AI agentləri token qiymətindən daha çox xərc tələb edir və yalnız ölçülə bilən nəticəsi olan bir tapşırıqla əlaqələndirildikdə dəyər yaradır. AI agenti, dil modelinin addımları planlaşdırdığı və məqsədə çatmaq üçün axtarış, CRM və ya brauzer kimi alətlərdən istifadə etdiyi bir sistemdir. Büdcələşdirmə model istifadəsini, platforma haqlarını, qurulma müddətini, texniki xidməti və insan nəzarətini hesablamaq, sonra isə onları qənaət edilmiş vaxt və ya əldə edilmiş gəlirlə müqayisə etmək deməkdir.
Agent xərclərini çatbot xərclərindən nə fərqləndirir?
Çatbot bir mesajı bir model çağırışı ilə cavablandırır. Agent isə dövrə (loop) yaradır: o, düşünür, aləti çağırır, nəticəni oxuyur, yenidən düşünür və bitənə qədər təkrarlayır. Bir istifadəçi sorğusu on və ya iyirmi model çağırışını işə sala bilər, hər biri isə artan söhbət və alət çıxışlarını giriş tokenləri kimi daşıyır. Bu, sadə bir sorğu ilə müqayisədə xərcləri artırır.
Agentlər həm də daha çox şəkildə uğursuz olur. Alət vaxtı keçə bilər, model yanlış hərəkət seçə bilər və dövrə planlaşdırılandan daha uzun sürə bilər. Hər bir uğursuzluq tokenlərə və çox vaxt düzəltmək üçün insan əməyinə başa gəlir.
Agent büdcəsinə nələr daxil edilməlidir?
- Model istifadəsi: bütün addımlar üzrə giriş və çıxış tokenləri, provayder tərəfindən milyon token üçün qiymətləndirilir.
- Platforma və ya çərçivə haqları: Salesforce Agentforce, Microsoft Copilot Studio və ya idarə olunan agent xidmətləri kimi məhsullar söhbət, mesaj və ya tutum üçün ödəniş tələb edir.
- Alət xərcləri: axtarış API-ləri, məlumat provayderləri, brauzer qum qutuları və vektor verilənlər bazaları.
- Qurulma müddəti: dizayn, inteqrasiya, sorğu yazılması və sınaq, adətən ən böyük birdəfəlik xərc.
- Texniki xidmət: sorğu yeniləmələri, alət dəyişiklikləri, model təkmilləşdirmələri və monitorinq.
- İnsan nəzarəti: insanların çıxışları yoxlamaq və ya düzəltmək üçün sərf etdikləri dəqiqələr.
- Risk ehtiyatı: müştərilərə çatan səhvləri idarə etmək üçün vaxt.
Komandalar çox vaxt yalnız ilk xətti büdcəyə daxil edir. Son üçü isə adətən layihənin özünü doğruldub-doğrultmayacağını müəyyən edir.
Model istifadəsini necə qiymətləndirmək olar?
Agenti sınaq mühitində iyirmi real tapşırıq üzərində işlədin və tapşırıq başına tokenləri qeyd edin. Əksər provayderlər hər API cavabında token sayını qaytarır və LangGraph, OpenAI Agents SDK və ya Claude Agent SDK kimi agent çərçivələri onları hər işəsalma üzrə qeyd edə bilər. Medianı və 90-cı persentili götürün; ikincisi vacibdir, çünki bir neçə uzun işəsalma xərclərə hakim ola bilər.
Tokenləri istehlak etməyə davam edən uğursuz işəsalmaların xərcini unutmayın. Sonra gözlənilən aylıq həcmə vurun və yenidən cəhdlər üçün bir marja əlavə edin. Bir neçə provayder tərəfindən təklif olunan sorğu keşləməsi (prompt caching) təkrarlanan uzun təlimatların xərcini azaldır; sadə addımlar üçün daha kiçik modellər bunu daha da azaldır. Dizayn seçimləri qiymət danışıqlarından daha çox hesaba təsir edir.
Kodda limitlər təyin edin
Hər agentə maksimum addım sayı və hər işəsalma üçün maksimum token büdcəsi verin. Limitə çatdıqda, o dayanır və nəzarəti insana ötürür. Limitlər olmadıqda, çaşqın bir agent dövrəyə girə və pulu heç nəyə xərcləyə bilər.
Agentin gəlirliliyini necə ölçmək olar?
ROI üçün baza xətti lazımdır. Başlamazdan əvvəl tapşırığın bu gün necə yerinə yetirildiyini ölçün: tapşırıq başına vaxt, səhv dərəcəsi, həcm və onunla bağlı hər hansı gəlir. Başladıqdan sonra eyni tapşırıq üçün eyni şeyləri ölçün.
Qənaət edilmiş vaxt
Qənaət edilmiş vaxt, agent tərəfindən tamamlanan tapşırıqların tapşırıq başına qənaət edilən dəqiqələrə vurulması, çıxılan nəzarət dəqiqələri deməkdir. Bunu yüklənmiş saatlıq xərc ilə qiymətləndirin. Qənaət edilmiş vaxtın faydalı bir şey üçün istifadə edilib-edilmədiyinə dair dürüst olun; heç kimin yenidən yerləşdirmədiyi qənaət edilmiş saatlar nəticələrdə görünmür.
Gəlir effektləri
Bəzi agentlər gəlirə birbaşa təsir edir: daha sürətli potensial müştəri cavabı, daha çox göndərilən izləmələr, daha çox bərpa edilmiş tərk edilmiş səbətlər. Mümkün olduqda nəzarət qrupu (holdout) istifadə edin. Agentin potensial müştərilərin təsadüfi bir hissəsini idarə etməsinə icazə verin və konversiyanı köhnə üsulla idarə olunan hissə ilə müqayisə edin.
Keyfiyyət və risk
Səhv dərəcəsini və eskalasiya dərəcəsini izləyin. Vaxta qənaət edən, lakin müştərilərə yanlış cavablar göndərən bir agent, qənaət etdiyindən daha çox itkiyə və ya dəstək xərclərinə səbəb ola bilər. Bu effektləri, təxmini olsa belə, daxil edin.
İşlənmiş nümunə
Satış inkişaf komandası hər bir daxil olan potensial müştərini ilk zəngdən əvvəl araşdıran B2B proqram təminatı şirkətini götürək, bu hər müştəri üçün təxminən on beş dəqiqə çəkir. Bir agent formanı oxuyur, şirkətin veb saytını axtarır, CRM-i yoxlayır və bir səhifəlik xülasə yazır.
- Həcm: ayda 400 potensial müştəri.
- Köhnə vaxt: hər biri 15 dəqiqə və ya ayda 100 saat.
- Yeni vaxt: hər xülasəni yoxlamaq üçün 4 dəqiqə və ya təxminən 27 saat.
- Qənaət edilmiş vaxt: ayda təxminən 73 saat.
- Agent xərci: hər xülasə üçün model və axtarış istifadəsi, üstəgəl bir il ərzində yayılmış qurulma və texniki xidmət payı.
Bunlar illüstrasiya üçün nümunə rəqəmlərdir. Öz rəqəmlərinizi eyni struktura daxil edin və qərar fikir deyil, hesablamaya çevriləcək.
Agent nə vaxt özünü doğrultmur?
Aşağı həcm adətən əsas səbəbdir. Əgər bir tapşırıq ayda on dəfə baş verirsə, qurulma xərci nadir hallarda geri qayıdır. İkincisi, hər dəfə mühakimə tələb edən bir tapşırıqdır, ona görə də nəzarət onu etmək qədər vaxt aparır. Üçüncüsü, tez-tez dəyişən bir prosesdir, ona görə də texniki xidmət heç vaxt bitmir. Bu hallarda daha sadə bir sorğu şablonu və ya sabit avtomatlaşdırma adətən daha yaxşı dəyərdir. Faydalı bir sınaq, tapşırığın yeni bir işçinin ilk gündə izlədiyi bir yoxlama siyahısı kimi yazıla biləcəyini soruşmaqdır. Əgər yazıla bilərsə, sabit avtomatlaşdırma və ya şablon işi daha az xərclə görə bilər; əgər bir neçə mənbədən oxumaq, axtarmaq və qərar vermək lazımdırsa, agent daha yaxşı seçimdir.
Alien Road AI agentlərini necə tətbiq edir və ROI-ni necə ölçür
Tipik bir əməkdaşlıqda AI marketinq komandamız hədəf tapşırığı bu gün onu yerinə yetirən insanlarla vaxtlaşdıraraq və həcm və səhv dərəcəsini qeyd edərək başlayır. Bu rəqəmlər yuxarıda sadalanan xərc xətləri ilə birgə ROI vərəqində baza xəttini təşkil edir.
Biz agenti addım və token limitləri, hər işəsalma üçün qeydiyyat və çıxışlar üçün nəzarət ekranı ilə qururuq. Pilot, çox vaxt müqayisə üçün nəzarət qrupu ilə real həcmin bir hissəsində işləyir.
Aylıq hesabatlar tamamlanmış tapşırıq başına xərci, nəzarətdən sonra qənaət edilmiş vaxtı, eskalasiya və səhv dərəcələrini və nəzarət qrupuna qarşı ölçülən hər hansı gəlir effektini göstərir. Əgər tapşırıq başına xərc artarsa və ya keyfiyyət düşərsə, hesabat bunu bildirir və dəyişikliklər və ya dayandırılmasını tövsiyə edir.
Bu həftə haradan başlamaq lazımdır
Komandanızın ayda ən azı yüz dəfə təkrarladığı bir tapşırıq seçin. Bunu edən beş nəfərin vaxtını ölçün, səhv dərəcəsini qeyd edin və bu rəqəmləri agent xərcləri üçün boş sütunları olan bir vərəqə yazın. İyirmi tapşırıq üzərində kiçik bir agent prototipi işlədin, tokenləri və nəzarət vaxtını qeyd edin və daha çox qurmağa qərar verməzdən əvvəl vərəqi doldurun.
Oxumağa davam edin: AI Marketinq Agentliyi · AI Marketinq