Эффект от внедрения AI: почему инвестиции не видны в прибыли и как это исправить

TL;DR

Доклад разбирает «парадокс Gen AI»: компании массово внедряют ИИ, но не видят отражения этого в финансовых отчетах (P&L). Спикер делит кейсы на горизонтальные (инструменты для всех) и вертикальные (замена функций). Главная мысль: горизонтальные кейсы нужно внедрять как инфраструктуру (по аналогии с Excel) без жесткого подсчета ROI, а вертикальные требуют полной трансформации процессов и воли CEO, иначе они умирают на стадии пилота из-за сопротивления менеджмента.

Кому будет полезно

• Роли: CTO, CIO, CDO (Chief Digital Officers), руководители трансформации, Product Managers, CEO.
• Уровень: Middle+, C-level.
• Условия: Если вы пытаетесь обосновать бюджет на AI или не понимаете, почему внедрение Copilot не привело к увольнениям и экономии.

Краткий контекст

• Спикер: Аскар, основатель Cactus AI (занимаются обучением команд AI literacy и развертыванием on-premise AI).
• О чем: Анализ отчета McKinsey о «Gen AI парадоксе», стратегии внедрения AI в корпорациях и живая демонстрация настройки локального RAG-агента.
• Контекст: Реалии российского рынка и корпоративной культуры, где вертикальная трансформация натыкается на желание менеджеров сохранить штат.

---

Ключевые идеи

1. Парадокс Генеративного AI

Что сказали: Согласно отчету McKinsey (июнь 2024), 78% компаний используют AI хотя бы в одной функции, но более 80% утверждают, что это никак не повлияло на их доходы (P&L). Почему это важно: Это создает ложное ощущение, что AI — «игрушка», не приносящая денег. Как применить: Разделять ожидания: AI не всегда дает прямую экономию, часто это удержание конкурентоспособности или повышение качества, которое сложно оцифровать мгновенно.

2. Горизонтальные vs Вертикальные кейсы

Что сказали:

• Горизонтальные: Copilot, ChatGPT Enterprise, плагины для Zoom/Slack. Пронизывают всю компанию, улучшают продуктивность «белых воротничков».
• Вертикальные: Специализированные агенты под функцию (Sales assistant, полная автоматизация HR). Почему это важно: У них разная экономика и сложность внедрения. Вертикальные кейсы часто проваливаются (менее 10% выходят из пилота). Как применить: Не пытайтесь считать ROI горизонтальных инструментов «в лоб». Используйте стратегию «пусть расцветают 100 цветов» — дайте инфраструктуру, а сотрудники сами найдут применение.

3. Эффект «Экселя» (Инфраструктурный подход)

Что сказали: Мы не считаем ROI от покупки Excel или почтового клиента для каждого сотрудника. Мы просто знаем, что без них работать невозможно. Почему это важно: Попытка посчитать экономический эффект от создания простого бота (стоимостью в пару человеко-часов) будет стоить дороже, чем само создание бота. Как применить: Оценивайте горизонтальный AI не через «сколько мы заработали», а через «сколько мы потеряем, если у конкурентов это есть, а у нас нет» (Cost of Inaction).

4. Почему умирают вертикальные пилоты

Что сказали: Вертикальный AI (например, автоматизация HR) часто предполагает сокращение штата. Если вы придете к HR-директору с пилотом, который позволит уволить 50% его отдела, он похвалит пилот, но похоронит проект. Почему это важно: Это конфликт интересов. Менеджмент держится за бюджеты и людей. Как применить: Вертикальные проекты должны спонсироваться строго сверху (CEO/Акционеры), так как это болезненная трансформация, а не просто «установка софта».

5. Концепция Agentic Mesh (Сеть агентов)

Что сказали: Будущее за взаимодействием агентов через протоколы (например, MCP — Model Context Protocol). Агенты общаются друг с другом, передают задачи. Почему это важно: Это позволяет масштабировать автоматизацию, избегая «зоопарка» разрозненных решений. Как применить: Для малого и среднего бизнеса пока сложно реализуемо. Начните с простых RAG-систем и API, но держите в уме архитектуру, где агенты могут быть «подключаемыми».

---

Примеры и кейсы

• Кейс IBM (Вертикальный): IBM заменила 8000 сотрудников HR-функции на AI.

  • Результат: Оптимизация 94% рутинных задач, сокращение костов на 40%.
  • Нюанс: Это возможно в гигантской корпорации с жесткой волей руководства. В компании на 100 человек автоматизация прескрининга резюме может не окупиться даже «в ноль», так как эту работу делает один рекрутер за 90к рублей.

• Демо Open Web UI (Горизонтальный):

  • Задача: Быстро создать «Бадди для онбординга» по кодексу этики компании.
  • Решение: Развернули Open Web UI (локально), загрузили PDF с правилами, написали системный промт («Ты бадди, отвечай по документу»).
  • Итог: За 5 минут готов рабочий инструмент. Не нужно согласовывать бюджеты, любой сотрудник может сделать это сам.

---

Ошибки и грабли

• Искать прибыль там, где ее нет: Пытаться найти прямую финансовую выгоду от внедрения ChatGPT для написания писем. Выгода там в качестве и скорости, а не в увольнении людей.
• Сопротивление среднего звена: Запускать проекты по автоматизации функции без учета того, что руководитель этой функции потеряет власть/людей.
• «Зоопарк» данных: Пытаться натравить AI на корпоративные знания, которые находятся в хаосе. AI не исправит плохие данные.

---

Что можно сделать уже сегодня

1. Развернуть локальную песочницу: Установить Open Web UI или аналог в закрытом контуре компании, чтобы сотрудники могли безопасно экспериментировать с LLM (не сливая данные в публичный ChatGPT).
2. Провести обучение (AI Literacy): Объяснить сотрудникам, как писать промты и использовать AI для рутины. Найти внутри компании энтузиастов («амбассадоров»).
3. Перестать требовать ROI от мелочей: Разрешить создание мелких автоматизаций без бюрократического обоснования эффективности.
4. Проверить качество данных: Начать причесывать базы знаний (Confluence, Notion), чтобы в будущем к ним можно было подключить RAG.
5. Оценить риски отставания: Посчитать, сколько времени конкуренты тратят на КП/презентации с AI, и сравнить со своими затратами.

---

Цитаты

«За каждой экселькой вы же не бегаете в айтишку. Вы просто сделали себе эксельку... Здесь примерно похожая ситуация».

«В P&L вы не увидите использование ChatGPT, но НЕ использование ChatGPT может довольно сильно ударить».

«Если вы придете к главе HR с проектом, который уволит 8000 человек, она скажет: "Классный проект, вы молодцы, деньги за пилот отдадим, но никакого продолжения не будет"».

---

Итоговый вывод

Основная мысль: прекратите искать мгновенную прибыль в горизонтальном внедрении ИИ — это новая базовая грамотность и инфраструктура, как интернет или Excel. Настоящие деньги лежат в вертикальных трансформациях (замене людей агентами), но это требует жестких управленческих решений на уровне CEO, а не просто покупки подписки на нейросеть. Первый шаг — дать сотрудникам безопасный доступ к инструментам и не мешать им экспериментировать.