IT‑руководители пересматривают расчёт ROI для агентного ИИ из‑за непредсказуемых затрат

В статье от 4 мая 2026 года старший менеджер по AI‑сервисам Devin Rhoades рассматривает проблему оценки окупаемости инициатив с агентным (agentic) ИИ и отмечает, что существующие подходы к расчёту ROI требуют пересмотра из‑за высокой непредсказуемости затрат и результатов. По данным Gartner®, 17% CIO уже внедрили AI‑агентов, а 42% планируют это сделать в следующем году, однако аналитики прогнозируют, что более 70% use‑кейсов агентного ИИ не оправдают ожидаемой ценности. Rhoades объясняет это свойством таких систем быть недетерминированными: агенты «рассуждают» и адаптируются, поэтому и объём работы, и сопутственное потребление ресурсов могут существенно меняться от запуска к запуску.

Ключевым фактором вариативности автор называет токен‑потребление и количество шагов рассуждения. В тексте приводится иллюстрация: агент способен выполнить ту же задачу в три шага в один день и в десять шагов в другой; в такой ситуации модели «стоимость за место» или фиксированная лицензия перестают корректно отражать реальные расходы. Перед запуском инициатив Rhoades рекомендует собрать набор подготовительных данных: чётко разделить первоначальные и непрерывные расходы — лицензии, пилоты, очистку и подготовку данных как стартовые затраты; токены, мониторинг и обслуживание как переменные операционные расходы. Также следует задокументировать «человеческую базу» — время выполнения процессов, частоту ошибок и текущую стоимость задачи — чтобы иметь точку сравнения.

Автор подчёркивает, что некоторые выгоды трудно измерить напрямую: снижение выгорания персонала, повышение масштабируемости и устойчивости процессов. Для защиты ROI он предлагает внедрять архитектурные ограничения по принципу «least privilege, least function, least exposure», чтобы ограничить возможности агента и тем самым контролировать непредсказуемые затраты и риски. Для численной оценки Rhoades предлагает использовать Agent Value Multiple (AVM): суммируйте сэкономленные затраты, дополнительную выручку и улучшение маржи, затем разделите на общие затраты, чтобы получить коэффициент эффективности. AVM дополнит традиционные оценки TCO и позволит фиксировать как прямые выгоды, так и косвенные эффекты. Помимо AVM автор советует измерять избежанные затраты (cost avoidance), долю успешно выполненных задач и показатели операционной эффективности.

Практическая значимость подхода в том, что переход от экспериментов с генеративным ИИ к операционным развертываниям агентов требует новой финансовой дисциплины: учёта переменных расходов, создания исходных метрик эффективности и внедрения контролей над рисками. С учётом темпов принятия технологий (17% уже внедрили, 42% планируют в следующем году) Rhoades призывает IT‑руководителей заранее готовить данные и архитектуру, чтобы быстрее и надёжнее фиксировать реальный ROI агентных инициатив.