редакции
Сотрудник за 100 тысяч или ИИ за 3 тысячи: на бумаге экономия 97 тысяч, в расчёте — 7 тысяч
Ниже — условная модель, а не кейс моей компании и не тариф конкретного сервиса. Её смысл — показать, какие цифры предпринимателю стоит собрать у себя, прежде чем говорить об окупаемости ИИ.
Что говорят исследования — и чего они не обещают
В исследовании Generative AI at Work авторы изучили внедрение ИИ-помощника для 5 179 сотрудников поддержки. В среднем число решённых вопросов за час выросло на 14%. У начинающих и менее опытных сотрудников прирост составил 34%, тогда как у опытных эффект был небольшим. Это результат конкретного процесса — поддержки клиентов, где ИИ подсказывал ответы человеку. Он не означает, что любой отдел продаж после покупки подписки станет продуктивнее на 14%.
Другое исследование охватило 453 специалистов, выполнявших профессиональные письменные задания. В условиях эксперимента участники с доступом к ChatGPT тратили на задания в среднем на 40% меньше времени, а качество результата оценивалось на 18% выше. Но письменное задание в эксперименте и работающий процесс компании — разные вещи. В бизнесе к подготовке текста добавляются проверка фактов, согласование, общение с клиентом и ответственность за отправленный результат.
Я бы сделал из этих данных один практический вывод: потенциал есть, но процент из исследования нельзя переносить в финансовый план своей компании. Нужен замер на собственной задаче.
Разбираем зарплату в 100 тысяч по задачам
Допустим, сотрудник получает 100 тысяч рублей в месяц и работает условные 160 часов. Для расчёта один его час стоит 625 рублей. Из этих 160 часов он тратит 40 часов на одну повторяющуюся задачу: например, подготовку типовых материалов для команды. Расчётная стоимость этой части работы — 25 тысяч рублей в месяц.
Вот первая поправка к заголовку. С подпиской за 3 тысячи нужно сравнивать не всю зарплату в 100 тысяч, а те 25 тысяч, которые приходятся на выбранную задачу. Остальные обязанности сотрудника ИИ в нашей модели не выполняет. Более того, 25 тысяч — это стоимость времени, а не деньги, которые автоматически перестанут списываться со счёта компании.
Для простоты модель не включает другие возможные расходы на сотрудника и инфраструктуру. В своей компании их тоже нужно учитывать, если они меняются после внедрения.
Добавляем настройку, проверку и исправления
Предположим, сервис стоит 3 тысячи рублей в месяц. Чтобы запустить процесс, сотрудник потратил 16 часов на инструкции, исходные материалы и проверку первых результатов. После запуска он ежемесячно тратит 15 часов на проверку подготовленного ИИ и 5 часов на исправления.
Распределим первоначальную настройку на первые четыре месяца. Получится такой расчёт:
До подключения ИИ расчётная стоимость времени на задачу составляла 25 тысяч рублей. В первые четыре месяца разница в модели — 7 тысяч рублей в месяц, а не 97 тысяч. Если объём проверки и исправлений останется прежним, после периода настройки расчётная разница увеличится до 9,5 тысячи рублей в месяц.
Это всё ещё не гарантированная денежная экономия. Зарплата сотрудника в нашей модели осталась прежней, а платёж за сервис добавился. Компания получила другой ресурс: сотрудник тратит на задачу меньше времени. Финансовый эффект зависит от того, как бизнес использует освободившиеся часы.
Проверяем цифру «7 тысяч» на прочность
В модели раньше задача занимала 40 часов в месяц, теперь на проверку и исправления уходит 20 часов. В первые четыре месяца к ним добавляется распределённое время настройки — ещё 4 часа в месяц. Разница составляет 16 часов. Именно их расчётная стоимость — 10 тысяч рублей; после вычета 3 тысяч за подписку получаются те самые 7 тысяч.
Но достаточно измениться одному допущению, чтобы вывод стал другим. Если проверка и исправления займут не 20, а 32 часа в месяц, вместе с распределённой настройкой получится 36 часов. Бизнес освободит всего 4 часа стоимостью 2 500 рублей, заплатив за подписку 3 тысячи. В таком сценарии расчётная стоимость задачи вырастет на 500 рублей в месяц.
Оба сценария условные. Разница между ними — не в «сильном» или «слабом» ИИ, а в количестве человеческой работы, которая остаётся после генерации ответа. Поэтому я бы измерял не скорость появления черновика, а время до результата, который действительно можно использовать.
Что считать результатом внедрения
Предположим, раньше команда готовила 100 пригодных материалов в месяц за расчётные 25 тысяч рублей: 250 рублей за материал. В первом сценарии с ИИ те же 100 пригодных материалов обходятся в 18 тысяч: 180 рублей за материал. Это понятная метрика, если качество и объём работы сопоставимы.
Но если из 100 подготовленных ИИ материалов только 60 можно использовать, а остальные требуют полной переделки, делить затраты на 100 нельзя. Нужно учесть время переделок и разделить общую стоимость на число действительно пригодных результатов. Похожий принцип расчёта полной стоимости результата — с учётом времени сотрудников, повторных попыток и доработок — описывает и OpenAI в материале об оценке затрат на ИИ.
Для предпринимателя я бы оставил в отчёте четыре показателя: стоимость пригодного результата, время проверки, долю переделок и объём работы, который команда смогла выполнить дополнительно. Последний показатель особенно важен, когда спрос растёт, а нанимать ещё одного человека компания пока не планирует.
С чего начать в своей компании
Выберите одну задачу, которая повторяется достаточно часто, чтобы увидеть разницу. Замерьте её без ИИ: количество результатов, часы работы, ошибки и переделки. Затем проведите ограниченный пилот и запишите все затраты: подписку, настройку, проверку и сопровождение. Сравнивайте результаты одинакового качества.
Если после пилота команда получила больше пригодной работы за то же время, можно расширять применение инструмента. Если люди стали проверять и исправлять ответы дольше, чем раньше выполняли задачу сами, сценарий нужно менять. И в том и в другом случае решение принимается по цифрам своей компании.
Подписка не равна сотруднику. Она может стать полезным инструментом в его руках и изменить экономику отдельной задачи. Но ответ на вопрос «выгодно ли нам внедрение?» находится не в прайс-листе сервиса, а в измеренном результате вашего процесса.