Приложение с ИИ: какие функции дают реальную ценность

Сделать приложение ИИ несложно — сложно выбрать, какая функция вернёт вложенные в неё 300 тысяч. Голосовой ввод, рекомендации и ассистент стоят разных денег и по-разному влияют на удержание, поэтому начинать нужно с одной задачи, а не с «внедрим ИИ везде».

Ниже — разбор шести ИИ-функций мобильного приложения с ценами и сроками на 2026 год, честные минусы и порядок проверки гипотезы за 6 недель.

Поисковая статистика по теме пёстрая: рядом с основным запросом люди вводят «какие сделать сайт», «какой сайт можно сделать», «это можно сделать приложение», «ии это приложение» и даже «сделать qr на сайт». За всеми формулировками стоит один вопрос — что технология даёт бизнесу, кроме красивого слова в описании. На него и отвечаем.

Ключевые выводы

• Одна ИИ-функция в приложении стоит 180–700 тыс. ₽ и 4–10 недель; набор из трёх функций — 0,9–1,8 млн ₽.
• Голосовой ввод окупается быстрее всего: он сокращает ввод данных на 40–60% и стоит 180–350 тыс. ₽.
• Рекомендации требуют минимум 6–12 месяцев истории событий; без данных качество падает до уровня случайной выдачи.
• Вызовы YandexGPT или GigaChat обходятся в 0,3–3 ₽ за запрос; при 50 тыс. запросов в месяц это 15–150 тыс. ₽ расходов на модель.
• ИИ-ассистент внутри приложения поднимает повторные заказы на 8–15%, но требует поддержки базы знаний и стоит 25–60 тыс. ₽ в месяц.
• Если задача решается обычным поиском по каталогу или фильтрами, ИИ добавит расходов и задержку ответа на 1–2 секунды.

Сделать приложение ИИ: какие функции окупаются

Прямой ответ: окупаются функции, которые убирают ручной ввод, сокращают число шагов до заказа или отвечают на частый вопрос без человека. Всё, что просто «демонстрирует технологии», денег не возвращает.

Ниже шесть функций, которые мы реализовывали, с честными сроками и стоимостью работ. Цены — только за разработку и интеграцию, без дизайна приложения и без серверной части, если она уже есть.

Для небольшого продукта разумный первый шаг — одна функция из верхней части таблицы. Мы не берём в первый релиз больше двух: интеграции с моделями требуют тестирования на реальных данных, а не на демо-примерах.

Голосовой ввод: самая быстрая отдача

Пользователь говорит «добавь две пачки бумаги А4 в заказ», приложение превращает это в позиции. В B2B-приложениях для закупок и логистики такая функция снимает 40–60% времени на оформление и почти не требует обучения.

Технически это распознавание речи плюс разбор текста в структурированные поля. Основная работа — не подключить модель, а научить её понимать ваш каталог: артикулы, синонимы, единицы измерения. На это уходит 40–50% бюджета функции.

Честный минус: в шумном помещении точность падает. Обязательно оставляйте пользователю возможность поправить результат вручную — иначе одна ошибка распознавания испортит заказ, а виновато будет приложение.

Рекомендации: нужны данные, а не только модель

Рекомендации начинают работать, когда есть история: 6–12 месяцев событий и хотя бы 20–30 тыс. взаимодействий. На пустом месте получится популярное — то же самое, что вывести хиты продаж на главный экран.

Что реально влияет на результат: качество разметки событий, скорость пересчёта и место показа. Рекомендации в корзине дают один эффект, в карточке товара — другой. Мы обычно ставим А/Б-тест на две точки показа и оставляем ту, что даёт рост среднего чека без падения конверсии.

Ассистент внутри приложения

Ассистент отвечает на вопросы по вашим документам, статусу заказа, условиям доставки. Это RAG-схема: модель ищет ответ в базе знаний, а не придумывает. Поддержка снимает 30–50% типовых обращений — при 2 000 обращений в месяц это 1–2 оператора.

Главная статья расходов здесь не разработка, а сопровождение: база знаний устаревает, ассистент начинает отвечать по старым условиям. Закладывайте 25–60 тыс. ₽ в месяц на обновление контента и проверку ответов.

Где ИИ в приложении не нужен

Первый случай — задача решается правилами. Если нужно отсортировать товары по цене или показать похожие по категории, это делается запросом к базе за 10 миллисекунд и стоит 15–30 тыс. ₽ вместо 250 тыс. ₽.

Второй — нет данных для обучения или проверки. Модель без валидации на реальных примерах выдаёт правдоподобную чепуху, а отвечать за неё перед пользователем вам.

Третий — низкая частота использования. Функция, которой пользуются 2% аудитории раз в месяц, не окупит ни разработку, ни поддержку. Считайте не «как звучит в презентации», а сколько раз в месяц человек к ней вернётся.

Поэтому решение сделать приложение ИИ стоит принимать после расчёта, а не до: сначала считаем частоту сценария и стоимость ручной операции, потом выбираем технологию.

И отдельно про запрос «сделать qr на сайт»: QR-код — не искусственный интеллект, а генератор ссылок. Такие вещи закрываются готовой библиотекой за один вечер и не должны попадать в смету ИИ-проекта. Если подрядчик считает их отдельным модулем за 80 тыс. ₽, это повод задать вопросы.

Где считать модель: на устройстве, в облаке или через API

Три варианта, и выбор влияет на бюджет сильнее, чем выбор модели.

Для большинства проектов правильный путь — API на старте и переезд на свой контур, когда расходы на модель превысят 120–150 тыс. ₽ в месяц. Не начинайте с собственного сервера: это решение про экономику, а не про технологии.

Смета: сколько стоит разработка приложения с ИИ

Смета на то, чтобы сделать приложение ИИ с одной функцией, укладывается в 0,9–1,6 млн ₽, если считать полный цикл: аналитика, дизайн, разработка, интеграция, тестирование, публикация. Ниже разбивка для приложения с ассистентом и личным кабинетом.

Отдельная строка — поддержка: 30–80 тыс. ₽ в месяц на обновления, мониторинг и правки после релизов сторов. Плюс расходы на модель, о которых мы говорили выше.

Как проверить гипотезу за 6 недель

Прямой ответ: гипотезу проверяют на API-прототипе, а не на полном продукте. Если вы решили сделать приложение ИИ, шесть недель и 150–250 тыс. ₽ — честная цена ответа на вопрос «работает или нет».

1. Сформулируйте метрику, которую меняет функция: время оформления, доля повторных заказов, число обращений в поддержку.
2. Соберите 5–7 сценариев с реальными данными: каталог, документы, история заказов.
3. Сделайте прототип на API: экран + вызов модели, без красивого дизайна.
4. Прогоните 100 реальных запросов и посчитайте точность. Ниже 80% — гипотеза не готова.
5. Покажите 10 пользователям и замерьте, сколько шагов они экономят.
6. Решите: развивать, переделать сценарий или отказаться. Отказ на этом этапе стоит 150–250 тыс. ₽ вместо 1,5 млн ₽.

Если до этого вы думали, что сначала нужно сделать сайт, а потом приложение — порядок зависит от аудитории: для массового B2C чаще выигрывает приложение, для B2B с длинным согласованием — сайт с личным кабинетом. Общее правило одно: сначала проверяем сценарий, потом решаем, где его реализовывать.

Частые вопросы

Сколько стоит добавить ИИ в уже готовое приложение?

От 180–450 тыс. ₽ за одну функцию, если архитектура позволяет подключить внешний сервис. Если приложение писалось без учёта авторизации, событий и API, доработки добавят ещё 150–300 тыс. ₽.

Можно ли обойтись без своей команды разработки?

Да, если функция строится на API и не требует обучения модели. Для рекомендаций и прогнозов нужен человек, который будет отвечать за данные и качество: это 0,3–0,5 ставки аналитика или ML-инженера.

Как считать эффект от ИИ-функции?

Сравнивайте две группы пользователей за 4–6 недель: у одной функция включена, у другой нет. Считайте не «довольных пользователей», а деньги: средний чек, повторные покупки, стоимость обращения в поддержку.

Что дешевле: ИИ-ассистент в приложении или чат-бот в Telegram?

Чат-бот дешевле: 250–600 тыс. ₽ против 300–700 тыс. ₽, и запускается за 4–6 недель. Приложение даёт больше данных о поведении, но требует отдельной поддержки двух платформ и модерации в сторах.

Нужен ли ИИ, если у нас 5 000 пользователей?

Обычно нет. При такой базе дешевле улучшить поиск и фильтры. ИИ-функции имеют смысл от 30–50 тыс. активных пользователей или там, где они снимают дорогую ручную работу сотрудников.

Что делать дальше

Выберите одну функцию и одну метрику, которую она должна изменить. Посчитайте, сколько стоит сейчас эта операция в рублях и часах — это и будет верхняя граница бюджета на разработку.

Полезно посмотреть маршрут как создать приложение и разбор сметы мобильного приложения по экранам. Если сомневаетесь между ботом и приложением, начните со статьи ИИ-агент или чат-бот, а про проверку гипотез — с материала MVP приложения за 6 недель. Разработку приложения с ИИ под ключ ведём в разделе разработка приложений.

Статья основана на практике проектов НейроДела и данных Яндекс Вордстата по кластеру «Разработка приложений». Основной запрос материала — «сделать приложение ии» (3 238 показов в месяц). Если у вас другая ситуация — напишите, разберём.