвечала на один вопрос, то теперь всё больше компаний хотят, чтобы система сама искала данные, проверяла условия, задавала уточнения и доводила задачу до результата. Именно здесь и появляются новые расходы на токены, которые легко недооценить на старте.
Что именно произошло
Dell Taiwan обратила внимание на важный сдвиг: рынок постепенно уходит от привычного генеративного режима к агентному. В простом режиме модель отвечает на запрос. В агентном — не только пишет текст, но и действует по цепочке шагов.
Для бизнеса это означает, что рост токенов в сотни раз связан не с одной длинной репликой, а с целым набором микродействий: прочитать вводные, выбрать следующий шаг, обратиться к данным, сформировать промежуточный ответ, проверить результат. Чем больше таких шагов, тем выше затраты на вычисления.
Токены — это условные единицы текста, которые модель обрабатывает на входе и выходе. В счёт попадает не только финальный ответ клиенту, но и всё, что система «прочитала» и «написала» внутри процесса. Когда таких сценариев становится много, быстрее растёт и спрос на вычислительные мощности — именно на это и указывает новость.
Почему ИИ-агенты расходуют больше, чем обычная нейросеть
Обычная нейросеть часто работает по схеме «вопрос — ответ». ИИ-агенты устроены иначе: они могут планировать, уточнять, пользоваться инструментами и заново обращаться к модели после каждого шага. Для владельца бизнеса это хорошо по качеству работы, но дороже по себестоимости.
Например, сценарий в поддержке может выглядеть так: понять вопрос клиента, найти нужный товар или правило возврата, свериться с базой знаний, запросить недостающие данные, подготовить ответ и передать сложный кейс человеку. Каждое действие — это новые токены, а иногда и несколько вызовов модели подряд.
| Сценарий | Что делает система | Как растут токены | Что это значит для бизнеса |
|---|---|---|---|
| Разовый запрос | Один вопрос, один ответ | Расход понятный и относительно небольшой | Подходит для текстов, идей, быстрых подсказок |
| Агент в поддержке | Читает правила, уточняет данные, собирает ответ | Токены тратятся на каждый шаг и на контекст переписки | Нужны лимиты, сценарий и контроль качества |
| Агент в продажах | Собирает потребность, сверяет каталог, формирует предложение | Расход растёт из-за нескольких проверок и итераций | Есть смысл считать цену одного квалифицированного обращения |
Главный вывод простой: агентный ИИ дорожает не потому, что «модель стала жадной», а потому что она берёт на себя больше реальной работы — и каждый шаг этой работы оплачивается токенами.
Где малый бизнес почувствует это первым
Быстрее всего рост расходов виден там, где диалоги длинные и в них много контекста: первая линия поддержки, квалификация лида, подбор товара, ответы по остаткам, доставке и оплате. Если агент ещё и работает сразу в нескольких каналах, нагрузка растёт заметно быстрее.
Отдельная зона риска — процессы, где агент читает каталоги, FAQ, переписки и внутренние инструкции перед каждым ответом. Здесь не сам ИИ дорог, а бесконтрольный сценарий: чем больше лишнего текста и проверок, тем выше цена одного обращения.
- Продажи: агент задаёт вопросы, собирает потребность, проверяет ассортимент и формирует предложение.
- Поддержка: агент ищет правила, историю общения и статус заказа, прежде чем ответить клиенту.
- Маркетинг: агент анализирует объявления, карточки и тексты, а затем предлагает правки по нескольким итерациям.
Поэтому ИИ для бизнеса стоит оценивать не по эффектной демонстрации, а по стоимости одного полезного действия: закрытого типового вопроса, квалифицированного лида или подготовленного материала.
Как внедрять агентные сценарии без лишних расходов
Первая ошибка — сразу строить «универсального помощника на все случаи». Для начала лучше выбрать один узкий процесс с понятным результатом: ответы на типовые вопросы, первичную квалификацию обращений или обработку сообщений с одной площадки.
Вторая важная вещь — ограничивать контекст и инструменты. Если агенту не нужен весь каталог, не давайте ему весь каталог; если достаточно одного правила, не подгружайте всю базу знаний. Особенно это важно в связках через MCP: подключать внешние данные удобно, но каждое лишнее обращение к ним увеличивает расход токенов.
Практичный подход для малого бизнеса такой:
- Считать не «стоимость подписки», а цену одного завершённого сценария.
- Ограничивать глубину диалога и число автоматических шагов.
- Оставлять понятную передачу человеку там, где агент начинает «думать слишком долго».
Если не хочется собирать такую схему с нуля, можно смотреть на готовые российские решения вроде BotB2B (botb2b.ru). На платформе доступны первая линия для Авито, Telegram, MAX и виджета, ИИ-маркетолог для Авито, ИИ-директолог, нейросети и MCP-серверы без программиста, с оплатой в рублях. Для бизнеса это удобный способ сначала проверить сценарий, а уже потом масштабировать.
Что это значит для вашего бизнеса
Новость от Dell Taiwan — не сигнал «не использовать агентов». Это сигнал считать экономику раньше, чем вы масштабируете автоматизацию. Если агент реально снимает нагрузку с команды и закрывает повторяемые задачи, его ценность может быть высокой даже при большем расходе токенов.
Но подход должен быть взрослым: сначала один процесс, потом метрика, потом расширение. Для большинства компаний выиграют те, кто быстрее научится управлять сценарием, контекстом и каналами, а не те, кто просто подключит самую модную модель.
Проще говоря, будущее за агентами, но победят не самые «умные», а самые управляемые внедрения. И если вы планируете автоматизировать продажи или поддержку, сейчас лучшее время задать себе вопрос: где у нас агент действительно экономит время команды, а где просто красиво расходует токены?