Скопировать ссылку
Экономия, которая обманывает ожидания
К концу 2025 года ИИ хотя бы в одной бизнес-функции использовали 88% компаний, но заметное влияние на прибыль всей компании отметили только 39% из них, причем у большинства эффект оказался ниже 5%. Иными словами, само по себе внедрение технологии почти ничего не говорит о том, окупится ли она.
У значительной части компаний, которые заменяют сотрудников ИИ, результат оказывается скорее отрицательным. Дело обычно не в самой технологии, а в подходе к внедрению. Бизнес исходит из того, что достаточно просто заменить сотрудника инструментом, и упускает, как к таким изменениям адаптируются все рабочие процессы.
На практике сначала нужно обучить нейросеть под конкретные задачи компании и обеспечить ее дальнейшую поддержку. Только тогда экономия из разряда оптимистичных ожиданий переходит в реальные цифры.
Скрытые расходы и риски внедрения ИИ
Как правило, при расчете экономии бизнес учитывает только очевидные статьи расходов: стоимость подписки на инструмент и затраты на серверную инфраструктуру. За кадром остается стоимость создания и дальнейшего сопровождения ИИ-системы. Для ее настройки нужен специалист, который понимает, как обучить инструмент и встроить его в существующие процессы, а также человек, который будет постоянно контролировать и поддерживать систему в рабочем состоянии. На быстро меняющемся рынке ИИ уже готовые решения приходится регулярно обновлять и дорабатывать, а значит, эти затраты становятся не разовыми, а постоянными.
Масштаб проблемы подтверждают прогнозы экспертов рынка. Свыше 40% проектов с ИИ-агентами будут закрыты к концу 2027 года именно из-за неконтролируемых расходов, неясной бизнес-ценности и недостаточного контроля рисков на этапе внедрения.
Есть и более прямой пример скрытых расходов. Когда компании заменяют первую линию поддержки чат-ботом или ИИ-агентом, часто используется модель оплаты за объем обработки запросов. Если система настроена неправильно и получает слишком много лишней информации, расходы на обработку могут в итоге оказаться выше, чем зарплата сотрудника, который выполнял бы те же задачи.
По затратам времени и ресурсов процесс обучения нейросети сопоставим с обучением нового сотрудника. Из-за этого слишком быстрое сокращение штата создает двойной риск: компания может остаться одновременно и без сотрудников, и без нормально работающего ИИ-инструмента. Forrester прогнозирует, что более половины сокращений, которые компании связывают с внедрением ИИ, впоследствии будут фактически отыграны назад: бизнес столкнется с операционными сложностями преждевременной замены людей технологиями. По данным Robert Half, уже 32% американских руководителей, которые сократили позиции после внедрения ИИ, впоследствии были вынуждены восстановить те же или аналогичные роли. Если бизнес решает вернуть людей, ему снова приходится тратить ресурсы на поиск и обучение специалистов, а в долгосрочной перспективе это может оказаться значительно дороже, чем изначально грамотное поэтапное внедрение ИИ.
Что действительно можно доверить ИИ
ИИ не очень подойдет для работы в креативных сферах или там, где требуется глубокое понимание контекста. В продажах, например, важно учитывать сразу несколько факторов: позиционирование компании, особенности конкретного клиента, тон коммуникации и контекст предыдущего взаимодействия. Передать ИИ все нюансы и рассчитывать на стабильно качественный результат бывает сложно.
Нейросеть лучше всего справляется с рутинными задачами, у которых понятная последовательность действий и относительно небольшая цена ошибки: например, с первичной квалификацией холодных лидов или обработкой типовых запросов по четкому сценарию. При этом бессмысленно заменять одного сотрудника ИИ, а затем нанимать другого человека, который будет постоянно контролировать каждое действие инструмента. В таком случае первоначальная цель экономии фактически теряется.
Данные, конфиденциальность и авторское право
Отдельная зона риска в вопросе ИИ — работа с информацией. В публичные нейросети нельзя передавать персональные данные клиентов и сотрудников, особенно документы, паспортные данные и другую чувствительную информацию. Для российского бизнеса теперь эти нюансы прописаны на законодательном уровне: с 1 июля 2025 года при сборе персональных данных граждан РФ действуют требования об использовании информационных баз, расположенных на территории России, поэтому компаниям важно внимательно следить за тем, где и как хранится и обрабатывается такая информация. Отдельно стоит учитывать пароли, ключи доступа, коммерческую тайну и другие данные, которые потенциально открывают доступ к инфраструктуре компании. Их передача сторонним ИИ-сервисам создает риск утечки и несанкционированного использования за пределами контролируемой компанией инфраструктуры.
С авторским правом на контент, созданный ИИ, ситуация тоже пока неоднозначна. Не всегда очевидно, кому принадлежат права на результат, если непосредственное творческое участие человека было минимальным. Например, изображение, созданное одним запросом без дальнейшей доработки, может не быть признано самостоятельным объектом авторского права. Ситуация меняется, если человек существенно дорабатывал результат и вносил значительный творческий вклад. Есть и обратный риск: при неточном запросе или ошибке модели сгенерированный контент может оказаться слишком похож на уже существующее защищенное произведение, что способно привести к претензиям правообладателей. Поэтому компаниям стоит проверять как сам контент перед публикацией, так и то, каким образом он был получен и насколько значительным было участие человека в его создании.
Тандем вместо замены: как ИИ усиливает человека
Наиболее эффективным подходом сегодня выглядит не полная замена сотрудников, а их совместная работа с ИИ в сочетании с частичной автоматизацией. В первую очередь ИИ стоит передавать рутинные задачи с четкой последовательностью действий. Сотрудников при этом важно обучать работе с инструментом так, чтобы он ускорял выполнение задач без дополнительного уровня контроля. В результате специалисты тратят меньше времени на рутину и больше на задачи, которые требуют креативности, принятия решений и понимания сложного контекста.
Это же определяет, какие профессии в ближайшие годы окажутся под наибольшим давлением. Сложнее всего автоматизировать работу, где результат напрямую зависит от креативности, коммуникации и способности действовать в нестандартных ситуациях. А вот небольшие IT-отделы и специалисты, которые преимущественно решают типовые технические задачи (настройку программ, поиск и устранение стандартных ошибок), уже сейчас находятся в зоне повышенного риска: ИИ справляется с такими задачами достаточно быстро и предсказуемо.
Заключение
Внедрение ИИ и уж тем более замена сотрудников нейросетью не равны оптимизации расходов. Реальные процессы компании, складывающиеся часто годами благодаря компетенциям и опыту работников, не могут мгновенно адаптироваться под «электронные мозги». Если же все-таки ИИ внедряется в операционку, предварительно необходимо трезво оценить, во сколько обойдется не только его покупка, но и обучение под функции конкретного бизнеса, а также дальнейшая поддержка и контроль его работы.
Альтернативным и менее рискованным путем может стать внедрение ИИ в качестве помощника живым сотрудникам. Нейросеть разгрузит их, забирая монотонную рутину и высвобождая время для более креативной деятельности, коммуникации с партнерами и клиентами. При этом ответственность за результат останется на человеке, что для владельцев бизнеса гораздо безопаснее, чем при полном перекладывании задач на ИИ. Ведь с нейросети в случае ошибки взятки гладки.
