Как посчитать окупаемость внедрения ИИ в бизнес-процесс. И почему новые задачи из-за ИИ уменьшают экономию, пока не посчитана польза от этих новых задач

В августе консалтинговая компания McKinsey выпустила ежегодный отчёт о применении ИИ в бизнесе. В нем раскрыто очень интересное противоречие: с одной стороны, 80% опрошенных (которые используют ИИ в работе), говорят, что ИИ поднял их личную продуктивность; с другой стороны хотя бы минимальный вклад ИИ в операционную прибыль своей компании видят только 37% опрошенных. В отчете этот разрыв между пользой для человека и эффектом для компании старший партнер McKinsey называет «поразительной находкой года» (McKinsey, The state of AI in 2026).

Собственную личную продуктивность люди оценивают самостоятельно, а вот прибыль считает бухгалтерия, и расчет окупаемости ИИ должен как-то связать первое со вторым. Мы в БизнесМатике помогаем запускать прикладные задачи на базе LLM и уже публиковали, как считаем порог, ниже которого пилот не окупается (как считается порог отказа). В этой статье по шагам разобрано, как посчитать окупаемость. Если какой-то шаг уже хорошо описали другие авторы, мы даём ссылку на них. Отдельно разбираем, как британское министерство бизнеса и торговли учитывало задачи, которые сотрудники делали только потому, что у них появился ИИ-помощник. Такого подхода мы не нашли ни в одном из русскоязычных руководств, которые изучили.

Если совсем коротко, срок окупаемости - это разовые вложения, деленные на выгоду в месяц, за вычетом текущих расходов.

Срок окупаемости = разовые вложения / (выгода в месяц − текущие расходы в месяц)

Если ИИ экономит время сотрудников, нужно замерить, сколько времени занимает работа до запуска ИИ и после. Из сэкономленного времени нужно вычесть три вещи:

• время, которое сотрудник тратит на проверку того, что сделал ИИ.
• время на результаты ИИ, которые потом никому не пригодились.
• время на задачи, которые сотрудник стал делать только потому, что у него появился ИИ.

Время на такие задачи вычитается из экономии, пока не посчитано, какую пользу эти задачи приносят. Деньгами время становится только через конкретную строку бюджета, найма или движения денег. Выгода от меньшего числа ошибок, роста выручки или более быстрых денег считается своими путями, их список ниже.

Как устроен типовой расчёт окупаемости ИИ

Типовой расчёт выглядит так: берут процесс и оценивают, сколько часов в месяц ИИ сэкономит сотрудникам. Часы умножают на стоимость часа, добавляют выгоду от того, что ошибок станет меньше, а выручка вырастет, и вычитают текущие расходы. Окупаемость выходит такой:

Срок окупаемости = разовые вложения / (выгода в месяц − текущие расходы в месяц)

Слабое место этой формулы - в самих часах, потому что в расчёте процесса часы получаются из заложенной доли автоматизации (например из допущения, что ИИ возьмёт на себя 40% клиентских обращений). Но в расчёте ИИ-помощника для сотрудников это самооценка самих сотрудников, и все следующие шаги расчёта наследуют эту оценку.

Какие поправки к типовому расчёту окупаемости ИИ уже предложили другие авторы

У типового расчёта есть слабые места. Некоторые из них уже описали другие авторы:

• Замер исходного состояния вместо оценки на глаз. Автор статьи в блоге онлайн-школы OTUS на Хабре советует взять 10-15 сотрудников и попросить их неделю записывать время на конкретную операцию.
• Время людей на проверку ответов ИИ входит в затраты. Это есть в статье технологического медиа quasa.io («Новую ручную работу, включая проверку и исправления, учитывайте в затратах»). Студия ИИ-трансформации aixis пишет, что доля автоматизации должна учитывать повторную обработку и проверку человеком.
• Стоимость работы ИИ вместе с проверкой и исправлениями считают на принятый результат. У quasa.io отклонённые результаты отмечают отдельно и в пользу проекта не засчитывают.
• Сэкономленное время само по себе ещё не деньги. У quasa.io прямо сказано, что «высвобождённые часы имеют денежную ценность, только если компания сократила оплачиваемую нагрузку либо использовала их для измеримого дополнительного объёма».

Например, в колонке для «РБК Про» зам. генерального директора ИТ-компании ГК «КОРУС Консалтинг» разбирает пример, где документ стал готовиться за 20 минут вместо двух часов, и пишет, что финансовым эффектом это станет только тогда, когда освободившееся время позволит обрабатывать больше документов, отказаться от части затрат, быстрее получить выручку или снизить издержки.

Как министерство бизнеса и торговли Великобритании учитывало время на задачи, которые сотрудники делали только из-за того, что у них появился ИИ-помощник

Когда у сотрудника появляется ИИ-помощник, он начинает делать то, чего раньше не делал вовсе: например, картинку к презентации, которую никто бы не рисовал, или ещё одну сводку, которую никто не просил. Время на это сотрудник записывает в пользу ИИ, ведь с помощником получилось быстро. Но без ИИ этой работы не было бы вовсе, и потраченные на неё часы экономией не являются.

Так посчитали в оценке пилота Microsoft 365 Copilot (ИИ-помощника в офисных программах Microsoft), которую провело британское министерство бизнеса и торговли (Department for Business and Trade, DBT) (отчёт DBT, август 2025). Участники вели дневник, в котором по каждой задаче записывали, сколько она заняла с Copilot, далее оценивали, сколько заняла бы без него, отмечали, воспользовались ли результатом и стали бы вообще делать эту задачу без инструмента. Время на задачи, которые делали только из-за Copilot, и на результаты, которыми не воспользовались, аналитики умножили на минус единицу и включили в среднюю экономию по виду задач. Для этой статьи мы взяли приём у них.

Часы здесь на одну задачу, последний столбец учитывает оба вычета. По анализу данных большую часть падения дают задачи, сделанные только из-за Copilot. По изображениям больше отняли неиспользованные результаты, а новые задачи увели экономию в минус. Авторы отчёта пишут про изображения, что с Copilot получалось быстрее, но многими результатами не воспользовались или задачи были новыми, и рекомендуют отчитываться по последнему столбцу.

От себя мы добавляем одно условие. У британцев минус ставился всегда, а новая задача бывает и полезной. Поэтому время на неё стоит в расходах до тех пор, пока её ценность не посчитана отдельно, одним из денежных путей ниже, например как дополнительный объём или меньше ошибок. А когда ценность посчитана, время сотрудника вычитается уже из неё. Похожее разделение есть в нашей статье 15 сентября о том, как считается порог пилота, на примере анализа звонков. Прослушать все разговоры, включая те, до которых супервизоры сегодня не доходят, мы назвали другой задачей, которая считается отдельно, и в расчёт экономии она не входила.

Почему время, которое сотрудники записывают сами, нужно проверять замером

У дневника DBT слабое место в том, что оба времени участники указывали сами, и сколько задача заняла с Copilot, и особенно сколько заняла бы без него. Поэтому DBT дополнительно наблюдал за людьми на четырёх выдуманных рабочих задачах. Всего в наблюдении было 11 человек, по 2-3 в группе с Copilot и без него. На анализе данных в Excel с Copilot работали медленнее и хуже, чем без него, вопреки дневникам. На презентациях, наоборот, быстрее, хотя в дневниках эффект выглядел нулевым, и качество тоже было хуже. Сами авторы считают выборку очень малой и в целом пишут, что искажение самооценки было небольшим. Около 70% участников пилота пошли в него добровольно, а дневники на 82% вели добровольцы. Влиял ли этот отбор на записанные часы, DBT не проверял.

Расхождение самооценки и замера резче в эксперименте исследовательской организации METR, которая изучает возможности ИИ. В первой половине 2025 года 16 опытных разработчиков на 246 задачах с ИИ работали на 19% дольше, а после эксперимента оценили своё ускорение в 20% (METR). Теперь METR пометил эти результаты как устаревшие. В продолжении, опубликованном в феврале 2026 года, у 10 разработчиков из первого исследования время с ИИ в среднем на 18% меньше. Авторы считают, что ускорение с тех пор, вероятно, выросло, но из-за отбора участников называют свои данные очень слабым свидетельством того, насколько оно выросло. Про самооценку они пишут, что она бывает довольно ненадёжной (METR, обновление).

Отсюда разница между данными и мнением, которую стоит держать в расчёте. Когда сотрудники записывают фактическое время на операцию, как советует OTUS, это уже данные, особенно если записывать и до запуска, и после. Когда они оценивают, сколько задача заняла бы без ИИ, это мнение. Надёжнее всего время по учётной системе или наблюдением и сравнение группы с ИИ с группой без него.

Как посчитать окупаемость внедрения ИИ по шагам

1. До запуска нужно назвать строку бюджета, плана найма или движения денег, которая должна измениться, и срок.
2. Исходное состояние нужно замерить на реальных заявках. Замеряются время на операцию, объём, доля ошибок и стоимость одной операции.
3. Запускать ИИ лучше с контрольной группой или поэтапно, чтобы было с чем сравнить.
4. В замер времени с ИИ входит и время сотрудника на проверку и исправление ответа.
5. Время на результаты, которыми не воспользовались, и на задачи, которые без ИИ никто бы не делал, засчитывается со знаком минус, пока ценность новых задач не посчитана отдельно. Когда она посчитана, время на новые задачи вычитается уже из неё.
6. Для сверки дневников и опросов за частью задач нужно понаблюдать напрямую.
7. Ранние показатели (сколько людей пользуется, какая доля ответов принята) учитываются отдельно от денежных. Окупаемость считается только по денежным.
8. Замеренные часы нужно перевести в деньги одним из путей ниже и вычесть из них текущие расходы в месяц, то есть токены или лицензии, поддержку и проверку ответов другими людьми, если их время не вошло в замер.
9. Срок окупаемости считается как разовые вложения (разработка и настройка решения или цена подрядчика, интеграция, подготовка данных, обучение, время на пилот), делённые на чистую выгоду в месяц, отдельно для пилота и для внедрения на весь процесс.

Как сэкономленное время сотрудников превращается в деньги

Путей, которыми сэкономленное время превращается в деньги, немного.

• Фонд оплаты труда. Сократили штат или отказались от найма, сократили сверхурочные, отказались от части аутсорса. Считается по фонду оплаты труда против прошлого периода или против бюджета и плана найма.
• Больше объёма тем же штатом, если на этот объём есть спрос. Считается по марже с дополнительного объёма.
• Меньше ошибок и переделок. Стоимость одной ошибки, умноженная на то, насколько реже она случается.
• Выручка и конверсия. Только в сравнении с контрольной группой, иначе рост нельзя отделить от сезона и рынка.
• Деньги приходят раньше или дебиторская задолженность меньше. Этот эффект виден в движении денег, в бюджете затрат его нет.
• Ниже текучесть, а значит меньше затрат на подбор и ввод новых людей. Такой эффект приходит с задержкой.

Если ни один путь не назван, денежный эффект не доказан. Если путь назван, но строка еще не изменилась, эффект пока не наступил. Удовлетворенность сотрудников инструментом стоит учитывать, но окупаемость по ней не считается.

Как редко расчёт доводят от времени до денег, видно по опросу ГК «КОРУС Консалтинг» среди более чем 80 компаний, опубликованному в августе 2026 года. 44% компаний вообще не измеряют эффект от ИИ, ещё 25% следят за отдельными показателями, но не связывают их с выручкой, прибылью или экономией. А каким получается сам эффект, показывает исследование консалтинговой компании «Яков и Партнёры» 2025 года. 150 технических директоров крупных компаний оценили эффект всех ИИ-технологий за 2024 год. 22% компаний эффекта не получили, у 69% он меньше 5% годовой прибыли, больше 5% получили 9% компаний (PDF исследования).

Наш вариант перевода времени в деньги описан в статье. Мы спрашиваем, что компания сделает с высвободившимся временем, и умножаем часы на коэффициент в зависимости от ответа. Единица, если время полностью становится деньгами, потому что компания сокращает штат или отказывается от найма. Половина, если оно закрывает расходы сверх штата, то есть плановый найм, сверхурочные или часть аутсорса. Ноль, если ничего не меняется. По умолчанию у нас стоит 0,5, и на этом допущении посчитан порог, по которому мы решаем, начинать ли пилот.

Что входит в затраты на внедрение ИИ

Счёт за LLM - это одна строка из многих. В полную стоимость владения входят разовые вложения и текущие расходы. Разовые вложения, которые при расчёте срока делятся на чистую выгоду в месяц, такие:

• разработка и настройка решения или цена подрядчика;
• интеграция с системами компании и подготовка данных;
• обучение сотрудников;
• время собственных сотрудников на пилот.

Текущие расходы, которые вычитаются из выгоды каждый месяц:

• лицензии или токены и серверы;
• время на проверку и исправление ответов, если его тратят другие люди и оно не вошло в замер времени с ИИ (проверка самим сотрудником уже учтена в шаге 4);
• поддержка и наблюдение за качеством;
• перенастройка при смене языковой модели.

Про токены McKinsey в том же отчёте пишет, что каждый пятый опрошенный из компаний, регулярно использующих ИИ, говорит, что применение ИИ в его компании уже упирается в операционные затраты, включая токены. Массовым ограничением это пока не стало.

Почему сроки окупаемости ИИ в разных источниках отличаются в несколько раз

Сроки окупаемости в материалах на эту тему отличаются в несколько раз. В русскоязычных статьях встречается и 2-6 месяцев (блог wehaveidea.ru), и 9-18 месяцев (в той же статье OTUS). Deloitte по опросу 1 854 руководителей из Европы и Ближнего Востока пишет, что большинство получает удовлетворительную отдачу по типичному применению ИИ за 2-4 года, а быстрее чем за год только 6% (аудиторско-консалтинговая компания Deloitte, октябрь 2025). Эти цифры несопоставимы. Опрос о фактической отдаче и ориентир в статье измеряют разное.

Наша гипотеза в том, что разброс объясняется предметом расчёта. Окупаемость пилота на части объёма, окупаемость внедрения на весь процесс и обещание до старта дают разные числа. В статье 15 сентября мы советовали спрашивать подрядчика, окупаемость чего именно он показывает, пилота или внедрения. По нашему правилу из статьи 20 августа о порогах отказа, которое решает, браться ли за пилот, полные затраты пилота должны окупаться не дольше четырёх месяцев нетто-эффекта (статья 20 августа). В статье 15 сентября мы уточнили, что нетто-эффект это экономия при переводе на ИИ всего объёма за вычетом инфраструктуры и обращений к языковой модели.

Как эффект от ИИ оценивают в X5 и Альфа-Банке

Торговая компания X5 в июне назвала около 5 млрд рублей дополнительной операционной прибыли от ИИ за 2025 год. Эффект оценивается через вклад в прибыль, экономию операционных затрат и полную стоимость владения, а для ключевых инициатив проверяется A/B-тестами и финансовыми моделями (отраслевое издание ComNews). Основной вклад там дают прогноз спроса, ценообразование, ассортимент и рекомендации, то есть, по нашей оценке, в основном классическое машинное обучение.

Михаил Чернов, старший ИТ-лидер одного из направлений Альфа-Банка, в сентябре в статье на Хабре о применении ИИ в разработке написал, что «для ответа о сроке окупаемости нужна более длинная серия наблюдений» (Хабр, блог Альфа-Банка). Эту фразу стоит держать перед глазами на любом пилоте.

Какие вопросы руководитель должен задать подрядчику или своей команде, когда нужен расчёт окупаемости ИИ

1. Сколько времени сотрудники потратили на задачи, которые без ИИ никто бы не делал? Посчитано ли отдельно, какую пользу эти задачи приносят? Пока польза не посчитана, это время вычитается из экономии. Когда посчитана, время вычитается из этой пользы.
2. Часы в расчёте замерены или оценены? Если оценены, это прогноз.
3. Вычтено ли время на проверку ответов ИИ и на результаты ИИ, которыми не воспользовались?
4. Какая строка бюджета, плана найма или движения денег изменится и к какому сроку?
5. Окупаемость чего посчитана, пилота или внедрения на весь процесс?

Первый вопрос самый важный, потому что ответ на него сразу показывает, отличает ли автор расчёта сэкономленное время от новой работы, которая появилась только из-за ИИ.