Окупится ли ИИ-автоматизация? Формула, которая спасёт от дорогой игрушки

На демонстрации ИИ отвечает быстро, вежливо и уверенно. Владелец представляет, как исчезнет рутина, менеджеры станут продуктивнее, а заявки перестанут теряться.

Но демонстрация не появляется в отчёте о прибылях и убытках. Там остаются только дополнительные продажи, сэкономленные расходы и стоимость решения.

Поэтому до внедрения нужен не восторг, а финансовая модель.

Сначала определите, за счёт чего появятся деньги

ИИ-автоматизация может создавать эффект по-разному:

• возвращать часть обращений, которые раньше оставались без ответа
• повышать долю заявок, дошедших до квалификации или записи
• уменьшать объём ручной работы
• снижать количество ошибок при переносе данных
• ускорять выполнение процесса
• давать компании дополнительные мощности без немедленного найма

Не складывайте все гипотезы в одну красивую цифру. Для первого расчёта выберите один основной механизм — например, дополнительную валовую прибыль от обработанных заявок.

Шесть переменных для расчёта

• V — количество входящих диалогов в месяц
• P₁ — доля диалогов, которые сейчас теряются или обрабатываются с проблемой
• P₂ — доля таких диалогов, которую автоматизация реально сможет вернуть
• C — конверсия возвращённого квалифицированного обращения в продажу
• M — валовая прибыль с одной дополнительной продажи
• O — ежемесячная стоимость решения: подписка, расход на использование, поддержка

Формула:

Дополнительная валовая прибыль = V × P₁ × P₂ × C × M

Чистый месячный эффект = дополнительная валовая прибыль − O

Срок окупаемости = S ÷ чистый месячный эффект (где S — разовая стоимость внедрения)

Пример расчёта — с показанными допущениями

Это не реальные данные отрасли, а пример с открытыми числами:

• Входящие диалоги V — 600 в месяц
• Проблемные диалоги P₁ — 15%
• Доля восстановления P₂ — 50%
• Конверсия в продажу C — 20%
• Валовая прибыль с продажи M — 4 000 ₽
• Ежемесячные расходы O — 8 000 ₽
• Разовое внедрение S — 30 000 ₽

Считаем по шагам:

Проблемные диалоги: 600 × 15% = 90

Возвращённые диалоги: 90 × 50% = 45

Дополнительные продажи: 45 × 20% = 9

Дополнительная валовая прибыль: 9 × 4 000 ₽ = 36 000 ₽

Чистый месячный эффект: 36 000 ₽ − 8 000 ₽ = 28 000 ₽

Срок окупаемости: 30 000 ₽ ÷ 28 000 ₽ = 1,07 месяца

Теперь проверим пессимистичный сценарий

Оставим 600 диалогов и 15% проблемных, но предположим, что автоматизация возвращает только 20%, а в продажу конвертируется 10%:

600 × 15% × 20% × 10% × 4 000 ₽ = 7 200 ₽ валовой прибыли

После ежемесячных расходов: 7 200 ₽ − 8 000 ₽ = −800 ₽

В этом сценарии проект не окупается. Разница между хорошей инвестицией и дорогой игрушкой появилась всего в двух допущениях — доле восстановления и конверсии.

Именно поэтому подрядчик, который обещает окупаемость без доступа к вашим исходным данным, не может подтвердить своё обещание.

Где чаще всего завышают результат

Считают выручку вместо валовой прибыли. Дополнительная продажа на 20 000 ₽ не равна эффекту 20 000 ₽. Из выручки нужно вычесть прямые затраты на исполнение.

Считают все обращения «спасёнными». Некоторые клиенты всё равно вернулись бы утром. Другие не купили бы ни при каком ответе. Нужна контрольная группа или сравнение сопоставимых периодов.

Не учитывают стоимость поддержки. Модель, сообщения, интеграции, исправление базы знаний и контроль качества — это операционные затраты. Бесплатной автономности не существует.

Считают экономию времени как реальные деньги. Если сотрудник сэкономил 20 часов, но компания не сократила расходы и не направила это время на работу с реальной маржой — денежный эффект пока не реализован.

Правильный вопрос перед покупкой

Не «сколько стоит ИИ-ассистент?», а:

«Какую измеримую проблему он решит, насколько чувствителен результат к допущениям и что покажет, что гипотеза не сработала?»

Если подрядчик готов вместе собрать начальные показатели, показать формулу и согласовать критерии остановки — это хороший сигнал. Если в ответ только слова «рост продаж до 300%», попросите исходные данные и методику.