Как оценивать отдачу от инвестиций в ИИ: вопросы до принятия решения
ROI ИИ-проектов измеряется иначе, чем ROI традиционной автоматизации. Разбираю, как задавать правильные вопросы до того, как потрачены деньги.
Когда владелец компании спрашивает меня, как оценить отдачу от ИИ-проекта, я обычно начинаю с другого вопроса: "Что именно вы хотите изменить?" Потому что ИИ - это не оборудование с понятной производительностью и не лицензия с фиксированной ценой. Это способность, которая меняет то, как люди и системы выполняют задачи. А это труднее измерить.
Сложность не означает, что измерять не нужно. Она означает, что нужно измерять правильно.
Почему стандартный подход к ROI не работает
Классическая формула - посчитать затраты, посчитать выгоды, взять отношение. Проблема: в ИИ-проектах выгоды часто нелинейны, отложены во времени и зависят от того, как система используется.
Типичная ошибка - считать экономию как "ИИ делает то, что раньше делал человек, умножим на стоимость часа". Иногда это верно. Но чаще ИИ меняет саму задачу: делает возможным то, что раньше было нецелесообразным по объёму, или меняет качество решения там, где скорость стала не проблемой.
Пример: ИИ-ассистент в службе поддержки. Он не заменяет операторов один к одному. Он меняет что именно делают операторы, позволяет обрабатывать больший поток обращений без пропорционального роста команды и повышает качество ответов на рутинные вопросы. Считать ROI как "один бот равен одному оператору" - значит не считать ничего.
На что смотреть при оценке
Я выделяю три категории эффекта:
Прямая экономия - задачи, которые раньше требовали ресурсов, теперь автоматизированы. Это измеримо, хотя часто меньше, чем ожидают.
Масштабирование без пропорционального роста затрат - объём задач вырос, а число людей нет. Это нелинейный эффект, который труднее считать, но он часто крупнее первого.
Улучшение качества решений - меньше ошибок, быстрее ответы, лучше обнаружение аномалий. Это самое трудное для измерения, но иногда самое важное для бизнеса.
Что нужно определить до запуска
Перед стартом проекта нужны три вещи: базовая линия, метрика успеха и горизонт измерения.
Базовая линия - как выглядит процесс сейчас: сколько времени, сколько людей, какое качество результата. Без этого невозможно измерить изменение.
Метрика успеха - конкретный показатель, который должен измениться. "Стало лучше" - не метрика. "Время ответа на обращение снизилось с 24 часов до 4" - метрика.
Горизонт измерения - когда ожидать результат. ИИ-проекты часто показывают скромные результаты в первые месяцы и существенные - через полгода-год, когда система обкатана и команда адаптировалась.
Практический фильтр
Прежде чем подписывать бюджет на ИИ-проект, задайте себе пять вопросов:
- Что конкретно изменится в работе и как мы это измерим?
- Какова базовая стоимость текущего процесса?
- При каком результате проект считается успешным, а при каком - нет?
- Кто внутри компании владеет успехом этого проекта?
- Если через год ничего не изменится - что именно пошло не так?
Четкие ответы на эти вопросы ценнее любой оценки ROI, написанной на этапе продажи идеи.