Как посчитать эффективность внедрения ИИ

Эффективность внедрения ИИ считают по четырём метрикам: сэкономленные часы, деньги, скорость процесса и число ошибок. Чтобы цифры были честными, замер делают дважды, до запуска и после, по одной и той же методике. Результат сравнивают с затратами на разработку, модели и поддержку: так получаются ROI и срок окупаемости.

Ниже разберём, какие метрики брать для разных отделов, как посчитать окупаемость на условном примере, как поставить замер «до» и «после» и где чаще всего ошибаются. В конце — один реальный кейс с цифрами и разбор того, что эти цифры показывают, а что нет.

Зачем считать эффективность ИИ

Результаты внедрения ИИ в разных компаниях расходятся очень сильно. По исследованию «Яков и Партнёры» и Яндекса, почти 80% крупных российских компаний уже получают финансовый эффект от ИИ, а у тех, кто применяет его системно, вклад доходит до 8% EBITDA («Российская газета»). Американское исследование MIT NANDA даёт другую картину: около 95% корпоративных пилотов почти не влияют на прибыль и убытки (Fortune).

Без замера вы не знаете, в какой группе оказались и что масштабировать дальше. Оценка эффективности ИИ нужна прежде всего для решений: какой процесс переносить на соседний отдел, какого агента докрутить, а от какой идеи отказаться.

Метрики эффективности ИИ: часы, деньги, скорость, ошибки

Метрика	Что меряем	Где брать данные	Пример
Часы	Время сотрудников на процесс за неделю или месяц	Хронометраж, логи систем, отметки времени в CRM	Условно: 40 часов в месяц на отчёты по продажам
Деньги	Стоимость этих часов и прямые расходы	Зарплатная ведомость, счета подрядчиков и сервисов	Оплата дизайнеру за карточки товаров
Скорость	Сколько проходит от события до результата	Отметки времени в CRM, телефонии, сервис-деске	Время первого ответа клиенту
Ошибки	Сколько раз результат пришлось исправлять	Журналы правок, возвраты, жалобы	Платежи, разнесённые не на ту статью

Часы

Главная и самая понятная метрика. Считайте время отдельно по каждому сотруднику, который участвует в процессе. После запуска из экономии нужно вычесть время, которое люди тратят на проверку результата ИИ. Если агент заполняет карточку сделки за секунды, а менеджер две минуты её перепроверяет, экономия — это разница с исходным временем минус эти две минуты.

Деньги

Часы переводят в рубли по полной стоимости часа: зарплата, налоги и взносы, рабочее место. К этому добавляют прямую экономию: подрядчиков, которых больше не нужно привлекать, сервисы, от которых отказались, штрафы и потерянные заявки.

Рост выручки тоже бывает эффектом ИИ, но доказать его сложнее. Если после внедрения разбора звонков выросла конверсия, на неё могли повлиять сезон, новая реклама или новые менеджеры. Такой эффект включайте в расчёт, только если есть контрольная группа или достаточно длинный ряд данных.

Скорость

Часто важнее часов. Ответ клиенту через пять минут вместо трёх часов может значить для бизнеса больше, чем сэкономленное время оператора. Если отчёт приходит каждое утро вместо раза в месяц, просадку замечают на той же неделе, а не по итогам квартала. Меряйте время от события до результата: от звонка до заполненной карточки, от заявки до ответа, от закрытия дня до сводки.

Ошибки и качество

Сколько раз результат пришлось исправлять до и после. Для ИИ полезна ещё одна метрика: доля результатов, которые человек принял без правок. Если она растёт от месяца к месяцу, агент докручивается правильно. Если падает, поменялся процесс или данные.

Эффекты, которые трудно перевести в рубли

Часть эффектов внедрения ИИ не укладывается в формулу. Раньше РОП слушал выборочно несколько звонков в неделю, теперь проверены все. Процесс перестал зависеть от одного сотрудника, который знает, как его делать. Компания растёт без найма в бэк-офис. Фиксируйте такие эффекты в отчёте, но не включайте в ROI без цифр, иначе расчёту перестанут доверять.

Ключевые показатели эффективности по отделам

Ниже примеры KPI для процессов, которые чаще всего отдают ИИ первыми. Общий принцип: показатель берут из данных систем, ощущения сотрудников для этого не годятся.

Отдел	Процесс	Что мерить
Продажи	Контроль звонков и CRM	Доля проверенных звонков, время от звонка до заполненной карточки, число лидов без перезвона
Финансы	Разнесение платежей и сверки	Часы бухгалтера, доля платежей без ручной правки, срок закрытия месяца
Маркетинг	Отчёт по каналам	Часы на отчёт, как часто он выходит, расход на кампании, которые пора было выключить
Клиентский сервис	Типовые обращения	Время первого ответа, доля обращений, закрытых без оператора, оценка клиента
HR	Отбор откликов	Часы рекрутера на вакансию, время до первого интервью
Закупки и склад	Остатки и заказы	Число дней без товара, оборачиваемость, часы на подготовку заказа

Формула окупаемости и ROI внедрения ИИ

Экономический эффект от внедрения ИИ считают по четырём формулам.

Эффект за месяц = сэкономленные часы × полная стоимость часа + прямая экономия + доказуемый рост выручки.

Расходы за месяц = модели + поддержка.

Срок окупаемости в месяцах = разовые затраты ÷ (эффект за месяц − расходы за месяц).

ROI за период = (эффект за период − все затраты за период) ÷ все затраты за период × 100%.

В разовые затраты входят аудит, разработка агентов, интеграции и обучение. Из чего они складываются и какие вилки встречаются на рынке, мы разобрали в статье о стоимости внедрения ИИ.

Пример расчёта

Пример, цифры условные. Это не результат нашего проекта, а иллюстрация того, как работает формула.

Служба поддержки, 4 оператора, 2 400 обращений в месяц. На одно обращение уходит 6 минут. Всего 240 часов в месяц.

После запуска агент отвечает на типовые обращения сам, это 60% потока. Оператор выборочно просматривает его ответы, на это уходит в среднем полминуты на обращение. Остальные 40% агент передаёт оператору с готовым черновиком, и обработка занимает 3 минуты вместо 6.

Показатель	Расчёт	Результат
Время «до»	2 400 × 6 мин	240 ч
Типовые обращения «после»	1 440 × 0,5 мин	12 ч
Сложные обращения «после»	960 × 3 мин	48 ч
Сэкономлено	240 − 12 − 48	180 ч в месяц
Эффект в деньгах	180 ч × 700 ₽	126 000 ₽ в месяц
Расходы	модели 8 000 ₽ + поддержка 30 000 ₽	38 000 ₽ в месяц
Чистый эффект	126 000 − 38 000	88 000 ₽ в месяц
Разовые затраты	разработка, интеграции, обучение	450 000 ₽
Срок окупаемости	450 000 ÷ 88 000	около 5 месяцев
ROI за первый год	(1 512 000 − 906 000) ÷ 906 000	около 67%

За год эффект составит 12 × 126 000 = 1 512 000 ₽. Затраты — 450 000 ₽ разово плюс 12 × 38 000 = 456 000 ₽ ежемесячных, всего 906 000 ₽. Со второго года разовых затрат нет, и ROI заметно выше.

Когда сэкономленные часы становятся деньгами

Здесь главная ловушка расчёта. 180 сэкономленных часов превращаются в рубли, только если компания ими воспользовалась. Например, не наняла пятого оператора при росте потока, перевела освободившихся людей на продажи допуслуг или отказалась от подрядчика на выходные. Если операторы просто стали меньше загружены, эффект есть, но в отчёте о прибылях и убытках его не видно. Решите заранее, на что пойдёт освободившееся время, и запишите это в план.

Как замерить эффективность внедрения ИИ: «до» и «после»

Оценка эффективности внедрения ИИ держится на замере «до». Если его нет, через месяц о пользе остаётся только спорить. Порядок такой.

1. Выберите метрики. Одну-две главные для процесса и одну метрику качества. Больше не нужно: за десятью показателями никто не следит.
2. Зафиксируйте методику. Что считается началом и концом процесса, какая единица учёта: звонок, обращение, платёж, отчёт. Запишите это, чтобы через месяц мерить так же.
3. Сделайте замер «до». Минимум 2–4 недели, чтобы попали и обычные, и пиковые дни. Лучше всего брать данные из систем. Хронометраж подходит, опрос «сколько у вас уходит времени» — крайний вариант.
4. Проведите параллельный прогон. Агент работает, человек делает то же самое или проверяет каждый результат. Так вы меряете качество до того, как отдать процесс ИИ.
5. Сделайте замер «после». Когда процесс стабилизировался, а не в первую неделю. По той же методике и, если можно, в сопоставимый период.
6. Вычтите время на проверку. И время на исправление ошибок агента.
7. Повторяйте раз в месяц. Процессы, данные и модели меняются. Ежемесячный разбор показывает, где агента пора докрутить.

Где брать данные для замера

Источник	Что из него видно
CRM	Время от создания лида до первого касания, просроченные задачи, заполненность карточек
Телефония	Число звонков, пропущенные, длительность, время до перезвона
1С и банки	Число операций, ручные корректировки, срок закрытия периода
Сервис-деск и чаты	Время первого ответа, число обращений на оператора, оценки клиентов
Кабинеты маркетплейсов	Остатки, дни без товара, ответы на отзывы, расход на рекламу
Хронометраж	Время на процессы, которые не оставляют следов в системах

Ошибки при оценке эффективности

• Считать по ощущениям. «Стало быстрее» — не метрика. Нужны часы, минуты и штуки.
• Сравнивать разные сезоны. Декабрь с февралём у розницы несравнимы, и ИИ тут ни при чём.
• Забыть про проверку. Если время людей на проверку и исправление не вычтено, эффект завышен.
• Приписывать ИИ всю выручку. Рост продаж после запуска агента может объясняться чем угодно ещё.
• Учитывать только разработку. Модели и поддержка платятся каждый месяц, и без них окупаемость выглядит лучше, чем есть.
• Мерить слишком рано. В первые недели люди привыкают к инструменту, а агента докручивают. Цифры этого периода занижают эффект.

Чтобы метрики были заложены с самого начала, их определяют ещё на этапе выбора процесса. Как это встроено в общий порядок работ, описано в статье как внедрить ИИ в компанию.

Пример из практики: четыре должности

Эффект проще всего посчитать там, где ИИ заменил найм. Ниже цифры наших клиентов по первой ступени внедрения: сотрудникам настроили Claude Code и подключили к их рабочим программам.

Должность	Как было	Как стало	Экономия в месяц
Финансовый директор	Собирались нанять двух помощников по 150 000 ₽	Подключён к банкам, Google Таблицам и сервисам финучёта, рутину делает ИИ	300 000 ₽
Руководитель отдела продаж	Сам слушал звонки и проверял менеджеров	Саммари каждого звонка, сводка по менеджерам, распределение лидов. Конверсия выросла с 13% до 22%	150 000 ₽
Сметчики	Смета 3–5 часов, три сметчика	Смета за 30 минут, остался один сметчик с Claude Code	около 400 000 ₽
Маркетплейсы	Пять менеджеров на магазины	Все магазины ведёт один человек с Claude Code	200 000 ₽

Вместе это около 1 050 000 ₽ в месяц на четырёх должностях. У этих цифр есть границы. Эффект посчитан как зарплаты, которые компании не пришлось платить, а в расчёт не входят затраты на внедрение, подписки и время сотрудников на проверку результата. В другой компании и другом отделе эффект будет своим, и считать его придётся заново по тем же формулам. Пример такого расчёта для одного агента есть на странице агента заполнения карточек.

Другие примеры применения ИИ в компаниях собраны в статье о кейсах ИИ в бизнесе.

Как повысить эффективность внедрения ИИ

Когда метрики уже собираются, видно, где эффект можно увеличить. Обычно помогают одни и те же приёмы.

• Брать процессы с большим объёмом. Агент, который обрабатывает тысячу обращений в месяц, окупается быстрее, чем агент на десять отчётов. На аудите сортируйте идеи по объёму, а не по тому, насколько они интересны.
• Объединять соседние задачи. Разнесение платежей, сверки и платёжный календарь используют одни и те же данные. Один агент финансового отдела выгоднее трёх отдельных.
• Упаковывать правила в навыки. Инструкции и шаблоны под роль дают одинаковый результат, кто бы из сотрудников ни запустил задачу. Чем меньше разброс, тем меньше времени уходит на проверку.
• Собрать память компании. Общие знания о продуктах, клиентах и правилах, к которым обращаются все агенты. Не нужно каждый раз объяснять одно и то же, и ответы становятся точнее.
• Подбирать модель под шаг. Лёгкая модель сортирует и извлекает поля, сильная пишет сложные тексты и разбирает документы. Так снижаются расходы без потери качества.
• Расширять права постепенно. Сначала агент только читает и готовит результат для человека. Когда доля принятых без правок результатов стабильно высокая, ему дают запись в систему, и время на проверку уходит.

Каждое такое изменение проверяйте теми же метриками. Тогда результаты внедрения искусственного интеллекта растут от месяца к месяцу и не застревают на уровне пилота.

Если эффекта не видно

Так бывает, и чаще всего по одной из четырёх причин.

• Мал объём процесса. Автоматизировали задачу, которая занимала два часа в неделю. Агент работает, но окупаться будет годами. Решение — объединять задачи в одного агента или переходить к процессу с большим объёмом.
• Люди не пользуются. Агент есть, но сотрудники по привычке делают всё руками. Нужна настройка рабочих мест и обучение сотрудников работе с ИИ на их собственных задачах.
• Мало доверия. Агент справляется, скажем, с 80% случаев, но ошибки в оставшихся 20% заставляют перепроверять всё. Сузьте задачу: пусть агент делает то, в чём уверен, а остальное честно отдаёт человеку.
• Процесс изменился. Поменялся регламент, форма в 1С или API площадки, а агента не докрутили. Для этого и нужен ежемесячный разбор метрик.

Итог

Эффективность внедрения ИИ считается так же, как эффективность любой инвестиции: что вложили, что получили, за какой срок. Разница в том, что метрики нужно заложить до запуска: без замера «до» эффект не получится доказать даже себе.

Если хотите посчитать эффект для своей компании до начала работ, начните с аудита процессов. По его итогам у каждого процесса будет оценка в часах и рублях и метрики, по которым меряем результат. Как устроены пилот и масштабирование, описано на странице автоматизации бизнес-процессов с ИИ. Или напишите нам, и мы обсудим вашу задачу на вводном созвоне.

Источники

• 70% российских компаний внедрили генеративный ИИ в свои бизнес-процессы — «Российская газета», 8 декабря 2025, по исследованию «Яков и Партнёры» и Яндекса «Искусственный интеллект в России — 2025».
• MIT report: 95% of generative AI pilots at companies are failing — Fortune, 18 августа 2025, по исследованию MIT NANDA «The GenAI Divide: State of AI in Business 2025».