ROI внедрения ИИ: как посчитать окупаемость до старта и не купить хайп

ROI внедрения ИИ считается по стандартной формуле P&L: (эффект в деньгах минус полная стоимость владения) делённое на полную стоимость владения. Разница с обычным ROI в том, что заметная часть стоимости ИИ-проекта — по разным оценкам, зачастую больше половины — прячется не в подписке на сервис, а в человеко-часах на внедрение, обучение команды и переделку процессов. Если считать только цену лицензии, вы получите красивую цифру, которая не переживёт первую встречу с реальностью через квартал.

Я много лет считаю P&L маркетинга, и последние два года — отдельной строкой P&L ИИ-инициатив. Проблема почти всегда одна: отдел закупил инструмент, потому что «все берут», и только потом задумался, как это отразится на цифрах. Разберём, как считать окупаемость до, а не после подписания счёта.

Почему ROI ИИ считают неправильно

Классическая ошибка — сравнивать цену подписки с ожидаемой экономией времени «на глазок». Менеджер говорит: «ИИ пишет черновик за 5 минут вместо часа, значит экономим 55 минут на пост». Это неполный расчёт по трём причинам.

• Экономия времени не равна экономии денег. Если сотрудник освободившийся час тратит на скроллинг, а не на задачу с денежным выходом, ROI равен нулю независимо от красоты метрики «время на задачу».
• Не учтена стоимость внедрения. Обучение промптингу, настройка регламентов, доработка шаблонов — это часы штатных людей, которые в моменте не производят ничего, кроме будущей эффективности.
• Игнорируется стоимость ошибок. ИИ галлюцинирует, выдаёт правдоподобную дичь, и кто-то должен это вылавливать. Час на проверку — тоже расход, который надо занести в модель.

Именно поэтому P&L в маркетинге — не бухгалтерская формальность, а единственный способ говорить с советом директоров на одном языке. Без него любой разговор про ИИ превращается в спор мнений: «мне нравится» против «мне не нравится».

Формула ROI ИИ: что входит в числитель и знаменатель

Базовая формула ROI = (Выгода − Затраты) / Затраты × 100%. Для ИИ-проектов важно не срезать углы в составе обеих частей.

Что считать затратами (TCO)

Полная стоимость владения ИИ-инструментом почти никогда не равна цене подписки.

Что считать выгодой

Выгода делится на прямую и косвенную, и путать их — вторая по частоте ошибка после недосчитанного TCO.

• Прямая экономия — сокращение часов на задачу, умноженное на стоимость часа сотрудника (не на зарплату, а на полную стоимость: зарплата плюс налоги плюс накладные).
• Прямой доход — рост конверсии, скорости обработки лидов, объёма контента, который реально доходит до публикации и работает.
• Косвенный эффект — снижение time-to-market, более быстрая реакция на рынок. Считать осторожно, переводить в деньги только через понятную цепочку допущений, которую можно показать оппоненту.

Условный пример для интуиции, без претензии на универсальность: команда контент-маркетинга тратит на подготовку 40 постов в месяц 80 часов при стоимости часа сотрудника (с налогами и накладными) 1500 рублей — это 120 тысяч рублей в месяц ручного труда. ИИ-инструмент стоит 40 тысяч рублей в месяц подписки, разовое внедрение и обучение в первый месяц — ещё 60 тысяч рублей эквивалента часов штатной команды, контроль качества добавляет 10 часов в месяц на редактуру и фактчекинг, то есть 15 тысяч рублей ежемесячно. Если после внедрения на те же 40 постов уходит 35 часов вместо 80, экономия — 45 часов, то есть 67,5 тысячи рублей в месяц. Постоянные расходы на инструмент и контроль составляют 55 тысяч рублей в месяц, значит текущий эффект — плюс 12,5 тысячи рублей ежемесячно. Из-за разового внедрения в 60 тысяч рублей первый месяц в сумме уходит в минус, но накопленным итогом проект окупается уже на пятый месяц — именно так и должна выглядеть модель до подписания договора, а не после.

Пошаговый расчёт ROI до старта проекта

Считать нужно до подписания договора с вендором, а не после первого квартала использования. Вот последовательность, которая работает на практике.

1. Определите базовую линию (baseline). Сколько сейчас стоит процесс без ИИ: часы, стоимость часа, объём брака, скорость. Без базовой линии сравнение бессмысленно — вы будете сравнивать ощущения «стало быстрее» с ничем.
2. Спрогнозируйте эффект консервативно. Возьмите не лучший кейс из презентации вендора, а нижнюю границу диапазона и урежьте её ещё на 30%. Это компенсирует оптимизм подрядчика и вашей же команды.
3. Посчитайте полный TCO на 12 месяцев. Включите все пять статей из таблицы выше, а не только лицензию.
4. Задайте порог окупаемости. До какого месяца проект обязан выйти в плюс, чтобы иметь смысл. Для маркетинговых ИИ-инструментов разумный ориентир — 6–9 месяцев, дольше означает высокий риск, что приоритеты компании поменяются раньше.
5. Проверьте чувствительность модели. Что будет с ROI, если эффект окажется на 50% ниже прогноза? Если при этом сценарии число уходит в глубокий минус — проект слишком хрупкий, чтобы на него ставить.

Этот же каркас с поправкой на специфику метрик хорошо ложится поверх юнит-экономики для маркетолога: ИИ-инструмент должен окупаться так же строго, как канал привлечения клиентов.

Метрики, которые нужно отслеживать после запуска

Посчитанный до старта ROI — это гипотеза. Дальше нужен мониторинг, иначе гипотеза так и останется цифрой в презентации.

• Adoption rate — доля команды, которая реально пользуется инструментом каждую неделю, а не один раз в месяц отчитаться, что «внедрили».
• Время на задачу до/после — измеряется, а не оценивается на глаз, желательно через трекер задач или тайм-логи хотя бы выборочно.
• Доля брака — процент выходов ИИ, которые пришлось переделывать или отклонить полностью. Если она растёт, реальная экономия времени падает быстрее, чем кажется.
• Влияние на выручку или CAC — там, где ИИ встроен в воронку (обработка лидов, персонализация, скоринг), эффект нужно смотреть в связке с CAC и конверсией по этапам воронки.
• Retention самого инструмента — используют ли его через полгода так же активно, как в первый месяц. Падение использования — ранний сигнал, что реальный ROI ниже расчётного.

Без сквозной аналитики эти цифры собираются вручную и с опозданием — если у вас ещё нет системы, которая соединяет действия с деньгами, начните с сквозной аналитики, иначе ROI ИИ будет вечно «примерно».

Отдельно стоит закрепить ответственного за пересчёт метрик — если этим занимается «кто найдёт время», отчёт по факту не появится вообще. Разумная практика — включить пересчёт ROI ИИ-инструментов в тот же цикл, в котором вы уже пересматриваете общий бюджет маркетинга: так у цифр появляется календарь и владелец, а не благое намерение сделать это «как-нибудь потом».

Где ИИ окупается быстро, а где — почти никогда

Опыт с разными командами показывает устойчивый паттерн: скорость окупаемости сильно зависит от типа задачи, а не от «крутости» модели.

Быстро окупаются задачи с высокой повторяемостью и низкой ценой ошибки: черновики типовых текстов, разметка и категоризация данных, первичная обработка обращений, суммаризация встреч. Здесь эффект измерим за недели, а цена ошибки невысока, потому что человек всё равно проверяет финальный результат.

Медленно или почти никогда не окупаются задачи с высокой ценой ошибки и низкой повторяемостью: финальные стратегические решения, юридически значимые тексты без юриста в контуре, коммуникация с VIP-клиентами без модерации. Здесь стоимость одной серьёзной ошибки способна съесть экономию за месяцы, а иногда и репутационно — за годы.

Между этими полюсами лежит серая зона: задачи со средней повторяемостью и средней ценой ошибки, например персонализация email-рассылок или первичный скоринг лидов перед передачей менеджеру. Здесь ROI считается сложнее всего, потому что эффект размазан по многим касаниям с клиентом и проявляется не сразу. Для таких задач особенно важен пункт про чувствительность модели из предыдущего раздела: закладывайте более широкий диапазон исходов и более длинный горизонт проверки гипотезы, прежде чем объявлять проект успешным или проваленным.

Если вы только формируете список кандидатов на автоматизацию, до расчёта ROI стоит понять, как вообще внедрять ИИ в маркетинг системно, а не точечными экспериментами без общей логики.

Частые ошибки при расчёте ROI ИИ

• Считают только подписку, забывая про TCO. Внедрение, обучение и контроль качества съедают больше денег, чем сама лицензия, но не попадают в Excel, потому что «это же наши люди, это бесплатно».
• Берут эффект из презентации вендора без поправки. Кейсы в питче вендора — это лучший сценарий на лучшем клиенте, а не медиана по рынку.
• Не задают срок окупаемости заранее. Без порога любой минимальный эффект объявляется успехом задним числом, и проект живёт бесконечно на честном слове.
• Путают активность с результатом. Число сгенерированных текстов или созданных чатов — это не эффект, а объём работы. Эффект — это деньги или время, реально высвобожденные для другой ценной задачи.
• Игнорируют стоимость ошибок и репутационный риск. Один провальный ответ ИИ клиенту в публичном канале способен обнулить экономию за квартал и добавить расходы на восстановление доверия.
• Не считают отказ от инструмента как альтернативу. Иногда самый честный ROI-расчёт показывает, что ручной процесс дешевле — и это нормальный, зрелый результат анализа, а не провал.

FAQ

Как посчитать ROI внедрения ИИ простыми словами?

Возьмите полную стоимость владения инструментом за год (лицензия, внедрение, обучение, контроль качества) и вычтите её из денежного эффекта (сэкономленные часы в деньгах плюс дополнительный доход). Разделите результат на затраты и умножьте на 100% — это и есть ROI в процентах.

Какой ROI считается хорошим для ИИ-проекта в маркетинге?

Универсального порога нет, но разумный ориентир — окупаемость за 6–9 месяцев с заметно положительным ROI уже в первый год. Если модель даёт положительный результат только при самом оптимистичном сценарии, это сигнал, что проект слишком рискован для масштабирования.

Что делать, если ROI получился отрицательным?

Сначала проверьте, не занижена ли база использования — низкий ROI часто объясняется низким adoption rate, а не самим инструментом. Если инструмент используют активно, а эффект всё равно отрицательный, честно откажитесь от него или смените задачу применения, вместо того чтобы продолжать оплачивать подписку по инерции.

Нужно ли считать ROI отдельно для каждого ИИ-инструмента?

Да, если инструменты решают разные задачи — общий котёл «расходы на ИИ» скрывает, какие инструменты тянут результат вниз. Отдельный расчёт также нужен, чтобы принимать решение о продлении или отказе по каждому контракту, а не по всему портфелю разом.

Как учитывать зарплату сотрудников в расчёте экономии времени?

Используйте полную стоимость часа сотрудника для компании — зарплата плюс налоги плюс накладные расходы, а не голый оклад. Это увеличивает расчётную экономию, но делает её сопоставимой с другими статьями P&L.

Можно ли доверять кейсам эффективности ИИ от вендоров?

Относитесь к ним как к верхней границе диапазона, а не к ожидаемому результату. Стройте собственную базовую линию и консервативный прогноз, а кейс вендора используйте только как ориентир возможного потолка.

Как часто пересчитывать ROI после внедрения?

Минимум раз в квартал в первый год, дальше — раз в полгода, если показатели стабильны. Резкое падение adoption rate или рост доли брака — повод пересчитать ROI внепланово, не дожидаясь отчётного периода и не полагаясь на память о том, «как всё было запланировано».

Если хотите разобрать расчёт ROI именно для вашего маркетинга — со своими цифрами, а не абстрактными процентами, — интенсив Marketing OS построен вокруг того, чтобы каждое решение в маркетинге, включая ИИ, проходило через P&L, а не через хайп.