Окупится или нет: как посчитать ROI голосового AI-агента

ROI голосового AI-агента считается по двум статьям эффекта сразу: снятые затраты на первую линию и возвращённая выручка от звонков, которые сегодня остаются без ответа. Первую статью умеют считать все — она видна в ведомости по зарплате. Вторую почти никто не считает, хотя у входящего трафика она обычно крупнее. Поэтому окупаемость голосового робота, посчитанная только через экономию ФОТ, систематически занижена, а посчитанная по чужому кейсу — систематически завышена.

Честный расчёт до внедрения выглядит так: берёте пять-шесть входов из своей телефонии и CRM, подставляете их в формулу, явно выписываете допущения и получаете вилку, а не одну цифру. Всё, что получится на этом этапе, — расчёт по модели, а не измерение: измерение начинается на пилоте. Ниже — формула, сквозной пример на российских ставках, чек-лист выгрузок и разбор мест, где эта модель врёт.

Две стороны эффекта: что вы снимаете и что возвращаете

Снятые затраты. Это часть работы первой линии, которую агент забирает: приём звонка, идентификация, квалификация, маршрутизация, типовые вопросы. По оценке occ-group, обработка одного звонка оператором обходится примерно в 1100 ₽ против 27–45 ₽ у бота. Цифра красивая, но в чистом виде обманчива: она ничего не говорит о том, какую долю звонков машина реально закроет. Независимые оценки production-внедрений (dragapp) дают containment 40–70% — то есть треть, а то и половина обращений всё равно уйдёт человеку. Как из этого расчёта собрать записку, которую согласует финдиректор, — отдельно.

Возвращённая выручка. Это деньги с обращений, которые сейчас теряются: непринятые звонки, звонки в нерабочее время, лид, которому перезвонили через час. У Replica заявлено сокращение времени реакции на входящую заявку с примерно 1,5 часа до 3 секунд (по данным компании). На входящем трафике именно эта сторона обычно и делает результат — и именно она не попадает в расчёт, потому что в отчёте по зарплате её не видно. Подробнее про механику потерь на входящих — в отдельном разборе обработки входящих звонков.

Если у вас исходящий обзвон, стороны меняются местами: там основной эффект — в масштабе и скорости прохождения базы, а не в снятом ФОТ.

Формула: как посчитать ROI голосового AI-агента

Шесть входов, из которых всё собирается.

Возвращённая выручка = V × m × k × c × p

Снятые затраты = F

ROI = (V × m × k × c × p + F − C) / C

Правило, которое ломает большинство расчётов: V, m, k, c и p должны быть вашими. Перемножать проценты из разных чужих источников нельзя — произведение четырёх чужих допущений не является фактом ни при какой аккуратности арифметики.

Сквозной пример на российских ставках

Расчёт по модели. Компания на входящих: 3000 звонков в месяц, три оператора, приём с 9 до 18 в будни.

Шаг 1. Объём и потери. V = 3000. По выгрузке телефонии непринятых и пришедших вне графика — 18%, то есть 540 звонков (m = 0,18).

Шаг 2. Каннибализация. Часть этих людей дозвонилась бы и без агента: перезвонили сами или их догнал обратный звонок. Допущение модели — 60% вернулись бы и так. Значит k = 0,4, реально потеряно 216 обращений. Это самое чувствительное допущение во всей формуле, к нему вернёмся ниже.

Шаг 3. Конверсия и маржа. Базовая конверсия обращения в сделку — 12%, но по «спасённым» звонкам берём 8%: контакт холоднее, часть уже ушла к конкуренту (допущение модели). p = 6000 ₽ валовой прибыли на сделку. Возвращённая выручка: 216 × 0,08 × 6000 ≈ 104 000 ₽/мес.

Шаг 4. Снятые затраты. Полная стоимость оператора — 90 000 ₽/мес с налогами и рабочим местом (допущение модели, подставьте свою). Никого не увольняем: агент закрывает первую линию, и компания отказывается от четвёртой ставки, которую собиралась открыть под вечерние и субботние звонки. F = 90 000 ₽/мес.

Шаг 5. Затраты на агента. Первая линия — в среднем 1,5 минуты на звонок, 4500 минут в месяц. Цена минуты — 15 ₽: это середина диапазона 10–25 ₽/мин, который gravitel приводит для AI-бота на LLM, и близко к оценке полной себестоимости минуты у LPTracker (около 14,15 ₽). Итого минуты — 67 500 ₽. Поддержка решения — около 25 000 ₽/мес (occ-group). Внедрение — от 150 000 ₽ разово (gravitel). C = 92 500 ₽/мес плюс 150 000 ₽ единовременно.

Шаг 6. Результат. Ежемесячный эффект: 104 000 + 90 000 − 92 500 ≈ 101 500 ₽. Окупаемость внедрения: 150 000 / 101 500 ≈ 1,5 месяца. ROI за первый год: (2 328 000 − 1 110 000 − 150 000) / 1 260 000 ≈ 85%, то есть примерно 1,8:1.

Шаг 7. Проверка на прочность. Меняем одно допущение: пусть каннибализация не 60%, а 85% — почти все дозваниваются сами. Тогда k = 0,15, возвращённая выручка падает до ~39 000 ₽/мес, месячный эффект — до 36 000 ₽, окупаемость растёт до ~4 месяцев, а годовой ROI сжимается примерно до 23%. Ничего, кроме одного допущения, не поменялось. Считайте обе границы и разговаривайте с поставщиком по нижней.

Для сравнения: в кейсе occ-group с сокращением четырёх операторов экономия ФОТ составила около 280 000 ₽/мес при окупаемости около 4 месяцев — но там весь эффект собран на стороне затрат, что для входящих продаж редкость.

Чек-лист: что выгрузить перед расчётом

Из телефонии (минимум 3 месяца):

• общее число входящих с разбивкой по часам и дням недели;
• число и доля непринятых, отдельно — звонки вне графика работы;
• среднее время до ответа и доля отказов в очереди;
• сколько абонентов из непринятых перезвонили сами в течение 24 часов — это ваша каннибализация, а не чужое допущение;
• средняя длительность разговора и доля повторных звонков с одного номера.

Из CRM:

• конверсия «обращение → сделка» по источникам, отдельно — по звонкам;
• средний чек и валовая маржа, а не выручка;
• сколько сделок пришло с номеров, которые были в списке непринятых;
• длина цикла сделки: если она 4 месяца, годовой ROI первого года будет ниже расчётного.

Из HR и финансов: полная стоимость оператора (оклад, взносы, рабочее место, обучение), стоимость найма и текучка, объём переработок.

От поставщика: что именно входит в минуту, как тарифицируются паузы и недозвоны, стоимость внедрения и интеграций, стоимость поддержки и правок сценария, условия пилота. Разбор структуры цены — в статье о том, сколько стоит голосовой AI-агент.

Почему нельзя брать чужой ROI

Самая частая ошибка — подставить в свою презентацию цифру из англоязычного кейса. По данным Peerlogic и AInora, в стоматологии США внедрение голосового ИИ даёт заявленный ROI 6–30x при окупаемости 3–6 месяцев, доля пропущенных звонков падает с 25% до менее 2%, восстановленная выручка — около 2300 долларов в неделю.

То же касается и цифр самой Replica. По собственным данным компании, в проекте с клининговой компанией конверсия «заявка → лид» выросла с 48% до 59%, а ROI проекта составил 21:1. Это заявление компании о собственном проекте, измеренное ей самой; отраслевым бенчмарком оно не является, и подставлять 21:1 в свою модель нельзя. Разница между 21:1 и 1,8:1 из примера выше — это не разница в качестве технологии, а разница во входах: объём, маржа, доля потерянных обращений.

Ограничения: где эта модель врёт

Каннибализация. Главный источник завышения. Не каждый непринятый звонок — потерянный клиент; часть перезванивает, часть пишет в мессенджер, часть и так уже в вашей воронке. Если вы не можете померить возвраты по номерам, ставьте k = 0,3–0,5 и не выше.

Забытые затраты. В C обычно не кладут: время своих сотрудников на разбор диалогов и обучение агента, переработку сценария после первых недель, интеграции с CRM и АТС, согласия и маркировку звонков. Поддержка около 25 000 ₽/мес (occ-group) — это счёт поставщика, а не полная стоимость владения.

Падение конверсии на сложных обращениях. Технология уверенно работает на структурированных задачах и хуже — на спорных, эмоциональных и денежных. Если отдать агенту всё подряд, часть эффекта уйдёт в минус: у Klarna после перехода на полностью автоматическую поддержку CSAT просел примерно на 22% (Forbes и последующие публикации), и компания вернула людей на премиальных клиентов — урок Klarna стоит разобрать до расчёта, а не после.

Миф «заменил людей — сэкономил». По прогнозу Forrester (Predictions 2026), около 55% работодателей, сокративших персонал ради ИИ, сожалеют о решении, а примерно треть потратила на повторный найм больше, чем сэкономила; по данным Careerminds, 35,6% столкнувшихся с откатом наняли обратно больше половины сокращённых. Явление называют «layoff boomerang». Практический вывод для расчёта: модель, где F равен всему ФОТ первой линии, почти наверняка неверна. Считайте F как отказ от расширения штата, снятие переработок и перевод людей на задачи, где они дороже стоят, — а не как строку «минус пять человек».

Не тот класс решения. Если в модель подставлена цена 2 ₽/мин, вы считаете экономику скриптового робота, а не LLM-агента: это разные технологии для разных задач, и подменять одну другой в расчёте нельзя. Чем они отличаются — в разборе голосового AI-агента и робота обзвона.

Вывод

ROI голосового AI-агента — это не одна цифра, а вилка, зажатая между двумя честно выписанными допущениями: сколько обращений вы реально теряете и сколько из них вернулось бы без всякой автоматизации. Считайте обе стороны эффекта, но не считайте снятые затраты через сокращения — это самый быстрый способ получить отрицательный ROI через год. Чужие кейсы, включая американские и наши собственные, годятся как ориентир по механике, а не как значение для подстановки. Единственный способ превратить модель в измерение — пилот на своих звонках со своим определением успеха.

Если хотите проверить расчёт на своих данных — можем собрать демо на вашем сценарии и посчитать модель по вашей выгрузке.