Окупаемость искусственного интеллекта остаётся в презентациях: три модели, которые это меняют

Текст, который лёг в основу этого разбора, написан практиком, а не аналитиком из консалтинга. Автор намеренно разделил подтверждённый эффект и «корпоративный фольклор», где внедрением считается вебинар о промптах (промпт, текстовая инструкция для нейросети), а успехом, поздравление генеральному директору, написанное ChatGPT.

Проблема сформулирована жёстко: каждая отдельная компания действует рационально, когда автоматизирует рутину, сокращает штат и снижает себестоимость. Но тысячи компаний, принявших одно и то же решение, рискуют обнаружить, что продавать стало некому.

Какие факты уже подтверждены, а какие остаются фольклором?

• ИИ реально сокращает время обработки обращений, вытаскивает новичков на уровень опытных сотрудников, управляет запасами, ищет дефекты, прогнозирует поломки и разбирает документы быстрее людей.
• Деньги появляются не там, где модель лучше изображает собеседника, а там, где она встроена в повторяющуюся операцию и отвечает перед конкретным показателем: временем, себестоимостью, ошибкой, простоем, оборачиваемостью или прибылью.
• Внедрением нельзя считать купленные лицензии или число сотрудников, которые хотя бы раз открыли корпоративный чат. Внедрение начинается, когда модель меняет наблюдаемое действие внутри процесса, а это действие меняет экономику.
• Парадокс производительности реален. Экономисты Лука Форнаро и Мартин Вольф описали его как внешний эффект совокупного спроса: фирма автоматизирует операции и снижает расходы, но замена работников капиталом уменьшает трудовые доходы и ослабляет общий потребительский спрос.

Почему «парадокс производительности» касается вас лично?

Идея не нова. Ещё в 1930 году Джон Мейнард Кейнс назвал технологической безработицей ситуацию, в которой способы экономить труд появляются быстрее, чем общество находит людям новые занятия.

Экономисты Аджемоглу и Рестрепо позднее описали displacement effect (эффект вытеснения труда): машины внедряются быстрее, чем это полезно для общества, в том числе потому, что капитал получает более выгодные условия, чем труд.

Означает ли это неизбежную массовую безработицу? Нет. OECD (Организация экономического сотрудничества и развития, международный клуб развитых экономик) называет итоговое влияние ИИ на занятость неопределённым. ILO (Международная организация труда) считает трансформацию профессий более вероятным исходом, чем их полную замену.

Но ловушка не исчезает: у каждого участника есть педаль газа, потому что за замедление он расплачивается конкурентоспособностью. Общего руля, который заранее распределит рост производительности, труд и спрос, рынок сам по себе не выдаёт.

Как проверить, окупается ли ваш ИИ на самом деле?

1. Найдите повторяющуюся операцию с измеримым показателем. Не «внедрите ИИ», а выберите конкретный процесс: обработка заявок, проверка документов, прогноз остатков. Если у процесса нет числа (время, ошибка, стоимость), окупаемость искусственного интеллекта посчитать невозможно.
2. Замерьте «до» и «после» на одном и том же процессе. Не на демо, не на пилоте с подготовленными данными, а на реальном потоке. Купленная лицензия и сожжённые токены сами по себе ничего не доказывают.
3. Спросите себя: модель меняет действие или украшает отчёт? Если нейросеть пишет резюме совещания о сокращении количества совещаний, это не внедрение, это расходы на иллюзию прогресса.

Российские ИИ-инструменты и зарубежные: что доступно?

Автор разбора сравнивает три модели внедрения: американскую, китайскую и российскую. Конкретные названия моделей и платформ в доступной части текста не раскрыты, но для читателей из РФ и СНГ ситуация выглядит так:

• YandexGPT и GigaChat доступны без VPN и уже используются в ряде корпоративных сценариев: от поддержки клиентов до генерации текстов.
• Зарубежные решения (ChatGPT, Claude, модели с открытыми весами) требуют обходных путей для оплаты и доступа, но дают более широкий выбор агентных (агентный, когда ИИ сам выполняет цепочку действий) сценариев.
• Ключевой вопрос для российского бизнеса тот же: не «какую модель купить», а «в какой повторяющийся процесс её встроить и по какому показателю измерить результат».

Что делать с этим прямо сейчас, по ролям

Автору на Дзене. Не пишите статьи «ИИ изменит всё». Пишите разборы конкретных процессов с цифрами «до» и «после». Такой контент ищут финансовые директора, а не энтузиасты, и он живёт дольше хайповых обзоров.

Маркетологу. Перестаньте продавать «внедрение ИИ» как услугу. Продавайте измеримый результат: «сократим обработку заявки с 12 минут до 3». Клиент, который обжёгся на вебинаре, купит только конкретику.

Предпринимателю в РФ и СНГ. Доступные инструменты есть уже сейчас. Вопрос не в модели, а в том, к какому процессу её привязать. Начните с одного, не с десяти. И помните: если единственный результат пилота, это приказ о создании рабочей группы, пилот провалился.

Частые вопросы

Правда ли, что ИИ заменит половину офиса?

OECD и ILO считают трансформацию профессий более вероятным исходом, чем массовую замену. Часть задач уйдёт к моделям, но появятся новые. Проблема не в замене, а в скорости: если автоматизация опережает появление новых занятий, возникает временный разрыв в занятости и доходах.

Как понять, что наше «внедрение ИИ» на самом деле работает?

Проверьте три вещи: модель встроена в повторяющийся процесс (не используется от случая к случаю), у процесса есть измеримый показатель (время, стоимость, ошибка), и этот показатель изменился после подключения модели. Если хотя бы одного пункта нет, это пока не внедрение.

Стоит ли малому бизнесу в России вкладываться в ИИ прямо сейчас?

Да, но не в «ИИ вообще», а в конкретную задачу. Начните с бесплатных или дешёвых инструментов (YandexGPT, GigaChat), выберите один процесс и замерьте результат через месяц. Если финансовый эффект виден, масштабируйте. Если нет, вы потратили минимум и получили честный ответ вместо красивой презентации.