Как рассчитать экономический эффект от внедрения ИИ

Что считают экономическим эффектом от ИИ

Когда руководитель говорит об эффекте от внедрения искусственного интеллекта, он обычно имеет в виду деньги. Но деньги — это результат, а не причина. Причина всегда в том, что ИИ меняет то, как работают люди и процессы.

Экономический эффект от ИИ — это разница между тем, во что обходилась бизнесу операция раньше, и тем, во что она обходится теперь. Но здесь сразу возникает проблема: ИИ редко полностью вытесняет человека. Чаще всего он ускоряет работу, повышает качество, снижает брак или открывает возможность для роста, которой раньше не было.

Например, ИИ для анализа документов экономит время юристов на 60%, но юристы всё ещё нужны для принятия итоговых решений. Система рекомендаций увеличивает средний чек на 15%, но не заменяет продавца. Алгоритм предсказания оттока клиентов помогает отделу удержания сосредоточиться на самых рискованных случаях, но сам не решает проблему.

Реальный эффект от ИИ — это не волшебная замена работников, а перераспределение их времени и усилий в сторону более ценных задач. Или рост объёма при той же численности команды.

В финансовом отчёте этот эффект выглядит как сумма затрат, которые вы не потратили, минус затраты на сам ИИ. Но прежде чем вы сможете эту сумму назвать, нужно понять, откуда она берётся конкретно в вашем случае.

Три источника эффекта

Первый источник — снижение затрат. ИИ выполняет часть работы, которую раньше делали люди или делали медленнее. Вы платите меньше за операцию или выполняете больше операций за ту же зарплату. Это самый очевидный, но не самый большой источник эффекта.

Второй источник — рост выручки. ИИ позволяет обслужить больше клиентов, предложить услугу, которую раньше было невозможно предложить, или увеличить средний чек. Например, система персонализации в онлайн-магазине может поднять средний заказ на 10–20%. Это уже работает на рост бизнеса, а не просто на экономию.

Третий источник — предотвращённые потери. ИИ снижает брак, предотвращает ошибки, помогает избежать разрывов поставок или оттока клиентов. Потери, которые вы не понесли, — это тоже часть эффекта, но считать их сложнее всего, потому что они не видны в отчётах прямо.

У каждого источника своя логика расчёта. И если вы не разделите их сначала, расчёт превратится в кашу из цифр, которой потом никто не поверит.

Какие данные собрать до расчёта

Расчёт экономического эффекта от ИИ начинается не с формул, а с того, чтобы ответить на несколько скучных, но критичных вопросов о вашем текущем состоянии.

Главное здесь — не придумать ничего нового и не предположить. Вам нужны только факты. Именно на этом этапе большинство проектов ИИ начинают буксовать, потому что данных или их совсем нет, или они разбросаны по разным системам и никто их не собирал вместе.

Что такое базовый уровень (baseline)

Базовый уровень — это то, как вы работали до ИИ. Сколько времени уходит на одну операцию, сколько ошибок на тысячу операций, какой процент работы переделывается, во что обходится один клиент или один продукт.

Без базового уровня у вас нет точки отсчёта. Вы не сможете сравнить. Вы только будете гадать, улучшилось ли что-то или нет.

Собирайте этот уровень за минимум три месяца до внедрения ИИ. Берите реальные данные из систем: CRM, ERP, 1C, таблицы рабочих часов, логи обработки заказов. Не просите людей вспомнить, сколько времени они тратили. Попросите данные из систем.

Какие метрики нужно зафиксировать:

• Объём операций в месяц (количество заказов, документов, звонков, задач — что угодно, что обрабатывает ваша команда)
• Среднее время на одну операцию в минутах или часах
• Процент ошибок, переделок, возвратов
• Текущий уровень оттока клиентов или отказов
• Фактический ФОТ (фонд оплаты труда) в расчёте на одного сотрудника, который будет работать с ИИ

Если у вас есть несколько процессов и вы внедряете ИИ в один из них, собирайте данные именно по этому процессу. Не нужно собирать по всей компании.

Базовый уровень без точной датировки — это просто цифры в воздухе. Обязательно отметьте, когда вы их собрали. Позже это поможет вам отделить эффект ИИ от сезонных колебаний или других изменений в компании.

Границы процесса и зона ответственности ИИ

Вторая критичная часть подготовки — чётко определить, что ИИ будет делать и где его работа начинается и заканчивается.

Часто происходит так: вы внедрили систему предсказания оттока клиентов, она работает хорошо, предсказывает верно. Но если отдел retention не использует эти предсказания, никакого эффекта не будет. ИИ сделал свою часть работы, но вся цепочка сломалась.

Определите для себя:

• На каком входе начинает работу ИИ (сырые данные, обработанные данные, человеческий запрос)
• На каком выходе его работа заканчивается (предсказание, рекомендация, готовое решение, выполненная задача)
• Кто и как будет использовать результат ИИ
• Есть ли участки в процессе, где ИИ всё равно нужна помощь человека

Например, если вы внедряете ИИ для автоматической генерации писем клиентам, то ваш процесс выглядит так: данные клиента на входе, отправленное письмо на выходе. Но если письма нужно утверждать менеджеру перед отправкой, то реальный выход — утверждённое письмо. И время на утверждение тоже нужно учесть в расчётах.

Без этого уточнения вы потом будете думать, почему ИИ, вроде бы, работает хорошо, но эффекта нет. Часто ответ в том, что узкое место просто переместилось с одного места на другое.

Текущие потери: брак, простои, ошибки

Третий блок данных — это потери, которые вы имеете прямо сейчас. Их часто забывают при расчётах, но они могут быть огромны.

Потери могут быть явные и скрытые. Явные потери — это брак, переделки, отказы клиентов. Вы видите их в отчётах. Скрытые потери — это риск, который вы не заметили вовремя, или возможность, которую вы упустили, потому что не хватало мощности.

Собирайте данные о текущих потерях:

• Процент ошибок в обработке (опечатки, неправильные расчёты, пропущенные данные)
• Процент работ, которые требуют переделки
• Убыток от одной ошибки (в рублях, если возможно)
• Процент клиентов, которые не остались из-за качества обслуживания
• Простои в процессе (очереди, ожидание, бутылочные горлышки)
• Время, которое уходит на контроль качества и проверку

Если вы работаете в B2B и один ошибочный документ может стоить вам контракт, это стоит того, чтобы узнать цифру. Если вы в e-commerce и каждый день задержки в обработке заказа приводит к отмене, это тоже нужно выразить в деньгах.

Часто именно эти потери становятся основным источником эффекта от ИИ, потому что ИИ, при всех его ограничениях, часто ошибается меньше, чем человек под давлением в спешке.

Стоимость часа работы и структура команды

Четвёртый блок — это деньги. Вам нужно знать, во что вам обходится час работы сотрудника, который будет освобожден ИИ.

Здесь нужно быть честным. Не берите оклад и не делите на количество часов. Возьмите полную стоимость сотрудника для компании: оклад плюс налоги плюс социальные взносы плюс софт и оборудование. Это называется fully loaded cost.

Формула простая:

(Годовой оклад + налоги и взносы) / (количество рабочих часов в году) = стоимость часа

Пример: сотрудник зарплата 60 000 рублей в месяц. Вместе с налогами это обходится компании в 78 000 рублей в месяц. В год это 936 000 рублей. Рабочих часов в году примерно 1920 (40 часов в неделю, минус отпуск и праздники). Стоимость часа: 936 000 / 1920 = 488 рублей в час.

Это приблизительная цифра, но вполне рабочая для расчётов.

Если вы не можете уволить человека и переместите его на другую работу, то эффект не в том, что вы сэкономили его оклад, а в том, что он теперь может обрабатывать больше операций или заняться более ценной задачей. Здесь расчёт другой, но об этом чуть позже.

Также важно понимать структуру команды. Если у вас есть операционист, который делает работу, и руководитель, который его контролирует, то эффект от ИИ может коснуться обоих. ИИ может снизить нагрузку на операциониста, а значит, руководителю потребуется меньше времени на контроль. Оба эффекта нужно учесть.

Источники эффекта от внедрения

Теперь, когда у вас есть базовые данные, нужно чётко определить, откуда будет приходить экономический эффект. Это не просто вопрос аналитики. Это вопрос о том, что реально изменится в вашем бизнесе.

Снижение затрат

Снижение затрат — это самый простой и понятный источник эффекта. ИИ выполняет часть работы быстрее или качественнее, чем человек. Вы либо делаете ту же работу с меньшей командой, либо делаете больше работы с той же командой без роста ФОТ.

Примеры снижения затрат:

• Система классификации документов: вместо того чтобы один сотрудник вручную распределял входящие письма по папкам в течение двух часов в день, ИИ делает это за 15 минут, и сотрудник занимается чем-то более ценным
• Проверка качества: инспектор на производстве проверял детали вручную и пропускал 5% брака. Камера с ИИ ловит 99% брака. Дефекты на выходе снижаются, возвраты и рекламации падают
• Ответы на часто задаваемые вопросы: вместо того чтобы три человека отвечали на письма клиентов, чатбот отвечает на 70% вопросов, и люди обрабатывают только сложные случаи

Расчёт здесь простой. Вы берёте время, которое раньше уходило на задачу, умножаете на стоимость часа, минус время, которое уходит на ИИ (обычно это время на контроль, поправки, переделку). Разница — ваш эффект.

Если ИИ выполняет задачу на 60% быстрее, а контроль занимает 20% от текущего времени, то чистое сокращение времени составляет 40%.

Но будьте осторожны с одной ошибкой: если вы сокращаете время, но не сокращаете зарплату, то реального финансового эффекта нет. Эффект появится только если вы либо уволите человека, либо дадите ему более ценную работу, которая приносит больше денег.

Часто компании выбирают второй вариант. Например, юрист, который раньше 40% времени тратил на разбор типовых контрактов, теперь может сосредоточиться на переговорах с контрагентами и разработке стратегии. Это потенциально намного более ценно для бизнеса, чем просто сокращение расходов.

Рост выручки

Второй источник эффекта — рост выручки. ИИ помогает продать больше, продать дороже или открыть новый сегмент рынка.

Примеры роста выручки:

• Система рекомендаций в интернет-магазине предлагает товары, которые покупатель скорее всего захочет. Средний чек растёт на 12–18%
• Предсказание спроса помогает оптимизировать ассортимент и складские остатки. Вы продаёте больше товаров, потому что нужный товар есть в наличии
• Система lead scoring в B2B помогает менеджерам сосредоточиться на самых горячих лидах. Они закрывают больше сделок за то же время
• Чатбот с ИИ работает 24/7 и отвечает на вопросы в ночное время, когда людей нет. Вы не теряете заинтересованных клиентов

Расчёт роста выручки сложнее, чем расчёт снижения затрат, потому что здесь много переменных и их сложнее изолировать.

Например, если ваша выручка за месяц выросла на 10%, это не значит, что выросла на 10% из-за ИИ. Может быть, это сезонность, или вы запустили новую маркетинговую кампанию, или просто совпадение.

Для того чтобы считать этот эффект честно, вам нужна контрольная группа. Часть ваших клиентов или часть вашего процесса работает с ИИ, а часть — без. Вы сравниваете результаты. Разница в результатах минус разница в затратах — вот ваш эффект.

Если это невозможно, используйте исторические данные. Посмотрите, как рос ваш средний чек в последние полгода, выведите тренд и посмотрите, ускорился ли он после внедрения ИИ.

Этот вариант менее надежен, но лучше, чем гадать.

Предотвращённые потери

Третий источник эффекта часто игнорируют, потому что его сложно увидеть в цифрах. Это потери, которые вы не понесли благодаря ИИ.

Примеры предотвращённых потерь:

• Система предсказания оттока клиентов помогает вам поймать риск вовремя. Вы теряете на 20% клиентов меньше
• ИИ ловит мошенничество. Вы не теряете деньги на поддельных операциях
• Система мониторинга оборудования предсказывает поломки. Вы проводите техническое обслуживание до того, как оборудование сломается. Вы экономите на дорогостоящем ремонте и простое производства
• Алгоритм проверки безопасности предотвращает ошибки, которые могли бы привести к аварии или травме

Расчёт предотвращённых потерь начинается с прогноза. Сколько потерь вы имели бы, если бы ничего не изменилось? Минус потери, которые вы имеете после ИИ, равняется эффект.

Проблема в том, что вы не можете быть уверены в этом прогнозе. Поэтому здесь используются вероятности и сценарии, о которых мы поговорим чуть позже.

Но даже с этой неопределённостью, если риск был серьёзным и велика вероятность потерь, эффект от предотвращения может быть значительным.

Затраты на внедрение: что входит в TCO

Большинство расчётов эффекта от ИИ рассыпаются на стороне затрат. Эффект обычно считают оптимистично и подробно, а затраты сводят к стоимости подписки или бюджету на разработку. В реальности счёт за внедрение приходит из пяти-шести разных мест, и часть этих сумм вы увидите только через полгода после запуска.

Полная стоимость владения, или TCO, складывается из того, что вы платите один раз, и того, что будете платить постоянно. Для расчёта окупаемости это разделение критично, потому что единовременные вложения сравниваются с накопленным эффектом, а постоянные расходы вычитаются из эффекта каждый месяц.

Единовременные затраты

Сюда попадает всё, что вы тратите до того, как система начала приносить пользу. Эти расходы редко укладываются в первоначальную смету, и запас в 30% к ним — нормальная практика, а не перестраховка.

• Исследование и выбор решения. Время ваших сотрудников на сравнение поставщиков, тестирование моделей, переговоры. Если три человека потратили на это по 20 часов, при стоимости часа 700 рублей это 42 000 рублей, которые уже ушли
• Подготовка данных. Самая недооценённая статья. Выгрузка, очистка, нормализация, разметка. В проектах с собственной моделью эта часть может занимать от 40 до 70% всего бюджета
• Разработка и интеграция. Подключение к вашей 1С, CRM, складской системе, настройка обмена данными, доработка интерфейсов для сотрудников
• Пилот. Отдельная статья, потому что пилот почти всегда требует параллельной работы старого и нового процесса, а это двойные трудозатраты на время теста
• Обучение сотрудников. Не только сами занятия, но и падение производительности в первые недели, когда люди осваивают новый порядок работы
• Изменение регламентов и документации. Если процесс меняется, кто-то должен переписать инструкции, обновить чек-листы контроля, согласовать это с юристами и службой безопасности

Падение производительности в период освоения стоит посчитать отдельно. Если команда из восьми человек первые три недели работает на 70% обычной скорости, вы теряете примерно 0,3 от трёх недель работы восьми человек. При стоимости часа 500 рублей и сорокачасовой неделе это около 144 000 рублей, которые нигде не отражены в договоре с поставщиком, но реально вычитаются из вашей прибыли.

Постоянные затраты

Постоянные расходы определяют, будет ли эффект сохраняться. Проект с хорошим разовым результатом и высокой стоимостью обслуживания может оказаться убыточным на горизонте двух лет.

• Лицензии и подписки. Платежи за доступ к сервису, обычно в расчёте на пользователя или на объём обработки
• Оплата обращений к модели. Если вы используете генеративные модели через интерфейс программирования, вы платите за объём обработанного текста. Эта статья растёт вместе с использованием, и её легко недооценить на этапе пилота
• Инфраструктура. Серверы, графические ускорители, хранилища, каналы связи. Для решений, размещённых на вашем оборудовании, сюда же относится электричество и охлаждение
• Поддержка и сопровождение. Внешняя от поставщика либо внутренняя в виде части ставки специалиста, который следит за работой системы
• Переобучение модели. Данные меняются, качество предсказаний со временем падает. Для прогнозных моделей нормальный цикл обновления — раз в квартал или полгода
• Контроль качества результата. Человек, который проверяет выборку из того, что сделал ИИ. Эта работа никуда не исчезает, она просто становится другой
• Соблюдение требований к данным. Если вы обрабатываете персональные данные, у вас появляются расходы на защиту, аудит и правовое сопровождение

В проектах с генеративными моделями расходы на обращения к модели ведут себя не как подписка, а как переменные издержки производства. Чем успешнее внедрение, тем больше вы платите. Поэтому стоимость обработки одной операции нужно считать до масштабирования, а не после.

Как собрать TCO в одну таблицу

Удобнее всего свести все статьи в таблицу с разделением на разовые и регулярные расходы и с горизонтом в 12 или 24 месяца. Пример для внедрения системы автоматической обработки входящих заявок в компании с двенадцатью операторами.

Статья затрат	Тип	Сумма, руб.	Период
Выбор решения и пилот	Разовая	180 000	Единожды
Подготовка и разметка данных	Разовая	420 000	Единожды
Интеграция с CRM и телефонией	Разовая	650 000	Единожды
Обучение команды и спад производительности	Разовая	210 000	Единожды
Лицензии на 12 рабочих мест	Регулярная	96 000	В месяц
Обращения к модели	Регулярная	54 000	В месяц
Поддержка и переобучение	Регулярная	40 000	В месяц
Контроль качества, 0,3 ставки	Регулярная	28 000	В месяц

Разовые затраты в этом примере составляют 1 460 000 рублей, регулярные — 218 000 рублей в месяц, то есть 2 616 000 рублей в год. Полная стоимость владения за первый год получается 4 076 000 рублей. За второй год, если регулярные расходы не изменятся, добавится ещё 2 616 000.

Такая таблица сразу показывает интересную вещь. Разовые вложения, из-за которых обычно идут все споры при согласовании бюджета, составляют около трети расходов первого года. Основную массу съедает регулярная часть, и именно её нужно обсуждать внимательнее всего.

Формулы расчёта

Для оценки эффекта достаточно трёх инструментов. Возврат на вложения показывает отдачу в процентах, срок окупаемости отвечает на вопрос о времени, чистая приведённая стоимость нужна там, где проект растянут на годы. Выбор между ними зависит не от сложности вашего ИИ, а от горизонта планирования и от того, кто будет читать расчёт.

ROI

Возврат на вложения, он же ROI, считается как отношение чистого эффекта к затратам.

ROI = (Эффект за период − Затраты за период) / Затраты за период × 100%

Продолжим пример с обработкой заявок. Допустим, двенадцать операторов обрабатывали по 180 заявок в месяц каждый, на одну заявку уходило 14 минут. После внедрения время на заявку снизилось до 6 минут, включая проверку результата человеком. Экономия — 8 минут на заявку.

Считаем по шагам:

1. Общий объём заявок в месяц равен 12 × 180 = 2160
2. Сэкономленное время равно 2160 × 8 минут = 17 280 минут, или 288 часов в месяц
3. При стоимости часа 488 рублей это 140 544 рубля в месяц
4. Дополнительно снизился процент ошибок в заявках с 6 до 2%, каждая ошибка обходилась в среднем в 1800 рублей на переделку и компенсации. Это 2160 × 0,04 × 1800 = 155 520 рублей в месяц
5. Суммарный эффект равен 140 544 + 155 520 = 296 064 рубля в месяц, или 3 552 768 рублей в год

Теперь ROI за первый год. Затраты составляют 4 076 000 рублей, эффект — 3 552 768 рублей.

ROI = (3 552 768 − 4 076 000) / 4 076 000 × 100% = −12,8%

За первый год проект в минусе. Это нормальная картина для внедрения с заметной разовой частью, и именно здесь многие расчёты обрываются с неверным выводом. Посчитаем второй год, когда разовых затрат уже нет.

ROI второго года = (3 552 768 − 2 616 000) / 2 616 000 × 100% = 35,8%

А за два года суммарно эффект равен 7 105 536 рублей при затратах 6 692 000 рублей, что даёт ROI около 6,2%. Три разных числа для одного и того же проекта, и все три верные. Разница только в периоде.

Показатель возврата на вложения без указания периода не несёт информации. Фраза о том, что проект дал 35% отдачи, бессмысленна, пока не сказано, за какой срок и с какой базой сравнения.

Срок окупаемости

Срок окупаемости отвечает на вопрос, через сколько месяцев накопленный эффект перекроет вложения. Для руководителей это обычно более понятный показатель, чем проценты.

Правильная формула для проектов с регулярными расходами учитывает только чистый месячный поток.

Срок окупаемости = Разовые затраты / (Месячный эффект − Месячные регулярные затраты)

В нашем примере месячный эффект равен 296 064 рубля, регулярные расходы — 218 000 рублей. Чистый поток составляет 78 064 рубля в месяц.

Срок окупаемости = 1 460 000 / 78 064 = 18,7 месяца

Почти девятнадцать месяцев. Если бы мы считали по упрощённой формуле, разделив разовые затраты на весь эффект без вычета регулярных расходов, получилось бы пять месяцев. Ошибка почти в четыре раза, и она встречается в презентациях постоянно.

Для ориентира по горизонтам стоит держать в голове несколько практических отметок:

• До 6 месяцев. Как правило, это готовое решение на типовую задачу с минимальной интеграцией. Обработка документов, расшифровка звонков, базовая автоматизация переписки
• От 6 до 18 месяцев. Основная масса прикладных внедрений с интеграцией в существующие системы
• От 18 до 36 месяцев. Проекты с собственной моделью, большой подготовкой данных, изменением процессов в нескольких подразделениях
• Свыше 36 месяцев. Требует отдельного обоснования, потому что за три года может измениться и рынок решений, и сама задача

Длинный срок окупаемости не означает плохой проект. Он означает, что решение нужно принимать не операционному руководителю, а на уровне стратегии, с учётом того, что рынок инструментов ИИ меняется быстро и через два года может появиться вариант дешевле.

NPV для долгосрочных проектов

Когда проект растянут больше чем на год, возникает проблема сопоставимости. Деньги, которые вы потратите сегодня, и деньги, которые получите через три года, имеют разную стоимость. Чистая приведённая стоимость, или NPV, приводит все потоки к текущему моменту через ставку дисконтирования.

NPV = Σ (Поток периода / (1 + r)^n) − Начальные вложения

Здесь r — ставка дисконтирования за период, n — номер периода. В качестве ставки берут либо стоимость капитала для компании, либо доходность альтернативного вложения. В российских условиях при высокой ключевой ставке дисконтирование перестаёт быть формальностью и серьёзно меняет картину.

Посчитаем наш пример на три года при ставке 20% годовых. Чистый годовой поток равен 3 552 768 − 2 616 000 = 936 768 рублей.

Год	Поток, руб.	Коэффициент	Приведённый поток, руб.
0	−1 460 000	1,000	−1 460 000
1	936 768	0,833	780 528
2	936 768	0,694	650 117
3	936 768	0,579	542 389

NPV = −1 460 000 + 780 528 + 650 117 + 542 389 = 513 034 рубля

Значение положительное, значит проект создаёт стоимость даже с учётом того, что те же деньги можно было разместить под 20%. Если бы NPV оказалась отрицательной, разумнее было бы отказаться от внедрения или пересмотреть его состав, сократив разовую часть.

Рядом с NPV часто используют внутреннюю норму доходности, IRR. Это та ставка дисконтирования, при которой NPV обращается в ноль. В нашем примере IRR составляет примерно 36% годовых. Сравнивая её со стоимостью денег для компании, вы получаете простой ответ о целесообразности.

Для проектов с ИИ у дисконтирования есть дополнительный смысл. Эффект от модели не постоянен во времени. Качество предсказаний деградирует, конкуренты внедряют похожие решения, преимущество размывается. Поэтому для третьего года разумно брать не полный поток, а 70–80% от него, отражая естественное снижение отдачи.

Пошаговый пример расчёта

Соберём всё в единую последовательность на другом примере, ближе к рознице. Сеть из четырёх магазинов бытовой техники внедряет систему прогнозирования спроса для управления закупками и складскими остатками.

Шаг 1. Фиксация базового уровня

За шесть месяцев до внедрения собраны данные из учётной системы.

• Товарооборот сети равен 38 млн рублей в месяц
• Средние складские остатки составляют 22 млн рублей
• Доля упущенных продаж из-за отсутствия товара — 7,5% от потенциального оборота
• Уценка и списание неликвида — 640 000 рублей в месяц
• Два закупщика тратят на формирование заказов по 50 часов в месяц каждый
• Стоимость часа закупщика с налогами равна 620 рублей

Шаг 2. Определение границ и гипотезы эффекта

Система получает историю продаж, остатки и календарь акций, а выдаёт рекомендованный объём закупки по каждой позиции на две недели вперёд. Решение остаётся за закупщиком, он подтверждает или корректирует рекомендацию. Ответственность за договоры с поставщиками и логистику не меняется.

Гипотезы по эффекту сформулированы заранее, до запуска, и это важное условие честного расчёта.

1. Доля упущенных продаж снизится с 7,5 до 4,5%
2. Уценка снизится на 35% за счёт более точных закупок
3. Время на формирование заказов сократится вдвое
4. Средние остатки уменьшатся на 15% без потери доступности товара

Шаг 3. Перевод гипотез в деньги

Считаем каждую гипотезу отдельно, с указанием того, откуда взята каждая цифра.

• Упущенные продажи. Потенциальный оборот равен 38 / 0,925 = 41,08 млн рублей. Снижение потерь на 3 процентных пункта даёт дополнительно 1,23 млн рублей оборота в месяц. При валовой наценке 18% это 221 400 рублей прибыли в месяц
• Уценка. Экономия 640 000 × 0,35 = 224 000 рублей в месяц
• Время закупщиков. Экономия 50 часов в месяц на двоих, то есть 50 × 620 = 31 000 рублей в месяц
• Высвобождение оборотных средств. Остатки снижаются на 3,3 млн рублей. Это не прибыль, а разовое высвобождение капитала. Если компания пользуется кредитной линией под 22% годовых, экономия на процентах равна 3,3 млн × 0,22 / 12 = 60 500 рублей в месяц

Суммарный месячный эффект составляет 536 900 рублей. Обратите внимание на четвёртый пункт. Высвобожденные оборотные средства — частая причина завышения эффекта, когда всю сумму в 3,3 млн записывают в выгоду. Корректно учитывать только стоимость денег, а не сам объём.

Шаг 4. Сбор затрат

Разовая часть включает подготовку данных по товарной матрице на 280 000 рублей, интеграцию с учётной системой на 390 000 рублей и обучение закупщиков вместе с периодом параллельной работы на 120 000 рублей. Итого 790 000 рублей.

Регулярная часть складывается из подписки на 85 000 рублей в месяц, сопровождения и ежеквартального переобучения модели в пересчёте на месяц 25 000 рублей и 0,2 ставки аналитика на контроль качества прогноза 18 000 рублей. Итого 128 000 рублей в месяц.

Шаг 5. Расчёт показателей

Чистый месячный поток равен 536 900 − 128 000 = 408 900 рублей.

• Срок окупаемости равен 790 000 / 408 900 = 1,9 месяца
• Эффект за первый год составляет 536 900 × 12 = 6 442 800 рублей
• Затраты за первый год равны 790 000 + 128 000 × 12 = 2 326 000 рублей
• ROI первого года равен (6 442 800 − 2 326 000) / 2 326 000 × 100% = 177%

Результат выглядит почти слишком хорошо, и это повод насторожиться, а не радоваться. Прежде чем нести такие числа руководству, их нужно проверить на устойчивость.

Шаг 6. Проверка расчёта на прочность

Пройдитесь по каждой гипотезе и спросите, что должно произойти, чтобы она не сработала.

• Снижение упущенных продаж зависит не только от точности прогноза, но и от того, успеет ли поставщик привезти товар. Если сроки поставки нестабильны, часть эффекта не реализуется
• Экономия на уценке возможна при дисциплине закупщиков. Если они будут игнорировать рекомендации в половине случаев, эффект уменьшится примерно вдвое
• Высвобождение оборотных средств имеет смысл, только если компания действительно использует заёмные деньги. Иначе эта строка превращается в упущенную альтернативную доходность, и считать её нужно по другой ставке
• Валовая наценка 18% взята средней по сети. По отдельным категориям она может быть ниже, и тогда вклад дополнительного оборота окажется скромнее

После такой проверки разумно пересчитать всё в трёх сценариях и показывать руководству именно их, а не одно оптимистичное число. Расчёт, в котором заранее названы условия провала, вызывает больше доверия, чем расчёт с высоким ROI и без оговорок.

Как учесть риски и неопределённость

Любой расчёт эффекта от ИИ опирается на предположения о будущем, и часть этих предположений окажется неверной. Задача не в том, чтобы угадать точно, а в том, чтобы показать диапазон возможных исходов и заранее понимать, при каких условиях проект перестаёт быть выгодным.

Три сценария вместо одного числа

Самый простой и честный приём — посчитать эффект в трёх вариантах. Не для красоты презентации, а чтобы увидеть, насколько широк разброс.

• Пессимистичный. Эффект реализуется на 50–60% от гипотезы, затраты превышают смету на 30%, внедрение занимает в полтора раза больше времени
• Базовый. Эффект на уровне 75–80% от гипотезы, затраты по смете с небольшим запасом
• Оптимистичный. Гипотеза подтверждается полностью, затраты укладываются в план

Вернёмся к примеру с прогнозированием спроса в сети магазинов. В базовом сценарии чистый месячный поток был 408 900 рублей. Посчитаем остальные.

Сценарий	Доля эффекта	Эффект, руб./мес.	Затраты, руб./мес.	Чистый поток, руб./мес.	Окупаемость, мес.
Пессимистичный	55%	295 295	166 400	128 895	7,9
Базовый	100%	536 900	128 000	408 900	1,9
Оптимистичный	115%	617 435	128 000	489 435	1,6

Даже в пессимистичном варианте проект окупается меньше чем за год. Это сильный аргумент, гораздо убедительнее одной цифры в 177% возврата. Вы показываете не веру в лучшее, а устойчивость решения к плохому развитию событий.

Если же в пессимистичном сценарии окупаемость уходит за три года или чистый поток становится отрицательным, перед вами проект, который держится только на оптимизме. Это не повод от него отказываться, но повод уменьшить разовую часть, начать с ограниченного контура и принимать решение о масштабировании по фактическим данным.

Поправка на долю задач, которые ИИ закрывает частично

Главная ловушка в оценке эффекта — предположение, что модель справляется со всем объёмом. На практике поток операций делится на несколько групп, и для каждой доля участия человека разная.

Возьмём обработку входящих обращений. Структура потока обычно выглядит так.

1. Типовые обращения с однозначным ответом — около 55–65% объёма. Здесь ИИ работает почти автономно, человек проверяет выборку
2. Обращения, где модель даёт черновик, а человек правит — 20–30%. Экономия времени реальная, но не полная, обычно от 40 до 60%
3. Сложные и нестандартные случаи — 10–20%. Экономии нет либо она отрицательная, потому что сотрудник сначала читает предложение модели, отвергает его и делает работу с нуля

Посчитаем взвешенную экономию для потока в 2000 обращений при исходных 14 минутах на обращение. Пусть распределение составляет 60%, 25% и 15%, а экономия времени по группам равна 85%, 50% и минус 10%.

Взвешенная экономия = 0,6 × 0,85 + 0,25 × 0,50 + 0,15 × (−0,10) = 0,51 + 0,125 − 0,015 = 0,62

Итого 62% вместо 85%, которые легко принять за общий результат, если смотреть только на простые случаи во время пилота. Разница в деньгах существенная. При стоимости часа 488 рублей и объёме 2000 обращений экономия составит 141 120 рублей в месяц против 193 480 рублей в оптимистичной версии.

Пилот почти всегда показывает завышенный эффект, потому что для теста естественным образом отбирают понятные и чистые случаи. Реальный поток содержит исключения, и именно они определяют итоговую экономику.

Риски, которые не сводятся к процентам

Часть рисков нельзя выразить множителем к эффекту, но их нужно держать в расчёте отдельной строкой либо как условие отказа от проекта.

• Зависимость от поставщика. Изменение тарифов, прекращение поддержки, уход сервиса с рынка. Оцените стоимость перехода на альтернативу заранее
• Деградация качества модели. Данные меняются, точность падает. Если переобучение не заложено в бюджет, через год вы получите систему, которой перестанут доверять сотрудники
• Отказ команды от использования. Самый частый и самый недооценённый риск. Система работает, но люди обходят её, потому что им неудобно или они не доверяют результату
• Требования к персональным данным. Для обработки данных клиентов нужны согласия, защищённый контур и понимание, где физически находятся данные. Нарушение здесь обнуляет любую экономику
• Ответственность за ошибку. Если решение модели затрагивает деньги клиента или условия договора, определите, кто отвечает за неверный результат и какова цена одной такой ошибки

Риск отказа команды стоит оценивать в деньгах, потому что он прямо режет эффект. Если из двенадцати операторов четверо продолжают работать по старой схеме, вы получаете две трети запланированной экономии при полной сумме затрат на лицензии.

Частые ошибки в расчётах

Ошибки в оценке эффекта повторяются от проекта к проекту с удивительным постоянством. Ниже те, которые чаще всего приводят к расхождению между презентацией и фактом.

Сэкономленные часы записывают в прибыль

Самая распространённая ошибка. Расчёт показывает, что ИИ освободил 300 часов в месяц, эти часы умножают на стоимость часа и получают экономию. Но если никого не сократили и объём работы не вырос, денег в компании не стало больше. Освободившееся время превратилось в менее плотную загрузку, а не в прибыль.

Сэкономленное время становится деньгами в трёх случаях. Численность сокращается или не растёт при росте объёма. Освободившиеся люди переходят на работу, которая приносит измеримый доход. Высвобожденная мощность позволяет взять дополнительные заказы без найма.

Во всех остальных ситуациях корректнее говорить о потенциальной экономии и указывать условие её реализации. Такая формулировка выглядит менее эффектно, но она не разрушит вашу репутацию через год, когда финансовый отдел не найдёт обещанной экономии в отчётах.

Регулярные расходы не вычитают из эффекта

Срок окупаемости считают как отношение вложений к полному эффекту, игнорируя подписку, инфраструктуру и поддержку. Мы уже видели, как это даёт расхождение в четыре раза. Проверяйте формулу по простому признаку. Если в знаменателе стоит эффект без вычета регулярных затрат, расчёт неверен.

Эффект приписывают ИИ целиком

Выручка выросла на 12%, значит ИИ дал 12%. Между внедрением и ростом часто стоят сезонность, новая рекламная кампания, изменение цен, уход конкурента, обновление ассортимента. Без контрольной группы или хотя бы без поправки на исторический тренд такая атрибуция не выдерживает проверки.

Минимальный способ защититься — зафиксировать до запуска, какой рост вы ожидаете без ИИ, и считать эффектом только превышение над этой линией.

Разовое высвобождение капитала считают доходом

Складские остатки снизились на 3 млн рублей, и эти 3 млн попадают в эффект. Но это не прибыль, а изменение структуры баланса. Деньги просто перестали лежать в товаре. Доходом является стоимость этих денег, то есть экономия на процентах по кредиту либо альтернативная доходность. И эта сумма меньше в разы.

Забывают про стоимость контроля

Модель не бывает безошибочной, а значит кто-то проверяет результат. Выборочный контроль, разбор спорных случаев, обратная связь для улучшения качества. Эта работа занимает от 10 до 30% времени от исходного процесса и должна стоять в затратах.

Эффект считают по лучшему исполнителю

Для базового уровня берут показатели самого медленного сотрудника, а эффект после внедрения — по самому аккуратному и мотивированному. Разрыв получается впечатляющий, но искусственный. Сравнивать нужно средние значения по одной и той же группе людей на одном и том же типе задач.

Горизонт расчёта подбирают под нужный ответ

Если проект не окупается за год, расчёт показывают на три года. Если за три года картина портится из-за деградации модели, берут первый год. Выбирайте горизонт до расчёта, исходя из срока жизни решения и цикла планирования компании, и не меняйте его потом.

Как проверить эффект после внедрения

Расчёт до внедрения — это гипотеза. Ценность она приобретает только тогда, когда вы возвращаетесь к ней с фактическими данными. Без этого шага у компании не формируется понимание того, какие внедрения работают, а какие нет, и каждый следующий проект начинается с нуля.

Пилот и контрольная группа

Лучший способ изолировать эффект — разделить поток. Часть операций обрабатывается с ИИ, часть по старой схеме, в одно и то же время, одинаковыми по квалификации людьми. Разница в результатах и будет вкладом системы.

Правила корректного сравнения простые.

• Группы формируются случайно, а не по желанию сотрудников. Иначе в экспериментальную группу попадут самые мотивированные
• Длительность пилота покрывает хотя бы один полный цикл процесса. Для розницы это месяц, для проектных продаж может быть квартал
• Объём выборки достаточен, чтобы разница не объяснялась случайностью. Для процентных метрик обычно нужны сотни наблюдений в каждой группе
• Во время пилота не меняются другие условия. Никаких новых регламентов, акций и перестановок в команде
• Состав потока в группах одинаков по доле сложных случаев

Если разделить поток невозможно по организационным причинам, используйте сравнение до и после с поправкой на тренд. Возьмите динамику метрики за шесть-двенадцать месяцев до внедрения, продлите тренд на период после запуска и считайте эффектом отклонение от этой линии. Метод слабее, но он честнее, чем простое сопоставление двух месяцев.

Какие метрики отслеживать постоянно

После запуска нужен небольшой набор показателей, который смотрят регулярно. Большой набор никто не будет поддерживать.

1. Доля операций, прошедших через ИИ. Показывает фактическое принятие системы командой. Если она ниже 70% от плана, экономика не сойдётся независимо от качества модели
2. Качество результата. Доля ошибок, доля случаев, где человек полностью переделал работу модели, доля отклонённых рекомендаций
3. Время на операцию. Фактическое, из системных логов, а не по оценкам сотрудников
4. Стоимость одной операции. Все регулярные затраты за месяц, делённые на количество обработанных операций. Этот показатель сразу покажет, выгодно ли масштабирование
5. Целевая бизнес-метрика. Та самая, ради которой всё делалось. Упущенные продажи, уценка, отток, конверсия, срок закрытия сделки

Отдельно следите за долей отклонённых рекомендаций. Её рост — первый признак деградации модели, и он появляется раньше, чем ухудшение бизнес-метрик. Это ваш ранний сигнал о том, что пора переобучать систему.

Пересчёт через 3, 6 и 12 месяцев

Поставьте три контрольные точки и заранее определите, какое решение принимается в каждой.

Срок	Что проверяем	Какое решение принимаем
3 месяца	Техническая работоспособность, принятие командой, качество результата на реальном потоке	Продолжать, доработать или остановить до масштабирования
6 месяцев	Фактическая экономия времени и качества, отклонение от гипотез, реальные регулярные затраты	Масштабировать на другие подразделения либо пересмотреть границы процесса
12 месяцев	Полный пересчёт возврата на вложения и окупаемости по факту, устойчивость эффекта	Расширять, заморозить на текущем объёме или сворачивать

На каждой точке сравнивайте факт с тем, что вы записали до старта, и фиксируйте расхождение с объяснением причины. Через два-три проекта у вас появится собственный коэффициент, на который нужно умножать любую начальную гипотезу в вашей компании. У большинства организаций он оказывается в диапазоне от 0,6 до 0,8, и это знание дороже любой внешней методики.

Решение о прекращении проекта должно быть описано заранее, с конкретными числами. Например, если через шесть месяцев доля операций через ИИ ниже 50% либо чистый месячный поток отрицателен, проект останавливается. Без такого условия внедрения живут годами по инерции, потому что никому не хочется признавать вложенные деньги потерянными.

Чек-лист расчёта экономического эффекта

Пройдите по списку перед тем, как показывать расчёт руководству или принимать решение о бюджете.

Подготовка данных

1. Базовый уровень собран за три и более месяцев из систем, а не из опросов сотрудников
2. Границы процесса описаны — что на входе, что на выходе, где остаётся человек
3. Стоимость часа посчитана полностью, с налогами, взносами и накладными расходами
4. Текущие потери выражены в деньгах, включая брак, переделки и упущенные продажи
5. Структура потока разобрана по группам сложности с указанием доли каждой

Эффект

1. Источники эффекта разделены на снижение затрат, рост выручки и предотвращённые потери
2. Для каждого источника указано, откуда взята цифра и какое условие нужно для её реализации
3. Сэкономленное время переведено в деньги только там, где есть сокращение, рост объёма или переход на доходную работу
4. Экономия взвешена по группам сложности, а не взята по лучшему случаю
5. Высвобожденный оборотный капитал учтён как стоимость денег, а не как доход
6. Рост выручки проверен контрольной группой либо поправкой на исторический тренд

Затраты

1. Разовые и регулярные расходы разделены
2. Учтены подготовка данных, интеграция, обучение и спад производительности в период освоения
3. Учтены подписка, обращения к модели, инфраструктура, поддержка и переобучение
4. Заложена стоимость контроля качества результата
5. К разовой смете добавлен запас не менее 30%
6. Посчитана стоимость обработки одной операции для оценки масштабирования

Расчёт и защита

1. Горизонт расчёта выбран до начала вычислений и не менялся под результат
2. Возврат на вложения указан с периодом, отдельно за первый год и за последующие
3. Срок окупаемости посчитан по чистому потоку, с вычетом регулярных затрат
4. Для проектов длиннее года посчитана чистая приведённая стоимость с актуальной ставкой
5. Готовы три сценария, и пессимистичный показан наравне с базовым
6. Названы условия, при которых проект перестаёт быть выгодным
7. Определены контрольные точки на 3, 6 и 12 месяцев с решением для каждой
8. Записаны гипотезы в исходном виде, чтобы потом сравнить их с фактом

Если по чек-листу остаются незакрытые пункты, это не повод останавливать проект. Это повод сказать вслух, что именно в расчёте опирается на предположение, и обозначить, когда вы получите по этому пункту факт. Руководитель, который видит границы вашей уверенности, принимает решение быстрее, чем тот, кому показали безупречную картину без оговорок.

Расчёт эффекта от ИИ ценен не итоговым процентом, а тем, что заставляет разобрать процесс до деталей. Где уходит время, во что обходится ошибка, кто принимает решение, что произойдёт, если убрать один шаг. Часть внедрений после такого разбора вообще теряет смысл, потому что обнаруживается более простое и дешёвое решение. Это тоже результат, и он экономит компании больше, чем успешный проект.

Экономика внедрения ИИ держится не на качестве модели, а на точности вопроса, который ей задали. Посчитайте процесс честно до запуска, и дальше вам останется только сверять факт с планом.