ИИ есть у всех. Прибыль от него — у единиц. Почему

Собственнику, CFO или CEO не нужен ROI от нейросети. Им важно другое: выросла ли маржа, сократились ли издержки, ускорился ли цикл операции, снизилась ли стоимость ошибки. Если ответов на это в цифрах нет — значит, ИИ в компании пока не работает как бизнес-инструмент. Даже если пилотов много, а презентации красивые.

Пока компания считает количество пилотов, число пользователей и качество демо — она измеряет технологическую активность. Когда же начинает считать стоимость процесса до и после, пропускную способность функции и цену ошибки — она начинает считать бизнес. Это разные вещи, и разрыв между ними огромный.

В этом и есть разница между «ROI ИИ» и «ROI бизнеса». В первом случае компания пытается доказать ценность самой технологии. Во втором — считает эффект там, где технология изменила экономику процесса.

Например, если ИИ внедряется в клиентский сервис, смотрите не на качество диалога модели, а на стоимость контакта, долю автоматического разрешения обращения, нагрузку на первую линию и влияние на удержание клиента. Если в закупки или логистику — на оборачиваемость, количество ошибок в документах, стоимость отклонения и объем замороженного оборотного капитала. Если в разработку — на скорость релиза, стоимость дефекта и time-to-market. Всегда одно и то же: считать не модель, а бизнес-последствие.

Где именно ломаются проекты

Большинство ИИ-проектов застревают не из-за слабых моделей. Они застревают из-за слабой управленческой конструкции: нет владельца эффекта в бизнесе, нет привязки к конкретному процессу, нет метрики до старта, нет маршрута из пилота в промышленную эксплуатацию. В итоге технология существует отдельно, а бизнес — отдельно.

Я использую простой тест на зрелость проекта. До старта нужно честно ответить на четыре вопроса: какой бизнес-показатель мы меняем; сколько денег это даст или сэкономит; кто в бизнесе, а не в ИТ, отвечает за результат; при каких условиях пилот автоматически переходит в масштабирование. Если ответов нет, вероятность получить еще одну дорогую демоверсию очень высока.

Еще одна типичная ошибка — начинать не с того участка. Компании идут в самые заметные сценарии: маркетинговый контент, внешние чат-боты, PR-витрину инноваций. Там эффект проще показать. Но быстрый и устойчивый ROI чаще лежит в другом месте — во внутренних операциях, документах, сервисных функциях, контроле отклонений, поддержке сотрудников, разборе инцидентов. Заметный экономический эффект приходит туда, где много рутины, повторяемости и высокая стоимость человеческой ошибки.

Два примера, где это работает

Самые жизнеспособные ИИ-кейсы сегодня — это не абстрактный «ИИ в компании», а цифровые сотрудники, встроенные в конкретный участок и отвечающие за понятный кусок операционной нагрузки.

Массовый подбор персонала. Цифровой сотрудник ведет прием откликов, создает карточку кандидата, извлекает данные из резюме и анкет, проводит первичный диалог, ранжирует кандидатов и назначает собеседование — все внутри корпоративного контура, без выхода данных наружу. Но экономику здесь нужно считать не по «качеству разговора с кандидатом». Считать нужно стоимость первого контакта, скорость ответа, потери кандидатов на ожидании, ручную нагрузку на рекрутеров, конверсию между этапами воронки и срок закрытия вакансии.

Такой цифровой сотрудник окупается не потому, что «умеет общаться». Он окупается потому, что убирает дорогую рутину с узкого места. Рекрутер перестает быть оператором сортировки потока и возвращается туда, где нужна живая экспертиза: мотивация, культурное соответствие, сложные кейсы, финальное решение. Для бизнеса это и экономия на персонале, и предсказуемая скорость найма.

Обработка инженерной и технологической документации. Ручная обработка одного конструкторского или технологического документа занимает около 20 минут. Составление спецификации по одной электротехнической схеме у квалифицированного специалиста — около 30 минут. В реальном инженерном проекте таких документов десятки и сотни, и это быстро превращается из рутины в прямые операционные потери: от нескольких часов до нескольких рабочих дней.

В одном из проектных сценариев после внедрения цифрового сотрудника время обработки схемы или десятистраничного документа сокращалось до нескольких минут, при точности распознавания на структурированных документах выше 90%. Но суть не в цифре точности. Суть в том, что квалифицированное время инженера возвращается в работу, где он принимает проектные решения, а не перепечатывает и перепроверяет однотипные данные вручную. Монотонная работа снижает концентрацию и повышает риск ошибок — это прямые, считаемые потери.

И снова тот же вывод: ROI надо считать не у нейросети, а у процесса.

Про контроль и стоимость бездействия

Для крупного бизнеса и госсегмента развертывание в собственном контуре — это не техническая деталь, а часть экономики проекта. Все данные, модели и журналы внутри периметра, ролевой доступ, интеграция с корпоративными системами. Без этого любая быстрая автоматизация превращается в риск утечки, проблему с комплаенсом и дорогой откат.

Здесь важно считать не только потенциальный выигрыш, но и потери от бездействия. Если сотрудники уже используют внешние нейросети сами, а компания не создала доверенный контур — она уже живет в новой реальности, только без контроля и управляемости. Иногда проект окупается не потому, что создает новую выручку, а потому что перестает сжигать деньги в старом процессе. Для крупного бизнеса это часто даже важнее.

Вывод

ИИ-проект получает право на бюджет только в трех случаях: дает деньги, снижает риск или создает платформу для масштабируемого эффекта в ядре процессов. Все остальное — дорогой способ выглядеть современно.

Бизнес проигрывает не тогда, когда поздно купил модель. Он проигрывает тогда, когда не умеет считать экономику цифрового сотрудника внутри конкретной функции.

Выиграют в ближайшие годы не те, у кого есть «ИИ-стратегия». Выиграют те, кто соберет из цифровых сотрудников новую операционную модель: в найме, в документах, в сервисе, в закупках, во внутренней поддержке. Не потому, что у них «больше ИИ», а потому что у них ниже стоимость операции, быстрее цикл, меньше ручной нагрузки и ошибок, выше управляемость.

Хватит считать ROI ИИ. Пора считать ROI бизнеса. В этот момент ИИ перестает быть красивой презентацией и становится тем, чем должен быть, — цифровым сотрудником с понятной функцией, понятной экономикой и ответственностью за результат.