Как считать ROI AI-внедрения без фантазий и презентационного шума

Разговор об AI почти всегда быстро упирается в деньги. Руководителю нужно понять, сколько компания потратит на внедрение, что получит взамен и когда проект начнёт окупаться. На этом месте и появляется проблема: красивые презентации легко превращают потенциальную экономию в очень оптимистичный прогноз.

Можно посчитать все часы, которые сотрудники теоретически освободят после автоматизации, умножить их на стоимость рабочего времени и получить впечатляющую цифру. Но это ещё не ROI. Если освободившиеся часы не превращаются в дополнительную выручку, снижение затрат или другой измеримый эффект, считать их полноценной экономией некорректно.

Нормальный расчёт начинается не с обещания «AI сэкономит 30% времени», а с конкретного процесса и его экономики. Нужно понять, сколько он стоит сейчас, что именно изменится после внедрения и какой эффект действительно можно подтвердить.

Что считать ROI AI-проекта

В простом виде ROI показывает соотношение полученного эффекта и затрат на проект. Для AI-внедрения этого определения достаточно, но на практике нужно аккуратно определить обе стороны расчёта.

В затраты входит не только подписка на модель. Это может быть разработка интеграций, настройка workflow, подготовка данных, тестирование, обучение сотрудников, поддержка и дальнейшее использование сервисов.

Экономия времени не равна экономии денег

Это одна из самых частых ошибок в расчётах. Допустим, автоматизация сокращает работу маркетолога с 20 до 10 часов в месяц. Можно сказать, что компания «сэкономила» 10 часов. Но если сотрудник продолжает получать ту же зарплату и просто использует свободное время для других задач, прямого снижения расходов на персонал не произошло.

Экономический эффект всё равно может быть. Освободившееся время можно направить на большее количество кампаний, аналитику, работу с гипотезами или задачи, которые раньше откладывались. Но тогда нужно считать не абстрактные часы, а результат, который появился благодаря этим часам.

Три вида эффекта, которые проще всего посчитать

Есть и менее прямые эффекты: скорость принятия решений, качество контроля, снижение зависимости от конкретного сотрудника, более быстрое тестирование гипотез. Их тоже можно учитывать, но лучше отделять от прямого финансового эффекта, чтобы расчёт не выглядел завышенным.

Начинайте с базовой стоимости процесса

До внедрения нужно зафиксировать, сколько процесс стоит компании сейчас. Это не обязательно только зарплата сотрудника. Если работа распределена между маркетологом, аналитиком и менеджером, считать нужно всю цепочку.

Например, один человек выгружает данные, второй проверяет показатели, третий собирает отчёт, а руководитель ещё тратит время на разбор результата. Если AI меняет весь workflow, экономический эффект может оказаться значительно выше, чем при оценке одной операции.

Не все процессы одинаково выгодно автоматизировать

Самая трудоёмкая задача не обязательно должна стать первой. Если сотрудник тратит 40 часов в месяц на отчёт, который почти ни на что не влияет, автоматизация может дать меньше пользы, чем система, которая за десять часов работы предотвращает потерю нескольких десятков лидов.

Поэтому при выборе проекта нужно смотреть не только на количество часов, но и на связь процесса с деньгами, рисками и скоростью принятия решений.

Как считать эффект от снижения ошибок

Для некоторых AI-проектов именно здесь находится основная экономика. Если система ловит ошибки, которые раньше регулярно приводили к потерям, эффект можно оценивать через их частоту и стоимость.

Допустим, компания периодически теряет заявки из-за сбоя передачи данных между формой и CRM. Если в среднем теряется пять заявок в месяц, а средняя ценность обработанной заявки известна, можно оценить потенциальный эффект от устранения этой проблемы.

При этом лучше использовать фактическую статистику за несколько периодов, а не предположение о том, что AI «устранит 100% ошибок».

Что делать с ростом выручки

С ростом выручки расчёт становится сложнее, потому что на неё влияет сразу несколько факторов. Нельзя автоматически приписывать AI весь прирост продаж после запуска системы.

Надёжнее искать участок, где связь достаточно прямая. Например, автоматическая обработка входящих заявок сокращает время первого ответа, а исторические данные позволяют оценить, как скорость реакции влияет на конверсию.

Чем больше промежуточных факторов между AI и деньгами, тем осторожнее нужно формулировать финансовый эффект.

ROI лучше считать сценариями

Вместо одной красивой цифры полезнее сделать несколько сценариев: консервативный, базовый и оптимистичный. В консервативном варианте учитываются только эффекты, которые уже подтверждены или выглядят наиболее реалистично.

Так руководитель видит диапазон, а не обещание с точностью до рубля. Для инвестиционного решения это обычно полезнее.

Пример простого расчёта

Предположим, компания тратит на ручной контроль рекламных кампаний 60 часов в месяц. После внедрения AI-процесса остаётся 20 часов, а ещё часть времени команды высвобождается для дополнительных задач.

Допустим, подтверждённый финансовый эффект от сокращения внешней ручной работы составляет 80 000 рублей в месяц. Внедрение стоило 300 000 рублей, а ежемесячные расходы на AI и поддержку составляют 20 000 рублей.

В таком расчёте мы не приписываем AI всю стоимость высвободившихся часов. Берём только тот эффект, который можно выразить деньгами и защитить перед руководством.

Как считать ROI, если эффект пока неизвестен

На старте его действительно может быть невозможно точно посчитать. Тогда задача пилота — не доказать заранее известный ROI, а получить данные для следующего расчёта.

Например, в течение месяца система работает на ограниченном участке и фиксирует время выполнения, количество ошибок, число обработанных объектов и качество результата. После этого уже можно сравнить показатели с базовой линией.

Поэтому хороший пилот должен быть устроен так, чтобы одновременно проверять технологию и собирать экономические данные.

Какие цифры лучше не использовать

Осторожно стоит относиться к формулировкам вроде «AI сократит расходы на 50%» или «команда станет в три раза продуктивнее», если за ними нет конкретного процесса и измерений.

Такие цифры хорошо выглядят на слайде, но плохо помогают принять решение. Руководителю важнее знать, что именно изменится, на каком участке, за счёт чего появится эффект и как его будут измерять.

ROI нужно считать вместе с риском

У проекта может быть хороший потенциальный ROI, но слишком высокая цена ошибки. Например, автоматизация массовой рассылки может экономить много времени, но ошибка в сегментации способна привести к репутационным и финансовым потерям.

Поэтому экономический расчёт стоит дополнять вопросом: что произойдёт, если система ошибётся? Где нужен человек, какие действия можно автоматизировать, а какие должны оставаться под контролем.

После пилота ROI нужно пересчитать

Первоначальная модель почти всегда содержит допущения. После запуска часть из них подтверждается, часть оказывается слишком оптимистичной, а иногда обнаруживается дополнительный эффект, которого никто не закладывал.

Поэтому ROI — не цифра, которую один раз посчитали в начале проекта и забыли. Это рабочая метрика, которую стоит пересматривать по мере накопления фактических данных.

Вывод

ROI AI-внедрения начинается не с процента экономии, а с понимания конкретного процесса. Сначала нужно зафиксировать его текущую стоимость, затем определить, что изменится после автоматизации, и только после этого переводить результат в деньги.

Самая надёжная модель — считать подтверждённую экономию, предотвращённые потери и тот дополнительный результат, связь которого с AI можно обосновать. Всё остальное лучше вынести в отдельные допущения и сценарии, а не выдавать за гарантированный эффект.

Для бизнеса это означает довольно простой принцип: не обещать ROI до того, как появились данные. Сначала небольшой пилот с понятными метриками, затем сравнение с базовой линией, после этого — расчёт фактической экономики и решение о масштабировании.

Если вы планируете внедрение AI, я бы начинал именно с такой финансовой модели. Она помогает быстро отделить проекты, которые действительно могут повлиять на бизнес, от автоматизаций, которые просто выглядят технологично.