Сколько стоит внедрение ИИ и как считать окупаемость
Вилки бюджетов по типам решений, восемь статей полной стоимости владения с долями в процентах, скрытые расходы и формула, по которой экономический эффект от внедрения ИИ считается в рублях, а не в слайдах.
Сколько стоит внедрение ИИ — честный ответ всегда вилка: первый рабочий контур в компании с выручкой от 500 млн ₽ обычно укладывается в 0,4–6 млн ₽, промышленное решение с интеграцией в учётные системы — в 6–30 млн ₽ на горизонте года. Дальше начинается главное: какие эффекты внедрения ИИ реально попадают в P&L, как измеряется эффективность внедрения ИИ в рублях и почему оценка проекта ИИ без финансовой модели — это не оценка, а намерение.
Сколько стоит внедрение ИИ: вилки бюджетов по типам решений
Стоимость внедрения ИИ определяется не «мощностью модели», а типом решения: чем больше решение имеет права что-то делать в ваших системах, тем дороже оно стоит и тем длиннее путь до продакшена. Модель — самая дешёвая часть сметы. В проектах, которые я видел, на саму модель и промпты приходится 10–20% бюджета, всё остальное — данные, интеграции, контроль качества и люди.
| Тип решения | Что входит в первый контур | Бюджет запуска | Срок до продакшена | Содержание, % от запуска в год |
|---|---|---|---|---|
| Чат-ассистент на готовой модели | Первая линия поддержки, ответы по регламенту, шаблоны писем и КП | 0,4–1,5 млн ₽ | 3–6 недель | 15–25% |
| RAG по базе знаний | Поиск и ответы по договорам, регламентам, техдокументации со ссылками на источник | 1,2–4 млн ₽ | 6–12 недель | 20–35% |
| ИИ-агент с действиями | Агент читает данные, принимает решение по правилам и пишет результат в систему | 3–12 млн ₽ | 10–20 недель | 25–40% |
| Кастомная или дообученная модель | Своя разметка, дообучение под домен, закрытый контур инференса | 5–25 млн ₽ | 4–9 месяцев | 30–50% |
| Интеграция ИИ в 1С и ERP-контур | Обмен данными, права доступа, регистры, сценарии отката, нагрузочное тестирование | 2–10 млн ₽ сверх самого решения | 8–16 недель | 20–30% |
Внутри вилки цена двигается пятью факторами: числом источников данных, числом интеграций с внутренними системами, требуемой точностью (85% и 98% — это разница в разы), контуром персональных данных и тем, есть ли у вас на стороне заказчика человек, который может принимать решения по процессу. Последний фактор недооценивают: без него срок растягивается, а срок в почасовой модели — это деньги.
Разброс в пять раз объясняется просто: дешёвая смета описывает демонстрацию, дорогая — эксплуатацию. Разница между ними в том, кто отвечает за случай, когда ИИ ответил неправильно. Прежде чем сравнивать цифры, стоит убедиться, что первый процесс для внедрения выбран правильно: половина дорогих смет дорогие потому, что автоматизируют не тот участок.
Из чего складывается смета: TCO внедрения ИИ по статьям
TCO внедрения ИИ — это полная стоимость владения решением за выбранный горизонт, которая складывается из восьми статей, где сама разработка занимает меньше половины. Считать нужно именно TCO, а не цену договора: договор закрывается через три месяца, а платить за решение вы будете каждый месяц следующие два года.
| Статья затрат | Доля в TCO за 12 мес. | Что определяет размер |
|---|---|---|
| Разработка и настройка решения | 30–45% | Число сценариев, требования к точности, глубина тестирования |
| Данные: сбор, чистка, разметка | 10–25% | Состояние источников; разметка силами экспертов дороже разметки на аутсорсе в 3–6 раз |
| Интеграции с внутренними системами | 10–20% | Возраст систем, наличие API, число контуров прав доступа |
| Инференс: токены и GPU-часы | 5–15% | Объём запросов, длина контекста, доля тяжёлых моделей в маршрутизации |
| Лицензии и подписки | 3–10% | Модель тарификации провайдера, число рабочих мест |
| Инфраструктура и контур безопасности | 5–12% | Облако или свой контур, требования по персональным данным |
| Поддержка, мониторинг качества, дообучение | 10–20% | Скорость изменения регламентов и ассортимента |
| Обучение людей и перестройка процесса | 5–15% | Число ролей, которых касается изменение, и сопротивление среды |
Диапазоны в сумме дают больше ста процентов: в конкретном проекте одни статьи прижимаются к нижней границе, другие к верхней. Смысл таблицы — в пропорциях. Если в смете 85% занимает «разработка», а строк на данные и поддержку нет, вы смотрите не на смету, а на первую страницу будущего допсоглашения.
Самая дорогая ошибка в оценке — считать стоимость разработки ИИ и называть её стоимостью проекта. Разработка — это одна из восьми строк. В проектах, которые я видел, полный TCO за первый год выходит в 1,7–2,4 раза больше суммы договора на разработку. Именно эта разница потом объясняется словами «проект не окупился».
Токены и инференс: единственная статья, которая растёт вместе с успехом
Инференс — это плата за каждый ответ модели, и она масштабируется линейно с использованием. На пилоте расход обычно составляет 10–60 тыс ₽ в месяц и выглядит незаметным; при промышленной нагрузке в крупной компании — от 150 тыс до 1,5 млн ₽ в месяц. Парадокс в том, что чем лучше решение принято людьми, тем выше эта строка: успех внедрения оплачивается счётом за инференс.
Управляется она тремя рычагами: кэширование повторяющихся запросов, маршрутизация — дешёвая модель на простое, дорогая на сложное, и сокращение контекста. В проектах, которые я видел, аккуратная маршрутизация снимает 30–60% расхода на токены без потери качества. В англоязычных сметах эту строку называют AI run-rate и закладывают отдельным бюджетом, а не «прочими расходами».
Обучение людей — статья, которую вычёркивают первой
Строку «обучение и сопровождение изменений» режут в первую очередь, потому что она единственная не выглядит технологической. Это самая дорогая экономия из возможных: решение, которым не пользуются, имеет нулевой экономический эффект от внедрения ИИ при полном TCO. В моей практике доля сотрудников, реально перешедших на новый процесс без сопровождения, — 20–40%; с сопровождением, регламентом и понятной мотивацией — 70–90%.
Скрытые статьи бюджета, о которых не говорят на пресейле
Скрытые статьи — это затраты, которые возникают гарантированно, но не попадают ни в одну смету, потому что лежат на стороне заказчика. В сумме они добавляют 20–40% к цифре, которую вы согласовали. Их нужно закладывать заранее, иначе они превращаются в «внезапный перерасход» на пятом месяце.
- Приведение данных в порядок. Дубли в справочниках, неструктурированные сканы, три версии одного регламента. Работа, которую никто не хотел делать пять лет, всплывает в первый месяц проекта.
- Вторая линия. Человек, который разбирает то, что ИИ не смог: 0,2–0,5 FTE на первые полгода. Без него растёт не стоимость, а отток клиентов.
- Двойной контур. Старый процесс работает параллельно новому 4–12 недель. Это двойные затраты на период перехода, и они закладываются в модель, а не «как-нибудь пройдёт».
- Смена версии модели. Раз в 9–18 месяцев провайдер обновляет модель, и часть промптов и сценариев требует перекалибровки: 5–15% бюджета разработки ежегодно.
- Внутренние роли. 0,3–0,8 FTE владельца продукта и 0,2–0,5 FTE аналитика на стороне заказчика на всё время проекта. Про то, кто именно нужен в команде внедрения, есть отдельный разбор.
- Юридический и ИБ-контур. Согласование обработки персональных данных, договорные оговорки, оценка соответствия внутренним политикам: 150–600 тыс ₽ или два месяца сроков.
- Стоимость отката. План возврата к прежнему процессу — это тоже деньги, и он должен существовать до старта, а не после инцидента.
Я не разбираю здесь сами риски — двенадцать способов потерять деньги на ИИ вынесены в отдельный материал. Здесь важно только то, что каждый из них имеет цену, и цена должна стоять в модели строкой, а не жить в голове у фаундера как тревога.
Пришлите коммерческое предложение подрядчика — я разложу его по восьми статьям TCO и покажу, какие строки отсутствуют и во сколько они обойдутся в первый год.
Экономический эффект от внедрения ИИ: формула, которая складывается в P&L
Экономический эффект от внедрения ИИ — это сумма трёх денежных потоков минус полная стоимость владения, посчитанная на одном горизонте. Потоков ровно три: высвобожденное время, прирост выручки и снижение цены ошибки. Всё остальное, что обычно перечисляют, — производные от этих трёх или красивые слова.
Эффект = (высвобожденные часы × полная стоимость часа × коэффициент реализации) + (Δконверсии × маржа сделки × объём) + (частота ошибок × средний ущерб × доля предотвращённых) − TCO за горизонт.
Ключевой множитель здесь — коэффициент реализации. Он показывает, какая доля сэкономленного времени превратилась в деньги, и в проектах, которые я видел, он равен 0,2–0,6, а не 1,0.
Когда фаундер спрашивает, каковы эффекты внедрения ИИ в его случае, я разбираю каждый поток по отдельности: считаются они по-разному и с разной надёжностью.
- Высвобожденные FTE-часы. Считаются по полной стоимости часа — оклад, налоги, рабочее место, руководство, — а не по окладу. Полная стоимость обычно в 1,4–1,8 раза выше фонда оплаты. Эффект признаётся только тогда, когда высвобожденное время либо сокращено, либо перенаправлено на измеримую задачу.
- Прирост выручки. Быстрее ответ — выше конверсия в заявку; точнее подбор — выше средний чек; меньше потерянных обращений — больше сделок. Здесь эффект считается в марже, а не в обороте, и обязательно на контрольной группе.
- Снижение цены ошибки. Самый недооценённый поток: штрафы, брак, повторные выезды, неверные КП, просроченные согласования. Считается как частота × средний ущерб. В проектах с документами и договорами именно эта строка чаще всего окупает решение целиком.
Ожидаемые эффекты внедрения ИИ и фактические
Ожидаемые эффекты внедрения ИИ почти всегда завышены в 2–4 раза относительно фактических первого года, и это не обман подрядчика, а свойство арифметики. В расчёте на слайде обычно берут стопроцентную автоматизацию, стопроцентное принятие людьми и нулевую долю сложных случаев. В жизни автоматизируется 60–80% объёма, принимают решение 70–90% сотрудников, а сложные случаи съедают время второй линии.
Поэтому я всегда прошу считать три сценария: пессимистичный (реализация 0,2), базовый (0,4) и оптимистичный (0,6). Решение принимается по пессимистичному. Если проект не выживает на коэффициенте 0,2 — это не значит, что он плохой; это значит, что он должен быть дешевле или уже.
Почему эффективность внедрения ИИ нельзя мерить в сэкономленных часах
Эффективность внедрения ИИ, измеренная в «сэкономленных часах», — это метрика, которая не проверяется в отчётности и потому всегда красивая. Час, сэкономленный сотрудником, становится деньгами только в двух случаях: если штат сократился или если этот час направлен в задачу, приносящую выручку. Во всех остальных случаях он растворяется, и через год финансовый директор видит те же расходы и презентацию про эффективность.
- «Ассистент экономит 2 часа в день на сотрудника» — умножили на штат и на 250 рабочих дней.
- Час взят по окладу, без налогов и накладных.
- Коэффициент реализации принят за единицу.
- Нет контрольной группы: сравнивают с «как было в прошлом году».
- TCO учтён только как сумма договора.
- Горизонт — квартал, потому что дальше цифра портится.
- Метрика в деньгах P&L: маржа, ФОТ участка, сумма потерь от ошибок.
- Полная стоимость часа с накладными расходами.
- Коэффициент реализации 0,2–0,6, обоснованный решением по штату.
- A/B на двух сопоставимых участках или сменах в течение 6–10 недель.
- TCO по восьми статьям на горизонте 12–24 месяцев.
- Точка «стоп»: заранее описано, при каком результате проект закрывается.
Оценка эффективности внедрения ИИ становится осмысленной только тогда, когда до старта зафиксирована базовая линия: сколько стоит процесс сегодня в рублях, в единицах и в ошибках. Замер базовой линии занимает 1–2 недели и стоит дешевле любого пилота, но именно его чаще всего пропускают — и потом сравнивать оказывается не с чем.
Если после внедрения ИИ вы не можете назвать строку P&L, которая изменилась, — вы купили не эффект, а впечатление.Владимир Герасимов
Как рассчитать проект ИИ: ROI, срок окупаемости и горизонт
Рассчитать проект ИИ — значит получить четыре числа: TCO за горизонт, годовой денежный эффект по пессимистичному сценарию, ROI и срок окупаемости. ROI считается как (эффект − TCO) / TCO × 100%. Срок окупаемости — как момент, в котором накопленный эффект перекрывает накопленный TCO, причём отсчёт начинается не с подписания договора, а с даты выхода в промышленную эксплуатацию.
- Зафиксировать базовую линиюЗамерить текущий процесс: объём операций в месяц, время на операцию, полная стоимость часа, частота ошибок и средний ущерб от одной. Без этих пяти чисел оценка проекта ИИ невозможна.
- Ограничить объём первым контуромВзять один процесс и 2–4 сценария внутри него. Каждый дополнительный сценарий добавляет к бюджету 10–25% и к сроку 2–4 недели.
- Собрать TCO по восьми статьямНе сумму договора, а полную стоимость владения на 12 и 24 месяца, включая инференс, поддержку и внутренние FTE.
- Посчитать три сценария эффектаКоэффициент реализации 0,2 / 0,4 / 0,6. Решение принимается по нижнему.
- Выбрать горизонт под тип решенияАссистент — 12 месяцев, RAG и агент — 18–24, кастомная модель и интеграция в ERP — 24–36.
- Назначить пороги и точку «стоп»Порог ROI, ниже которого проект не запускается, и метрика, при недостижении которой он закрывается на контрольной точке.
- Пересчитать после пилотаЧерез 6–10 недель эксплуатации подставить фактические числа: объём, долю автоматизации, расход на инференс. Это и есть настоящая оценка эффективности проектов с ИИ — по факту, а не по презентации.
| Тип решения | Горизонт расчёта | Приемлемый ROI за горизонт | Типовой срок окупаемости |
|---|---|---|---|
| Чат-ассистент | 12 мес. | от 100% | 4–9 мес. |
| RAG по базе знаний | 18 мес. | от 80% | 7–14 мес. |
| ИИ-агент с действиями | 24 мес. | от 60% | 10–20 мес. |
| Кастомная модель | 36 мес. | от 50% | 18–30 мес. |
| Интеграция в 1С и ERP | 24–36 мес. | от 50% | 14–28 мес. |
Оценка эффективности ИИ-проектов на горизонте меньше года почти всегда обманывает: в первые месяцы TCO уже понесён полностью, а эффект набирает силу постепенно, по мере принятия людьми. И наоборот, горизонт больше трёх лет обманывает в другую сторону — за это время меняются и модели, и процесс. Про то, как устроен путь от аудита до промышленной эксплуатации, я писал в материале про этапы и дорожную карту внедрения; здесь важна только точка, с которой начинается отсчёт окупаемости.
За одну встречу считаем базовую линию, TCO по восьми статьям и три сценария эффекта. На выходе — таблица, с которой можно идти к совету директоров или отказаться от проекта с чистой совестью.
Преимущества внедрения ИИ, которые видны в отчётности, и те, что не видны
Преимущества внедрения ИИ делятся на две категории: те, что превращаются в строку P&L в течение года, и те, что дают опцион — возможность заработать позже. Смешивать их в одном расчёте нельзя: первые обосновывают бюджет, вторые обосновывают стратегию. Когда в презентации к ним применяют одну и ту же арифметику, проект получает завышенную оценку и предсказуемое разочарование.
- Сокращение стоимости операции. Обработка обращения, проверка договора, подготовка КП: снижение себестоимости единицы на 20–50% при сохранении качества.
- Рост пропускной способности без найма. Тот же участок держит на 30–80% больше объёма — эффект виден при росте бизнеса, а не при стагнации.
- Сокращение цикла сделки. Ответ за минуты вместо часов даёт прирост конверсии в первый контакт на 5–20% в зависимости от отрасли.
- Снижение потерь от ошибок. Пропущенные условия договора, неверные расчёты, просроченные сроки: сокращение частоты на 30–60%.
- Управляемость качества. Ответы ИИ логируются и проверяются выборочно; качество ручной работы измерить сложнее и дороже.
Плюсы внедрения ИИ второй категории — доступ к данным, которых раньше не было, скорость запуска новых продуктов, снижение зависимости от уникальных сотрудников — реальны, но в расчёт окупаемости не ставятся. Я записываю их отдельным блоком «опционы» и не позволяю ими закрывать дыру в ROI.
Отдельная тема — ИИ для оптимизации проектов и внутренних процессов: планирование, распределение задач, контроль сроков. Эффект здесь считается не в часах, а в сокращении просрочек и переработок; про это подробнее — в материале про ИИ в управлении проектами. А чтобы не обманываться чужими цифрами, полезно прочитать, как читать кейсы внедрения ИИ и какие данные в них обычно опущены.
Самый надёжный источник эффекта в моей практике — не замена людей, а снятие с них самой дорогой части работы: поиска информации и подготовки черновика. Человек остаётся ответственным за решение, ИИ забирает 60–80% времени подготовки. Такие проекты окупаются чаще, потому что не требуют увольнений, чтобы эффект стал деньгами.
Модели оплаты: fix, T&M и оплата от эффекта
Модель оплаты определяет, кто несёт риск неопределённости, и потому влияет на итоговую стоимость разработки ИИ сильнее, чем ставка исполнителя. Fix переносит риск на подрядчика и стоит на 20–40% дороже при том же объёме. T&M переносит риск на заказчика и требует от него зрелого управления. Оплата от эффекта звучит идеально и работает только там, где эффект однозначно измерим.
| Модель | Как считается | Наценка за риск | Когда применять | Главная опасность |
|---|---|---|---|---|
| Fix (фиксированная цена) | Сумма за описанный объём и приёмочные критерии | +20–40% | Понятный сценарий, стабильные данные, ассистент или RAG | Любое изменение объёма уходит в допсоглашение |
| T&M (время и материалы) | Ставка × часы, с потолком на этап | Базовая | Исследовательская часть, агенты, интеграции в старые системы | Без потолка и еженедельной приёмки смета растёт незаметно |
| Оплата от эффекта (share) | Фикс на покрытие себестоимости + процент от подтверждённого эффекта | Зависит от базы | Есть контрольная группа и одна бесспорная метрика | Спор о том, чей вклад в результат, начинается на третий месяц |
Гибрид, который я рекомендую чаще всего: fix на диагностику и проектирование, T&M с потолком на разработку, фикс на поддержку. Такая связка защищает от главного — оплаты исследования по цене производства. Если подрядчик готов дать fix на весь проект, не задав ни одного вопроса про данные, это не уверенность, а заложенный в цену запас на 40%.
Что делать при бюджете 500 тысяч, 3 миллиона и 20 миллионов
Размер бюджета определяет не масштаб решения, а тип задачи, за которую вообще стоит браться. Худший сценарий — брать задачу класса «агент» с бюджетом класса «ассистент»: деньги закончатся на интеграциях, а результата не будет. Ниже — что реально помещается в каждый порядок.
Хватает на диагностику процессов и один узкий ассистент на готовой модели: ответы по регламенту, черновики писем, разбор входящих обращений. Не браться за интеграции и за агентов. Цель бюджета — не эффект, а достоверный замер: понять, где именно у вас деньги, и получить базовую линию для следующего шага.
Помещается RAG по базе знаний с одной интеграцией и полноценной приёмкой качества, либо ассистент на две–три роли с обучением сотрудников. Здесь уже можно требовать ROI за 12–18 месяцев. Резерв 15–20% на данные обязателен: именно на этом бюджете их состояние впервые становится проблемой.
Уровень ИИ-агента с действиями в системах или интеграции в 1С и ERP-контур. Требует владельца продукта на стороне заказчика, контура безопасности и бюджета поддержки на два года вперёд. На этом уровне решение перестаёт быть проектом и становится частью операционной модели — со своей строкой в бюджете подразделения.
Отдельно про порядок действий: если бюджет один, а идей пять, деньги идут в тот процесс, где выше произведение объёма операций на цену ошибки. Не в самый заметный и не в самый модный. Разница между ИИ-агентом и обычным чат-ботом — как раз в праве совершать действия, и именно оно определяет, в какой из трёх бюджетов вы попадёте.
Работаю с фаундерами компаний от 500 млн ₽ выручки. За две недели нахожу участок с максимальным произведением объёма на цену ошибки и показываю расчёт: сколько стоит внедрение ИИ именно там и через сколько месяцев оно вернётся.
Чек-лист: как проверить смету перед подписанием
Смета проверяется девятью вопросами, и ни один из них не про технологии. Если подрядчик отвечает на все девять письменно, цена в договоре скорее всего честная, даже если она выше конкурентной. Если ответов нет — низкая цена означает только то, что недостающее вы оплатите позже.
- Есть ли в смете строки на данные, интеграции, инференс, поддержку и обучение людей — или только «разработка»?
- Названы ли приёмочные критерии в числах: точность на контрольной выборке, доля автоматизированных обращений, время ответа?
- Кто платит за токены после запуска и какой расход заложен при полной нагрузке?
- Что происходит при смене версии модели через год — работы по перекалибровке входят в поддержку?
- Сколько FTE требуется с вашей стороны и на какой срок?
- Описан ли двойной контур: сколько недель старый процесс работает параллельно и кто это оплачивает?
- Есть ли план отката и кто отвечает за инцидент, если ИИ дал неверный ответ клиенту?
- Кому принадлежат промпты, датасеты разметки и права на дообученную модель?
- Зафиксирована ли контрольная точка, на которой проект может быть закрыт без штрафа?
Последний пункт важнее остальных. Возможность закрыть проект на контрольной точке — это не признак неверия в результат, а инструмент управления стоимостью: он ограничивает убыток одним этапом вместо всего бюджета. Если решение всё-таки идёт в продакшен, следующий вопрос — как оно встраивается в существующие системы, и это отдельная статья бюджета, которую я в этой смете считаю всегда.
Самая полезная строка любого расчёта — сумма, которую вы сэкономите, если не будете делать проект. Примерно в каждом третьем разговоре мой ответ фаундеру звучит так: здесь ИИ не нужен, дешевле переписать регламент и убрать два согласования. Это не отказ от работы — это и есть работа. Стоимость разработки ИИ, которую не пришлось платить, — тоже эффект, и он засчитывается в P&L первым же месяцем.
Частые вопросы
Первый рабочий контур обычно укладывается в 0,4–6 млн ₽ в зависимости от типа решения: чат-ассистент на готовой модели — 0,4–1,5 млн ₽, RAG по базе знаний — 1,2–4 млн ₽, ИИ-агент с действиями в системах — 3–12 млн ₽. Промышленное решение с интеграцией в 1С или ERP — 6–30 млн ₽ на горизонте года. Стоимость внедрения ИИ определяется не мощностью модели, а числом интеграций, состоянием данных и требуемой точностью.
Полное владение решением за первый год в проектах, которые я видел, обходится в 1,7–2,4 раза дороже суммы договора на разработку. Сверх разработки платятся данные и разметка (10–25% TCO), интеграции (10–20%), инференс и токены (5–15%), лицензии (3–10%), инфраструктура (5–12%), поддержка и дообучение (10–20%), обучение людей (5–15%). Считать нужно TCO за 12–24 месяца, а не цену договора.
Нужны четыре числа: TCO за горизонт, годовой денежный эффект по пессимистичному сценарию, ROI = (эффект − TCO) / TCO × 100% и срок окупаемости — момент, когда накопленный эффект перекрывает накопленные затраты. Отсчёт начинается с даты выхода в промышленную эксплуатацию, а не с подписания договора. Типовой срок окупаемости: 4–9 месяцев для ассистента, 10–20 месяцев для ИИ-агента, 18–30 месяцев для кастомной модели.
Денежных потоков ровно три: высвобожденные FTE-часы, умноженные на полную стоимость часа и коэффициент реализации 0,2–0,6; прирост маржи от роста конверсии и скорости ответа; снижение потерь от ошибок — частота, умноженная на средний ущерб. Всё остальное, что перечисляют в презентациях, — производные от этих трёх. Ожидаемые эффекты внедрения ИИ обычно завышены относительно фактических первого года в 2–4 раза.
Оценка эффективности внедрения ИИ начинается с базовой линии: до старта фиксируются объём операций, время на операцию, полная стоимость часа, частота ошибок и средний ущерб от одной. Затем 6–10 недель работает A/B на двух сопоставимых участках или сменах, и фактические числа подставляются в модель. Замер базовой линии занимает 1–2 недели и стоит дешевле любого пилота, но именно его чаще всего пропускают.
Сэкономленный час превращается в деньги только в двух случаях: если сократился штат или если этот час направлен в задачу, приносящую выручку. Во всех остальных случаях время растворяется, а расходы в отчётности остаются прежними. Поэтому эффективность ИИ-проектов измеряется в строках P&L — марже, фонде оплаты труда участка, сумме потерь от ошибок, — а не в часах.
В отчётности первого года видны снижение себестоимости операции на 20–50%, рост пропускной способности участка на 30–80% без найма, прирост конверсии в первый контакт на 5–20% и сокращение частоты ошибок на 30–60%. Не видны, но реальны: доступ к данным, которых раньше не было, скорость запуска новых продуктов, снижение зависимости от уникальных сотрудников. Эти плюсы внедрения ИИ я записываю отдельным блоком «опционы» и не закрываю ими дыру в ROI.
Fix переносит риск на подрядчика и стоит на 20–40% дороже при том же объёме — он уместен там, где сценарий понятен и данные стабильны. T&M дешевле, но требует потолка на этап и еженедельной приёмки, иначе смета растёт незаметно. Оплата от эффекта работает только при наличии контрольной группы и одной бесспорной метрики. Чаще всего я рекомендую гибрид: fix на диагностику, T&M с потолком на разработку, фикс на поддержку.
ИИ для оптимизации проектов даёт эффект там, где есть объём однотипных решений и измеримая цена ошибки: планирование сроков, распределение задач, контроль просрочек, подготовка отчётности. Эффект считается не в сэкономленных часах, а в сокращении просрочек, переработок и повторных работ. Если объём операций маленький, дешевле переписать регламент и убрать лишние согласования — в каждом третьем разговоре мой ответ именно такой.