Финансовые ловушки внедрения ИИ: где компании теряют деньги

Причина не в том, что искусственный интеллект бесполезен. Всё прозаичнее: большинство компаний начинают внедрение без понимания того, что именно будут измерять и как оценят результат.

— «Мы внедряем искусственный интеллект», — эту фразу я слышу едва ли не на каждой встрече с топ-менеджментом компаний. Мой первый вопрос всегда такой: где результат? Речь не о пилоте ради пилота или презентациях для совета директоров. Результат — это когда ускоряются продажи, снижаются издержки, сотрудники работают продуктивнее, а решения принимаются на основе точных данных, а не интуиции, — отмечает основатель АО «Нейросети», главный архитектор IT-продуктов Сергей Курьян.

Подписка — еще не внедрение

Настоящее внедрение начинается не тогда, когда работники освоили ChatGPT или Claude, а только когда ИИ действительно становится частью корпоративной инфраструктуры: регулярно работает с внутренними данными, встроен в бизнес-процессы, имеет четко определенные роли, права доступа и автоматизированные сценарии работы. Лишь такие проекты способны приносить измеримый экономический эффект.

По отраслевым оценкам, до 80–90% ИИ-пилотов не переходят в промышленное внедрение. Не потому, что технологии слабые. А потому что компании часто начинают с инструмента, а не с задачи.

«Правильно спросить себя не "какую нейросеть купить?", а "какой дорогой, повторяемый и измеримый процесс мы хотим улучшить?"» — подчеркивает Сергей Курьян.

Продажи, поддержка, документооборот, тендеры, аналитика, обучение сотрудников, контроль качества, безопасность — конкретно в этих сферах ИИ способен давать измеримый эффект.

«ИИ сам по себе ROI не создает. Его формируют правильно выбранный бизнес-процесс, понятные KPI и ответственность за результат», — считает Сергей Курьян.

Эффект сначала проявляется в повышении скорости команды и качества решений, снижении числа ошибок и в целом более высокой управляемости бизнеса. Финансовый же результат часто становится следствием этих изменений.

Эксперт приводит пример: компания внедряет нейросеть для обработки клиентских обращений. Что именно считаем? Скорость ответа, снижение нагрузки на операторов, рост NPS, повторные продажи, количество ошибок? Если метрик нет, через три месяца получаем отклик: «Пилот проведен, потенциал подтвержден», а реального бизнес-эффекта нет.

Главная ошибка — отсутствие точки отсчета

Типичная ситуация: после внедрения сотрудники говорят, что работать стало удобнее. Руководство довольно, процессы действительно ускорились. Через полгода возникает закономерный вопрос: сколько компания сэкономила? И если никто заранее не измерил исходные показатели, ответить на него невозможно.

Как отмечает эксперт по внедрению AI и автоматизации бизнеса Владимир Павлиш, чаще всего в оценку не включают все затраты и все выигрыши от внедрения. При этом моменты, которые обычно легко упустить из виду, по его словам, индивидуальны и на практике зависят от человека, ответственного за эти процессы.

«Классические» варианты: неизвестно, сколько времени занимала задача до внедрения, сколько стоил процесс в человеко-часах, сколько ошибок допускалось из-за человеческого фактора и сколько ресурсов тратилось на исправление этих ошибок.

Без этих данных невозможно доказать экономический эффект. Остается лишь субъективное ощущение, что работать стало комфортнее. Но субъективное ощущение — не то, что стоит использовать в бюджетах и отчетах.

Где искусственный интеллект действительно приносит деньги

Есть направления, где эффективность уже подтверждается многочисленными практическими кейсами. Один из самых быстроокупаемых сценариев — использование ИИ в клиентской поддержке (обработка обращений сокращается с часов до минут), в работе с документами (автоматизация сокращает время выполнения операций на 70–90%), в логистике и управлении запасами (за счет алгоритмов оптимизации процессов). Использование ИИ для прогнозирования спроса и управления цепочками поставок уже стало стандартом для крупнейших мировых компаний.

«ИИ внутри компании может ускорять подготовку коммерческих предложений, помогать искать информацию в регламентах, снижать ошибки в документах и сохранять корпоративную память», — отмечает Сергей Курьян.

Когда ROI стремится к нулю

Однако далеко не каждый проект внедрения ИИ способен окупиться. Например, можно легко начать измерять не то, что нужно. Менеджеры гордятся тем, что стали быстрее отвечать клиентам, однако если скорость ответа практически не влияет на продажи, это лишь красивый, но бесполезный показатель. Маркетологи стали выдавать в разы больше публикаций — формально производительность выросла втрое, но аналитика показывает снижение вовлеченности аудитории: пользователи устали от большого количества публикаций, качество части контента снизилось, а дополнительной выручки компания не получила. И т.д. и т.п.

Измерять необходимо те показатели, которые напрямую или косвенно влияют на финансовый результат: продажи, прибыль, конверсию, снижение затрат.

Еще одна частая ошибка — отсутствие обучения. Работники нередко продолжают работать по старым схемам просто потому, что никто не объяснил преимущества новых инструментов и не помог адаптироваться.

Обратная ситуация — автоматизация редкой задачи. Задача всплывает пару раз в месяц и ее выполнение занимает тоже пару часов? Даже если ИИ ощутимо сократит это время, экономия окажется слишком небольшой, чтобы компенсировать стоимость внедрения. Подобные проекты часто можно признать нерентабельными еще до начала работ, если заранее сделать простой расчет.

Самый сложный момент — попытка автоматизации беспорядка. ИИ способен ускорить процессы, но не исправить их. Если внутри компании нет понятного регламента, а решения принимаются ситуативно, искусственный интеллект лишь будет воспроизводить существующий хаос — просто быстрее, чем это делают живые люди.

Самая честная метрика — время

Если компания только начинает работать с искусственным интеллектом, самым понятным показателем становится экономия времени. ИИ особенно эффективен там, где приходится работать с большими объемами данных: анализировать тысячи документов, строить финансовые модели, прогнозировать спрос, разрабатывать маркетинговые стратегии, оптимизировать внутренние процессы.

Именно сокращение времени выполнения задач обычно становится первым источником экономии.

Так, по данным OpenAI, использование ИИ позволяет экономить сотрудникам в среднем 40–60 минут рабочего времени ежедневно. Что это означает в деньгах? Если взять менеджера с зарплатой 1000 рублей в месяц, то при стандартной нагрузке в 160–170 рабочих часов стоимость одного рабочего часа составляет примерно 5,8 рубля. При экономии 40 минут в день компания получает около 14–15 часов свободного времени в месяц, это примерно 82–87 рублей экономии на одном сотруднике. 60 минут в день дают уже 22 часа, или порядка 128 рублей в месяц.

Для одного человека сумма выглядит не слишком впечатляющей. Но если таких сотрудников 100, потенциальный эффект достигает 8–13 тыс. рублей ежемесячно, а за год — 100–150 тыс. рублей, не считая других выгод вроде снижения ошибок и роста производительности.

Что входит в стоимость внедрения

Еще одна ошибка — относить к затратам только покупку лицензии. На практике стоимость внедрения значительно выше, в базовый набор обычно входят: подписки на AI-модели и API, лицензии на программное обеспечение, сервисы хранения и обработки данных.

Но есть и менее очевидные статьи расходов: обучение сотрудников, техническая поддержка, сопровождение системы, регулярные обновления и доработка решений.

Если же компания разворачивает ИИ внутри собственной инфраструктуры, появляются дополнительные затраты: закупка серверов и оборудования, обучение или дообучение моделей, интеграция с внутренними системами, обеспечение информационной безопасности.

Простая формула расчета ROI

Перед запуском любого проекта стоит ответить на один вопрос: сколько денег способен принести искусственный интеллект именно в вашем случае?

Базовая формула выглядит так: ROI = ((Выгода — Затраты) ÷ Затраты) × 100%.

В затраты следует включать: внедрение, инфраструктуру, лицензии, обучение персонала, сопровождение, обновления системы.

К выгодам относятся: экономия рабочего времени, снижение количества ошибок, сокращение расходов, рост выручки, повышение качества продукта, улучшение управляемости бизнеса.

В конечном счете главный вопрос звучит очень просто: можете ли вы прямо сейчас сказать, сколько часов и денег стоит процесс, который собираетесь усилить с помощью ИИ? Если ответ положительный — можно переходить к выбору технологии.

Если нет — начинать стоит вовсе не с выбора языковой модели ИИ, а с анализа собственных бизнес-процессов. Именно это чаще всего определяет, станет искусственный интеллект источником прибыли или очередной статьей расходов.

Как подчеркивает Владимир Павлиш, еще «на берегу» нужно внимательно анализировать бизнес-план предложения по внедрению ИИ, баланс компании, отчет о прибылях и убытках. И только затем делать какие-либо выводы.

«ИИ без процесса — эксперимент. ИИ же, встроенный в процесс, — инвестиция, — говорит Сергей Курьян. — Рабочая логика проста: сначала нужно выбрать процесс и зафиксировать текущие метрики — время, стоимость, ошибки, конверсию, выручку. Затем важно определить целевой эффект, а также назначить не просто исполнителя, а ответственного за результат, и только потом выбирать инструмент».

«Главный вывод: если у компании еще нет стратегии внедрения ИИ, бизнес постепенно теряет скорость, управляемость и конкурентоспособность», — подчеркивает эксперт.