ИИ сэкономил 50 часов. Почему денег больше не стало?
Представим небольшую компанию. Она внедрила ИИ-помощника, и руководителю показывают результат: сотрудники тратят на рутину на 50 часов в месяц меньше.
Час работы внутри компании оценили в тысячу рублей. Значит, экономия — 50 тысяч. Красиво.
Руководитель открывает расходы: зарплаты прежние, аренда прежняя, подрядчикам заплатили столько же. Зато появилась подписка на новый сервис.
Куда делась экономия?
Возможно, никуда. Её ещё не было в деньгах. Компания получила свободное время, а в отчёте его сразу назвали прибылью.
Быстрее работать — реальный результат. Но какой именно?
Эффект ИИ не обязательно выдуман. В исследовании, опубликованном NBER в 2023 году, изучалось внедрение помощника у более пяти тысяч сотрудников поддержки. Производительность — число решённых обращений за час — выросла в среднем на 14%. При этом эффект различался: новичкам инструмент помогал заметнее, чем опытным сотрудникам.
Обратите внимание на формулировку: больше решённых обращений за час. Не «прибыль компании автоматически выросла на 14%».
Это разные результаты, и между ними нужно построить понятную связь.
Посчитаем на условном примере
Допустим, команда готовит 200 типовых документов в месяц. Раньше на каждый уходило полчаса.
С помощником подготовка занимает десять минут, ещё пять минут — проверка и исправления. Итого пятнадцать минут вместо тридцати. За месяц освобождается 50 часов.
Теперь главное: что происходит с этими часами?
В одном сценарии команда перестаёт отдавать часть работы внешнему исполнителю и действительно меньше ему платит. Здесь есть сокращение расходов.
В другом — сотрудники берут дополнительные оплачиваемые заказы. Тогда нужно считать дополнительный заработок после расходов на их выполнение, а не всю выручку.
В третьем — люди перестают задерживаться вечерами. Это полезный результат: работа укладывается в нормальный день. Но при неизменных выплатах и продажах денежная прибыль сама по себе не увеличивается.
Пятьдесят свободных часов — ещё не пятьдесят тысяч рублей на счёте. Сначала нужно объяснить, во что они превратились.
Подписка — не вся стоимость
При оценке проекта стоит учитывать не только оплату сервиса, но и подготовку данных, подключение к рабочим системам, обучение команды и сопровождение. OECD в исследовании внедрения ИИ отдельно отмечает сложности с готовностью данных, интеграцией, стоимостью внедрения и оценкой окупаемости.
Вернёмся к нашему условному примеру. Пусть настройка стоила 120 тысяч рублей, а все регулярные дополнительные расходы — 15 тысяч в месяц.
Если проект действительно сокращает денежные расходы на 50 тысяч ежемесячно, чистый месячный эффект составит 35 тысяч. Простой срок окупаемости — около 3,4 месяца при стабильных условиях, без учёта налоговых эффектов и стоимости денег во времени.
Но если 50 тысяч — только оценочная стоимость освободившихся часов, такой срок окупаемости писать нельзя. В знаменателе расчёта пока стоит не денежный поток, а предположение.
Калькулятор посчитал правильно. Ему просто дали слишком оптимистичные исходные данные.
Что измерять вместо восторга
Я бы начинал проверку с одного процесса и заранее договаривался, что считается готовым результатом.
Не «помощник написал ответ», а «клиент получил корректный ответ, вопрос решён». Не «получился черновик», а «документ проверен и принят».
Затем сравнивал бы полное время работы, включая проверку и переделки. Например, если черновик готовится за минуту, но ещё двадцать минут уходит на исправления, записывать в отчёт одну минуту — слишком щедрый комплимент автоматизации.
Отдельно проверял бы, есть ли куда направить освобождённое время. В нашем примере ускорять подготовку документов бессмысленно ради роста продаж, если каждый документ потом неделю ждёт согласования и именно это ограничивает число заказов.
И что из этого следует для инвестора?
Когда компания сообщает, что активно внедряет ИИ, полезно задать следующий вопрос: где это должно проявиться в экономике бизнеса?
В меньших расходах на одну операцию? В возможности обслужить больше клиентов той же командой? В сокращении ошибок? В дополнительном заработке на новом продукте?
Это не требование немедленной прибыли от любого эксперимента. Исследовать новые инструменты тоже разумно. Но эксперимент, удобство сотрудников и окупившийся проект лучше называть разными словами.
Хороший ИИ-проект не обязан увольнять людей. Но его польза должна быть понятна без фразы «зато теперь у нас есть нейросеть».
Что для вас убедительнее: «сэкономили тысячу часов» или объяснение, что именно компания смогла сделать благодаря этому времени?
