Перестаем считать токены: как получить реальный возврат инвестиций в ИИ
Большинство организаций внедрили ИИ, но лишь немногие видят влияние на прибыль. Чтобы получить реальный ROI, компаниям следует измерять не использование моделей, а бизнес-результаты и эффективность процессов.
Где находятся большие деньги в ИИ (Изображение: Dreamstime)
Автор: Рои Диманик
Большинство организаций уже внедрили ИИ, но многие из них не знают, действительно ли он приносит прибыль. Дискуссия вокруг ИИ меняется: если раньше мы спрашивали, «какую ценность технология способна создать», то теперь вопрос звучит острее: как получить от него ROI (возврат инвестиций) и как его измерить? Опрос McKinsey за 2025 год раскрывает корень проблемы: 88% организаций используют ИИ как минимум в одной бизнес-функции, но только 39% сообщили о существенном влиянии на чистую прибыль. Менее пятой части компаний определили целевые KPI для решений ИИ и отслеживали их.
Многие организации измеряют использование моделей — количество лицензий, частоту запуска и объем потребляемых токенов — вместо бизнес-результатов: сократилось ли время обработки задач, увеличилась ли производительность, снизился ли уровень ошибок и используется ли высвободившееся время для создания дополнительной ценности. Важно понимать: улучшение производительности — это еще не ROI. Только когда организация меняет способы работы и направляет сэкономленные ресурсы на создание бизнес-ценности, можно говорить о возврате инвестиций.
Где внедрение ИИ создает наибольшую бизнес-ценность?
По нашему опыту, три области последовательно доказывают возврат инвестиций: сервис и поддержка, автоматизация бэк-офисных процессов и управление корпоративными знаниями. Их общий знаменатель — большой объем повторяющихся действий, где легко измерить время, стоимость и качество. Это отличается от ситуации, когда ИИ остается в рамках «умного чата», не будучи подключенным к конкретному процессу.
Важно различать сотрудника, который выполняет задачу быстрее, отдел, увеличивающий производительность, и организацию, сокращающую расходы или увеличивающую доходы. Переход между этими уровнями не происходит автоматически.
Сервис и поддержка: производительность против затрат
В обслуживании клиентов ИИ способен понимать запрос, находить информацию и формулировать ответ. Исследование, опубликованное в Quarterly Journal of Economics, показало, что ИИ-помощник увеличил количество запросов, обрабатываемых за час, в среднем на 15%. У менее опытных сотрудников показатель достигал 30%.
Однако 15% прироста производительности не всегда равны 15% экономии затрат. Если высвободившаяся емкость не используется для обслуживания большего числа клиентов или сокращения штата, организация получила лишь инструмент, но не ROI. Необходимо измерять уровень решения при первом обращении, время ожидания и стоимость одного запроса.
Бэк-офис: где находятся большие деньги
Проекты бэк-офиса часто обеспечивают самый быстрый ROI. Прием форм, проверка счетов, банковские сверки и обновление систем — это процессы с четкой стоимостью ручного труда и измеримым уровнем ошибок. В одном из проектов мы объединили OCR, ИИ и ERP-систему, что позволило сэкономить 30%–40% текущей работы. Бизнес-ценность создается при интеграции ИИ в системы организации с механизмами контроля, где окончательное решение остается за человеком (Human in the Loop).
Управление корпоративными знаниями
Поиск регламентов, контрактов и регуляторной информации позволяет сократить 20%–30% рабочего времени. Хорошая система должна не только быстро возвращать ответ, но и представлять источник, соблюдать систему разрешений и опираться на актуальные версии документов. Организациям необходимо перепроектировать работу вокруг инструмента, а не просто добавлять его в стек.
Когда стоит подождать с инвестициями
Я бы остерегся внедрения корпоративного чата до того, как организация приведет в порядок свои данные. Если информация распределена между серверами, не актуальна или не классифицирована, ИИ может усилить беспорядок и подвергнуть риску конфиденциальность. Везде, где есть финансовое или регуляторное значение, необходимо сохранять Human in the Loop.
С чего начинать?
Большинство провалов ИИ-проектов связаны с руководством, которое выбирает неправильную проблему или не меняет рабочие процессы. Перед инвестированием каждый CEO должен ответить на 4 вопроса:
-
Какова бизнес-проблема?
-
Как мы измерим успех?
-
Что мы сделаем с высвобожденным временем?
-
Кто отвечает за то, чтобы изменения произошли?
Если бюджет ограничен, ищите проект с лучшим соотношением бизнес-ценности к сложности, оценивая потенциальную финансовую ценность, объем деятельности, качество данных и сложность реализации. Настоящая революция ИИ измеряется не количеством токенов, а измененными бизнес-процессами.
