Юнит-экономика агента под вертикаль: COGS настройки + OPEX на клиента

Дата: 11 июля 2026. Для Ивана (SPO): каркас, чтобы (а) понимать экономику самому, (б) на интервью вытащить у CEO реальные цифры, подставив их вместо моих оценок. Все числа — ОЦЕНКА (нет доступа к их внутренним данным). Ставки инженеров — блендед EE/UA loaded cost. Цены inference — срез 2026 из 24 §5. Метод важнее чисел: подставь их реальные ставки/часы/объёмы — модель пересчитается. Почему этот вопрос — сильнейший: он отделяет продукт от агентства. Разовый COGS решает, прибылен ли один сетап; месячный OPEX решает, не съедает ли «бесплатная» поддержка разовую маржу. Тирдаун (01 §3, 06c §2) отметил это как главную дыру, но цифр у них публично нет — их надо достать.

0. Две разные величины — не путать

	Что это	Природа	Кого спрашивать
COGS настройки	Разовая себестоимость довести агента до go-live	One-time, в основном труд	«Сколько engineer-hours на сетап?»
OPEX на клиента/мес	Постоянная себестоимость держать агента живым	Recurring: inference + инфра + поддержка + обслуживание интеграций	«Сколько стоит вести одного клиента в месяц?»

Ключевая ловушка их модели: цена разовая ($1,900), а OPEX — ежемесячный и вечный. Если не считать OPEX, кажется, что маржа 60–80%. На горизонте года она может уйти в минус.

1. COGS настройки (разовый) — модель по фазам

Реконструкция delivery-пайплайна из 06c §1, оценка часов и стоимости:

Фаза	Что делается	Часы `ОЦЕНКА`	Роль
Discovery	сбор workflow, инвентаризация tool-stack	2–4	CSM
Build/Connect	OAuth к ≤12 интеграциям, цепочки, заливка memory	8–16	Automation/AI Engineer
Approval-setup	настройка approval-матрицы	1–2	Engineer
Go-live + онбординг	передача, обучение клиента	2–4	CSM
QA / eval перед хэндоффом	приёмочные тесты	2–4	Engineer
Итого сетап		15–30 ч
+ 30 дней tuning (hypercare)	разбор ошибок, донастройка	5–15 ч (растянуто)	CSM + Engineer
Полный труд на клиента		~20–45 ч

В деньгах (блендед loaded rate EE/UA $30–40/ч ОЦЕНКА):

Сценарий	Часы	COGS настройки
Бутиковый сетап (кастом с нуля)	20–45 ч	~$700–1,800
Шаблонный сетап (вертикальный playbook, 80% преднастройки)	4–10 ч	~$150–400

Вывод №1: при разовой цене $1,900 бутиковый сетап оставляет тонкую или отрицательную маржу (после 30 дней tuning). Шаблонизация под вертикаль — не «улучшение», а условие положительной экономики: она роняет COGS в 3–5 раз. Это и есть аргумент «де-бутиковизации» из 06c §2 и твоей ставки в 24 §4.

Вывод №2 (ответ на вопрос «сколько стоит настройка под вертикаль»): первый агент новой вертикали дороже (нужно построить playbook — разовые ~40–80 ч на сам шаблон), но каждый следующий клиент в этой вертикали — уже $150–400. Вертикаль окупается объёмом внутри неё, а не первым клиентом.

2. OPEX на клиента в месяц (постоянный)

Четыре статьи, доминируют inference и поддержка:

Статья	Драйвер	$/мес `ОЦЕНКА`	Комментарий
Inference / токены	объём задач × токенов на задачу	$15–80 (тяжёлый юзер до $150+)	см. расчёт ниже — самая волатильная
Инфра / хостинг	«isolated agent per client» (их заявление) = отдельный compute+storage	$10–40	изоляция удорожает vs shared
Поддержка / CSM	high-touch человек, 1–3 ч/мес × $30/ч	$30–90	не масштабируется линейно
Обслуживание интеграций	протухшие OAuth, смена API (амортизировано)	$10–30	растёт с числом интеграций × клиентов
Итого OPEX/клиент		~$65–240/мес

Расчёт inference (самое важное — их же боль «Stop Burning Money on Tokens»)

Задача агента (триаж письма + драфт) ≈ 5–50K токенов (контекст + memory + output; агентные траектории раздувают — LLM Cost Paradox: цена/токен ↓, но потребление ↑ до 100×).
500–2,000 задач/мес × ~20K токенов ≈ 10–40M токенов/мес.
Блендед ~$1–3/1M (микс дешёвого input + дорогого output, частичный caching) → $15–120/мес.
Спайки: длинные цепочки, retries, субагенты → отдельные клиенты могут пробивать $150+.

Вывод №3: OPEX доминируется inference + человеческой поддержкой. Оба — рычаги: inference режется model routing / caching / лимитами траекторий (24 §5); поддержка — шаблонами и self-serve реконфигурацией.

3. Сводная картина маржи — где ломается разовая модель

Возьмём средний бутиковый клиент: COGS настройки $1,200, OPEX $150/мес.

Модель	Выручка	Расход год-1	Итог год-1
Разово $1,900, поддержка «бесплатно»	$1,900	$1,200 + 12×$150 = $3,000	−$1,100 🔴
Разово $1,900, но клиент ушёл после 30 дней (реально забрал ключи)	$1,900	$1,200 + 1×$150 = $1,350	+$550 🟡
Шаблонный сетап $1,900	$1,900	$400 + 12×$150 = $2,200	−$300 🟡
Care-план: setup $1,900 + $199/мес	$1,900 + 12×$199 = $4,288	$400 + 12×$150 = $2,200	+$2,088 🟢

Вывод №4 (главный): разовая модель прибыльна только если клиент перестаёт потреблять поддержку/inference — то есть если «own the keys» реально работает и клиент уходит. Но если он остаётся (а нетехнический founder не может сам вести 12 интеграций — 06c §4), каждый месяц «бесплатного» обслуживания съедает разовую маржу. Recurring — не жадность, а условие выживания unit-экономики. Отсюда и их пивот на лестницу с «cancel anytime».

4. Рычаги (что двигает экономику — язык для разговора с CEO)

Рычаг	Двигает	Как
Шаблонизация вертикали	COGS настройки ↓ 3–5×	80% преднастройки, каталог интеграций
Model routing	inference ↓	дешёвая модель на триаж, дорогая на действия
Prompt/context caching	inference ↓	переиспользование контекста
Лимиты траекторий/retries	inference ↓ (защита от спайков)	cap на длину агентного цикла
Self-serve реконфигурация	поддержка ↓	клиент меняет настройки без инженера
Health-мониторинг токенов	обслуживание интеграций ↓	ловить протухший OAuth до жалобы
Recurring-тариф	LTV ↑, покрывает OPEX	Care-план $99–299/мес

Метрика, которую я бы завёл: cost-per-completed-task (не cost-per-token) + маржа по когортам клиентов. Это прямой ответ на их вебинар.

5. Вопросы к CEO — вытащить реальные цифры (подставить в модель)

Сколько engineer-hours в среднем уходит на один сетап сегодня? Какая доля сетапов уже из шаблонов без кастома? (COGS настройки)
Какова валовая маржа на одном клиенте с учётом 30 дней tuning? Считали ли её вообще? (проверка: считают ли OPEX)
Сколько стоит inference на одного клиента в месяц? Есть ли model routing / caching? (их же тема токенов)
Один CSM/инженер ведёт сколько клиентов? Сколько часов/мес на клиента после go-live? (OPEX поддержки)
Какой % клиентов реально «забирает ключи» и уходит vs остаётся на обслуживании? (это решает, +$550 или −$1,100 на клиенте)
Считаете ли cost-per-completed-task и маржу по когортам, или только cost-per-token? (сеньорный сигнал + прямой мостик к вебинару)

6. Оговорки

Все числа — ОЦЕНКА для порядка величины, не их данные. Ставки, часы, объёмы токенов — подставить реальные.
Loaded rate $30–40/ч — допущение по EE/UA-рынку; senior-инженеры дороже.
Inference-вилка широкая ($15–150) — реальный разброс между лёгким и тяжёлым клиентом огромен; без их телеметрии точнее нельзя (что само по себе — вопрос: есть ли у них эта телеметрия?).
Модель не учитывает: CAC (стоимость привлечения), overhead (офис, лицензии, менеджмент) — это выше COGS/OPEX, но для «прибылен ли один клиент» первично именно то, что здесь.
На интервью подавать как каркас мышления, а не как «я посчитал вашу экономику» — цифры их, метод мой.