кандидат экономических наук;
candidate of economic sciences;
Актуальность исследования определяется переходом от использования генеративного искусственного интеллекта как вспомогательного инструмента к внедрению ИИ-агентов, способных самостоятельно выполнять последовательности действий в системах управления взаимоотношениями с клиентами, рекламных кабинетах и корпоративных базах знаний. Для малого и среднего бизнеса такая автоматизация создает потенциал роста продаж и производительности, но одновременно повышает требования к оценке полной стоимости владения, качества результатов и технологических рисков. Цель работы состоит в разработке методики комплексной оценки экономической эффективности ИИ-агентов в процессах продаж и маркетинга. Исследование основано на смешанной методике, объединяющей контент-анализ научных публикаций 2021–2026 годов, декомпозицию бизнес-процесса и сценарное финансовое моделирование расчетного предприятия малого бизнеса. Предложена модель риск-скорректированного совокупного эффекта, учитывающая прирост маржинального дохода, стоимость высвобождаемого рабочего времени, экономию маркетинговых затрат, ценность улучшения клиентского взаимодействия, эксплуатационные расходы и ожидаемые потери от ошибок. Научная новизна заключается во введении коэффициента полезной автономности, отражающего долю задач, завершенных агентом без повторной обработки, принятие результатов сотрудниками и соблюдение установленных правил. В базовом сценарии расчетного кейса получен чистый эффект первого года 2,13 млн руб., рентабельность инвестиций 60,1 %, срок окупаемости 7,5 месяца и чистая приведенная стоимость за три года 6,14 млн руб. Установлено, что основным фактором результата является не сокращение персонала, а рост конверсии при контролируемой автономности. Сделан вывод о целесообразности поэтапного внедрения ИИ-агентов через пилот, измерение контрольных показателей и последующее масштабирование.
The study is relevant because of the shift from using generative artificial intelligence as an auxiliary tool to deploying AI agents capable of independently performing sequences of actions in customer relationship management systems, advertising platforms, and corporate knowledge bases. For small and medium-sized enterprises, such automation creates opportunities to increase sales and productivity, while raising requirements for assessing total cost of ownership, output quality, and technological risks. The purpose of the study is to develop a method for integrated assessment of the economic efficiency of AI agents in sales and marketing processes. The research uses a mixed-method design combining content analysis of publications from 2021–2026, business-process decomposition, and scenario-based financial modelling of a representative small enterprise. A risk-adjusted total-effect model is proposed that incorporates incremental contribution margin, the value of released working time, marketing cost savings, improved customer interaction, operating expenses, and expected losses caused by agent errors. The scientific novelty lies in the introduction of a useful-autonomy coefficient reflecting the proportion of tasks completed without rework, employee acceptance of outputs, and compliance with established rules. In the baseline scenario, the model case produces a first-year net effect of RUB 2.13 million, a return on investment of 60.1%, a payback period of 7.5 months, and a three-year net present value of RUB 6.14 million. The results show that conversion growth under controlled autonomy, rather than headcount reduction, is the main driver. A phased implementation approach based on piloting, benchmark measurement, and subsequent scaling is recommended.