27 апреля 2026 года GitHub объявил, что с 1 июня переводит биллинг Copilot на расход токенов: базовые цены тарифов не меняются — Pro остаётся $10 в месяц, Pro+ — $39, Business — $19 за пользователя, — но сверх этой суммы каждый план получает соответствующий объём «кредитов GitHub AI», которые списываются по опубликованным ставкам API за входные, выходные и кэшированные токены GitHub Blog. Это случилось с продуктом, который несколько лет продавался предельно просто — одно место, одна цена в месяц, как любой другой SaaS. Если ломается модель монетизации даже у ассистента для разработчиков, где ИИ ещё вчера был просто удобной функцией внутри привычной подписки, значит, вопрос не частный.

Это статья для тех, кто уже поставил ИИ внутрь своего продукта или собирается это сделать и упёрся в простой вопрос: сколько брать денег и с чего именно. Подписка «за место в месяц» была придумана для софта, у которого себестоимость лишнего пользователя — почти ноль. У продукта с ИИ внутри всё наоборот: каждый ответ модели стоит денег прямо сейчас, а пользователем всё чаще выступает не человек за компьютером, а сам агент, который делает работу вместо него. Разбираемся на восьми примерах, как рынок уже пересчитал это в цену, где в этой модели остаётся маржа и что из зарубежной практики применимо, если считать в рублях и работать с российским платёжным стеком.

Суть модели: от места к результату

Классическая SaaS-подписка продаёт доступ. Пользователь платит за место — открытый аккаунт, лицензию, право войти в систему — независимо от того, сколько он этим местом фактически пользуется. Экономика сходится, потому что предельная себестоимость одного залогиненного пользователя стремится к нулю: сервер один и тот же, база данных та же, лишний клик почти ничего не стоит компании.

Подписка за место против оплаты за результат Две модели цены на одном продукте: слева — то, как софт продавался двадцать лет, справа — то, к чему рынок перешёл, когда работу внутри продукта начала делать модель.

У продукта, где работу делает языковая модель, это условие ломается. Каждый запрос к модели — это реальные вычисления на реальном железе, и они стоят денег вне зависимости от того, сколько человек в компании клиента открывали интерфейс. Соучредитель Supermaven и один из идеологов пайплайна инференса в Cursor Джейкоб Джексон формулирует это без обиняков: «Получив от клиента $10, вы не можете просто потратить 10 центов на AWS. Видеокарты дорогие, у них реальный отпечаток в электричестве и тепле» Bessemer Venture Partners. Место в системе больше не единица измерения ценности — единицей становится сам запрос, минута голосового диалога, обработанный документ или доведённый до конца разговор с клиентом.

Отсюда и вырастают три модели, которые сегодня конкурируют за деньги подписчика.

Первая — потребление (usage-based): клиент платит за токены, минуты, вызовы API. Это самый честный перенос себестоимости на цену — сколько модель проела, столько и выставили в счёте. Минус в том, что клиенту трудно спрогнозировать месячный счёт заранее, а поставщику — трудно объяснить ценность через единицу измерения, которая ничего не говорит о пользе. Мало кто способен на слух перевести «10 тысяч токенов» в «решённую проблему».

Вторая — оплата за результат (outcome-based): клиент платит не за то, что модель поработала, а за то, что она довела дело до конца — закрыла обращение, довела разговор до продажи, нашла кандидата, отбила чарджбэк. Здесь цена привязана к «ощутимому влиянию на бизнес — решённому обращению в поддержку, предотвращённой отмене подписки, дополнительной продаже» Sierra. Модель хороша тем, что интересы продавца и покупателя совпадают: если разговор не решён, в большинстве случаев платить не за что.

Третья — гибрид: базовая подписка плюс оплата за потребление или за результат сверху лимита. Именно к ней на деле скатывается рынок: чистое потребление пугает клиента непредсказуемостью счёта, чистый результат пугает поставщика тем, что «результат» — понятие растяжимое и по нему могут спорить. HR-платформа Leena AI сначала пробовала честную оплату по потреблению токенов, но клиенты придерживали использование продукта именно из страха перед непредсказуемым счётом; после перехода на оплату за результат внедрение ускорилось Bessemer Venture Partners. Это частный, но показательный пример того, что клиенту нужна не столько справедливая цена, сколько предсказуемая.

Ключевое отличие всех трёх моделей от подписки за место: агент — не рабочее место. Компания-клиент не «выдаёт лицензию» ИИ так, как выдаёт её сотруднику, — она платит за объём сделанной работы. Именно поэтому число купленных «мест» перестаёт быть метрикой роста продукта, а вместо неё встаёт число обработанных диалогов, закрытых заявок, отбитых претензий.

Где деньги: себестоимость, маржа и налог модели

У программного обеспечения без ИИ внутри валовая маржа традиционно держится в диапазоне 80-90% — предельные издержки на пользователя ничтожны. У продуктов, построенных на вызовах языковых моделей, валовая маржа по отраслевым оценкам Bessemer Venture Partners держится в диапазоне 50-60% Bessemer Venture Partners. Разница в 20-30 процентных пунктов — это и есть «налог» модели: деньги, которые раньше оставались прибылью, теперь уходят провайдеру вычислений.

Источник этого налога понятен и считается напрямую. По официальному прайсу Anthropic, модель Claude Haiku 4.5 — самая дешёвая в линейке — стоит $1 за миллион входных токенов и $5 за миллион выходных claude.com/pricing, это около 87 ₽ и 433 ₽ соответственно по курсу ЦБ на 5 сентября 2026 года (86.59 ₽ за доллар ЦБ РФ). Один диалог с клиентом службы поддержки — это, как правило, несколько тысяч токенов контекста и ответа, то есть на уровне одного рубля себестоимости в расчёте на модель, даже если брать не самую дешёвую конфигурацию. Разрыв между этой себестоимостью и ценой в $0.99-2 за решённое обращение — не жадность поставщика, а компенсация за то, что помимо самого вызова модели в стоимость входят разметка диалогов, дообучение, эскалация на человека при сбое, инфраструктура голосового и текстового каналов и гарантия качества ответа.

Дальше маржа съедается неравномерно — и здесь модель потребления и модель результата ведут себя по-разному. При потреблении маржа поставщика зависит от того, насколько эффективно он экономит токены: длинные промпты, многошаговые агентные цепочки и «тяжёлые» пользователи с длинными диалогами создают тяжёлый хвост нагрузки, который может сжать маржу, если тариф не учитывает эту неравномерность Bessemer Venture Partners. При оплате за результат риск другой: если модель ошиблась и не довела разговор до результата, деньги за потраченные токены компания не получает вовсе — весь расход инференса ложится в убыток конкретного диалога.

Практический способ управлять этим риском — гибридный тариф с базой и потолком: клиент платит фиксированную сумму за определённый объём результатов в месяц, а сверх него — по счётчику. Именно так устроен тариф Fin AI поверх чужих хелпдесков: минимальный оплачиваемый объём — 50 исходов в месяц, всё сверх него идёт по $0.99 за штуку Fin AI. База защищает поставщика от клиентов с аномально длинными и дорогими диалогами — цена уже отбита фиксированным платежом, а счётчик сверху лимита не даёт продавцу продавать себе в убыток на объёме.

Единица счёта у восьми компаний Одну и ту же работу рынок считает четырьмя разными единицами — от решённого обращения до доли в возвращённых деньгах.

Сводная таблица по компаниям из следующего раздела показывает, в каком диапазоне рынок в итоге торгует одну и ту же единицу — решённое обращение:

Компания Модель оплаты Цена за единицу Что считается единицей
Intercom Fin за результат $0.99 (≈86 ₽) за исход, минимум 50 исходов в месяц закрытый диалог с клиентом Fin AI
Salesforce Agentforce за результат / за потребление $2 (≈173 ₽) за диалог либо $500 за 100 тыс. Flex-кредитов завершённый клиентский диалог Salesforce
Crescendo за результат публичного прайса нет, цена согласуется по договору обращение, закрытое к удовлетворению клиента Crescendo
Yellow.ai за результат $0.99 (≈86 ₽) за решение сверх 500 бесплатных сессий решённое обращение Yellow.ai
Chargeflow комиссия с результата 25% от суммы возвращённого чарджбэка отбитая претензия по платежу Chargeflow
Виртуальный рекрутер hh.ru за результат цена фиксируется под проект заранее полученный отклик / заполненная анкета кандидата hh.ru

Разброс вдвое на близких единицах — от $0.99 за решённое обращение у Intercom Fin и Yellow.ai до $2 за диалог у Salesforce — объясняется не запросами конкретного поставщика, а тем, что скрывается за словом «решено»: это или простая переадресация в FAQ, или полноценный диалог с интеграцией в CRM, голосовым каналом и живым оператором на подхвате. Часть рынка вообще не публикует цену: Sierra и Crescendo продают через переговоры, и сравнить их с прайсом на сайте нельзя.

Кейсы: как это устроено у восьми компаний

Intercom Fin

Что: встроенный ИИ-агент поддержки внутри платформы Intercom, доступен на всех тарифах компании.

Страница цен Fin AI: $0.99 за исход Страница цен Fin: одна цифра вместо тарифной сетки — $0.99 за исход и минимум 50 исходов в месяц.

Цифры: $0.99 (≈86 ₽) за каждый «исход» — решённое обращение, передачу по процедуре или отказ от диалога. Поверх чужого хелпдеска действует нижняя граница в 50 исходов в месяц, то есть счёт не бывает меньше примерно $50 (≈4 300 ₽); в связке с собственным хелпдеском Intercom к цене за исход добавляется помесячная плата за рабочее место оператора Fin AI.

Как работают: клиент платит не за токены и не за место, а за один результат на один диалог, даже если внутри агент совершил несколько действий подряд — поиск в базе знаний, обращение к API заказа, уточняющий вопрос. Оплачивается только финальный исход диалога, а не количество шагов агента.

Что особенного: Intercom одним из первых на рынке перевёл на язык одной понятной цифры («меньше доллара за решённое обращение») продукт, который раньше продавался через кресельные лицензии агентов поддержки. Это резко упростило продажу директору поддержки: сравнение идёт не «сколько стоит лицензия», а «сколько стоило бы решить это обращение человеком» — обычно $10-20 по рыночным оценкам стоимости одного контакта в колл-центре Sierra.

Salesforce Agentforce

Что: платформа ИИ-агентов Salesforce для клиентского сервиса, продаж и внутренних процессов, надстройка над Service Cloud.

Цифры: по официальной странице цен Salesforce, диалог с клиентским агентом стоит $2 (≈173 ₽), Flex Credits продаются пакетом $500 за 100 тысяч кредитов (обычное действие агента списывает 20 кредитов, голосовое — 30), а надстройка Agentforce Add-ons для безлимитного использования сотрудниками компании стоит от $125 за пользователя в месяц Salesforce.

Как работают: диалог засчитывается как одна единица целиком, от старта до результата, вне зависимости от числа сообщений внутри него — но только для внешних, клиентских агентов; для внутренних инструментов сотрудников тариф уже другой.

Что особенного: то, что на одной официальной странице цен уживаются сразу три модели — за диалог, за гранулярные Flex-кредиты и классическая надстройка на пользователя, — показывает, что рынок ещё не устоялся даже у крупнейшего вендора. Salesforce не выбрал одну формулу «оплаты за ИИ», а оставил клиенту право считать так, как удобнее именно ему: по диалогам, по действиям или по месту.

Sierra

Что: платформа для клиентских ИИ-агентов, основанная бывшим со-CEO Salesforce Брэтом Тейлором, работает с крупными брендами через голос, чат, e-mail и мессенджеры.

Сайт Sierra: better outcomes Первый экран Sierra: обещание вынесено в единственную строку — «лучшие результаты», а не список функций. Публичного прайса на сайте нет.

Цифры: конкретная ставка за решение и определение «успеха» согласовываются индивидуально по каждому контракту. По данным исследовательской компании Sacra, готовая выручка Sierra выросла с $26 млн в конце 2024 года до $130 млн в конце 2025 года и до $200 млн к маю 2026-го — то есть почти удесятерилась за полтора года Sacra. В мае 2026 года компания привлекла $950 млн при оценке $15.8 млрд CNBC и, по собственным заявлениям, работает примерно с 40% компаний из списка Fortune 50 TechCrunch.

Как работают: типичный звонок в поддержку обходится компании в $10-20 трудозатрат; когда агент Sierra решает обращение без участия человека («сдерживание» звонка), клиент экономит эту сумму целиком, а Sierra берёт заранее согласованную долю от этой экономии Sierra.

Что особенного: Sierra прямо формулирует принцип как маркетинговый аргумент — «мы получаем деньги, только когда решаем задачу за вас», то есть у компании физически нет стимула продавать больше лицензий или раздувать штат операторов поддержки внутри клиента. Это работает как аргумент продажи в переговорах с СЕО крупных брендов, но требует индивидуального контракта на каждого клиента — стандартного прайса на сайте у Sierra нет.

Crescendo

Что: аутсорс-платформа клиентской поддержки, где живые операторы работают в связке с ИИ-агентом; основана в 2023 году.

Сайт Crescendo Crescendo продаёт связку ИИ-агента и живых операторов как единый сервис; страница цен ведёт на форму запроса демонстрации.

Цифры: публичного прайса у компании нет — страница цен на сайте ведёт на форму запроса демонстрации Crescendo, ставка за решение обсуждается по каждому контракту. Что известно: в сентябре 2025 года компания объявила, что идёт к отметке свыше $100 млн (≈8.7 млрд ₽) годовой регулярной выручки к концу года — меньше чем за два года с основания Yahoo Finance. Это заявление самой компании о планируемом результате, а не подтверждённая постфактум отчётность.

Как работают: Crescendo продаёт не лицензию на софт и не часы работы оператора, а гарантированное решение обращения; в колонке для InfoWorld в 2024 году указывалось, что маржа компании в четыре раза выше, чем у традиционного колл-центра, потому что стоимость обработки типового обращения ИИ-агентом ниже стоимости часа живого оператора InfoWorld, 2024.

Что особенного: Crescendo — редкий пример компании, которая одновременно оперирует классическим колл-центром (то есть несёт реальные затраты на людей) и продаёт результат по цене софта. Это прямое доказательство того, что оплата за результат может быть прибыльной моделью, а не только маркетинговым слоганом.

Ada (Канада)

Что: платформа клиентских ИИ-агентов из Торонто, один из известных игроков рынка автоматизации поддержки.

Цифры: собственный прайс компания не публикует, конкретная ставка обсуждается индивидуально с каждым клиентом. Показательна не цена, а публичная позиция самой Ada: в собственном блоге компания разбирает разницу между оплатой за диалог и оплатой за решение и прямо называет вторую модель проблемной, потому что определение «решено» не стандартизировано — «один поставщик может считать решённым любое обращение, на которое клиент не ответил 5 минут, другой — любое, что не эскалировано на человека» Ada.

Как работают: в том же материале Ada объясняет, почему сама выступает за оплату по диалогам, а не по решениям: для корпоративных команд, которые масштабируют ИИ в поддержке, предсказуемость бюджета важнее гибкости оплаты — «эта предсказуемость значительно упрощает финансовое планирование» Ada. По мере того как ИИ-агент решает обращения быстрее и дешевле, оплата за результат становится скрыто волатильной величиной, которую сложно закладывать в бюджет на год вперёд.

Что особенного: устами самой Ada рынок дал ответ на вопрос, вынесенный в заголовок этой статьи, — не всегда «за результат» лучше «за место». Компания, зарабатывающая на автоматизации поддержки, публично признаёт: её же клиентам — крупным корпоративным командам — предсказуемый ежемесячный счёт важнее модели, где расходы растут и падают вместе с качеством работы ИИ.

Yellow.ai (Индия / ОАЭ)

Что: платформа клиентских ИИ-агентов, основанная в Бангалоре в 2016 году, сейчас штаб-квартира в Сан-Матео, сильные позиции на рынках Индии и Персидского залива.

Цифры: по официальной странице цен, бесплатный тариф включает одного ИИ-агента и 500 чат-сессий в месяц, а каждая сессия сверх лимита стоит $0.99 (≈86 ₽) за решённое обращение Yellow.ai. Тарифы Basic и Enterprise на сайте не раскрываются и обсуждаются с отделом продаж индивидуально.

Как работают: компания прямо копирует единицу измерения, которую первой ввёл на рынке Intercom Fin, — доллар с небольшим за одно решённое обращение, но подаёт её как часть бесплатного входа в продукт: первые 500 сессий не стоят ничего, платить нужно только за то, что превышает базовый лимит.

Статус компании на дату публикации: 3 августа 2026 года Yellow.ai объявила о выходе на биржу через слияние с Bluerock Acquisition Corp. Сделка оценивает саму Yellow.ai примерно в $300 млн до денег и объединённую компанию — примерно в $550 млн; торговаться она собирается на Nasdaq под тикером YAI, закрытие сделки ожидается во втором полугодии 2026 года PR Newswire.

Что особенного: Yellow.ai показывает, что оплата за результат по $0.99 за решение — это уже не изобретение одной компании, а сложившийся отраслевой ориентир, который повторяют игроки за пределами США, ориентированные на рынки Азии и Ближнего Востока, а не только на Кремниевую долину.

Chargeflow (Израиль / США)

Что: сервис автоматического оспаривания чарджбэков для интернет-магазинов — ИИ формирует пакет доказательств и подаёт спор в банк вместо владельца магазина.

Сайт Chargeflow: платформа, которая окупает себя Chargeflow берёт 25% только с возвращённых денег — «платите только за результат» здесь не фигура речи, а условие договора.

Цифры: 25% от суммы каждого успешно возвращённого чарджбэка через основной продукт Automation; отдельно $29 (≈2 511 ₽) за предотвращённый чарджбэк через сервис Alerts и $0.20 (≈17 ₽) за проверенную транзакцию через антифрод-модуль Prevent, первая тысяча проверок бесплатно Chargeflow.

Как работают: если спор не выигран, магазин не платит вообще — модель работает по принципу contingency fee, знакомому по юридической практике: комиссия юриста только с выигранного дела.

Что особенного: Chargeflow — пример модели, где «результат» физически измеряется деньгами, вернувшимися на счёт клиента, а не субъективным ощущением решённости, как в поддержке. Это снимает главный спор outcome-based моделей — что считать успехом: деньги либо вернулись, либо нет.

Виртуальный рекрутер hh.ru (Россия)

Что: сервис автоматизированного подбора кандидатов на базе ИИ от публичной компании HeadHunter Group — обзванивает и опрашивает соискателей, отсеивает нерелевантных, доводит до собеседования только подходящих.

Описание «Виртуального рекрутера» в справке hh.ru Справка hh.ru про «Виртуального рекрутера»: цена и объём откликов фиксируются под конкретную вакансию заранее.

Цифры: компания прямо формулирует принцип — «клиенты платят только за результат: количество анкет и полученных откликов», а цена, сроки проекта и число откликов фиксируются заранее под конкретную вакансию и не меняются в процессе hh.ru. Сам HeadHunter Group по итогам 2025 года показал выручку 41.2 млрд рублей (≈$476 млн) — на 4% больше, чем годом раньше Ведомости, — при чистой прибыли 17.99 млрд рублей (≈$208 млн), которая за тот же год сократилась на 24.7% Коммерсантъ. Выручка и прибыль здесь разошлись в разные стороны, и это важно не перепутать: продажи выросли, заработок с них упал.

Как работают: заказчик формулирует вакансию и объём найма, сервис называет фиксированную цену за пакет откликов или анкет и держится в этих рамках вне зависимости от того, сколько реальных диалогов провёл ИИ-рекрутер, чтобы этого объёма достичь.

Что особенного: это редкий на российском рынке публичный, прибыльный пример продукта с ИИ внутри, который продаётся именно за результат подбора, а не за подписку на функцию рекрутера. При этом отдельной раскрытой экономики у самого «Виртуального рекрутера» нет: компания не публикует ни выручку продукта, ни его цену за отклик — известен только принцип оплаты и то, что цена фиксируется под конкретную вакансию заранее.

Применимость в РФ и СНГ

Технически перейти на оплату за потребление или за результат в России сложнее не из-за запрета, а из-за того, что придётся строить биллинг с нуля — готовых конструкторов вроде Stripe Usage-Based Billing в стране нет. Считать расход придётся руками: логировать каждый вызов модели, агрегировать по клиенту, выставлять счёт по факту. Для расчёта себестоимости есть на что опереться: YandexGPT Lite стоит от 0.20 ₽ за 1000 токенов, YandexGPT Pro — 0.8 ₽ за 1000 токенов в синхронном режиме и 0.41 ₽ в асинхронном, где ответ приходит с задержкой Neurounit, а распознавание речи через SaluteSpeech от Сбера стоит 1 копейку за секунду (0.6 ₽ за минуту) при минимальном месячном платеже для юрлиц в 15 000 ₽ вне зависимости от фактического объёма Sber Developer. Голосовые роботы для обзвона на российском рынке уже давно продаются именно по минутам: сервис «Звонок» берёт 2.42 ₽ за минуту разговора плюс 0.20 ₽ за сам звонок Звонок — готовый ориентир для расчёта себестоимости голосового ИИ-продукта.

Оплата зарубежных моделей — отдельная головная боль, а не мелочь. Прямая оплата картой российского банка сервисам вроде OpenAI, Anthropic или Google недоступна: Россия не входит в список поддерживаемых стран, и компании обычно платят через платёжного агента по договору-оферте, отдавая рублёвый эквивалент со счёта комиссией от 0.3% за международный перевод vc.ru. Это добавляет к себестоимости токена ещё один процент сверху, который нужно учитывать в цене за результат — и валютный риск: рублёвая цена клиенту фиксирована, а себестоимость модели плавает вместе с курсом. Отсюда практический вывод: тариф стоит завязывать на рубль, но пересматривать не реже раза в квартал, либо сразу закладывать буфер в 15-20% на курсовые качели.

Регуляторных барьеров именно для оплаты за результат в РФ формально нет — это обычный договор оказания услуг или НИОКР с прописанной методикой расчёта вознаграждения, а не отдельная лицензируемая деятельность. Но есть отраслевые нюансы: если результатом считается финансовая операция (как в модели Chargeflow — комиссия с отбитого платежа), нужно смотреть на 115-ФЗ и требования эквайринга; если результат — подбор персонала, попадает под обычное законодательство о занятости, но не требует лицензии кадрового агентства для автоматизированного сервиса.

С технической стороны для соло-основателя это не так страшно, как звучит: минимальный биллинг на потребление — это таблица в базе данных, где на каждый вызов модели пишется строка с клиентом, числом токенов и стоимостью по прайсу провайдера, а в конце месяца отчёт превращается в счёт. Для оплаты за результат добавляется только одно поле — статус исхода конкретного диалога, зафиксированный тем же событием, что закрывает разговор в вашей системе. Никакой отдельной инфраструктуры для этого не нужно — подходит обычная очередь событий поверх Postgres или Redis, которую и так почти наверняка использует любой сервис с ИИ внутри.

Реалистичный сценарий для соло-основателя: начинать с гибрида, а не с чистой оплаты за результат. Чистый outcome-pricing требует либо доверия клиента к тому, что вы умеете точно и без разногласий фиксировать «результат», либо готовности несколько месяцев работать на кредитном плече — обслуживать диалоги за свой счёт, ещё не выставив счёт клиенту, потому что оплата привязана к результату, наступающему постфактум. У команды с деньгами на буфер оборотного капитала это управляемый риск; у одного человека с ограниченным запасом кэша — риск кассового разрыва в первый же убыточный месяц. Практичнее старт: небольшая база в месяц плюс явная цена за единицу результата сверху лимита — так делает сам Fin AI для клиентов вне Intercom Fin AI, и эта же логика хорошо переносится на рынок СНГ.

Риски и контраргументы

Первый риск — определение «результата» размыто, и спор о том, что считать решённым обращением, а что нет, начинается сразу после первого счёта. Собственные материалы Decagon признают эту проблему прямо: если клиент получил частичный ответ и просто перестал отвечать, засчитывается ли это как решение? Если ИИ ответил на заданный вопрос, но не решил исходную проблему клиента — это тоже спорная территория Decagon. Без чёткого письменного определения «исхода» в договоре оплата за результат превращается в источник постоянных претензий.

Второй риск — предсказуемость важнее справедливости для крупного корпоративного клиента. Собственный разбор Ada показывает: даже поставщик, который сам зарабатывает на автоматизации поддержки, публично признаёт — финансовым директорам крупных клиентов нужен фиксируемый годовой бюджет, а не переменная величина, зависящая от качества работы модели в конкретном месяце Ada.

Третий риск — сжатие маржи на «тяжёлых» пользователях. Длинные диалоги, многошаговые агентные цепочки и клиенты, злоупотребляющие лимитами, создают асимметричную нагрузку: часть клиентов обходится вам в разы дороже среднего чека, если тариф не учитывает длину и сложность диалога отдельно Bessemer Venture Partners. Для одного основателя без финансовой подушки это может обернуться месяцем, где выручка есть, а маржи — нет.

Четвёртый риск — зависимость от чужого прайса. Себестоимость вашего результата напрямую определяется тем, сколько берёт за токен или минуту провайдер модели, а этот прайс меняется не по вашей воле: переход GitHub Copilot на потребление токенов в середине 2026 года — прямое напоминание, что даже крупный игрок вынужден был пересмотреть цену, когда реальный расход инференса перестал совпадать с плоским тарифом GitHub Blog. Если модель, на которой вы построили расчёт результата, подорожает, пересчитывать собственный прайс придётся вам, и не всегда можно сделать это оперативно — договоры с клиентами обычно фиксируют цену на квартал или год вперёд.

Пятый риск, специфичный для рынка РФ и СНГ, — двойная валютная зависимость. Себестоимость считается в долларах через комиссию платёжного агента, а выставляется клиенту в рублях, и любое движение курса между датой выставления счёта и датой фактической оплаты за инференс либо съедает маржу, либо создаёт временную переплату клиента. У компании с оборотным капиталом это сглаживается за квартал; у одного человека, ведущего кассу вручную, эта разница видна в каждом месячном отчёте и требует отдельной строки в модели, а не списывается на округление.

Резюме

Подписка «за место в месяц» работала, пока предельная себестоимость лишнего пользователя была почти нулевой. У продукта с ИИ внутри это условие не выполняется: каждый ответ модели стоит реальных денег здесь и сейчас, а вместо пользователя за компьютером всё чаще действует сам агент. Рынок уже нащупал ответ — не одна универсальная модель, а спектр от честного потребления через гибрид до жёсткой оплаты за результат, а публичный ориентир по цене за решённое обращение сложился примерно на уровне доллара — $0.99 у Intercom Fin и Yellow.ai, до $2 за диалог у Salesforce, — и отличается ровно настолько, насколько отличается само определение решения.

Тем, кто закладывает такую модель в собственный продукт, разумно начинать не с чистого outcome-pricing, а с гибрида — небольшая база плюс явная цена за единицу сверху лимита, с письменно зафиксированным определением «результата» в договоре с первого дня. Это снимает главный источник споров и одновременно защищает от кассового разрыва, характерного для чистой оплаты по факту.