ROI от AI - как посчитать эффект от внедрения? 💸

Прежде, чем внедрять, надо посчитать! Или не надо? А просто надо делать! :)
Поделюсь тезисами круглого стола в МГУ с представителями крупного бизнеса и МШУ Сколково.

➡️ Начинаем обычно с оценки стоимости внедрения.

ИИ Модель - это статистически лишь 20% от стоимости проекта.
80% - это стоимость ресурсов на понимание процессов и подготовку данных. (Такие цифры на встрече показывали. А можно ведь навайбкодить агента для этих работ - существенно экономит время и деньги на проект!)

Важно до ИИ-зации понять, что кто в бизнесе делает и зачем.
✅ Какой процесс приносит бизнес-результат
✅ Какое количество ресурсов задействовано в процессе
✅ Какие данные используются
Без этой подготовительной работы проект будет сильно буксовать и стоимость внедрения вырастет кратно! Но часто так и случается...

➡️ В чем экономический эффект для бизнеса?

Чаще смотрим на сокращения издержек (ФОТ, затраты на маркетинг, логистику) и это дает эффект, но не всегда масштабный.
📍Эффект нужно искать от роста и расширения бизнеса. В финансах - это про принятие решений на цифрах (управленческая отчетность, финансовые модели)

По статистике Сбера, ИИ максимально полезен тут:
1. Клиентский сервис (автоматизация коммуникаций, обработка запросов, скрипты; снижение нагрузки на первую линию поддержки на 40–50%).
2. Административные процессы (подготовка отчётов, поиск информации, документооборот).
3. ИТ-разработка (ускорение написания кода, техническая документация).
4. Продажи и маркетинг (создание контента, анализ данных, генерация гипотез).

Обсуждали, что бизнес (менеджмент) не всегда готов взять на себя ответственность и договориться до начала проекта заложить экономический эффект в бюджет. Это и правда не просто!

Но я вижу, насколько сильно скорость внедрения отличается у разных бизнесов - кто-то всё еще думает, как посчитать эффект и выбрать правильного подрядчика, а кто-то сделал своих агентов, внедрил нейросети в бизнес-культуру и уже получает результат!

#ИИ #бизнес #финансы