Экономика нейросетей
Как бизнес учится измерять финэффекты от внедрения искусственного интеллекта
Рынок искусственного интеллекта давно перешел от этапа технологического эксперимента к массовой коммерциализации: ИИ-решения все активнее внедряются в банки, телеком, ритейл и облачные сервисы. Так, «Яков и партнеры» прогнозирует, что к 2028 году финансовый эффект от использования ИИ во всем мире будет составлять $17–26 трлн в год, а в России экономический потенциал этой технологии достигнет 22–36 трлн руб.
Фото: Getty Images
Фото: Getty Images
Вместе с объемом рынка растут и потребности бизнеса. Автоматизация, персонализация и ускорение процессов уже дают измеримые экономические эффекты и влияют на рост прибыли в будущем. На конференции AI Journey директор по ИИ Т-Банка Виктор Тарнавский рассказал, что компании уже не хотят просто разрабатывать и внедрять ИИ из-за тренда на него, они начинают задавать правильный вопрос: «Как же грамотно применять ИИ так, чтобы технология действительно принесла бизнесу пользу»? Но он отмечает, что правильно рассчитывать эффекты от применения нейросетей — это достаточно сложная задача, потому что ИИ — это все-таки прикладная технология, а не конечный продукт.
От прямой экономии к трансформации бизнес-моделей
Компании сталкиваются сегодня с некоторыми барьерами массового внедрения ИИ в бизнес-процессы, считает директор центра бизнес-образования и аналитики Центрального университета, партнер-эксперт «Яков и партнеры» Илья Иванинский. Так, по его словам, для того чтобы массово внедрять ИИ, в компании должна быть выстроена гибкая и стабильная ИТ-инфраструктура. «Бизнес только учится правильно измерять эффекты от внедрения технологий, есть и кадровые ограничения — только формируется класс руководителей и инженеров, которые понимают, какие технологии нужно внедрять и для чего». Однако он отмечает, что крупный бизнес уже широко использует ИИ для достижения целого ряда эффектов.
Это подтверждают и в Т-Банке. По словам Виктора Тарнавского, результаты от применения ИИ могут быть разного типа. Один из них — прямые экономические эффекты, которые отражаются в P&L компании за год. В основном они связаны с операционными затратами, где ИИ повышает эффективность разных функций, например поддержки или продаж, путем оптимизации издержек или персонала. Однако существуют и другие способы влиять на P&L, например, улучшать рекомендацию продуктов, замечает господин Тарнавский. «Если ты рекомендуешь свои продукты, особенно в цифровом мире, более правильным клиентам, то стоимость привлечения одного клиента на продукт получается меньше. Это измеримый эффект от ИИ, от которого можно посчитать пользу в денежном эквиваленте»,— поясняет он. Другой пример — экономические эффекты будущего. Их нельзя посчитать прямо сейчас, но в долгосрочной перспективе для компаний они показывают большие финансовые результаты.
Так, долгосрочные эффекты делятся на несколько категорий, замечает Виктор Тарнавский. Первая категория — это проекты, связанные с ускорением работы сотрудников в штате, например, в областях разработки или аналитики. «Компания начинает развиваться быстрее, решает свои задачи в ускоренном темпе, но быстро этот эффект нельзя перевести в деньги прямым образом. Поэтому такие изменения характеризуются "эффектами будущего дня", которые отражают быстрое движение компании и ее результативность»,— объясняет эксперт.
Вторая категория — это «эффекты на лояльность», характеризующиеся проектами компании, от которых ее конечный клиент становится счастливее. «Такие эффекты влияют на удержание клиента, на его долгую лояльность по отношению к бизнесу, однако их также сложно посчитать в моменте, потому что они показывают результат в перспективе ближайших пяти или десяти лет»,— напоминает Виктор Тарнавский.
Однако есть еще и нефинансовые эффекты. В проекты с такими метриками предприниматели инвестируют средства, но ожидают не денежных результатов, а улучшения других показателей. Например, к ним относятся системы безопасности, которые защищают средства пользователей и повышают уровень доверия к бизнесу. Нефинансовые эффекты также могут повлиять на отношения с инвесторами или на удовлетворенность сотрудников, напоминает господин Тарнавский.
В рамках Альянса искусственного интеллекта Т-Банк совместно с другими компаниями развивает методологию правильного подсчета эффектов от нейросетей. Компания выстроила несколько принципов работы с эффектами от ИИ в рамках такой методологии.
Во-первых, вести расчеты только через P&L. Это необходимо для того, чтобы учитывать исключительно те эффекты, которые напрямую связаны с ростом выручки или снижением затрат, не включая, например, потенциальные или брендовые эффекты.
Во-вторых, использовать в методологии только контролируемые подтвержденные эксперименты. Например, точные методы A/B-тестирования или длительные контрольные группы, результаты которых имеют научную доказательную базу и могут четко выделить влияние ИИ.
В-третьих, правильно учитывать стоимость затрат на ИИ. Из расчетов вычитаются все сопутствующие расходы: разработка моделей, инфраструктура, сторонние сервисы, операции, и от внедрения ИИ-технологий считается только чистый экономический эффект.
В-четвертых, выбирать строгие базовые сценарии сравнения. Здесь важнее проводить аналитику между лучшим доступным решением не на базе ИИ, чем с отсутствием решения вовсе. Например, рекомендации на базе ML оцениваются относительно уже существующих аналитических или rule-based-стратегий.
Фото: Кристина Кормилицына / РИА Новости
Фото: Кристина Кормилицына / РИА Новости
Так, по словам Виктора Тарнавского, на основе данной методологии Т-Банк уже рассчитал и внедрил для работы в компании три основных блока эффективности результатов от применения ИИ. Среди них, например, операционная эффективность, благодаря которой компания автоматизирует процессы, снижает трудозатраты и повышает скорость обслуживания в контактных центрах, бэк-офисе и операционной обработке. Еще один результат — ИИ-улучшение скоринговых и антифрод-моделей, которое снижает уровень финансовых рисков или потерь от мошенничества. Также при помощи нейротехнологий компания улучшила рекомендации и персонализацию продуктов для своих клиентов. Прямой экономический эффект в компании оценивают в десятки миллиардов рублей ежегодно.
«В Т-Банке уже сейчас 30% кода пишет ИИ, но эффекты, связанные с ускорением процессов, сложно измерить в деньгах: основную массу эффектов мы увидим в будущем, когда ИИ-системы станут значимо сильнее»,— заключает Виктор Тарнавский.
Эффекты от применения ИИ видят и в «Яндексе». Там рассказали «Деньгам», что отмечают значительное повышение эффективности бизнес-процессов, а также сокращение времени на выполнение рабочих задач. «Половина разработчиков "Яндекса" уже использует ассистентов, за полгода их применение выросло в десять раз»,— пояснили в пресс-службе компании. Там добавили, что после внедрения ИИ-агента в службу поддержки «Яндекс Такси» нейросеть стала сама решать 60% текстовых обращений, что позволило в 1,5 раза увеличить скорость ответа пользователям. «Ожидается, что автоматизация позволит сервису сэкономить на операционных расходах более 600 млн руб. в 2026 году»,— прогнозируют в компании.
В «Сбере» говорят, что, по их оценкам, уровень проникновения генеративного ИИ среди российского бизнеса достиг отметки 70–80%. Там добавляют, что интеграция нейросети GigaChat в бизнес-процессы «Сбера» позволила кратно повысить их скорость и эффективность, а финансовый эффект от внедрения технологии в компании в текущем году может достигнуть 50 млрд руб.
Бизнес смотрит в нейробудущее
Одним из главных трендов на рынке в 2026 году будет появление единой технологической среды, которая становится основой для ИИ-трансформации компаний, считают в MWS AI (входит в МТС). Такой средой выступают платформы, в которых организации могут в едином окне и без программирования создавать и управлять ИИ-агентами, а также тестировать ключевые гипотезы, объясняет гендиректор компании Денис Филиппов. «Бизнес стремится получать финансовый эффект, а для этого необходимо, чтобы каждое решение было измеримым»,— заключает эксперт. С ним соглашаются в «Яндексе», отмечая, что внедрение ИИ-агентов и мультиагентских систем в бизнес характеризуется тем, что они умеют самостоятельно определять, как выполнить задачу, и взаимодействовать с внешними приложениями.
В «Сбере» считают, что в 2026 году значительно увеличится спектр профессий, где генеративный ИИ станет незаменимым инструментом повышения производительности труда, важнейшей тенденцией будет широкое распространение физических воплощений технологии — роботизированных устройств и автономных транспортных средств.
«ИИ влияет на современное общество в самых разных аспектах: его положительное воздействие распространяется от медицины и физики до маркетинга и индустрии развлечений»,— считает Илья Иванинский. Глобальный тренд в этой сфере — это то, что ИИ будет распространяться все дальше и быстрее, через пару лет уже не останется компаний, которые не используют нейросети в своих бизнес-процессах, заключает эксперт.