McKinsey выпустил отчёт The AI Value Curve о том, где ИИ действительно экономит деньги, а где обходится дороже человека

Собрал для вас главное:

Большинство компаний до сих пор меряют ИИ не тем. Считают пользователей, запущенных ассистентов и потраченные токены. Это показывает, насколько активно ИИ используют, но не показывает, приносит ли он деньги. McKinsey предлагает другой подход. Сравнить, сколько стоит задача сейчас и сколько она будет стоить с ИИ, если учесть не только модель и токены, но и время сотрудников на проверку и исправления

В отчёте есть простое правило, как понять, окупается ли ИИ-агент. Сравните, сколько времени уходит на проверку его работы, с тем, сколько сотрудник делал бы задачу сам. Если проверка занимает заметную часть этого времени или агент часто ошибается и работу всё равно переделывают вручную, выгоды нет, вы просто платите дважды

Интересно, что выгоды больше всего не в массовой низкооплачиваемой работе, а там, где ИИ помогает дорогим специалистам. Сильнее всего он окупается у генеральных директоров, около 20 долларов на каждый час работы, дальше идут юристы и финансовые руководители. ИИ берёт на себя подготовку к встречам, почту, сводки и анализ конкурентов, а освободившееся время уходит на решения и людей. У официантов, сборщиков и других профессий физического труда ИИ пока обходится дороже, чем человек

Дешёвые токены не означают дешёвую работу. Цена токена падает, но запросов становится больше и общий счёт растёт. По одной из оценок, расходы компаний на языковые модели за 2025 год выросли втрое и запас прочности здесь небольшой. Стоит ИИ подорожать всего на 30 процентов и выгода от него в мире сокращается на треть, а часть проектов по автоматизации начинает приносить убыток

Ещё один важный момент. Один и тот же сценарий может окупаться в США и не окупаться в стране, где труд дешевле. Для разработчиков разница в выгоде между США и средним по миру примерно десятикратная. Поэтому чужие кейсы нельзя переносить к себе без пересчёта - это важно!

McKinsey советует руководителям разобрать работу на конкретные задачи и найти те, что занимают больше всего времени. Выбирать проекты не по тому, насколько эффектно выглядит пилот, а по объёму работы и реальной экономии, ведь незаметный, но массовый процесс часто приносит больше. Проверять каждый проект на сценарий, при котором ИИ подорожает. И заранее решить, чем займутся люди, у которых освободится время, иначе эта экономия просто растворится

NEUROMEIN