Как посчитать эффект от ИИ до пилота: формула и пример расчёта

В апреле один из наших клиентов купил двадцать лицензий корпоративного ИИ-сервиса и раздал их отделу продаж. Потратил около 400 тысяч рублей за полгода. Когда я спросил, какой эффект это дало, он ответил честно: «Не знаю. Вроде быстрее стало». Быстрее — это не цифра. Это ощущение.

Проблема была не в сервисе — он нормальный. Проблема в том, что эффект никто не посчитал до покупки. Ни текущую стоимость процесса, ни честный процент экономии, ни окупаемость. Просто купили и стали ждать чуда.

Эта статья — о том, как посчитать эффект от ИИ до старта пилота. Одна простая формула, рабочий пример расчёта и готовый шаблон, который можно скопировать. Без обещаний «вырасти в 10 раз» — только цифры, которые можно проверить.

Почему большинство пилотов ИИ не окупаются

Мы регулярно приходим в компании после неудачных попыток внедрения. Картина почти всегда одна и та же: куплен инструмент, разданы доступы, проведён вебинар — и всё. Дальше ИИ живёт своей жизнью, а деньги списываются ежемесячно.

Корень проблемы — не технология. Корень в том, что эффект не посчитали до старта. Компания не знает:

• сколько сейчас стоит процесс, который она хочет автоматизировать;
• какую долю этого процесса реально заберёт ИИ;
• когда окупятся вложения в пилот.

Без этих трёх цифр любое внедрение — это ставка на удачу. Иногда она срабатывает. Чаще — нет. Расчёт до старта превращает ставку в решение.

Формула эффекта: часы × ставка = рубли

Вся методика сводится к одной формуле. Она намеренно простая — чтобы её мог посчитать любой руководитель без аналитика:

Стоимость процесса в месяц = часы в месяц × ставка часа

Где:

• Часы в месяц — сколько времени команда тратит на процесс. Не «на работу вообще», а именно на этот процесс.
• Ставка часа — полная стоимость часа сотрудника: оклад, налоги, взносы, доля офиса и инструментов. Обычно это оклад ÷ 150 часов × 1,5 (оценка).

Дальше — эффект: честный процент времени, который заберёт ИИ, умноженный на стоимость процесса. Получаем экономию в рублях в месяц. Сравниваем её со стоимостью пилота — и получаем окупаемость.

Шаг 1. Посчитайте текущую стоимость процесса

Возьмите один конкретный процесс. Не «продажи» и не «маркетинг» — а конкретную операцию: обработка входящей заявки, подготовка коммерческого предложения, ответы на типовые вопросы клиентов.

Замерьте три цифры:

• Время на одну задачу. Возьмите 3–5 реальных задач и засеките, сколько занимает каждая от начала до результата (включая проверку и согласование).
• Частоту. Сколько таких задач в месяц.
• Ставку. Полная стоимость часа исполнителя.

Пример (оценка). Подготовка КП: 40 минут на одно, 60 штук в месяц, ставка часа 800 ₽. Итого: 40 часов × 800 ₽ = 32 000 ₽ в месяц — текущая стоимость процесса.

Важно: считайте полный цикл, а не только «писать текст». Если менеджер пишет КП 20 минут, а потом 20 минут проверяет и согласовывает — считаем 40.

Второй пример — входящие заявки (оценка). Менеджер разбирает заявку 15 минут, заявок 200 в месяц, ставка 800 ₽. Итого: 50 часов × 800 ₽ = 40 000 ₽ в месяц. Если ИИ классифицирует заявку и готовит черновик ответа, а менеджер только проверяет, консервативная экономия — 35%. Получаем 14 000 ₽ в месяц. При стоимости пилота 80 000 ₽ окупаемость — меньше 6 месяцев. Это уже рабочий сценарий.

Формула одна и та же для любого процесса. Меняются только три цифры: время, частота, ставка. Поэтому расчёт занимает полчаса, а не неделю аналитики.

Шаг 2. Прикиньте честный процент экономии

Здесь большинство и обманывает себя. Презентации обещают «80% автоматизации». Реальность — скромнее, потому что человек всё равно проверяет результат и разбирает исключения.

Ориентиры по нашим пилотам (оценка):

• Черновики текстов (письма, ответы, расшифровка): 40–60% времени на подготовку черновика.
• Извлечение данных из документов: 30–50%.
• Задачи с обязательной проверкой человеком: 15–30%.

Правило: закладывайте нижнюю границу. Если расчёт сходится даже при 20% экономии — проект точно стоит делать. Если сходится только при 70% — это фантазия, а не расчёт.

Продолжим пример: ИИ готовит черновик КП, менеджер проверяет и правит. Консервативно — экономия 40% времени. Значит, экономия: 32 000 ₽ × 0,4 = 12 800 ₽ в месяц.

Шаг 3. Сравните со стоимостью пилота: окупаемость

Осталось подставить стоимость пилота. Минимальный бюджет — от 50 000 до 150 000 ₽ (оценка по рынку): подписка на модель или API, настройка интеграции, время специалиста, обучение команды.

Окупаемость = стоимость пилота ÷ экономия в месяц

В нашем примере: 150 000 ÷ 12 800 = 11,7 месяцев. Это долго. Значит, либо ищем процесс с большей экономией, либо масштабируем на большее число задач, либо честно не делаем.

Ориентир: окупаемость до 3–4 месяцев — делать точно. До 6 месяцев — обсуждаемо. Больше 9 — почти всегда нет.

Заметьте: расчёт уже окупился. Мы не потратили 150 тысяч, чтобы узнать это после пилота — мы узнали это до, бесплатно.

Готовый шаблон: паспорт сценария

Чтобы расчёт не держать в голове, используйте паспорт сценария — одну страницу, которую можно скопировать и заполнить под свой процесс. Это готовый артефакт, а не теория.

Поле	Что зафиксировать	Пример (КП)
Процесс	Конкретная операция с началом и концом	Подготовка КП от брифа до согласования
Время на задачу	Полный цикл, включая проверку	40 минут
Частота	Задач в месяц	60
Ставка часа	Оклад ÷ 150 ч × 1,5	800 ₽
Стоимость процесса	Часы × ставка	32 000 ₽/мес
Что забирает ИИ	Конкретный этап	Черновик КП
% экономии	Консервативно, нижняя граница	40%
Экономия	Стоимость × %	12 800 ₽/мес
Стоимость пилота	Подписка + настройка + обучение	150 000 ₽
Окупаемость	Пилот ÷ экономия	11,7 мес → не делаем
Риск	Последствие ошибки ИИ	Неточная цена в КП — проверка менеджером
Контроль	Кто подтверждает результат	Менеджер проверяет каждое КП

Заполненный паспорт — это и есть решение: делать или не делать. Если окупаемость не сходится — вы это видите сразу, без пилота.

Как проверить расчёт: тестовый набор

Расчёт на бумаге — это гипотеза. Проверить её можно до пилота, на тестовом наборе. Это подход из практики оценки ИИ-систем (evals): переводим бизнес-цель в конкретные задания и критерии.

Соберите 10–20 обезличенных примеров реальных задач: типовые, сложные и пограничные. Прогоните через ИИ и замерьте:

• сколько времени заняла обработка против ручной;
• сколько правок потребовал результат;
• какая доля задач подошла под автоматизацию, а какая ушла к человеку.

Если на тестовом наборе экономия совпала с расчётом (±10%) — гипотеза подтверждена, можно пилотить. Если нет — скорректируйте процент экономии и пересчитайте окупаемость. Это и есть честная проверка до вложений.

Где ИИ точно не окупится: честные границы

Честность важнее оптимизма. Вот где расчёт почти всегда не сходится:

• Редкие задачи. Если процесс случается 2 раза в месяц, экономия в рублях мизерная, а пилот всё равно стоит денег.
• Задачи, где ошибка дорогая. Если неточность в ответе стоит клиента или денег, человек проверяет всё подряд — и экономия испаряется.
• Задачи без источников данных. Если факты разбросаны по головам и почте, ИИ будет выдумывать, а сотрудник — перепроверять.
• Творческие задачи с уникальным результатом. ИИ даёт среднее, а нужно уникальное.

Если ваш процесс попадает в этот список — не расчёт виноват, просто не та задача. Выберите другую.

Частые ошибки в расчёте эффекта

• Считать только «время написания». Забывают про проверку, согласование и исключения. Считайте полный цикл.
• Закладывать 70–80% экономии. Это презентационная цифра, а не рабочая. Нижняя граница честнее.
• Не считать стоимость поддержки. После пилота нужны обновление источников, контроль качества, права доступа. Это тоже деньги.
• Считать по одной удачной задаче. Нужна выборка из типовых, сложных и пограничных примеров.
• Не фиксировать риск. Если последствие ошибки не описано, контроль будет формальным.

Чек-лист: готовы ли вы к расчёту

• Выбран один конкретный процесс с понятным началом и концом.
• Замерено время на 3–5 реальных задачах (полный цикл).
• Известна частота задач в месяц.
• Посчитана полная ставка часа исполнителя.
• Процент экономии — консервативный (нижняя граница).
• Учтена стоимость пилота и поддержки.
• Посчитана окупаемость, и она до 6 месяцев.
• Описан риск и роль человека в контроле.

Что делать после расчёта: следующий шаг

Если расчёт сходится — не бросайтесь сразу внедрять. Сначала проверьте гипотезу на тестовом наборе (шаг 7), потом запускайте пилот за 2–4 недели с замером до и после. Если не сходится — это тоже результат: вы сэкономили деньги и время, не потратив их на слабый сценарий.

Полную схему внедрения — от выбора процесса до боевой системы — разбираем в статье «Внедрение ИИ в бизнес: с чего начать и как довести пилот до рабочей системы».

Частые вопросы

Какой процент экономии закладывать в расчёт?

Для текстовых задач — 40–60% времени на черновик, для извлечения данных — 30–50%, для задач с проверкой человеком — 15–30%. Закладывайте нижнюю границу: если расчёт сходится даже при 20%, проект стоит делать.

Что делать, если эффект не сходится?

Честно не делать проект. Если при консервативной оценке окупаемость больше 6–9 месяцев, выберите другой процесс или откажитесь. Это нормальный результат расчёта.

Сколько должен длиться пилот, чтобы проверить расчёт?

2–4 недели. За это время набирается 20–50 реальных задач — достаточно для сравнения времени до и после.

Можно ли посчитать эффект без специалиста?

Да, если процесс простой и вы можете замерить время. Сложность обычно не в расчёте, а в честной оценке процента экономии.

Что входит в стоимость пилота?

Подписка на модель или API, настройка интеграции, время специалиста, обучение команды. Минимум — от 50 000 до 150 000 ₽ (оценка). Плюс поддержка после пилота.