инженерные заметки
Внедрение ИИ в компанию: с чего начать и сколько стоит
Внедрение ИИ окупается на конкретных повторяющихся процессах: с чего начать, как считать стоимость и эффект, чего не делать.
Коротко для руководителя. Внедрение ИИ окупается не тогда, когда «в компании появился ИИ», а когда автоматизирован один конкретный повторяющийся процесс с измеримым эффектом. Большинство неудачных внедрений проваливаются не на технологии, а на постановке: автоматизируют «ИИ вообще» вместо процесса, считают эффект «в целом по компании» вместо конкретной операции и ждут результата от презентации возможностей, а не от работающего процесса в проде. С чего начинать и сколько это стоит — вопросы, на которые можно ответить до старта, если правильно выбран процесс.
Запрос «нам нужно внедрить ИI» почти всегда звучит на уровне компании, а окупаемость всегда живёт на уровне процесса. Этот разрыв — главная причина, по которой бюджеты на ИИ уходят в демонстрации, не доходя до эффекта. Разберём, с чего начинать, чтобы внедрение окупилось, и от чего зависит цена.
Окупается процесс, а не «внедрение ИИ».
Гипотеза: внедряют процесс, а не «ИИ»
«Внедрить ИИ» — это не цель, а формулировка без объекта. Цель звучит иначе: «сократить время обработки обращения с трёх часов до двадцати минут», «перестать держать двух человек на сведении статусов между системами». ИИ здесь — инструмент внутри конкретного процесса, и окупаемость считается по этому процессу, а не по факту внедрения.
По данным IDC, из 33 запущенных пилотов до промышленной эксплуатации доходят около 4. Причина провала — не технология, а недооценённая сложность доведения до процесса.
Проблема: бюджет уходит в демонстрацию возможностей
Типичный путь неудачного внедрения: выбирают эффектную, а не окупаемую задачу; делают демонстрацию, которая всем нравится; пытаются масштабировать и упираются в то, что процесс по-настоящему не был выбран. Деньги потрачены, эффекта нет, в компании закрепляется вывод «ИИ у нас не работает» — хотя не работала постановка, а не технология.
Вторая частая ошибка — измерять эффект «в целом». Если нельзя назвать конкретную операцию, время или стоимость которой изменились, значит эффект не измеряется, а декларируется.
Почему обычные подходы не работают
«Давайте сделаем ИИ-ассистента и посмотрим» не работает, потому что у этого подхода нет критерия успеха: непонятно, что считать результатом, поэтому результатом становится сам факт запуска. «Автоматизируем всё сразу» не работает, потому что разные процессы имеют разную цену ошибки и разную готовность данных; попытка охватить всё растягивает срок до эффекта и убивает доверие. «ИИ ради ИИ» не работает, потому что автоматизация процесса, который и так редкий или нестабильный, не окупается арифметически — экономить не на чем.
Инженерная модель: как выбрать процесс и довести до эффекта
Внедрение, которое окупается, идёт по понятной последовательности.
Выбор процесса по трём признакам. Процесс повторяющийся (происходит часто, а не раз в квартал), имеет измеримый выход (время, стоимость, объём) и терпит контролируемую ошибку (есть место, где человек проверяет дорогие решения). Процессы, не проходящие по этим признакам, — плохие кандидаты для первого внедрения, какими бы эффектными ни были.
Аудит данных и шагов. До разработки выясняется, есть ли данные в нужном виде и где в процессе принимаются решения, которые можно снять с людей. Часто здесь обнаруживается, что половина обещанного эффекта — это не ИИ, а наведение порядка в данных.
Пилот с измеримым эффектом и человеком в контуре. Автоматизируется один процесс, дорогие решения остаются за человеком, метрики снимаются до и после. Цель пилота — не «показать возможности», а получить число: было столько, стало столько.
Масштабирование от подтверждённого эффекта. Следующий процесс берут, только когда на первом есть подтверждённое число. Это защищает от «внедрили везде, не окупилось нигде».
Практический вывод для бизнеса: с чего начать и сколько стоит
С чего начать: выберите один процесс, в котором люди в основном повторяют однотипные решения и где вы можете назвать метрику. Не самый заметный — самый повторяющийся и измеримый. Это и есть точка, где внедрение окупится быстрее всего.
Сколько стоит. Прямого прайса на «внедрение ИИ» не существует, потому что платите вы не за ИИ, а за автоматизацию конкретного процесса. Стоимость складывается из сложности процесса и числа решений в нём, состояния данных и интеграций с вашими системами, требований к контролю и эксплуатации, и стоимости моделей в работе. Корректный вопрос подрядчику — не «сколько стоит ИИ», а «сколько стоит автоматизировать вот этот процесс и за какой срок он окупится». Если на этот вопрос не отвечают числом и сроком — процесс выбран неверно или не разобран.
Что считать эффектом. Снятая с людей повторяющаяся работа, сокращённое время цикла, уменьшение согласований. Не «внедрён ИИ», а «эта операция стала стоить столько-то вместо столько-то». Цель — масштабировать операции без линейного роста штата, а не сократить людей: это разные постановки, и вторая обычно не окупается так, как обещает.
Эффект приходит не «от ИИ вообще», а в конкретных функциях с повторяющимися операциями. Внедрение окупается там, где есть измеримый процесс.
Приложить это к вашим процессам — .
Открытые вопросы
Где предел автоматизации без потери качества решения — зависит от процесса и определяется на пилоте, а не общим правилом. Как считать окупаемость, когда эффект — это снятая координация, а не явная экономия ставки — задача без единого стандарта; мы считаем по времени цикла и числу согласований, но это модель, а не отраслевая норма. Сколько процессов брать параллельно после первого успеха — вопрос управляемости, а не амбиции; ответ обычно «меньше, чем хочется».
Если вы можете назвать процесс, где люди день за днём повторяют одни и те же решения, — назовите метрику, и его окупаемость можно прикинуть до старта. — разберём, окупается ли он и с чего начинать.