Как упаковать консалтинг по AI-автоматизации: оффер, аудит и ценообразование

Почему сырой AI-консалтинг не покупают

Самая частая ошибка, которую я вижу у коллег: они продают "внедрение ChatGPT" или "автоматизацию процессов", не объясняя, как это отразится на P&L клиента. Звучит как питч 2023 года. Проблема в том, что покупатель в 2026 уже сидел на десятках демо, смотрел на красивые слайды с роботами и стрелочками и уходил ни с чем. Он больше не хочет презентацию. Он хочет знать, что именно окажется у него на руках через шесть недель.

Вот где возникает разрыв. Консультант говорит "автоматизируем рутинные задачи", а CFO слышит: "ребята что-то поделают, потом уйдут, и мы не поймём, за что заплатили". Это не проблема скептицизма. Это проблема отсутствия артефакта. Конкретного. Физического. Чего-то, что можно потрогать: рабочий пайплайн, задокументированный промпт-реестр, автоматизированный отчёт, который уже работает в их Notion или Sheets.

Я разговаривал с несколькими директорами по операциям в прошлом году, и все три причины отказа были одинаковые. Размытый scope: непонятно, где заканчивается работа консультанта. Отсутствие гарантий: что будет, если не заработает. И цена, которую нельзя сравнить ни с чем, потому что она почасовая.

Почасовая ставка убивает маржу быстрее, чем кажется. Клиент начинает считать часы. Каждый звонок становится поводом для вопроса "а это уже оплачиваемое время?". Консультант замедляется, потому что медленная работа формально выгоднее быстрой. И в итоге обе стороны недовольны: клиент переплатил, консультант заработал меньше, чем мог бы за тот же результат, упакованный в фиксированный продукт.

Рынок уже отсортировал тех, кто просто "умеет в AI", от тех, кто умеет это продавать. Выживают вторые.

Размытый оффер без конкретики отпугивает клиентов быстрее, чем высокая цена.

Структура оффера: от "я делаю автоматизацию" к продуктизированной услуге

Когда я слышу "я занимаюсь автоматизацией бизнес-процессов", я сразу понимаю, что человек ещё ничего не продаёт. Он описывает деятельность, а не результат. Покупают не автоматизацию. Покупают сокращение времени, экономию на найме, рост конверсии. Автоматизация это способ.

Рабочая формула оффера держится на пяти слотах: для кого + какой процесс + какой результат в цифрах + за какой срок + за сколько. Если хоть один слот пустой, оффер размывается и клиент уходит думать. А думать он будет долго.

Вот как это выглядит в живом виде:

Сокращаем время обработки входящих заявок в B2B-агентстве с 40 до 8 минут за 6 недель. Фикс 1.2 млн ₽.

Здесь всё измеримо. ЛПР за 4 секунды понимает, релевантно ему или нет. Сравните с "внедряем AI-решения для оптимизации клиентских процессов". Второе невозможно ни купить, ни отказать, ни сравнить.

Три уровня упаковки

Один оффер не покрывает весь цикл сделки. Нужна лестница.

1. Аудит процесса, 80–150к ₽, 1–2 недели. Это вход в воронку. Клиент получает карту процесса, точки потерь в часах и деньгах, и приоритизированный бэклог. Я почти всегда продаю аудит первым, даже когда уверен, что внедрение пойдёт сразу.
2. Пилот на один процесс, 800к–2 млн ₽, 4–8 недель. Один сквозной процесс, один измеримый KPI, фикс. Никаких "ещё бы вот тут добавить".
3. Операционная система под ключ, от 4 млн ₽, 3–6 месяцев. 3–6 связанных процессов, интеграции, передача в эксплуатацию, SLA на сопровождение.

Лестница работает, потому что аудит закрывает возражение "мы вас не знаем", пилот закрывает "а вдруг не получится", а система продаётся уже после того, как вы доказали результат деньгами клиента.

Почему один якорный оффер, а не меню из 12 услуг

Когда у тебя на сайте список из "чат-боты, RPA, GPT-агенты, парсинг, интеграции, аналитика, дашборды, голосовые роботы...", ты выглядишь как фрилансер с биржи. ЛПР не понимает, в чём ты сильнее всего. И главное, ты сам не понимаешь, кому именно звонить на холодную.

Якорный оффер фокусирует продажи, маркетинг и кейсы вокруг одной боли одной аудитории. Практика показывает, что студии, которые сужают линейку до одной специализации, получают более предсказуемый рост выручки, чем те, кто пытается покрыть широкий список услуг одновременно. Остальное по запросу действующих клиентов, не наружу.

Гарантия без юридического риска

Гарантия "вернём деньги, если не получится" пугает, потому что юристы видят неограниченную ответственность. Решение в двух приёмах.

Первое: гарантируйте процесс, а не результат бизнеса. "Если за 6 недель мы не выйдем на целевую метрику X в условиях Y, мы продолжаем работу бесплатно до её достижения или возвращаем 100% оплаты по выбору клиента". Условия Y это ваша подушка: предоставление доступов в срок, объём данных, наличие ответственного со стороны клиента.

Второе: ограничьте сумму возврата суммой контракта и пропишите её прямо в договоре. Никаких "упущенных выгод" клиента, никаких косвенных убытков. Возвраты по своей инициативе, до того как клиент успел попросить, репутационно окупаются значительно лучше, чем затяжные разборки.

Привязка оффера к роли ЛПР

Один и тот же проект продаётся тремя разными офферами в зависимости от того, кто подписывает.

• COO покупает скорость и предсказуемость операций. Ему говорите про SLA, про время цикла, про снижение количества ручных касаний на заявку.
• CFO покупает стоимость FTE и unit-экономику. Ему: "Заменяем работу 2.5 операторов, окупаемость 4 месяца, экономия 3.8 млн ₽ в год".
• CMO покупает конверсию и скорость отклика. Ему: "Время первого контакта с лида падает с 47 минут до 90 секунд, конверсия в KQL растёт на 18%".

Тот же самый бот, те же самые интеграции. Три разных коммерческих предложения, три разных набора метрик в кейсе. Если вы шлёте CFO презентацию про "удобство для команды", сделка умирает на втором слайде. Он не покупает удобство. Он покупает строчку в P&L.

Продуктизация это не про шаблонизацию работы. Это про шаблонизацию способа описывать ценность. Внутри проекта вы делаете ровно столько кастома, сколько нужно. Снаружи клиент видит понятную упаковку с ценой, сроком и цифрой результата.

Трёхуровневая воронка превращает разовые проекты в предсказуемый ежемесячный доход.

AI-аудит как продукт: что входит и как продавать за 150–500к

Главная ошибка, которую я делал в 2024 году: отдавал аудит бесплатно как пресейл. Клиент получал подробный документ, благодарил и уходил думать на полгода. Конверсия в проект была низкой. С 2025-го продаю аудит как самостоятельный продукт за 150–500к (вилка зависит от размера компании и числа отделов в скоупе), и конверсия в основной контракт заметно выросла. Дело не в магии. Когда человек заплатил, он уже принял решение, что внутри есть проблема, и аудит для него не "посмотреть", а "решить".

Что входит в продукт за эти деньги:

• серия интервью с сотрудниками разных уровней: операционисты, тимлид, руководитель направления, иногда финдир
• карта процессов отдела или функции (BPMN или упрощённая нотация, без фанатизма)
• реестр кандидатов на автоматизацию с приоритизацией
• ROI-калькулятор в Excel по каждому кандидату
• дорожная карта на 6–12 месяцев с приоритетами и зависимостями
• финальный PDF и видеоразбор с командой заказчика

Срок фиксированный: 2–3 недели. Цена фиксированная. Никаких "по факту работ", это убивает доверие на старте.

Как я выбираю процессы-кандидаты во время интервью. Формула простая до неприличия: объём повторений в месяц × стоимость минуты сотрудника × доля рутины внутри операции. Процессы с низкой потенциальной экономией идут в низкий приоритет, даже если технически легко автоматизируются. Дешёвая автоматизация дешёвого процесса, это ловушка, в которую попадают и заказчик, и подрядчик.

Дальше скоринг. Каждому кандидату ставлю две оценки по шкале 1–5: feasibility (насколько реально сделать на текущем стеке LLM и интеграциях) и риск ошибки агента (что будет, если агент ошибётся: вернули не тот товар или отправили клиенту чушь в письме). Impact считаю в рублях, не в процентах, не в "часах сэкономлено". Финдир понимает только рубли.

# Простой ROI-скоринг кандидата на автоматизацию
process = {
    'name': 'обработка входящих лидов',
    'volume_per_month': 1200,
    'minutes_per_unit': 12,
    'cost_per_minute_rub': 15,
    'automation_coverage': 0.75,
    'feasibility_1_5': 4,
    'error_risk_1_5': 2,
}

monthly_savings = (
    process['volume_per_month']
    * process['minutes_per_unit']
    * process['cost_per_minute_rub']
    * process['automation_coverage']
)
score = process['feasibility_1_5'] * 2 - process['error_risk_1_5']
print(f"Экономия: {monthly_savings:,} ₽/мес, скор: {score}")

На примере выше получаем 162 000 ₽/мес и скор 6. В реестре такие строки сортирую по score, потом отдельным столбцом смотрю на monthly_savings. Топ-5 идёт в дорожную карту первого квартала, остальное в бэклог.

Артефакт на выходе должен выглядеть как продукт, а не как презентация консультантов. PDF верстаю в одном шаблоне, Excel с защищёнными формулами, чтобы клиент мог сам поиграть с допущениями (изменить cost_per_minute_rub под свои зарплаты и увидеть пересчёт). Видеоразбор записываю с командой заказчика, вопросы-ответы, и эту запись отдаю файлом. Через месяц после аудита часть людей в компании ротируется, а запись остаётся.

Про продажу самого аудита. Не продаю его как "давайте посмотрим, что у вас можно автоматизировать". Продаю как "за 3 недели вы получите приоритизированный список процессов с расчётом экономии в рублях и понятным планом, что делать в первый месяц, что во второй". Разница в том, что во втором случае клиент покупает определённость, а не исследование. И когда в финале аудита я показываю топ-3 кандидата с суммарной экономией и сметой первого этапа, разговор про основной контракт занимает минут двадцать.

Физически оформленный результат аудита повышает воспринимаемую ценность консультации в разы.

Бриф и интервью: как вытащить из клиента нужное

Я стараюсь держать бриф в районе 90 минут. После полутора часов клиент устаёт, начинает соглашаться со всем, и качество ответов падает. Лучше второй созвон через неделю, чем трёхчасовой марафон, где половина расшифровки пойдёт в мусор.

Структура, по которой я иду:

1. Контекст бизнеса (10 минут). Что продаём, кому, какая маржа, где деньги. Без этого любая автоматизация повисает в воздухе.
2. Текущие процессы (20 минут). Как сейчас руками. Кто, в какой системе, сколько раз в день. Прошу показать экран, а не рассказывать.
3. Болевые точки в цифрах (20 минут). Не "долго обрабатываем заявки", а "менеджер тратит 4 часа в день на копипаст из CRM в 1С, это 80 часов в месяц на человека".
4. Ограничения (15 минут). Стек, контур безопасности, ПДн, отраслевая регуляторка, бюджеты на лицензии. Если у клиента закрытый периметр и запрет на облачные LLM, это надо знать в первые полтора часа, а не на этапе ТЗ.
5. Критерии успеха (15 минут). Что должно поменяться в цифрах через квартал и через год.
6. Буфер на вопросы клиента.

Отдельный блок про данные я никогда не пропускаю, даже если кажется, что всё очевидно. Четыре вопроса: где физически лежат, кто владелец (человек с фамилией, не отдел), в каком формате выгружается, насколько чистые. На последнем вопросе обычно начинается правда. "Ну, там Excel, но Маша иногда вручную правит даты" значит, что пайплайн начнётся не с модели, а с двух недель чистки.

Мой главный вопрос-детектор реальности: "Если бы этот процесс работал идеально, что изменилось бы в отчёте генерального через квартал?"

Если клиент отвечает конкретно ("выручка вырастет на 6%, потому что мы перестанем терять 200 заявок в неделю на этапе квалификации"), это рабочий проект. Если начинается "ну, эффективность повысится, сотрудники разгрузятся" - проект мёртвый, даже если бюджет согласован. Идеальный процесс, который никак не отражается в P&L, не нужен бизнесу. Точка.

Запись интервью обязательна, с разрешения клиента. Я гоняю аудио через Whisper (large-v3 локально, если был NDA, иначе через API), потом отдаю транскрипт в Claude или GPT-4.1 с шаблоном суммаризации: проблема, текущее решение, метрика, владелец, цитата клиента. На выходе получаю структурированный документ значительно быстрее, чем при ручном конспектировании. Цитаты потом возвращаются в коммерческое предложение, и клиент видит свои же слова. Это работает лучше любого маркетинга.

Красные флаги, после которых я либо торгуюсь по условиям, либо отказываюсь:

• Нет владельца процесса. "Ну, это как бы общее" значит, что согласовывать результат будут пять человек по очереди, и каждый внесёт правки.
• Нет доступа к данным. Если на вопрос "когда сможем получить выгрузку для пилота" ответ "надо запрашивать у ИБ, обычно месяц", закладывайте этот месяц в сроки. Или не беритесь.
• KPI не оцифрован. Если успех проекта нельзя померить числом до старта, его нельзя померить и после. Значит, оплату последнего этапа будут тянуть бесконечно.
• Заказчик на брифе без полномочий. Менеджер среднего звена с горящими глазами, у которого нет бюджета, это полгода переговоров с его начальством.

Про шаблон. Я пробовал опросники на 40 вопросов, которые рассылают до встречи. Возвращается мусор: либо отписки в одно слово, либо ассистент клиента заполняет за него. Сейчас у меня бриф на две страницы: первая страница с шестью блоками выше, вторая с таблицей данных и контактами владельцев. Клиент заполняет за 20 минут, и это реальные ответы, а не ритуал.

И ещё. После интервью я пишу клиенту короткое резюме на полстраницы в тот же день. Что услышал, какие риски вижу, что нужно для следующего шага. Половина проектов закрывается на этом письме, потому что клиент впервые видит свой бардак собранным в одном месте. Иногда он после этого решает сначала навести порядок сам, и это нормальный исход. Лучше потерять плохой проект на брифе, чем хороший на внедрении.

Структурированный бриф на 90 минут даёт достаточно данных, чтобы написать точное техзадание без повторных звонков.

Ценообразование: фикс, value-based и revenue share

Три модели работают по-разному, и выбор зависит не от моих хотелок, а от того, насколько у клиента прозрачны метрики и насколько он готов делиться доступом к данным.

Фикс за пилот беру в большинстве случаев. Он предсказуем для финдира, легко проходит закупки, и при правильно прописанном scope защищает обе стороны от расползания задач. Ключевое слово: правильно прописанном. В договор иду с приложением, где зафиксированы конкретные процессы, конкретные интеграции и конкретные критерии приёмки. Если клиент во время пилота захочет добавить ещё одного агента или подцепить новую CRM, это отдельный SOW, а не "ну вы же уже здесь". Без этого фикс превращается в работу за идею.

Value-based беру, когда у клиента есть прозрачная метрика и я её вижу в реальном времени. Например, time-to-resolution в саппорте, конверсия лида в сделку, средний AHT оператора. Тогда формула простая: процент от подтверждённой экономии или дополнительной выручки за период 6–12 месяцев. Конкретный процент обсуждается индивидуально, исходя из сложности проекта и прозрачности метрик. Но я подписываюсь под этой моделью только при двух условиях: дашборд считается из их BI, а не с моих слов, и есть базлайн за 3 месяца до старта. Иначе через полгода начнётся "у нас и так бы выросло".

Revenue share работает в e-com и lead-gen, где агент напрямую закрывает деньги. Это не для всех, потому что требует, по сути, партнёрской модели, а не подрядной. Зато потолка нет ни у меня, ни у клиента.

Подписка на сопровождение идёт сверху на любой из трёх форматов, после внедрения. Стоимость зависит от количества агентов и SLA. Сюда входит мониторинг качества, разбор инцидентов, дообучение на свежих кейсах, обновление промптов под изменения в продукте. Без сопровождения агенты деградируют за несколько месяцев, и я об этом честно говорю на пресейле.

Якорная цена и три пакета

На коммерческое всегда несу три пакета: Lite, Standard, Pro. Не два, не четыре. Lite дешёвый, чтобы было от чего отталкиваться вниз. Pro дорогой, чтобы Standard выглядел разумно. По наблюдениям, большинство клиентов выбирает средний пакет. Те, кто идёт в Lite, чаще всего не готовы вообще, и это сигнал, а не победа.

Конкретные вилки на май 2026 для русскоязычного рынка, как я их сейчас выставляю:

• Аудит процессов и feasibility study: 150–500к. Две-четыре недели, выход, карта процессов, приоритизация кандидатов на автоматизацию, оценка ROI по каждому.
• Пилот на 1–2 агента с интеграциями: 800к – 2.5 млн. Шесть-десять недель, продакшен, метрики, обучение команды клиента.
• Полная операционная система агентов (5+ агентов, оркестрация, наблюдаемость, регламенты): 4–12 млн. Три-шесть месяцев, плюс обязательное сопровождение.

Рынок AI-консалтинга за последние пару лет заметно переоценил стоимость качественного внедрения: клиенты начали понимать разницу между "прикрутили GPT к боту" и инфраструктурой, которую можно эксплуатировать.

Как защищать цену

Главная ошибка молодых консультантов: считать ценник от часов. "У меня ставка 15к/час, проект 200 часов, итого 3 млн". Клиент сразу начинает торговаться по часам и спрашивать, почему так долго.

Я считаю от стоимости FTE, который агент замещает или разгружает. Оператор саппорта первой линии в Москве обходится компании в сотни тысяч рублей в месяц со всеми налогами и накладными. При значительной автоматизации типовых обращений эта экономия накапливается быстро. Вот этот разговор я и веду на встрече с CFO, а не разговор про токены и архитектуру.

Скидки

Скидка только в обмен на что-то. Сократили scope с трёх агентов до двух, убрали интеграцию с 1С (она всегда дороже, чем кажется), согласились на типовой SLA вместо премиального, заплатили 100% вперёд вместо 50/50. Тогда скидка, и я её аргументирую конкретными статьями работ, которые из сметы ушли.

Скидка "просто так, потому что мы крупный бренд и вам полезен кейс" не даётся никогда. Один раз дашь и всё, ты подрядчик, который прогибается. После этого вытащить нормальный чек с этого клиента и с его референсов почти невозможно. Лучше отказаться от сделки, чем зайти на 40% ниже своей вилки и потом полгода ненавидеть проект.

Средний пакет со визуальным выделением стабильно собирает больше 60% выборов по принципу эффекта якоря.

Scope, SLA и распределение ответственности за ошибки агента

Договор на пилот, который мы сейчас подписываем с заказчиками в 2026, выглядит совсем не так, как типовой контракт на внедрение SaaS три года назад. И главная разница, мы заранее договариваемся о том, что агент будет ошибаться. Вопрос только в том, насколько часто, на каких задачах и кто разгребает последствия.

В scope пилота я фиксирую четыре блока. Первый: список процессов с границами, например "классификация входящих обращений в категории A/B/C, без ответа клиенту". Второй: метрики приёмки с целевыми значениями и методом измерения, а не размытое "должно работать хорошо". Третий: датасет, на котором меряем (зафиксированный snapshot размеченных кейсов), и отдельно, поток продакшена. Четвёртый: среда развёртывания, версии моделей, провайдер, регион данных. Если через два месяца OpenAI выкатит новую версию gpt и поведение поплывёт, у меня в договоре написано, кто за это платит.

SLA для AI-агента я давно перестал писать как для обычного сервиса. Uptime сам по себе ничего не значит: агент может быть доступен 99.9% времени и при этом отвечать ерунду. Поэтому в SLA всегда три измерения вместе: доступность, точность по бизнес-метрике, время реакции на дрифт.

RACI-матрица снимает споры об ответственности до старта внедрения, а не после первого сбоя агента.

SLA для AI-агента (фрагмент)

Метрика	Целевое значение	Метод измерения
Точность ответа	согласовывается под задачу	ручная разметка выборки в неделю
P95 latency	согласовывается под архитектуру	лог

Одностраничный дашборд для руководителя должен давать ответ на главный вопрос за 30 секунд, без погружения в детали.