ROI от нейросетей: как считать до запуска
Большинство компаний считают ROI от ИИ постфактум — когда деньги уже потрачены и переделывать поздно. Между тем именно предварительный расчёт отделяет осмысленное внедрение от дорогостоящего эксперимента…
Почему стандартная формула ROI не работает для ИИ
Классический ROI считается просто: (выгода − затраты) / затраты × 100%. Проблема в том, что для нейросетевых проектов обе части формулы непрозрачны на старте. Затраты легко занижают, забывая про интеграцию, обучение сотрудников, поддержку модели и рост стоимости API при масштабировании. Выгоду, напротив, склонны завышать — переоценивая скорость автоматизации и недооценивая время на донастройку.
Правильный подход — разбить расчёт на три слоя: прямая экономия (сокращение ручного труда), косвенная выгода (рост качества, скорости, конверсии) и стратегическая ценность (новые продукты или рынки, которые без ИИ недостижимы). Большинство компаний считают только первый слой и удивляются, почему цифры не сходятся с реальностью.
Шаг 1. Зафиксируйте базовую линию — «как есть сейчас»
Перед любым расчётом нужна точка отсчёта. Выберите один конкретный процесс, который планируете автоматизировать: обработка входящих заявок, генерация контента, классификация обращений в поддержку, проверка документов — что угодно, но одно. Измерьте его по четырём параметрам: время на единицу работы, стоимость этого времени (ставка сотрудника), количество единиц в месяц и процент ошибок.
Пример расчёта базовой линии: оператор тратит 8 минут на обработку одной заявки, ставка — 1 200 руб./час, поток — 500 заявок в месяц, уровень ошибок — 6%. Итого: 500 × (8/60) × 1 200 = 80 000 руб./мес. на этот процесс, плюс скрытые потери от ошибок. Это ваша отправная точка. Без неё любые обещания «сэкономить 40%» — воздух.
Шаг 2. Реалистично оцените эффект автоматизации
Нейросеть редко даёт 100% автоматизацию сразу. Реалистичный диапазон для типовых задач — от 60% до 85% операций обрабатываются без участия человека, остальное требует проверки или ручного вмешательства. Закладывайте в модель именно этот коридор, а не маркетинговый максимум.
Кроме экономии трудозатрат учитывайте ускорение. Если заявка обрабатывалась 8 минут, а теперь — 40 секунд, это влияет на конверсию, NPS и пропускную способность без найма новых сотрудников. Переведите ускорение в деньги: например, рост конверсии с 12% до 14% при потоке в 500 лидов и среднем чеке 30 000 руб. даёт +300 000 руб./мес. выручки. Это реальный косвенный эффект, который часто вообще не попадает в расчёт ROI.
Отдельно оцените снижение ошибок. Если нейросеть снижает процент ошибок с 6% до 1%, посчитайте стоимость одной ошибки (возврат, переделка, потеря клиента) и умножьте на разницу. Эта цифра регулярно оказывается самой весомой частью экономики проекта.
Шаг 3. Соберите полные затраты — без иллюзий
Полная стоимость ИИ-проекта состоит из нескольких статей, и занижение любой из них делает расчёт бесполезным. Вот стандартный состав затрат: разработка или настройка модели (единоразово), интеграция с существующими системами (единоразово), стоимость API или инфраструктуры (ежемесячно, растёт с нагрузкой), обучение команды (единоразово + периодически), поддержка и мониторинг (ежемесячно).
Практическое правило: умножьте первоначальную оценку разработки на 1,3–1,5, чтобы учесть итерации, непредвиденные интеграционные сложности и время менеджмента на стороне заказчика. Это не пессимизм — это стандартная поправка для технологических проектов. Компании, которые её игнорируют, получают «перерасход бюджета» там, где его на самом деле просто не заложили.
Шаг 4. Постройте три сценария и найдите точку окупаемости
Не работайте с одной цифрой — стройте три сценария: консервативный (60% от ожидаемого эффекта, +20% к затратам), базовый (ваши расчёты как есть) и оптимистичный (85% эффекта, косвенная выгода реализовалась полностью). Для каждого сценария посчитайте точку окупаемости — месяц, когда накопленная экономия и выгода перекрывают совокупные затраты.
Нормальный горизонт окупаемости для ИИ-проектов в автоматизации внутренних процессов — от 3 до 9 месяцев при правильно выбранном процессе. Если консервативный сценарий даёт окупаемость дольше 18 месяцев — это сигнал либо пересмотреть процесс, либо уточнить гипотезы об эффекте. Не повод отказаться от проекта, но повод задать правильные вопросы до старта.
Важный нюанс: стратегическую ценность (новый продукт, конкурентное преимущество, выход на новый сегмент) не нужно включать в базовый ROI — её сложно оцифровать честно. Зафиксируйте её отдельно как качественный аргумент для принятия решения. Это честнее и убедительнее для внутренних стейкхолдеров, чем растянутые допущения.
Шаг 5. Определите метрики контроля после запуска
Расчёт ROI до запуска теряет смысл, если после запуска нечем измерять. Ещё на этапе планирования зафиксируйте 3–5 конкретных метрик, которые будете снимать ежемесячно: доля автоматически закрытых задач, среднее время обработки, процент ошибок, стоимость одной транзакции, удовлетворённость команды или клиентов. Это и контроль проекта, и материал для следующего цикла расчёта — когда будете масштабировать ИИ на другие процессы.
Настройте дашборд с этими метриками в первые две недели после запуска. Не через квартал, не «когда разберёмся» — сразу. Практика показывает: команды, которые видят цифры в реальном времени, корректируют настройки модели в 2–3 раза быстрее и выходят на плановые показатели раньше, чем те, кто смотрит на результат раз в месяц.