Как внедрить ИИ в бизнес, чтобы он влиял на прибыль
Многие компании уже оплатили доступ к нейросетям — ChatGPT, GigaChat, YandexGPT. Сотрудники пишут с ними письма, тексты и отчёты и говорят, что работать стало быстрее. А в финансовых результатах изменений не видно. Это не частная проблема: так сейчас у большинства компаний. Разберём, почему так происходит и что делают те, у кого ИИ действительно влияет на прибыль.
Сотрудники ускорились, а прибыль — нет
Свежие исследования сходятся в одном: ИИ помогает людям, но до финансового результата компании эффект доходит редко.
- Банк России (июнь 2026): генеративный ИИ применяет каждое седьмое нефинансовое предприятие. Рост производительности труда отметило каждое третье из них, а рост прибыльности — только каждое десятое.
- McKinsey (август 2026): 80% опрошенных говорят, что ИИ повысил их личную продуктивность. Хоть какой-то вклад ИИ в операционную прибыль (EBIT) видят только 37% — почти столько же, сколько год назад.
- «Яков и Партнёры» (2026): генеративный ИИ хотя бы в одной функции используют более 70% российских компаний, а эффект свыше 5% EBITDA зафиксировали только 9%.
ЦБ называет причину прямо: большинство предприятий пока только тестируют ИИ и не встроили его в рабочие процессы настолько глубоко, чтобы получить видимые преимущества. Аналитики «Яков и Партнёры» называют это «каскадом затухания»: технология заметно ускоряет отдельную задачу, но на уровне процесса и всей компании улучшение упирается в согласования и другие узкие места.
Проверьте себя: на какой ступени ваша компания? Если на первой или второй — это нормально, но эффекта в деньгах там ещё нет. Он начинается с третьей ступени, когда ИИ встроен в процесс, а результат измеряется.
Пять причин, почему подписка не превращается в деньги
1. ИИ ускоряет операцию, а не весь процесс
Например, менеджер с ИИ готовит коммерческое предложение за 15 минут вместо часа. Но если КП потом два дня ждёт согласования скидки, сделка не закрывается быстрее — узкое место просто сдвинулось. Пока процесс от заявки до оплаты не пересобран целиком, сэкономленное время теряется по дороге.
2. У внедрения нет владельца и исходной метрики
Если никто не отвечает за результат и не замерил, как было до запуска, через три месяца эффект не получится доказать ни себе, ни команде. По данным McKinsey, у компаний-лидеров вдвое чаще, чем у остальных, есть выстроенные процессы измерения эффекта от ИИ.
3. Сотрудники работают с ИИ в личных аккаунтах
Когда компания не дала понятных инструментов и правил, люди пользуются личными нейросетями и загружают туда договоры, переписку и данные клиентов. Риск утечки персональных данных ЦБ называет среди барьеров внедрения ИИ. А без общих правил нет и контроля качества: каждый работает как умеет.
4. ИИ используют там, где он ошибается
У нейросетей неровная граница возможностей. В эксперименте BCG и Гарвардской школы бизнеса консультанты с ИИ на подходящих задачах выполнили на 12,2% больше заданий, работали на 25,1% быстрее, а качество их работы оказалось на 40% выше. Но на задаче, где ИИ уверенно ошибается, доля верных решений упала с 84% до 60–70%. Нужны правила: где ИИ работает сам, а где результат обязательно проверяет человек.
5. Сэкономленные часы не превращаются в рубли
Час, который сотрудник сэкономил с ИИ, сам по себе прибыли не приносит. Исследование по Дании, опубликованное NBER, показало: работники отмечают рост продуктивности, но заметного влияния чат-ботов на заработки и отработанные часы через два года после появления ChatGPT не нашли. Деньги появляются, только если заранее решить, куда пойдёт освободившееся время: больше звонков клиентам, быстрее обработка заявок, меньше переработок.
Что делают компании, у которых получилось
- Перестраивают процесс, а не добавляют ИИ к старому. По данным McKinsey, почти три четверти компаний-лидеров в корне перестраивают рабочие процессы под ИИ. Среди остальных компаний — только четверть.
- Вкладываются в людей больше, чем в технологии. BCG описывает правило лидеров 10-20-70: 10% ресурсов идут на алгоритмы, 20% — на технологии и данные, 70% — на людей и процессы.
- Начинают с одного сценария. Как говорит Марина Дорохова, директор практики ИИ и высоких технологий «Яков и Партнёры», «внедрение должно начинаться не с покупки лицензии, а с выбора одного повторяемого сценария».
План на 90 дней
Почему именно 90 дней. По оценке «Яков и Партнёры», первые 90 дней обычно уходят на проверку гипотезы и готовности команды. Первые заметные результаты можно зафиксировать через 3–6 месяцев, подтверждённый эффект в отдельном процессе — через 6–12 месяцев, а устойчивое влияние на финансовый результат формируется за 1–2 года. Если вам обещают окупаемость за две недели, стоит насторожиться.
Как выбрать первый процесс
Хороший кандидат для пилота отвечает четырём условиям:
- Часто повторяется — каждый день или каждую неделю.
- Отнимает заметное время у нескольких сотрудников.
- Ошибка не критична или её легко поймать проверкой.
- Результат измерим: конверсия, время ответа клиенту, число обработанных заявок.
Примеры. Продажи: проверка звонков и переписок по стандартам, подготовка КП. Финансы: сверка документов, первичный разбор отклонений от бюджета. Маркетинг: варианты объявлений и текстов, разбор отзывов и обратной связи клиентов.
Паспорт пилота: одна страница вместо долгого проекта
Перед запуском заполните одну страницу. Если какой-то пункт заполнить не получается, запускать пилот рано.
- Сценарий — 3–7 шагов процесса, в которых участвует ИИ.
- Владелец — руководитель, который отвечает за результат.
- Исходная метрика — как сейчас: время, конверсия, число ошибок.
- Контрольная группа — кто работает по-старому, чтобы было с чем сравнивать.
- Источник денег — за счёт чего вырастет выручка или снизятся затраты и куда пойдёт освободившееся время.
- Правила проверки — что ИИ делает сам, а что обязательно проверяет человек.
- Данные — что можно передавать нейросети, а что нельзя. Персональные данные — только по утверждённым правилам.
- Критерий решения на 90-й день — при каком результате масштабируем, дорабатываем или закрываем.
Как посчитать эффект в рублях
Эффект в месяц = стоимость высвобожденного времени, которое ушло на полезную работу + дополнительная маржа − затраты на ИИ. В затраты входят подписки, оплата моделей по объёму, интеграции и время сотрудников на проверку результатов.
Условный пример. В отделе продаж пять менеджеров. ИИ экономит каждому час в день на КП и отчётах — это 105 часов в месяц при 21 рабочем дне. Половину этого времени направили на звонки клиентам: 52,5 часа × 1 000 ₽ стоимости часа менеджера = 52 500 ₽. Затраты: подписки 5 × 2 000 ₽ = 10 000 ₽ и 10 часов на проверку результатов — ещё 10 000 ₽. Итого около 32 500 ₽ в месяц, и это ещё без роста продаж.
Главную строку — дополнительную маржу от новых звонков — считают по контрольной группе: сравнивают продажи тех, кто работает с ИИ, и тех, кто пока работает без него. Если же освободившееся время ни на что не направить, эффект будет близок к нулю, а затраты останутся. Цифры в примере условные — подставьте свои.
Ассистент, агент или платформа: что вы на самом деле покупаете
- Ассистент — чат-бот вроде ChatGPT, GigaChat или Алисы. Помогает человеку с отдельной задачей; эффект зависит от навыка сотрудника.
- ИИ-агент — сам выполняет цепочку действий в ваших системах (CRM, почте, телефонии) по заданным правилам и под контролем человека.
- Платформа — конструктор, на котором собирают агентов. Сама по себе результата не даёт.
Рынок агентов пока перегрет. Gartner прогнозирует, что более 40% проектов с ИИ-агентами закроют к концу 2027 года. По оценке Gartner, настоящих поставщиков агентов примерно 130 из нескольких тысяч: многие выдают за агентов обычных ассистентов и чат-ботов. «Яков и Партнёры» среди 12 публично доступных российских продуктов готовых ИИ-агентов не нашли. Прежде чем покупать «агента», уточните, какой процесс он выполнит от начала до конца и как вы измерите результат.
Чек-лист: ИИ внедрён, а не просто подключён
С чего начать на этой неделе
- Попросите руководителей отделов выписать по 10 задач, которые повторяются каждую неделю и отнимают больше всего времени.
- Выберите одну задачу по четырём условиям выше.
- Заполните паспорт пилота и назначьте дату решения — через 90 дней.
Если хотите пройти этот путь вместе с командой, EXPONERA AI помогает на каждом шаге: обучаем собственника и сотрудников работе с ИИ на ваших реальных задачах, создаём ИИ-сотрудников и ведём комплексное внедрение — от диагностики до измеренного эффекта. Обсудить вашу задачу можно в форме ниже.
Источники
- Банк России. Мониторинг предприятий № 6 (50), июнь 2026
- McKinsey. The State of AI: Global Survey 2026, 25.08.2026
- «Яков и Партнёры». ИИ-агенты: где хайп, а где реальность, 2026
- BCG. Where’s the Value in AI?, 24.10.2024
- Dell’Acqua F. и соавторы (Гарвардская школа бизнеса, BCG). Navigating the Jagged Technological Frontier, 2023; разбор соавтора исследования
- Humlum A., Vestergaard E. Still Waters, Rapid Currents, NBER, 2025–2026
- Gartner. Прогноз по проектам с ИИ-агентами, 25.06.2025
11.10.2026
