Экономика AI-агентов: почему переход от API-запросов к автономным задачам рушит традиционные SaaS-метрики

Развитие автономных AI-агентов окончательно сломало привычную экономику тиражирования программного обеспечения.

Десятилетиями B2B-софт существовал в парадигме нулевых предельных издержек (Zero Marginal Cost). Написанный один раз код можно было продавать бесконечному числу пользователей, удерживая валовую маржинальность (Gross Margin) на уровне 80–90%.

Ежемесячная подписка за рабочее место (Per-Seat SaaS) идеальным образом отражала эту модель: поставщик продавал доступ к интерфейсу, а основные вычислительные затраты сводились к обслуживанию базы данных и базового веб-сервера.

Внедрение агентов — систем, способных автономно планировать действия, использовать внешние инструменты (Tool Use), анализировать ошибки и вести многошаговые циклы рассуждения (Reasoning Loops), — изменило саму природу продукта.

Софт превратился из статистического инструмента в цифрового исполнителя. Вместе с этим изменилась и структура затрат бизнеса: продавая «выполнение задачи под ключ», вендор берет на себя прямую оплату вычислительных мощностей суперкомпьютеров, необходимых для работы нейросетей.

В классической модели SaaS себестоимость проданных товаров (COGS) слабо связана с интенсивностью работы пользователя. Если сотрудник открывает CRM-систему 5 раз в день или 500 раз в день, затраты компании на обслуживание его учетной записи меняются на доли цента.

Валовая маржа крупнейших публичных SaaS-компаний исторически держится в диапазоне 75–85%, что позволяет направлять основные средства на продажи, маркетинг (S&M) и разработку (R&D).

С появлением AI-native продуктов структура P&L (отчета о прибылях и убытках) кардинально изменилась. Переход от генерации коротких ответов к автономному выполнению комплексных бизнес-процессов сместил статьи расходов из категории «инфраструктура и хостинг» в категорию «стоимость вычислений логики».

Экономический разрыв между традиционным программным обеспечением и агентными системами наглядно проявляется при сравнении их ключевых финансовых показателей.

Анализ финансовой отчетности и внутренних метрик AI-first продуктов показывает, что их валовая маржа часто проседает до уровней IT-аутсорсинга или сервисных компаний (30–50%).

Вместо продажи высокомаржинального доступа к коду вендоры фактически занимаются перепродажей вычислительных мощностей фундаментальных моделей с небольшой надбавкой за обвязку и бизнес-логику.

Падение маржинальности ведет к обратному эффекту для Unit-экономики. Если классический SaaS-стартап при росте масштаба выходил на высокую самоокупаемость за счет снижения доли постоянных издержек, то AI-агентный продукт при росте объемов обработанных задач вынужден линейно увеличивать выплаты провайдерам LLM.

Чтобы понять причину взрывного роста себестоимости проданных товаров (COGS) в AI-native продуктах, необходимо заглянуть внутрь архитектуры автономного агента.

В отличие от традиционных LLM-сервисов, работавших по линейному принципу «один запрос — один ответ», агентные системы функционируют внутри замкнутых итеративных циклов. Каждое действие пользователя запускает не просто обращение к API, а непрерывный цепочечный процесс, в котором стоимость выполнения одной задачи начинает расти по экспоненте.

Процесс автономного решения бизнес-задачи строится из последовательного прохождения нескольких внутренних фаз, образующих так называемый Agentic Loop:

• Планирование (Planning): Анализ исходной инструкции, сбор контекста и декомпозиция задачи на последовательность мелких подзадач.
• Вызов инструментов (Tool Calling): Взаимодействие с внешним миром — запуск скриптов в sandbox-окружении, выполнение SQL-запросов, парсинг документации или обращение к REST API.
• Наблюдение (Observation): Получение обратной связи от среды (логов ошибки, ответов сервера, результатов выполнения кода) и её анализ.
• Рефлексия и критика (Reflection & Self-Correction): Сопоставление полученного промежуточного результата с итоговой целью, оценка отклонений и корректировка первоначального плана.

Главный инженерно-экономический барьер этой механики — фундаментальная проблема разрастания контекста (Context Amplification Problem). С каждым новым шагом цикла агент вынужден отправлять в модель не только текущую инструкцию, но и всю предыдущую историю своих рассуждений, вызовов внешних функций и длинных ответов от терминала. Если задача требует 30 итераций, то на 30-м шаге провайдеру LLM передается суммарный объём данных всех предыдущих 29 шагов.

Анализ практики разработки агентных систем показывает, что даже с учетом технологии кеширования контекста (Prompt Caching), снижающей стоимость повторных токенов на 50–75%, экономика вычислений сталкивается с четким разделением данных. Системный промпт, правила и архитектура репозитория остаются статичными и успешно кешируются, но динамические логи, ошибки компиляции и выходы тестов меняются на каждом шаге и обрабатываются по полной стоимости.

Дополнительным фактором удорожания в 2026 году стало массовое применение специализированных моделей рассуждения (Reasoning Models, таких как OpenAI o1/o3 или Anthropic Claude 3.5 Sonnet в режиме Max Effort). В них тарифицируются так называемые «скрытые токены мышления» (Thinking Tokens). Прежде чем выдать решение, модель генерирует внутри себя тысячи промежуточных гипотез и самопроверок, стоимость которых полностью перекладывается на разработчика агента.

Чтобы оценить реальную экономику этого процесса, обратимся к публичным данным Cognition AI (создателей агента Devin) и исследованиям платформы оценки AI-инженеров SWE-bench. В среднем для успешного закрытия одного Issue в продакшен-репозитории автономному агенту требуется от 35 до 60 итераций в изолированном окружении.

Структура расходов на решение одной подобной задачи на базе актуальных тарифов 2026 года выглядит следующим образом:

• Первичный ввод и архитектурный контекст: Передача дерева проекта и документации (~60 000 входных токенов).
• Среднее число итераций рассуждения и вызова инструментов: 40 шагов.
• Суммарный объем входного контекста за все шаги: 1 800 000 токенов (из которых ~60% составляют повторно используемые кешируемые данные, а ~40% — динамические логи и вызовы инструментов).
• Объем сгенерированных выходных и скрытых токенов рассуждения (Thinking Tokens): ~35 000 токенов.

По состоянию на 2026 год базовые цены на флагманские модели составляют ~$2.50 за 1M входных некешированных токенов, ~$1.25 за 1M входных кешированных токенов (Prompt Caching) и ~$10.00 за 1M выходных токенов.

При разделении контекста на статическую и динамическую части прямая себестоимость одной успешной попытки дебага кода рассчитывается следующим образом:

Итоговая прямая себестоимость одной успешной итерации авто-PR составляет $3.50. Однако исследования Venture-фонда a16z и аналитиков Menlo Ventures подчеркивают скрытую ловушку этой математики: показатель успешности с первого раза (First-Pass Success Rate) даже у лучших агентов на сложных задачах не превышает 40–50%.

Если агент попадает в зацикливание (Tool-use loop), тратит 100+ итераций и в итоге выдает нерабочий код, затраты на инференс подпрыгивают до $12–15.

При этом если агент выдает некорректное решение, к чисто вычислительному COGS добавляется стоимость HITL (Human-In-The-Loop) — зарплата штатного инженера, который тратит 15–30 минут на разбор галлюцинаций агента и ручной откат коммитов.

С учётом того, что среднестатистический инженер в США обходится работодателю в ~$80–100 в час, 20 минут разбора ошибки — это уже $25–30 скрытых затрат, которые не отражаются в облачном биллинге, но бьют по P&L компании-вендора.

При фиксированной подписке пользователя в $30–50 в месяц всего 2–3 подобных зацикливания полностью уничтожают валовую маржу стартапа за весь расчётный период.

Таким образом, техническая архитектура «автономии» напрямую определяет финансовую устойчивость бизнеса. Неспособность алгоритмически ограничивать глубокие петли рассуждения превращает каждый вызов агента в лотерею с плавающим чеком, где главный экономический риск автоматически перекладывается на разработчика софта.

Модель Per-Seat строится на негласном кросс-субсидировании: большинство пользователей используют систему фрагментарно и потребляют минимум ресурсов, перекрывая затраты на активную группу клиентов.

В мире AI-агентов эта пропорция превращается в финансовую угрозу. В отличие от человека, который ограничен 8-часовым рабочим днем, физической усталостью и скоростью набора текста, автономный агент может работать непрерывно. Когда B2B-клиент покупает подписку за $30/месяц на AI-помощника и интегрирует его в свои автономные скрипты или CI/CD-пайплайны, происходит фундаментальный сдвиг паттерна потребления.

Разница в поведении пользователей при фиксированной оплате приводит к критическому дисбалансу в экономике продукта.

• Пользователь А (Light User): Использует агента как умный чат-бот. Задает 10 вопросов в день, генерирует 30 000 токенов. Себестоимость его вычислений для вендора составляет ~$2.50 в месяц. Валовая маржа аккаунта превышает 90%.
• Пользователь Б (Heavy User / Enterprise Integrator): Настроил автономную отправку задач агенту через API. Агент выполняет 50 сложных мультиагентных задач в сутки, сжигая миллионы токенов на рефлексию и вызовы инструментов. Себестоимость его вычислений составляет $25 в день или $750 в месяц.

При фиксированном чеке в $50 один Пользователь Б генерирует чистый убыток в размере $700 каждый месяц. Несколько таких клиентов в пуле способны за несколько недель исчерпать инвестиционный бюджет стартапа, направленный на оплату API-счетов.

Попытки защититься от этого через введение жестких лимитов (Rate Limits / Fair Use Policy) в рамках Per-Seat подписок ломают главное ценностное предложение агента — его автономность.

Клиент, сталкивающийся с остановкой работы на середине задачи из-за исчерпания лимита, отказывается от продления подписки, так как софт перестает закрывать бизнес-потребность.

Чтобы выжить в условиях нестабильного COGS, AI-разработчики вынуждены экспериментировать с новыми моделями монетизации.

Однако поиск оптимальной ценовой политики превращается в игру с нулевой суммой между предсказуемостью для клиента и финансовой безопасностью вендора. Корпоративный сектор привык к фиксированным годовым бюджетам: департаменты IT и закупок (Procurement) негативно воспринимают модели с чисто плавающим чеком (Pure Usage-Based), опасаясь получить неконтролируемые счета в конце месяца.

На рынке сформировались три ключевые концепции монетизации, каждая из которых по-своему балансирует финансовые и операционные риски.

Модель Outcome-Based Pricing (Оплата за результат). Клиент платит исключительно за фактически выполненную и полезную работу. Успешный пример такого подхода демонстрируют сервисы клиентской поддержки (Intercom Fin, Klarna), где списания происходят по фиксированной ставке ($0.99) за каждый успешно закрытый тикет без участия оператора. Главный плюс — максимально высокая конверсия в продажу за счет прозрачного ROI: если час работы человека стоит $5, а агент закрывает тикет за $1, выгода очевидна.

Однако слепое копирование Outcome-based модели без жестких технологических фильтров часто приводит стартапы к финансовым провалам.

Поучителен кейс ранних LegalAI- и SDR-агентов (автоматизация B2B-продаж), которые пытались продавать «наглаженный лид» или «готовую проверку договора» за фикс ($20–30 за документ). Когда агент сталкивался со сложной корпоративной сделкой на 400 страниц, он уходил в глубокие циклы мультиагентной валидации (Multi-agent critique), накручивая $45–60 чистых расходов на инференс.

Если в итоге документ содержал критическую галлюцинацию и отклонялся юристом клиента, вендор не только не получал оплату за результат, но и нес двойные убытки: сгоревшие $50 на API и необходимость оплачивать работу штатного эксперта для ручной разборки сбоя (Human-In-The-Loop).

Набирает популярность концепция Compute-Plus / Usage Floor. Клиент оплачивает базовую платформенную плату (Platform Fee / Usage Floor), гарантирующую вендору покрытие фиксированных инфраструктурных издержек, а все вычисления сверх лимита тарифицируются по фактическому расходу токенов с заранее зафиксированной наценкой (Cost-Plus Margin).

Этот подход идеально защищает Unit-экономику стартапа от атак «тяжелых пользователей», гарантируя валовую маржу не ниже 45–50%, однако сталкивается с высоким сопротивлением корпоративных закупщиков из-за сложности прогнозирования итогового чека.

Компромиссным решением, ставшим «третьим путем» для B2B AI-рынка, выступает Hybrid Seat-Based + Usage Overages (Гибридная модель «База + Перерасход»). В этой схеме клиент покупает привычную лицензию на рабочее место ($40–60/мес), но в неё закладывается жестко просчитанный «пакет вычислительной энергии» (например, 200 стандартных автономных задач или 5M токенов). Если сотрудник превышает этот лимит, система не блокирует работу, а автоматически переключается на тарификацию овервейджей (Overages) по заранее согласованным ставкам за каждую дополнительную задачу.

Сравнительный анализ трех моделей монетизации наглядно показывает распределение рисков между поставщиком и покупателем:

Выбор конкретной модели монетизации перестает быть исключительно решением отдела продаж — это фундаментальный выбор архитектуры самого продукта. Продажа по Outcome-Based требует от инженерной команды бескомпромиссной оптимизации токенов и жесткого ограничения автономных петель. В свою очередь, гибридные модели позволяют сместить фокус на точность рассуждений, перекладывая экстремальные пики вычислений на клиента.

Классические метрики оценки эффективности моделей и продуктов — такие как Cost per 1M Tokens или базовый Accuracy на бенчмарках — перестают отражать реальное финансовое состояние AI-продукта.

Дешевый токен не гарантирует низких расходов, если модель требует 100 итераций для достижения цели. Напротив, более дорогая модель с высокой способностью к рассуждению может решить задачу за 2 шага, и итоговая себестоимость работы окажется ниже.

В 2026 году одним из наиболее полезных способов оценки Unit-экономики агентных систем может стать метрика Cost per Successful Task Execution (CPSTE) — себестоимость одной успешно выполненной задачи с учетом всех затрат на ошибки, рефлексию и ручные проверки.

Математически метрика выражается следующим образом:

Включение каждого компонента в данную формулу обосновано физикой процесса исполнения задач агентом:

• Direct Inference Cost отражает прямые затраты на токены в успешной попытке;
• Failed Iterations Cost учитывает средства, потраченные на тупиковые ветки рассуждений и сброшенные контексты;
• Tooling API Cost суммирует накладные расходы на сторонние сервисы, парсеры и внутренние базы данных;
• HITL (Human-In-The-Loop) Fallback Cost закладывает стоимость участия оператора-человека при сбое агента;
• Task Success Rate выступает делителем, пропорционально увеличивающим итоговую себестоимость при снижении надежности системы.

Смысл метрики в том, что она учитывает фактическую надежность агента. Если показатель Task Success Rate равен 50% (агент успешно решает лишь каждую вторую задачу), то реальная себестоимость одной полезной операции для бизнеса удваивается, так как компании приходится оплачивать вычислительные ресурсы и за неудачные попытки.

Для оптимизации CPSTE инженеры выстраивают адаптивные агентные петли (Cost-Aware Agentic Loops). Вместо передачи всех задач дорогостоящей флагманской модели внедряется каскадная маршрутизация (Model Cascading): простые подзадачи передаются компактным и дешевым SLM (Small Language Models), вызов тяжелой модели происходит только при высокой неопределенности, а там, где процесс можно описать алгоритмом, агентные рассуждения заменяются традиционным кодом.

Рынок корпоративного программного обеспечения проходит через грандиозный сдвиг парадигмы.

Классический Per-Seat SaaS в его чистом виде быстрыми темпами теряет актуальность для продуктов на базе автономных AI-агентов. Привычная концепция продажи интерфейсов за фиксированную ежемесячную плату натыкается на экономический барьер: когда софт начинает выполнять работу за человека, он приобретает свойства физического ресурса, требующего вполне реальных вычислений на производство каждого результата.

Софт перестает быть абстрактным кодом с нулевыми предельными издержками. Подобно электроэнергии, логистике или строительным материалам, агентный софт теперь имеет прямую, ощутимую себестоимость, зависящую от глубины задачи и количества потраченных «цифровых рабочих часов» суперкомпьютера.

Победителями следующей волны B2B-рынка станут не те компании, которые ограничатся рекламой «самой умной модели на бенчмарках», а те, кто сможет сбалансировать экономическое уравнение агентных продуктов. Их дорожная карта выживания строится на трех элементах:

• Алгоритмический контроль расхода токенов и каскадная маршрутизация внутри агентных петель.

• Снижение стоимости ошибок за счет гибридных систем контроля с участием человека (Cost-Aware HITL).

• Внедрение гибридных моделей монетизации, перекладывающих риски аномального потребления на клиента без потери понятности предложения.

Покупатели B2B-продуктов аналогичным образом меняют вектор оценки. Корпоративные закупщики больше не готовы платить за количество лицензий или факт доступа сотрудников к кнопкам — они предпочитают нанимать AI-агентов как цифровых субподрядчиков (Software-as-a-Worker) и оценивать их по строгому коэффициенту возврата инвестиций (ROI) на каждый потраченный доллар вычислений.

В ближайшие 2–3 года рынок ожидает новый виток трансформации: появление специализированных агентных процессоров (Agentic TPUs / LPUs) и новых динамических тарифов от гиперскейлеров (OpenAI, Anthropic, Google) изменят эту экономику заново.

Стартапы, научившиеся филигранно управлять метрикой CPSTE уже сегодня, получат определяющее преимущество перед гигантами прошлых поколений.

Для тех, кто предпочитает графики вместо букв — вся суть статьи на одной картинке:

Выпустили аудиоверсию этого материала. Внутри — подробный разговор о том, как автономные ИИ-агенты ломают привычную экономику софта, почему модель оплаты за рабочее место стала опасна для стартапов и как метрика CPSTE помогает оценить реальную стоимость «мышления» нейросетей.

Слушайте нас на своих любимых подкаст-платформах.

• 👉 Слушать на Mave
• 👉 Слушать на Яндекс Музыке
• 👉 Слушать в Звуке
• 👉 Слушать на Pocket Casts