Где искусственный интеллект уже создаёт измеримую экономику, почему он усиливает не только умных людей и как посчитать эффект без финансовой фантастики.
Компании обсуждают ИИ как нового сотрудника.
Нанимать или не нанимать. Сокращать людей или не сокращать. Доверять или всё перепроверять.
У нового сотрудника между тем часто нет должностной инструкции, доступа к нормальным данным и понятной задачи. Зато уже есть бюджет.
В целом знакомая история.
Проблема в том, что у ИИ нет собственного ROI. Он появляется только у процесса, который удалось изменить.
Если команда стала быстрее готовить отчёты, это ещё не деньги. Если маркетолог за час сделал двадцать вариантов текста вместо трёх, это ещё не рост. Если аналитик собрал красивый дашборд, но компания продолжила принимать решения по интуиции руководителя, эффект от внедрения примерно декоративный.
ИИ не создаёт ценность сам по себе. Он сокращает время, меняет стоимость операции, повышает пропускную способность, снижает число ошибок или помогает компании заработать больше. Иногда делает всё сразу. Иногда — ничего из перечисленного, но очень убедительно об этом рассказывает.
Спор «использовать или нет» уже устарел
По данным глобального исследования McKinsey за 2025 год, 88% респондентов сообщили, что их организации регулярно используют ИИ хотя бы в одной бизнес-функции. При этом только 39% связывают с ним какой-либо эффект на EBIT на уровне всей компании, а большинство из них оценивает этот вклад менее чем в 5%.
Разрыв выглядит почти комично. Технология уже в компании. Экономика ещё в дороге.
Причина, вероятно, не в том, что ИИ «не работает». Чаще компании автоматизируют отдельные действия, но не перестраивают процесс целиком. McKinsey называет редизайн рабочих процессов одним из факторов, сильнее всего связанных с заметным бизнес-эффектом. Организации с высоким результатом почти в три раза чаще фундаментально меняют отдельные workflow, а не просто добавляют нейросеть к прежнему порядку работы.
Вопрос уже не в том, использовать ли ИИ. Вопрос в другом: какой процесс мы меняем, что именно должно улучшиться и как это будет измерено.
ИИ заменяет задачи. Не человека целиком
Фраза «ИИ не заменит людей» успокаивает, но упрощает реальность.
ИИ уже заменяет отдельные задачи:
- поиск и первичную обработку информации;
- расшифровку и классификацию;
- подготовку черновиков;
- перенос данных между системами;
- типовые расчёты;
- создание вариантов;
- поиск аномалий;
- формирование регулярной отчётности.
Иногда после этого компании действительно требуется меньше часов, меньше подрядчиков или меньше новых сотрудников. Иногда численность команды не меняется, но она выполняет больше работы. Иногда высвободившееся время просто растворяется в календаре. Последнее тоже случается. Календарь вообще обладает высокой поглощающей способностью.
ИИ пока не забирает у человека ответственность за постановку задачи, знание контекста, профессиональное суждение, вкус, проверку результата и последствия решения. Он может предложить решение. Подписывать приказ, отвечать клиенту и объяснять совету директоров, почему на складе лежит годовой запас никому не нужного товара, по-прежнему приходится человеку.
ИИ заменяет фрагменты работы. Сильная команда превращает высвободившееся время в рост. Слабая — просто производит больше результата прежнего качества.
Где отказ от ИИ уже становится экономически нерациональным
Не везде ИИ нужен одинаково. Есть задачи, где ручная работа остаётся оправданной. Есть задачи, где отказ от автоматизации уже означает добровольно платить больше.
Аналитика и BI
ИИ умеет писать SQL, Python и DAX, помогать с очисткой и объединением данных, собирать прототипы дашбордов через код, искать аномалии, готовить регулярные отчёты и объяснять изменение показателей.
Это меняет входной порог. Небольшой BI-инструмент или управленческий дашборд можно собрать быстрее и дешевле, не начиная каждый раз полноценный IT-проект.
Но код не исправляет плохую методологию. ИИ способен построить безупречный дашборд вокруг неправильно определённой метрики. Фильтры будут работать. Решение — нет.
Продажи
В продажах ИИ полезен для расшифровки и анализа звонков, автоматического заполнения CRM, сегментации клиентов, подготовки персонализированных предложений, поиска причин отказа, прогноза воронки и рекомендации следующего действия.
Он не превращает слабого продавца в сильного переговорщика. Но способен снять с сильного продавца административный слой, из-за которого тот половину дня изображал оператора базы данных.
Закупки и запасы
Здесь ИИ помогает прогнозировать спрос, сопоставлять условия поставщиков, классифицировать расходы, находить ценовые аномалии, обрабатывать документы и моделировать уровень запасов.
Это одна из зон с понятной экономикой: меньше ручных операций, быстрее сравнение, ниже вероятность пропустить отклонение.
Окончательный заказ всё равно требует контроля. Модель не отвечает за замороженные деньги на складе. У неё спокойные отношения с последствиями.
Контент и маркетинг
ИИ уже трудно игнорировать в исследовании тем, подготовке черновиков, адаптации материалов под разные каналы, локализации, SEO-кластеризации, товарных карточках, создании изображений и видео, анализе реакции аудитории и масштабировании работающих форматов.
Он радикально снижает стоимость производства единицы контента. Но не создаёт позиционирование, насмотренность и редакционное решение автоматически.
Модель может предложить сто вариантов. Кто-то всё ещё должен понять, что девяносто восемь из них не нужны.
Операции и клиентский сервис
Обработка писем и документов, классификация обращений, подготовка стандартных ответов, маршрутизация задач, контроль статусов, поиск по корпоративной базе знаний — здесь эффект часто проще всего измерить.
Можно посчитать время обработки, стоимость одной операции, долю обращений без ручного вмешательства, число возвратов на доработку и скорость ответа.
Не самый романтичный участок внедрения. Зато финансовый директор понимает его без субтитров.
Продукт, стратегия и управление
ИИ ускоряет анализ отзывов и интервью, поиск повторяющихся проблем, конкурентный мониторинг, сравнение сценариев, предварительную проверку гипотез и подготовку управленческих материалов.
Здесь он ценен как способ увеличить скорость мыслительного цикла. Не вместо мысли.
Если управленец не умеет различать факт, допущение и красивую галлюцинацию, технология лишь сократит путь до ошибочного решения.
Почему умный специалист с ИИ и слабый специалист с ИИ получают разный результат
Один из самых известных полевых экспериментов по генеративному ИИ изучал сотрудников клиентской поддержки. Исследователи NBER обнаружили рост производительности примерно на 14% в среднем; у начинающих и менее квалифицированных сотрудников эффект был значительно выше.
Это важный результат: ИИ действительно может распространять лучшие практики и быстрее подтягивать менее опытных людей.
Но универсальной прибавки не существует.
В рандомизированном исследовании METR опытные open-source-разработчики, работавшие со знакомыми репозиториями, в первой половине 2025 года выполняли задачи с ИИ на 19% дольше, хотя сами считали, что ускорились. В 2026 году METR сообщил, что более новые инструменты, вероятно, уже дают ускорение, но точную величину исследователи не считают надёжной из-за смещения выборки.
Оба результата не противоречат друг другу.
ИИ особенно полезен там, где задача хорошо описана, результат проверяем, данные доступны, а стоимость повторения высока. Он может мешать там, где специалист тратит время на проверку вывода, инструмент плохо знает контекст или предлагает решение, которое почти подходит и поэтому требует особенно внимательной переделки.
Производительность зависит не только от мощности модели. Она зависит от совпадения четырёх вещей:
- задачи;
- человека;
- процесса;
- способа проверки.
Чем слабее процесс, тем дороже полезный результат
Моя управленческая гипотеза звучит так:
Чем ниже зрелость команды и процесса, тем дороже компании обходится каждый полезный результат от ИИ.
Это не экономический закон. Но на практике логика повторяется.
Зрелая команда знает:
- какой процесс меняет;
- сколько он стоит сейчас;
- что считается хорошим результатом;
- какие данные можно использовать;
- где необходим человек;
- какой риск недопустим;
- кто отвечает за внедрение;
- по каким метрикам проект будет остановлен или масштабирован.
Незрелая команда покупает несколько сервисов, проводит обучение, создаёт рабочую группу и через полгода сообщает, что сотрудники недостаточно вовлечены.
Цена внедрения растёт не только из-за лицензий и интеграций. Компания платит за неясную задачу, плохие данные, переделки, ручную проверку, сопротивление команды и ошибки, которые обнаружили слишком поздно.
ИИ не приносит в организацию зрелость. Он проверяет, была ли она там.
Как компании завышают ROI
Самая распространённая ошибка — считать высвобождённые часы прямой экономией.
Допустим, специалист тратил на отчёт 20 часов в месяц, а теперь тратит 5. Компания получила 15 часов мощности. Но деньги появятся только в одном из случаев:
- сократились реальные расходы;
- удалось отказаться от подрядчика;
- не понадобился новый найм;
- команда выпустила больше продукта;
- выросла выручка или маржинальная прибыль;
- снизилась стоимость ошибки;
- ускорение дало измеримый коммерческий эффект.
Если человек просто заполнил освободившиеся часы другими задачами, это полезно. Но это не прямая экономия, а высвобождённая мощность.
Вторая ошибка — считать дополнительную выручку прибылью.
Дополнительная маржинальная прибыль = прирост выручки × маржинальность дополнительной выручки
Третья ошибка — забывать полную стоимость внедрения:
- лицензии;
- интеграции;
- настройку;
- подготовку данных;
- обучение;
- контроль качества;
- сопровождение;
- время сотрудников;
- стоимость ошибок и рисков.
Подписка за двадцать долларов редко остаётся внедрением за двадцать долларов. У неё просто хорошая первая сцена.
Формула честного эффекта
Для первичной оценки я бы разделяла результат на четыре части:
- Прямая экономия — расходы, которые действительно исчезли.
- Дополнительная маржинальная прибыль — не выручка, а прибыль после учёта маржинальности.
- Стоимость высвобождённой мощности — часы, которые команда может направить на другую работу. Этот показатель нужно показывать отдельно, пока он не превратился в финансовый результат.
- Избежанные потери — ошибки, штрафы, простои, возвраты или упущенные сделки, вероятность которых удалось снизить. Здесь особенно важны осторожные допущения.
ROI = (финансовый эффект − полная стоимость внедрения) / полная стоимость внедрения × 100%
Финансовый эффект при этом должен включать только подтверждённую экономию, дополнительную маржинальную прибыль и обоснованно оценённые избежанные потери.
Высвобождённую мощность лучше показывать рядом, но не выдавать за деньги раньше времени.
Как пользоваться калькулятором AI ROI
Калькулятор нужен не для того, чтобы получить красивый процент. Он нужен, чтобы увидеть, на каких допущениях этот процент держится.
Я рекомендую считать три сценария:
- осторожный — минимальный эффект, полная стоимость внедрения и медленное освоение;
- базовый — наиболее вероятные значения после пилота;
- амбициозный — масштабирование при подтверждённом качестве.
Если проект выглядит привлекательным только в амбициозном сценарии, это не бизнес-кейс. Это настроение.
Перед расчётом ответьте на пять вопросов:
- Какой конкретно процесс меняется?
- Сколько операций и часов он потребляет сейчас?
- Какая доля задач действительно автоматизируется?
- Как высвобождённое время превратится в деньги или рост?
- Кто и как проверит качество результата?
Калькулятор доработан: прямая экономия отделена от высвобождённой мощности, добавлена маржинальность дополнительной выручки, а «процент замещения специалиста» заменён на более честную «долю автоматизированных задач».
Потому что ИИ редко заменяет человека на 30%.
Он меняет 30% его задач. Это не одно и то же.
Где человек должен остаться в процессе
Человеческая проверка особенно нужна там, где решение:
- влияет на безопасность и здоровье;
- создаёт юридические или финансовые обязательства;
- использует персональные или конфиденциальные данные;
- меняет цену, закупку или уровень запасов;
- публикуется от имени бренда;
- затрагивает людей;
- трудно или дорого отменяется.
Наличие человека в контуре — не признак провала автоматизации. Это часть архитектуры процесса.
ИИ не приносит интеллект в компанию.
Он берёт тот, который там уже есть, — вместе с данными, процессами, вкусом и управленческими привычками — и увеличивает его пропускную способность.
Иногда это даёт рост.
Иногда — очень быструю и хорошо оформленную демонстрацию отсутствия процесса.