طراحی workflow و مجوز ایجنت
حداقل مجوز، نقاط کنترل، توقف، ثبت و برگشت برای هر مرحلهٔ ایجنت.
- پرسش‌های راهنما
- فقط در مرورگر شما
- دربارهٔ AI، بدون ارسال داده به AI
برآورد هزینه پروژه AI
دامنهٔ پروژه، داده، تیم، زیرساخت و مدل را انتخاب کنید تا بازهٔ هزینهٔ ساخت و هزینهٔ ماهانهٔ نگه‌داری را با فرض‌های شفاف ببینید.
یک پروژهٔ هوش مصنوعی برای کسب‌وکار شما واقعاً چقدر هزینه دارد — ساخت و نگه‌داری؟
- چند عدد در فرم
- روی سرور سایت
- بدون هوش مصنوعی
مسئله‌ای که حل می‌کند
هزینهٔ یک پروژهٔ هوش مصنوعی فقط پول مدل نیست. هر کاری که به مدل می‌دهید چند بار اجرا می‌شود (نرخ خطا)، یک نفر باید خروجی را ببیند (بازبینی)، بخشی از خروجی‌ها به درد نمی‌خورد (نرخ پذیرش) و سیستم هر ماه نگه‌داری می‌خواهد — و همهٔ این‌ها با یک نرخ دلار که خودتان انتخاب می‌کنید به تومان تبدیل می‌شوند.
این ابزار همهٔ این اجزا را کنار هم می‌گذارد و می‌گوید هر «کار موفق» چقدر تمام می‌شود، هزینهٔ ماهانه چقدر است، در برابر روش فعلی چقدر صرفه‌جویی (یا ضرر) دارد و هزینهٔ راه‌اندازی در چند ماه برمی‌گردد. هیچ قیمت یا نرخی را از جایی نمی‌خواند؛ هر عددی که می‌بینید از ورودی خود شما آمده.
ورودی‌ها
نتیجه
همهٔ مبالغ به تومان؛ برای ۳٬۰۰۰ کار در ماه.
- ۱۵٬۵۳۱ تومان هزینهٔ هر کار موفق (هزینهٔ ماهانهٔ هوش مصنوعی ÷ کارهای پذیرفته‌شده)
- ۴۱٬۹۳۴٬۷۸۳ تومان هزینهٔ ماهانهٔ هوش مصنوعی (مدل + بازبینی + نگه‌داری)
- +۱۲۰٬۰۶۵٬۲۱۷ تومان صرفه‌جویی ماهانه نسبت به روش فعلی (با احتساب کارهای پذیرفته‌نشده که دستی انجام می‌شوند)؛ بدون احتساب آن‌ها: +۱۳۸٬۰۶۵٬۲۱۷
- ۰٫۵ ماه تا بازگشت هزینهٔ راه‌اندازی (بدون کارهای دستی جایگزین: ۰٫۴ ماه)
- ۹۰۰ تومان هزینهٔ هر تلاش × ۱٫۰۹ تلاش انتظاری برای هر کار
- ۱۳٬۹۷۸ تومان هزینهٔ هوش مصنوعی به ازای هر کار، پذیرفته یا نه
افق مقایسه وارد نشده؛ ۱۲ ماه در نظر گرفته شد.
این اعداد هزینه‌اند، نه سود: درآمد، ارزش کیفیت بهتر یا بدتر و ریسک در محاسبه نیست و هیچ‌کدام توصیهٔ سرمایه‌گذاری نیست.
هزینهٔ ماهانه، خط به خط
| ردیف | مبلغ ماهانه (تومان) | ٪ از هزینهٔ ماهانهٔ پیشنهادی |
|---|---|---|
| هزینهٔ مدل (با احتساب تکرارها) (هزینهٔ هر تلاش × تعداد تلاش × تعداد کار) | ۲٬۹۳۴٬۷۸۳ | ۴٫۹٪ |
| بازبینی انسانی (دقیقه ÷ ۶۰ × هزینهٔ ساعتی × تعداد کار) | ۳۵٬۰۰۰٬۰۰۰ | ۵۸٫۴٪ |
| نگه‌داری ماهانه | ۴٬۰۰۰٬۰۰۰ | ۶٫۷٪ |
| هزینهٔ ماهانهٔ هوش مصنوعی | ۴۱٬۹۳۴٬۷۸۳ | ۷۰٫۰٪ |
| کارهای پذیرفته‌نشده که دستی انجام می‌شوند (تعداد کار × (۱ − نرخ پذیرش) × هزینهٔ فعلی هر کار) | ۱۸٬۰۰۰٬۰۰۰ | ۳۰٫۰٪ |
| هزینهٔ ماهانهٔ سناریوی پیشنهادی | ۵۹٬۹۳۴٬۷۸۳ | ۱۰۰٫۰٪ |
سهم هر جزء از هزینهٔ ماهانهٔ پیشنهادی
- بازبینی انسانی ۵۸٫۴٪ ۳۵٬۰۰۰٬۰۰۰
- کارهای دستی جایگزین ۳۰٫۰٪ ۱۸٬۰۰۰٬۰۰۰
- نگه‌داری ۶٫۷٪ ۴٬۰۰۰٬۰۰۰
- مدل ۴٫۹٪ ۲٬۹۳۴٬۷۸۳
وضعیت فعلی در برابر سناریوی پیشنهادی
ردیف «هر کار انجام‌شده» هر دو طرف را برای یک کار تمام‌شده مقایسه می‌کند (در سناریوی پیشنهادی، کارهای پذیرفته‌نشده دستی انجام شده‌اند). صرفه‌جویی مثبت یعنی سناریوی پیشنهادی ارزان‌تر است. ردیف «فقط هزینهٔ هوش مصنوعی» همان مقایسه بدون هزینهٔ کارهای دستی جایگزین است: مدل + بازبینی + نگه‌داری.
| مقایسه | وضعیت فعلی (دستی) | با هوش مصنوعی | صرفه‌جویی | ٪ |
|---|---|---|---|---|
| هر کار انجام‌شده | ۶۰٬۰۰۰ | ۱۹٬۹۷۸ | +۴۰٬۰۲۲ | +۶۶٫۷٪ |
| هر ماه | ۱۸۰٬۰۰۰٬۰۰۰ | ۵۹٬۹۳۴٬۷۸۳ | +۱۲۰٬۰۶۵٬۲۱۷ | +۶۶٫۷٪ |
| هر ماه، فقط هزینهٔ هوش مصنوعی (بدون کارهای دستی جایگزین) | ۱۸۰٬۰۰۰٬۰۰۰ | ۴۱٬۹۳۴٬۷۸۳ | +۱۳۸٬۰۶۵٬۲۱۷ | +۷۶٫۷٪ |
| ۱۲ ماه، با هزینهٔ راه‌اندازی | ۲٬۱۶۰٬۰۰۰٬۰۰۰ | ۷۷۹٬۲۱۷٬۳۹۱ | +۱٬۳۸۰٬۷۸۲٬۶۰۹ | +۶۳٫۹٪ |
حساسیت: نرخ پذیرش ±۱۰ واحد و نرخ خطا ±۵ واحد
هر ردیف، همهٔ اعداد را با یک تغییر دوباره حساب می‌کند. رنگ سبز یعنی هزینهٔ هر کار موفق کمتر از حالت فعلی شده، قرمز یعنی بیشتر؛ ستون «تفاوت» همان عدد را می‌گوید تا رنگ تنها نشانه نباشد.
| متغیر | مقدار | هزینهٔ هر کار موفق | تفاوت با فعلی | هزینهٔ ماهانهٔ پیشنهادی | صرفه‌جویی ماهانه | بازگشت (ماه) |
|---|---|---|---|---|---|---|
| نرخ پذیرش −۱۰ واحد | ۸۰٪ | ۱۷٬۴۷۳ | +۱٬۹۴۱ | ۷۷٬۹۳۴٬۷۸۳ | +۱۰۲٬۰۶۵٬۲۱۷ | ۰٫۶ |
| نرخ پذیرش بدون تغییر | ۹۰٪ | ۱۵٬۵۳۱ | فعلی | ۵۹٬۹۳۴٬۷۸۳ | +۱۲۰٬۰۶۵٬۲۱۷ | ۰٫۵ |
| نرخ پذیرش +۱۰ واحد | ۱۰۰٪ | ۱۳٬۹۷۸ | −۱٬۵۵۳ | ۴۱٬۹۳۴٬۷۸۳ | +۱۳۸٬۰۶۵٬۲۱۷ | ۰٫۴ |
| نرخ خطا −۵ واحد | ۳٪ | ۱۵٬۴۷۵ | −۵۶ | ۵۹٬۷۸۳٬۵۰۵ | +۱۲۰٬۲۱۶٬۴۹۵ | ۰٫۵ |
| نرخ خطا بدون تغییر | ۸٪ | ۱۵٬۵۳۱ | فعلی | ۵۹٬۹۳۴٬۷۸۳ | +۱۲۰٬۰۶۵٬۲۱۷ | ۰٫۵ |
| نرخ خطا +۵ واحد | ۱۳٪ | ۱۵٬۵۹۴ | +۶۲ | ۶۰٬۱۰۳٬۴۴۸ | +۱۱۹٬۸۹۶٬۵۵۲ | ۰٫۵ |
فرض‌های این محاسبه
- هر «تلاش» یک بار اجرای مدل روی یک کار است؛ وقتی نرخ خطا r باشد، هر کار به‌طور انتظاری ۱ ÷ (۱ − r) تلاش می‌خورد و هزینهٔ مدل با همین ضریب بزرگ می‌شود.
- بازبینی انسانی یک بار برای هر کار (روی خروجی نهایی) انجام می‌شود، نه برای هر تلاش؛ اگر بازبین است که تکرار را می‌خواهد، دقیقهٔ بازبینی را بیشتر وارد کنید.
- کارهایی که پذیرفته نمی‌شوند هم هزینهٔ مدل و بازبینی دارند؛ به همین دلیل «هزینهٔ هر کار موفق» = کل هزینهٔ ماهانه ÷ تعداد کارهای پذیرفته‌شده.
- نرخ دلار و قیمت هر میلیون توکن، ورودی خود شماست؛ ابزار هیچ نرخ یا قیمتی را از جایی نمی‌خواند.
- هزینهٔ ماهانهٔ نگه‌داری ثابت فرض شده و هزینهٔ راه‌اندازی یک‌باره است؛ بهرهٔ پول، مالیات و استهلاک در محاسبه نیست.
- مقایسه با وضعیت فعلی فقط هزینهٔ نیروی انسانی برای همان کار را می‌بیند؛ کیفیت بهتر یا بدتر، سرعت و ریسک در عدد نیست.
برای اشتراک‌گذاری، ورودی‌ها را دوباره وارد کنید یا فایل اکسل را بفرستید: هیچ‌چیز از اعداد کسب‌وکار شما در نشانی صفحه قرار نمی‌گیرد و روی سرور هم ذخیره نمی‌شود.
روش محاسبه و فرض‌ها
- هزینهٔ هر تلاش = (توکن ورودی × قیمت هر میلیون توکن ورودی + توکن خروجی × قیمت هر میلیون توکن خروجی) ÷ ۱٬۰۰۰٬۰۰۰ × نرخ دلار؛ یا مبلغ مستقیمی که وارد می‌کنید (دلاری × نرخ، یا تومانی).
- تعداد تلاش انتظاری برای هر کار = ۱ ÷ (۱ − نرخ خطا). با نرخ خطای ۸٪، هر کار به‌طور میانگین ۱٫۰۹ تلاش می‌خورد؛ هزینهٔ مدل هر کار = هزینهٔ هر تلاش × این ضریب. نرخ خطای ۱۰۰٪ یا بیشتر تعریف‌شدنی نیست و ابزار هشدار می‌دهد.
- هزینهٔ بازبینی هر کار = دقیقهٔ بازبینی ÷ ۶۰ × هزینهٔ ساعتی بازبین؛ یک بار برای هر کار، نه برای هر تلاش.
- هزینهٔ ماهانهٔ هوش مصنوعی = تعداد کار × (هزینهٔ مدل هر کار + هزینهٔ بازبینی هر کار) + نگه‌داری ماهانه.
- هزینهٔ هر کار موفق = هزینهٔ ماهانهٔ هوش مصنوعی ÷ (تعداد کار × نرخ پذیرش). کارهای پذیرفته‌نشده هزینه‌شان را خورده‌اند ولی نتیجه نداده‌اند؛ به همین دلیل مخرج فقط کارهای پذیرفته‌شده است.
- وضعیت فعلی: هزینهٔ هر کار = دقیقهٔ کار دستی ÷ ۶۰ × هزینهٔ ساعتی فعلی، و ماهانه = تعداد کار × همین عدد. اگر کارهای پذیرفته‌نشده دستی انجام شوند (تنظیم پیش‌فرض)، هزینهٔ آن‌ها به سناریوی پیشنهادی اضافه می‌شود.
- صرفه‌جویی ماهانه = هزینهٔ ماهانهٔ فعلی − هزینهٔ ماهانهٔ پیشنهادی؛ بازگشت هزینهٔ راه‌اندازی (ماه) = هزینهٔ راه‌اندازی ÷ صرفه‌جویی ماهانه. وقتی صرفه‌جویی مثبت نیست، ابزار «بازگشتی ندارد» می‌نویسد، نه عدد.
- جدول حساسیت همهٔ اعداد را یک بار با نرخ پذیرش ±۱۰ واحد درصد و یک بار با نرخ خطا ±۵ واحد درصد دوباره حساب می‌کند (در بازهٔ مجاز).
- نرخ دلار و قیمت هر میلیون توکن ورودی خود شماست. جدول مرجع بالای فرم تاریخ‌دار است و در هیچ محاسبه‌ای استفاده نمی‌شود.
محدودیت‌ها و استفادهٔ نادرست
- خروجی این ابزار هزینه است، نه سود: درآمد، ارزش کیفیت بهتر، سرعت پاسخ و ریسک خطای پذیرفته‌شده در عدد نیست. صرفه‌جویی ماهانه فقط هزینهٔ نیروی انسانی همان کار را با هزینهٔ هوش مصنوعی مقایسه می‌کند.
- نرخ خطا و نرخ پذیرش باید از یک آزمایش واقعی روی دادهٔ خودتان بیاید؛ عددهای مثال، فرضی‌اند. یک آزمایش کوچک (چند صد کار) بهتر از هر حدسی است.
- توکن هر کار به مدل، دستور و زبان وابسته است؛ متن فارسی معمولاً توکن بیشتری از انگلیسی می‌خورد. برای شمردن دقیق، از ابزار شمارش توکن خود ارائه‌دهنده استفاده کنید.
- نرخ دلار را خودتان انتخاب می‌کنید و مسئولیت آن با شماست؛ این ابزار نرخ آزاد یا رسمی را نه می‌خواند و نه پیشنهاد می‌دهد. با نوسان نرخ، هزینهٔ دلاری ماه به ماه عوض می‌شود.
- قیمت‌های مرجع تاریخ‌دارند و ممکن است تغییر کرده باشند؛ کش پرامپت، پردازش دسته‌ای و تخفیف‌های حجمی هم در این محاسبه نیست. قیمت را از صفحهٔ رسمی وارد کنید.
- هزینه‌های پنهان — آماده‌سازی داده، تغییر فرایند، آموزش تیم، حریم خصوصی و انطباق — باید در هزینهٔ راه‌اندازی یا نگه‌داری خودتان بیاید؛ ابزار چیزی به آن اضافه نمی‌کند.
- این ابزار ماشین‌حساب است، نه مشاوره: هیچ‌کدام از اعداد توصیهٔ خرید، قرارداد یا سرمایه‌گذاری نیست.
راهنمای این ابزار
پیش از سپردن یک کار تکراری به هوش مصنوعی، ببینید هر ماه چقدر خرج دارد و از روش دستیِ امروز ارزان‌تر می‌شود یا نه.
این عددها را چطور بخوانم؟
- هزینهٔ هر کار موفق: کل خرج ماهانهٔ هوش مصنوعی تقسیم بر کارهایی که خروجی‌شان پذیرفته شد. کارهای ردشده هم خرج دارند؛ برای همین این عدد از هزینهٔ یک بار اجرا بیشتر است.
- هزینهٔ ماهانهٔ هوش مصنوعی: جمع هزینهٔ مدل، بازبینی و نگه‌داری.
- صرفه‌جویی ماهانه: هزینهٔ روش دستیِ امروز منهای هزینهٔ روش تازه. منفی یعنی روش تازه گران‌تر است.
- ماه تا بازگشت هزینهٔ راه‌اندازی: هزینهٔ راه‌اندازی تقسیم بر صرفه‌جویی ماهانه. «بازگشتی ندارد» یعنی صرفه‌جویی ماهانه مثبت نیست.
- اگر دو عدد صرفه‌جویی می‌بینید: عدد اول هزینهٔ انجام دستیِ کارهای ردشده را هم حساب کرده و محتاطانه‌تر است.
- جدول حساسیت: اگر نرخ پذیرش ۱۰ واحد یا نرخ خطا ۵ واحد بالا و پایین شود، عددها چقدر عوض می‌شوند.
با این نتیجه چه چیزی را بررسی کنم؟
- نرخ خطا و نرخ پذیرش را با آزمایش روی کارهای واقعی خودتان اندازه بگیرید و دوباره حساب کنید.
- در جدول حساسیت ببینید با نرخ پذیرش پایین‌تر، صرفه‌جویی هنوز مثبت است یا نه.
- قیمت مدل را دوباره از صفحهٔ رسمی ارائه‌دهنده بردارید؛ قیمت‌ها تغییر می‌کنند.
- هزینه‌هایی را که در «راه‌اندازی» نیاورده‌اید فهرست کنید: آماده‌کردن داده، آموزش کارکنان و تغییر روال کار.
این ابزار برای چه کسی است و چه داده‌ای می‌خواهد؟
- کسب‌وکاری که یک کار تکراری و قابل‌شمارش دارد، مثل پاسخ به پیام مشتری یا نوشتن توضیح محصول.
- بدون آزمایش روی کارهای واقعی، نرخ خطا و نرخ پذیرش حدسی است و نتیجه هم حدسی می‌شود.
- برای برآورد هزینهٔ ساخت یک نرم‌افزار مناسب نیست؛ هزینهٔ راه‌اندازی را خودتان وارد می‌کنید و ابزار آن را حساب نمی‌کند.
- تعداد کار در ماه: از شمارش همان کار در یکی دو ماه اخیر.
- هزینهٔ هر بار اجرای مدل: از صورت‌حساب سرویس هوش مصنوعی؛ یا از تعداد توکن هر کار و قیمتی که ارائه‌دهنده در صفحهٔ رسمی‌اش نوشته.
- نرخ خطا و نرخ پذیرش: از آزمایش روی نمونه‌ای از کارهای واقعی خودتان.
- زمان و دستمزد: هر کار چند دقیقه وقت می‌گیرد، و هزینهٔ یک ساعت کار آن نفر (حقوق و مزایای ماه تقسیم بر ساعت کار ماه).
- هزینهٔ راه‌اندازی و نگه‌داری: از پیش‌فاکتور یا برآورد کسی که سیستم را می‌سازد.
- اگر قیمت مدل به دلار است: نرخ تبدیلی که خودتان با آن حساب می‌کنید. ابزار هیچ نرخی ندارد.
هر ورودی یعنی چه؟
- تعداد کار در ماه
- هر ماه چند بار این کار انجام می‌شود.
- روش ورود هزینهٔ مدل
- هزینهٔ مدل را چطور می‌دهید: از روی تعداد توکن و قیمت آن، یا یک مبلغ مستقیم برای هر بار اجرا.
- توکن ورودی هر کار
- حجم متنی که برای هر کار به مدل می‌دهید، به توکن. توکن واحد شمارش متن در این مدل‌هاست.
- توکن خروجی هر کار
- حجم پاسخی که مدل برای هر کار می‌نویسد، به توکن.
- قیمت هر میلیون توکن ورودی
- قیمت هر یک میلیون توکن ورودی به دلار، از صفحهٔ رسمی ارائه‌دهنده.
- قیمت هر میلیون توکن خروجی
- قیمت هر یک میلیون توکن خروجی به دلار، از همان صفحه.
- هزینهٔ هر تلاش — به تومان
- هزینهٔ یک بار اجرای مدل به تومان، اگر آن را مستقیم می‌دانید.
- هزینهٔ هر تلاش — به دلار
- هزینهٔ یک بار اجرای مدل به دلار. فقط یکی از دو مبلغ تومانی یا دلاری را پر کنید.
- نرخ تبدیل هر دلار
- هر دلار را چند تومان حساب می‌کنید. فقط وقتی لازم است که مبلغی به دلار داده باشید.
- منبع و تاریخ نرخ
- این نرخ را از کجا و در چه تاریخی برداشته‌اید؛ در نتیجه کنار عدد نوشته می‌شود.
- دقیقهٔ بازبینی انسانی برای هر کار
- یک نفر چند دقیقه وقت می‌گذارد تا خروجی هر کار را بخواند و درست کند.
- هزینهٔ ساعتی بازبین
- هزینهٔ یک ساعت کار همان نفر، با حقوق و مزایا.
- نرخ خطا / تکرار — درصد تلاش‌هایی که باید دوباره انجام شوند
- از هر ۱۰۰ بار اجرا، چند بار باید دوباره انجام شود. هر تکرار هزینهٔ مدل را بالا می‌برد.
- نرخ پذیرش خروجی — درصد کارهایی که خروجی‌شان نهایتاً قابل استفاده است
- از هر ۱۰۰ کار، خروجی چند تا در پایان قابل استفاده است.
- هزینهٔ یک‌بارهٔ راه‌اندازی
- خرج یک‌بارهٔ ساختن و راه‌انداختن سیستم.
- نگه‌داری ماهانه
- خرج ماهانهٔ سرپا نگه‌داشتن سیستم، جدا از هزینهٔ مدل.
- زمان فعلی هر کار
- امروز انجام هر کار به روش دستی چند دقیقه طول می‌کشد.
- هزینهٔ ساعتی نیروی فعلی
- هزینهٔ یک ساعت کار کسی که امروز این کار را انجام می‌دهد.
- افق مقایسه
- مقایسه برای چند ماه انجام شود. خالی یعنی ۱۲ ماه.
- کارهای پذیرفته‌نشده
- کارهایی که خروجی‌شان پذیرفته نمی‌شود چه می‌شوند: دستی انجام می‌شوند و هزینه‌شان اضافه می‌شود، یا کنار گذاشته می‌شوند.
از این نتیجه چه چیزی را نمی‌توان فهمید؟
- نمی‌گوید خروجی هوش مصنوعی از کار دستی بهتر است یا بدتر.
- درآمد و سود را حساب نمی‌کند؛ فقط هزینه را.
- خطایی که بازبین نبیند و به مشتری برسد، در هیچ عددی نیست.
- هیچ قیمت یا نرخی را خودش نمی‌داند؛ اگر ورودی قدیمی باشد، نتیجه هم قدیمی است.
قدم بعدی و ابزارهای مرتبط
ارزیابی مقایسه‌ای مدل‌ها
امتیازدهی انسانی و کور به پاسخ مدل‌ها، با بازه و مقایسهٔ جفتی.
- فایل CSV یا جدول
- فقط در مرورگر شما
- دربارهٔ AI، بدون ارسال داده به AI
RESOURCES چک‌لیست آمادگی AI در سازمان
ممیزی کیفیت داده
پیش از هر تحلیل: خانهٔ خالی، ردیف تکراری، تاریخ و عدد ناخوانا و اطلاعات شخصی را پیدا کنید.
- فایل CSV یا جدول
- فقط در مرورگر شما
انتخاب راه‌حل مناسب
پیش از هر پروژهٔ AI: گزارش، قانون، آمار، ML، LLM، گردش‌کار یا ایجنت؟
- پرسش‌های راهنما
- فقط در مرورگر شما
- دربارهٔ AI، بدون ارسال داده به AI
انتخاب آستانه بر اساس هزینهٔ خطا
آستانهٔ اقدام برای یک مدل پیش‌بینی، با هزینهٔ دو خطا، سقف ظرفیت و آزمون جدا.
- فایل CSV یا جدول
- فقط در مرورگر شما
نسخهٔ فرمول و تاریخ
VERSION نسخهٔ فرمول 1.0 · آخرین تغییر: ۲۸ شهریور ۱۴۰۵