AI ajanları, token başına fiyatlarının önerdiğinden daha fazla maliyet yaratır ve yalnızca ölçülebilir bir öncesi ve sonrası olan bir göreve bağlandıklarında değer sağlarlar. Bir AI ajanı, dil modelinin adımları planladığı ve bir hedefe ulaşmak için arama, CRM veya tarayıcı gibi araçları kullandığı bir sistemdir. Bütçeleme; model kullanımını, platform ücretlerini, geliştirme süresini, bakımı ve insan denetimini saymak, ardından bunları tasarruf edilen zaman veya elde edilen gelirle karşılaştırmak anlamına gelir.
Ajan maliyetlerini chatbot maliyetlerinden farklı kılan nedir?
Bir chatbot, bir mesajı bir model çağrısıyla yanıtlar. Bir ajan ise döngü oluşturur: düşünür, bir aracı çağırır, sonucu okur, tekrar düşünür ve bitene kadar tekrarlar. Bir kullanıcı isteği, her biri artan konuşma geçmişini ve araç çıktılarını girdi tokenleri olarak taşıyan on veya yirmi model çağrısını tetikleyebilir. Bu, basit bir isteme kıyasla maliyeti katlar.
Ajanlar ayrıca daha fazla şekilde başarısız olurlar. Bir araç zaman aşımına uğrayabilir, model yanlış bir eylem seçebilir ve bir döngü planlanandan daha uzun sürebilir. Her başarısızlık tokenlere ve genellikle düzeltilmesi için insan zamanına mal olur.
Bir ajan bütçesi neleri içermelidir?
- Model kullanımı: tüm adımlar boyunca girdi ve çıktı tokenleri, sağlayıcı tarafından milyon token başına fiyatlandırılır.
- Platform veya çerçeve ücretleri: Salesforce Agentforce, Microsoft Copilot Studio veya yönetilen ajan hizmetleri gibi ürünler konuşma, mesaj veya kapasite başına ücret alır.
- Araç maliyetleri: arama API’leri, veri sağlayıcıları, tarayıcı korumalı alanları ve vektör veritabanları.
- Geliştirme süresi: tasarım, entegrasyon, istem yazımı ve test, genellikle en büyük tek seferlik maliyet.
- Bakım: istem güncellemeleri, araç değişiklikleri, model yükseltmeleri ve izleme.
- İnsan denetimi: insanların çıktıları kontrol etmek veya düzeltmek için harcadıkları dakikalar.
- Risk rezervi: müşterilere ulaşan hataları yönetmek için zaman.
Ekipler genellikle sadece ilk satırı bütçeler. Son üçü genellikle projenin kendini amorti edip etmeyeceğine karar verir.
Model kullanımı nasıl tahmin edilir?
Ajani yirmi gerçekçi görev üzerinde bir test ortamında çalıştırın ve görev başına tokenleri kaydedin. Çoğu sağlayıcı her API yanıtında token sayısını döndürür ve LangGraph, OpenAI Agents SDK veya Claude Agent SDK gibi ajan çerçeveleri bunları çalışma başına kaydedebilir. Medyanı ve 90. yüzdelik dilimi alın; ikincisi önemlidir çünkü birkaç uzun çalışma maliyete hakim olabilir.
Token tüketmeye devam eden başarısız çalışmaların maliyetini unutmayın. Ardından beklenen aylık hacimle çarpın ve yeniden denemeler için bir marj ekleyin. Birçok sağlayıcı tarafından sunulan istem önbelleğe alma (prompt caching), tekrarlanan uzun talimatların maliyetini düşürür; basit adımlar için daha küçük modeller bunu daha da düşürür. Tasarım seçimleri, fatura üzerinde fiyat pazarlığından daha fazla değişiklik yapar.
Kodda limitler belirleyin
Her ajana çalışma başına maksimum adım sayısı ve maksimum token bütçesi verin. Limite ulaştığında durur ve kontrolü bir insana devreder. Limitler olmazsa, kafası karışmış bir ajan döngüye girebilir ve parayı boşa harcayabilir.
Bir ajanın getirisi nasıl ölçülür?
ROI için bir temel çizgi gerekir. Başlamadan önce, görevin bugün nasıl yapıldığını ölçün: görev başına süre, hata oranı, hacim ve buna bağlı herhangi bir gelir. Başladıktan sonra, aynı görev için aynı şeyleri ölçün.
Tasarruf edilen zaman
Tasarruf edilen zaman, ajan tarafından tamamlanan görevlerin görev başına tasarruf edilen dakikalarla çarpımı, eksi denetim için harcanan dakikalardır. Bunu yüklü bir saatlik maliyetle değerlendirin. Tasarruf edilen zamanın yararlı bir şey için kullanılıp kullanılmadığı konusunda dürüst olun; kimsenin yeniden görevlendirmediği tasarruf edilen saatler sonuçlarda görünmez.
Gelir etkileri
Bazı ajanlar geliri doğrudan etkiler: daha hızlı potansiyel müşteri yanıtı, daha fazla gönderilen takip, daha fazla kurtarılan terk edilmiş sepet. Mümkünse bir kontrol grubu kullanın. Ajanın potansiyel müşterilerin rastgele bir kısmını yönetmesine izin verin ve dönüşümü eski yöntemle yönetilen kısımla karşılaştırın.
Kalite ve risk
Hata oranını ve eskalasyon oranını takip edin. Zaman kazandıran ancak müşterilere yanlış yanıtlar gönderen bir ajan, müşteri kaybı veya destek maliyetleri açısından tasarruf ettiğinden daha fazlasına mal olabilir. Bu etkileri, kabaca tahmin edilseler bile dahil edin.
Çalışılmış bir örnek
Satış geliştirme ekibi her gelen potansiyel müşteriyi ilk aramadan önce araştıran ve bu işlem müşteri başına yaklaşık on beş dakika süren bir B2B yazılım şirketi düşünün. Bir ajan formu okur, şirket web sitesini arar, CRM’i kontrol eder ve bir sayfalık bir özet yazar.
- Hacim: ayda 400 potansiyel müşteri.
- Eski süre: her biri 15 dakika veya ayda 100 saat.
- Yeni süre: her özeti incelemek için 4 dakika veya yaklaşık 27 saat.
- Tasarruf edilen zaman: ayda yaklaşık 73 saat.
- Ajan maliyeti: özet başına model ve arama kullanımı, artı bir yıla yayılmış geliştirme ve bakım payı.
Bunlar örnekleme amaçlı rakamlardır. Kendi rakamlarınızı aynı yapıya koyun, karar bir fikir olmaktan çıkıp aritmetiğe dönüşecektir.
Bir ajan ne zaman kendini amorti etmez?
Düşük hacim genellikle temel nedendir. Bir görev ayda on kez gerçekleşiyorsa, geliştirme maliyeti nadiren geri döner. İkincisi, her seferinde muhakeme gerektiren bir görevdir, bu yüzden inceleme yapmak kadar zaman alır. Üçüncüsü, sık değişen bir süreçtir, bu yüzden bakım asla bitmez. Bu durumlarda daha basit bir istem şablonu veya sabit bir otomasyon genellikle daha iyi bir değerdir. Yararlı bir test, görevin yeni bir çalışanın ilk gün izlediği bir kontrol listesi olarak yazılıp yazılamayacağını sormaktır. Eğer yazılabiliyorsa, sabit bir otomasyon veya şablon işi çok daha ucuza yapabilir; eğer birden fazla kaynaktan okuma, arama ve karar verme gerektiriyorsa, bir ajan daha iyi bir seçenektir.
Alien Road AI ajanlarını nasıl uygular ve ROI’lerini nasıl ölçer
Tipik bir çalışmada, AI pazarlama ekibimiz hedef görevi bugün yapan kişilerle zamanlayarak ve hacim ile hata oranını kaydederek başlar. Bu rakamlar, yukarıda listelenen maliyet kalemleriyle birlikte paylaşılan bir ROI sayfasında temel çizgiyi oluşturur.
Ajani adım ve token limitleri, çalışma başına günlük kaydı ve çıktılar için bir inceleme ekranı ile oluşturuyoruz. Bir pilot çalışma, genellikle karşılaştırma için bir kontrol grubu ile gerçek hacmin bir kısmında çalışır.
Aylık raporlar, tamamlanan görev başına maliyeti, incelemeden sonra tasarruf edilen zamanı, eskalasyon ve hata oranlarını ve kontrol grubuna karşı ölçülen herhangi bir gelir etkisini gösterir. Görev başına maliyet artarsa veya kalite düşerse, rapor bunu belirtir ve değişiklikler veya durdurma önerir.
Bu hafta nereden başlamalı
Ekibinizin ayda en az yüz kez tekrarladığı bir görev seçin. Bunu yapan beş kişiyi zamanlayın, hata oranını not edin ve bu rakamları ajan maliyetleri için boş sütunları olan bir sayfaya yazın. Yirmi görev üzerinde küçük bir ajan prototipi çalıştırın, tokenleri ve inceleme süresini kaydedin ve daha fazla inşa etmeye karar vermeden önce sayfayı doldurun.
Okumaya devam edin: AI Pazarlama Ajansı · AI Pazarlama