AI-аудит: как понять, где ИИ окупится за 3 месяца

Почему внедрения ИИ чаще всего не окупаются

За 21 год в IT я видел много проектов автоматизации, которые закончились презентацией, а не экономией. С ИИ история повторяется, только быстрее: модель подключили за неделю, показали директору, все впечатлились — а через три месяца бот молчит, и никто не может сказать, сколько денег он сэкономил.

Причина почти всегда одна: выбрали эффектную задачу вместо дорогой рутины. Эффектная задача — это то, что хорошо смотрится на демо: генератор постов для соцсетей, «ИИ-помощник руководителя», чат-бот на сайте, который умеет поддержать разговор о чём угодно. Дорогая рутина — это то, на что уходят часы сотрудников каждый день: ответить на сорок одинаковых вопросов о цене и сроках, перенести заявки из почты в CRM, собрать коммерческое предложение из трёх шаблонов, свериться с регламентом перед ответом клиенту.

Эффектная задача редко стоит бизнесу денег. Посты писали раз в неделю за час — экономить нечего. А рутина, которую никто не замечает, съедает 15–20 часов в неделю и заодно тормозит продажи, потому что клиент ждёт ответа.

Вторая причина — никто не посчитал. «Внедрим ИИ, посмотрим, что получится» не работает ни с ИИ, ни с чем-либо ещё. Если до старта нет цифры «этот процесс стоит нам X рублей в месяц», после старта не будет и цифры «сэкономили Y». А значит, нечем защитить проект, когда через полгода встанет вопрос, продлевать ли поддержку.

Третья — внедряли там, где нет данных. ИИ-ассистент отвечает по документам. Если регламентов нет, прайс живёт в голове у двух менеджеров, а условия доставки «зависят от ситуации», модели нечего читать, и она начинает выдумывать.

Четыре признака процесса, который стоит отдать ИИ

Не каждую задачу имеет смысл автоматизировать нейросетью. По опыту проектов, хороший кандидат проходит четыре проверки сразу. Если проваливает хотя бы две — почти наверняка не окупится за три месяца.

1. Повторяемость

Одни и те же вопросы, одни и те же действия, одна и та же структура входных данных. «Сколько стоит», «есть ли в наличии», «когда доставка», «пришлите реквизиты». Если за неделю можно собрать 30 типовых обращений, которые отличаются только деталями, признак есть. Если каждая задача уникальна и требует разбора с нуля, ИИ тут будет не ассистентом, а ещё одним собеседником.

2. Объём в часах

Сколько времени команда тратит на этот процесс в неделю? Не «много», а в часах. Ориентир по опыту: от 10 часов в неделю на компанию уже интересно; 3–5 часов — скорее нет, если только это не узкое место продаж. Часы считать честно: не «менеджер отвечает в чате весь день», а «из восьми часов три уходят на однотипные ответы».

3. Есть правила или документы

Ассистент отвечает по тому, что ему дали: прайс, регламент, FAQ, инструкция, примеры прошлых ответов. Если правило можно выписать на бумаге или оно уже лежит в файле — хорошо. Если ответ зависит от того, «как договоримся», и живёт в голове у собственника — сначала появится документ, потом ИИ.

4. Низкая цена ошибки или контроль человека

Если ассистент ошибётся в ответе про сроки доставки — клиент переспросит, менеджер поправит. Если он ошибётся в юридической консультации или назовёт неверную дозировку — последствия другие. Для процессов с высокой ценой ошибки ИИ допустим только в режиме «черновик готовит машина, подтверждает человек». Если такой контроль поставить некому — процесс не кандидат.

Метод: карта процессов → часы в неделю → стоимость часа → рубли в месяц

Я считаю эффект в четыре шага. Ничего сложного, но делать нужно письменно и по каждому процессу отдельно — иначе получится «примерно много».

Шаг 1. Карта процессов

Выписываю всё, что в компании регулярно происходит с информацией: входящие вопросы клиентов, обработка заявок, подготовка документов, внутренние вопросы сотрудников, отчёты, сверки. Не технологии, а именно процессы: «ответить на вопрос о наличии», «занести заявку с сайта в CRM», «собрать КП». Обычно получается 10–20 строк.

Шаг 2. Часы в неделю

По каждой строке — сколько человеко-часов уходит в неделю. Источники: спросить исполнителей (они занижают), посмотреть историю чатов и почты за неделю (объективнее), в крайнем случае — замерить три дня с секундомером. Если пять менеджеров тратят по три часа в неделю на один и тот же вопрос — это 15 часов, а не три.

Шаг 3. Стоимость часа

Полная стоимость часа сотрудника — не оклад, делённый на 160. К сумме «на руки» прибавляются налог, страховые взносы, отпуск, больничные, рабочее место. Грубое правило: полная стоимость в 1,4–1,6 раза выше того, что человек получает на руки. Для менеджера с 70 000 ₽ на руки полная стоимость часа — около 650–750 ₽; для специалиста со 150 000 ₽ — около 1 500 ₽.

Шаг 4. Рубли в месяц

Часы в неделю × 4,3 × стоимость часа = стоимость процесса в месяц. Это то, что бизнес уже платит за рутину — просто незаметно, внутри зарплат. Процессы сортирую по этой цифре. Верхние две-три строки — кандидаты на внедрение; всё, что ниже 10–15 тысяч рублей в месяц, обычно не трогаю.

Формула окупаемости и пример расчёта

Формула простая, важны допущения внутри неё:

Экономия в месяц — это не 100% стоимости процесса. ИИ-ассистент в типичном случае закрывает 60–80% обращений, остальное уходит человеку. В расчёт беру консервативную долю: 60–70%. Расходы на содержание — оплата модели (API или сервер) и поддержка. В моих проектах первые три месяца поддержка входит в гарантию, дальше — от 15 000 ₽/мес; это нужно видеть заранее.

Пример расчёта (условный)

• Менеджеры тратят 15 часов в неделю на однотипные консультации: 15 × 4,3 ≈ 65 часов в месяц.
• Полная стоимость часа — 800 ₽. Процесс стоит компании 65 × 800 = 52 000 ₽ в месяц.
• Ассистент закрывает 70% обращений: экономия 52 000 × 0,7 ≈ 36 000 ₽ в месяц.
• Расходы на модель и хостинг — около 4 000 ₽ в месяц. Чистый эффект: 32 000 ₽ в месяц.
• Внедрение — 150 000 ₽. Срок окупаемости: 150 000 ÷ 32 000 ≈ 4,7 месяца.

Это нормальный, но не блестящий результат. Чтобы уложиться в три месяца при бюджете 150 000 ₽, чистый эффект должен быть не меньше 50 000 ₽ в месяц — то есть процесс должен стоить компании около 77 000 ₽ в месяц, примерно 22 часа в неделю при той же ставке. Либо решение должно быть проще и дешевле. Несколько вариантов для сравнения:

Во всех вариантах ставка 800 ₽/час, доля закрытых обращений 70%, расходы на модель 4 000 ₽/мес. Строки Б и В — это и есть «окупится за три месяца». Строка Г — то, что я отговариваю делать, даже если очень хочется.

Почему горизонт — именно три месяца

По опыту, прогноз на три месяца сходится с реальностью, прогноз на год — нет: процесс меняется, люди уходят, приоритеты сдвигаются. Три месяца — это ещё и срок гарантийной поддержки, за который видно, работает ли ассистент на реальных вопросах, а не на тестовых. Если на бумаге окупаемость выходит больше 6–8 месяцев, я обычно советую либо не внедрять, либо упростить решение, либо начать с другого процесса.

Красные флаги: где ИИ не нужен

Половина пользы аудита — в том, чтобы вовремя сказать «нет». Вот признаки, при которых я отговариваю от внедрения или предлагаю что-то другое.

• Мало обращений. Если типовых вопросов 5–10 в день, ассистент сэкономит пару часов в неделю. Расходы на модель и поддержку съедят эффект. Решение: хорошо написанный FAQ на сайте или простой бот с кнопками от 15 000 ₽.
• Нет документов. Нечего загрузить в базу знаний — нечего и внедрять. Сначала неделя на то, чтобы записать правила, потом ИИ. Иногда на этом этапе выясняется, что документ сам закрывает половину вопросов.
• Процесс меняется каждую неделю. Условия акций, которые переписывают каждый понедельник, — нормально, если есть кому обновлять базу. Процесс, который каждый раз выглядит иначе, — нет: ассистент будет отвечать по вчерашним правилам.
• Высокая цена ошибки и нет контроля. Юридические заключения, медицинские рекомендации, финансовые расчёты для клиента без проверки человеком — не отдаю ИИ. Как черновик для специалиста — можно.
• Задача не про ИИ. Заметная часть запросов «внедрить ИИ», которые ко мне приходят, решается обычной интеграцией: заявки с сайта сами попадают в CRM, остатки подтягиваются из 1С, напоминание уходит по расписанию. Нейросеть здесь не нужна, и стоит такое дешевле.
• Нет владельца. Если никто в компании не отвечает за актуальность базы знаний и не смотрит на ответы бота хотя бы раз в неделю, качество деградирует за пару месяцев.

Что должно быть в отчёте AI-аудита — и чего там быть не должно

Аудит — это документ, который остаётся у вас. По нему можно работать со мной, с другим подрядчиком или своими силами. Поэтому у него есть обязательный состав.

Что должно быть

• Карта процессов с оценкой. Все процессы, которые разобрали, с часами в неделю и рублями в месяц — включая те, которые решили не трогать, и почему.
• 2–3 точки с эффектом в рублях. Не двадцать «возможностей», а две-три, где цифры сходятся. Для каждой — исходные данные расчёта, чтобы вы могли их проверить и поправить.
• Рекомендованное решение для каждой точки. RAG-ассистент, ИИ-агент, обычный бот, интеграция без ИИ — или «ничего». Со стеком: какая модель (GigaChat, YandexGPT, OpenAI или локальная), где хранятся данные, какие каналы.
• Roadmap. Что первым, что вторым, что через полгода. Первым — то, что окупается быстрее и требует меньше подготовки документов.
• Бюджет и срок окупаемости. Вилка стоимости внедрения, расходы на содержание, срок окупаемости по формуле выше — с указанием, какие допущения заложены.
• Что нужно от вас. Какие документы собрать, кто будет владельцем базы знаний, какие доступы понадобятся.
• Риски. Где расчёт может не сойтись и как это проверить на пилоте, не потратив весь бюджет.

Чего в отчёте быть не должно

• Общих слов про «цифровую трансформацию». Если абзац можно вставить в отчёт для любой компании — его там быть не должно.
• Списка из двадцати идей без цифр. Это не аудит, а брейншторм.
• Рекомендации «внедрить всё». Признак того, что считать не стали.
• Привязки к одному вендору без объяснения. Если рекомендована конкретная модель или платформа, должно быть написано, почему именно она для ваших данных и требований.
• Обещаний. «Сэкономите 40%» без расчёта — красный флаг. Честная формулировка: «при таких допущениях эффект составит X; проверяем на пилоте».

Черновой аудит самому за вечер: мини-шаблон

Полноценный аудит требует разговора с исполнителями и доступа к истории обращений. Но черновой вариант можно сделать за вечер — он покажет, есть ли вообще о чём говорить.

1. Выпишите 10–15 процессов, где сотрудники работают с информацией: отвечают, ищут, заносят, пересылают, собирают документы. Не группируйте: «работа с клиентами» — это не процесс, «ответы на вопросы о наличии» — процесс.
2. По каждому поставьте часы в неделю. Если не знаете — откройте рабочий чат или почту за прошлую неделю, посчитайте однотипные сообщения и умножьте на среднее время ответа.
3. Напишите, кто это делает и сколько стоит час этого человека — с коэффициентом 1,4–1,6 к сумме на руки.
4. Отметьте, есть ли документ, по которому можно ответить: прайс, регламент, инструкция, шаблон. «В голове у Марины» — это «нет».
5. Поставьте «да» в колонке «Кандидат?» строкам, где часов 10 и больше, документ есть, а цена ошибки низкая или есть кому проверить.
6. Для кандидатов посчитайте рубли в месяц и срок окупаемости по формуле из раздела 04.

Так выглядит заполненная таблица для условной торгово-сервисной компании на 12 человек:

В этом условном примере кандидатов два: ответы клиентам (16 часов) и внутренний помощник по регламентам (8 часов), причём второй стоит делать после первого — на той же базе знаний. Остальное — либо обычная автоматизация без нейросети, либо не стоит усилий.

Если таблица показала хотя бы одну строку с 10+ часами и документами — есть смысл считать дальше. Если нет — ИИ вам пока не нужен, и это нормальный результат, а не неудача.

Часто задаваемые вопросы

Нужен ли ИИ малому бизнесу, если в компании 5–10 человек?

Зависит не от размера компании, а от объёма рутины. Если два человека по 3–4 часа в день отвечают на одни и те же вопросы клиентов, ассистент окупится и в компании из пяти человек. Если типовых обращений несколько в день — не окупится, и честный аудит так и скажет.

Чем AI-аудит отличается от IT-аудита?

IT-аудит смотрит на инфраструктуру, безопасность, лицензии и процессы разработки — что сломано и где риски. AI-аудит отвечает на один вопрос: какие процессы стоят компании больше всего часов и какие из них можно отдать ИИ с понятной окупаемостью. Часто их имеет смысл делать вместе, но это разные документы с разными выводами.

Что нужно подготовить к AI-аудиту?

Готовить ничего не требуется — достаточно 30 минут и честных ответов о том, как устроены процессы. Разговор будет предметнее, если под рукой есть цифры: сколько обращений в день, сколько людей на них отвечают, какие документы уже есть. Доступы к системам и данные на этапе аудита не нужны.

Что будет, если аудит покажет, что ИИ не окупится?

Так бывает, и я пишу об этом прямо в отчёте: какие процессы разобрали, почему эффект не сходится и что вместо ИИ закроет задачу — часто это обычная интеграция или нормально написанный регламент. Отчёт остаётся у вас, платить за него не нужно.

Как считать окупаемость, если эффект не в сэкономленных часах, а в продажах?

Осторожно. Рост конверсии от быстрого ответа реален, но предсказать его до запуска сложно, поэтому в базовый расчёт я ставлю только измеримое — часы и рубли, которые компания уже тратит. Эффект на продажи оцениваю отдельно и проверяю на пилоте: сравниваю конверсию обращений до и после за один-два месяца.