ROI проекта внедрения ИИ: методика расчёта и примеры

Проект внедрения ИИ редко проваливается технически — он проваливается экономически. Бот отвечает, модель классифицирует, дашборд рисует, а через год на защите бюджета выясняется, что эффекты внедрения ИИ не покрыли даже стоимость владения. Причина почти всегда в методике: ROI считали по обещаниям подрядчика, а не по своим процессам, ставкам и объёмам.

Дальше — рабочая схема расчёта: какие эффекты переводить в рубли, как считать их на 2026 год, какие затраты забывают в смете и какой поправочный коэффициент ставить, чтобы не обмануть себя. В конце — пример проекта за 1,2 млн ₽ и честные условия, при которых он не окупается вообще.

Ключевые выводы

• Рабочий час оператора поддержки в 2026 году стоит 550–900 ₽ с налогами, час менеджера продаж — 700–1 200 ₽, поэтому первой считают экономию часов, а не прирост выручки.
• Реалистичный срок окупаемости ИИ-проекта в среднем бизнесе — 7–14 месяцев; пилот за 400–600 тыс. ₽ окупается за 3–5 месяцев, если решает одну задачу с понятным объёмом.
• В расчёт входят четыре группы затрат: разработка 300 тыс. – 3 млн ₽, интеграции 150–800 тыс. ₽, владение 30–120 тыс. ₽ в месяц и время своих сотрудников — 10–15% их ФОТ на период внедрения.
• Поправочный коэффициент 0,6–0,7 к обещанному эффекту — норма рынка: часть сценариев не доходит до продакшена, часть работает не на полную нагрузку.
• Нерублёвые эффекты — скорость ответа, удержание, разгрузка людей — считают отдельным списком: если сложить их с деньгами, убыточный проект выглядит прибыльным.
• Проект стоит останавливать, если за 8 недель пилота достигнуто меньше 30% целевого эффекта: масштабирование в этом случае увеличивает потери, а не результат.

Какие эффекты внедрения ИИ вообще бывают

Эффекты делятся на три группы: экономия рабочего времени, рост выручки и снижение потерь. Деньги предсказуемее всего лежат в первой и третьей группе — их можно посчитать до старта, тогда как рост выручки зависит от рынка и сезонности.

Экономия времени считается по операциям, а не по отделам. Живая сцена: менеджер вручную перебивает заказ из письма в 1С в 19:40, на один заказ уходит 12 минут. Агент разбирает письмо и создаёт документ за 40 секунд, человек только подтверждает. При 900 заказах в месяц это 165 высвобожденных часов — 100–140 тыс. ₽ по ставке 700 ₽ за час.

Снижение потерь — это штрафы за сорванные сроки, оплата переработок, возвраты из-за ошибок в комплектации, отток после долгих ответов. Такие потери обычно не учитывает ни одна система, поэтому первый шаг проекта — замер за 2–4 недели. По нашей практике, в поддержке и логистике они дают 20–40% всего эффекта.

Рост выручки считать сложнее: агент ускоряет ответ в мессенджере с 40 минут до 2, но конверсия вырастет не вдвое, а на 3–9 процентных пунктов. При потоке 1 500 лидов и марже 8 тыс. ₽ со сделки это 200–500 тыс. ₽ дополнительной маржи в месяц — и цифру нужно проверять на своей воронке.

Как перевести эффект в рубли

Формула годового эффекта выглядит так:

Эффект = (часы × стоимость часа × доля автоматизации) + (прирост конверсии × число сделок × маржа) - потери на разборе ошибок

Стоимость часа берётся полная: оклад, страховые взносы 30%, рабочее место, обучение. Сотрудник с окладом 70 000 ₽ обходится в 480–520 ₽ за рабочий час, а не в 400 ₽, как показывает калькулятор. Доля автоматизации — не 100%: 60–75% для разбора типовых обращений, 85–90% для классификации и маршрутизации.

Отдельно фиксируйте цель внедрения искусственного интеллекта как метрику: «снять 45% обращений первой линии к июню», а не «использовать LLM в поддержке». Формулировка «попробовать нейросети» гарантирует, что проект закончится демо и счётом за демо.

Сколько стоит проект и что забывают в смете

Бюджет ИИ-проекта в 2026 году — от 300 тыс. ₽ за точечный сценарий до 3–5 млн ₽ за агента с интеграциями в 1С и CRM. Ниже — разбивка, которую стоит сверить со своей сметой.

Токены — главная переменная часть. Ответ на 2 000 знаков по базе из 300 документов стоит 1,5–6 ₽ в зависимости от модели. При 30 000 обращений в месяц это 45–180 тыс. ₽ только на инференс, и сумма удваивается, если каждый запрос прогонять через длинный контекст без кеширования.

Экономить разумно на двух вещах: на модели для простых задач (классификация и маршрутизация не требуют флагманской LLM) и на объёме контекста. Не стоит экономить на тестах: разбор одного неудачного ответа клиенту стоит дороже, чем 40 часов разработки.

Какие эффекты внедрения ИИ дают деньги быстрее всего

Быстрее окупаются эффекты, которые заменяют повторяющуюся операцию с большим объёмом и низкой вариативностью. Медленнее — всё, что связано с выручкой и поведением клиента.

Порядок по скорости окупаемости в среднем бизнесе:

1. Автоответы и маршрутизация обращений — 3–5 месяцев при объёме от 3 000 обращений в месяц.
2. Извлечение данных из документов: счета, накладные, договоры, резюме — 4–7 месяцев.
3. Внутренний ассистент по базе знаний — 5–9 месяцев, экономит 3–6 часов в неделю на сотрудника.
4. Квалификация лидов и прогрев в мессенджерах — 7–12 месяцев, сильно зависит от качества трафика.
5. Прогноз спроса и планирование закупок — 10–18 месяцев, нужна чистая история от двух лет.

Услуги ИИ на рынке продают пакетами, и в пакет часто попадает пункт 5, тогда как бизнесу нужен пункт 1. Начинайте с операции, у которой есть счётчик: число обращений, документов или заявок в день.

На вопрос «каковы эффекты внедрения ии» честный ответ даёт не презентация подрядчика, а замер на ваших данных: 2–4 недели хронометража и выгрузка из CRM. Такой замер стоит 0 ₽, если делать его силами отдела, и 150–250 тыс. ₽, если отдать аналитику.

Социальные эффекты от внедрения ии — меньше ночных смен, меньше рутины, прозрачные регламенты — в годовом отчёте не появятся. Но именно они решают, будут ли люди пользоваться системой: при сопротивлении смены даже хороший агент деградирует до формального.

Где ROI ломается: пять типовых ошибок

Первая ошибка — считать эффект от всего объёма, а не от доли, которая дойдёт до автоматизации. Вторая — не учитывать стоимость владения после пилота: 30–120 тыс. ₽ в месяц съедают экономию среднего проекта за 3–4 месяца. Третья — сравнивать ИИ с идеальным процессом, а не с текущим: если заявки уже теряются, эффект будет, но не тот, что в расчёте.

Четвёртая — не закладывать деградацию: модель обновляется, поставщик меняет цены, качество ответов падает на 5–15% за полгода без сопровождения. Пятая — считать разработку безальтернативной инвестицией. Сравните три варианта на год: два оператора в штате — 1,4 млн ₽, готовый сервис — 200–600 тыс. ₽, свой агент — 1,2 млн ₽ плюс 600 тыс. ₽ на владение. Иногда выигрывает второй.

Отдельная ловушка — «внедрение внедрения ии»: компании, которые уже запускали пилот и остались без результата, часто начинают второй проект с той же ошибки, без владельца процесса и метрики. Второй заход дороже первого на 20–30%: добавляется разбор legacy-промптов и старых интеграций.

Границы применимости простые. Если операция занимает меньше 5 минут и выполняется реже 300 раз в месяц, ИИ не окупится — дешевле регламент и шаблоны. Если справочники грязные, запрос «внедрение внедрения 1с» появляется раньше запроса про ИИ: сначала наводят порядок в номенклатуре и контрагентах, иначе агент будет уверенно ошибаться на кривых данных.

Частые вопросы

За какой срок ИИ-проект окупается в среднем бизнесе?

Обычно 7–14 месяцев при бюджете 600 тыс. – 1,5 млн ₽ и одном понятном сценарии. Пилоты за 400–600 тыс. ₽ на разборе обращений окупаются за 3–5 месяцев. Проекты с прогнозом спроса и планированием закупок — 12–18 месяцев.

Можно ли посчитать ROI до старта разработки?

Да, с точностью 20–30%. Нужны три числа: объём операций в месяц, время на одну операцию и полная стоимость часа исполнителя. К результату применяется коэффициент реалистичности 0,6–0,7, и вы получаете диапазон, а не точку.

Что делать, если эффект не наступил через полгода?

Разбирать по частям: доля автоматизации, качество ответов, реальное использование сотрудниками. Чаще всего проблема не в модели, а в том, что процесс не переписали под агента. Помогает 3–4 недели доработки сценария и регламента, а не новый проект.

Сколько стоит сопровождение ИИ-агента после запуска?

30–120 тыс. ₽ в месяц в зависимости от объёма обращений и требований к SLA. Сюда входят токены, мониторинг качества, обновление базы знаний и мелкие доработки. Сопровождение закладывают в бизнес-план сразу, а не ищут бюджет после запуска.

Нужен ли ИИ, если объёмы небольшие?

Если операция выполняется реже 300 раз в месяц, обычно выгоднее регламент или шаблоны ответов. ИИ начинает выигрывать на объёме: чем больше однотипных операций и чем дороже ошибка, тем быстрее окупается проект.

Что делать дальше

Соберите три цифры по одному процессу: объём операций в месяц, время на операцию, полную стоимость часа. Умножьте на коэффициент 0,65 — получите реалистичный месячный эффект. Сравните его с разработкой и владением, и вы увидите, стоит ли идти в проект.

Если расчёт нужен на ваших данных, разберите методику в материале как считать эффективность ИИ-проекта и посмотрите сценарии с быстрой окупаемостью в статье ИИ для бизнеса: 12 сценариев. Состав работ и цены на агентов собраны в разделе ИИ-агенты и чат-боты, а эффекты по отделам разобраны в материале внедрение ИИ-агентов.

Статья основана на практике проектов НейроДела и данных Яндекс Вордстата по кластеру «ИИ-агенты и ИИ-боты». Основной запрос материала — «эффекты внедрения ии» (674 показов в месяц). Если у вас другая ситуация — напишите, разберём.