ИИ внедрили. Деньги где?

Все сейчас говорят про внедрение ИИ.

Кто-то уже объявил себя "компанией будущего". Кто-то "перестраивает процессы". Кто-то на каждой встрече произносит слово "агенты" с таким видом, будто за ним уже стоит новая экономика.

Есть один скучный вопрос. Самый неприятный.

А деньги где?

Это значит одно: в компании появился новый слой расходов.

Лицензии. Токены. Интеграции. Безопасность. Контроль качества. Обучение команды. Проверка того, что ИИ не выдумал лишнего. Люди, которые теперь следят за тем, как другие люди используют инструмент, который вроде бы должен был сократить нагрузку.

Красиво.

Только это пока не экономика. Это чек.

Есть большая подмена.

Компания даёт сотрудникам доступ к инструментам на базе ИИ, потом показывает внутреннюю статистику:

— количество пользователей выросло; — запросов стало больше; — команды "оснащены ИИ".

И что?

Сотрудник может сделать 500 запросов за месяц и не создать никакой ценности. Другой — 20 запросов и закрыть проблему, которая стоила компании серьёзных денег.

Количество ИИ-запросов — это плохая метрика. Очень удобная для презентации. Почти бесполезная для бизнеса.

Это как считать количество открытых вкладок у аналитика и делать вывод, что он хорошо работает. Выглядит занятым. Экономики нет.

Главная формула простая:

ИИ окупается не там, где его используют. ИИ окупается там, где он меняет механику результата.

Вот разница.

Плохая постановка: "Мы дали отделу продаж ИИ." Хорошая постановка: "Мы сократили время от входящего лида до релевантного предложения с 4 часов до 15 минут."

Плохая постановка: "Юристы используют ИИ для договоров." Хорошая постановка: "Мы быстрее находим риск в документах и снижаем вероятность дорогой ошибки."

В первом случае — инструмент. Во втором — изменение экономики процесса.

Вот за второе можно платить.

Часть споров строится тупо.

Одни говорят: "ИИ заменит людей, расходы упадут." Другие отвечают: "ИИ сам дорогой, токены стоят денег, расходы вырастут."

Обе позиции слишком прямолинейные.

В реальности компания может сократить ручную работу, но получить новый технологический контур. Было: люди + зарплаты + менеджмент. Стало: меньше людей + инструменты на ИИ + интеграции + контроль + безопасность + проверка результатов.

Иногда итоговая стоимость падает. Иногда растёт. Иногда растёт, но это всё равно выгодно — потому что компания получает больше результата, быстрее принимает решения и снижает цену ошибки.

Считать надо не "дорогой ли ИИ". Считать надо другое: сколько стоит полезный результат до ИИ и после ИИ.

Сколько стоит одна квалифицированная встреча. Одна закрытая задача. Один найденный риск. Одна сделка. Один исправленный баг.

Вот там начинается разговор.

Здесь важно остановиться на одной конкретной вещи, про которую не принято говорить вслух.

Uber раскатал Claude Code среди инженеров в декабре 2024-го. К марту 2025-го — 84% из пяти тысяч инженеров активно использовали инструмент, 70% всего задеплоенного кода шло от ИИ-систем. Выглядело как успех. Технический директор Praveen Neppalli Naga потом признал в интервью The Information, что бюджет, запланированный на весь год, сгорел, бл*ть, уже к апрелю. Тяжёлые пользователи жгли от $500 до $2000 в месяц каждый. Сам Naga потратил 1200 зеленых за одну двухчасовую демо-сессию.

Компания построила внутренние рейтинги, которые ранжировали инженеров по количеству потреблённых токенов. Буквально — соревнование по трате денег. Геймифицировали расход. Пока деньги не кончились. Ну и молодцы.

Или вот Bryan Catanzaro, вице-президент по прикладному глубокому обучению в Nvidia — той самой компании, которая продаёт чипы для ИИ. Его слова: "For my team, the cost of compute is far beyond the costs of the employees." Человек из компании, зарабатывающей на ИИ-инфраструктуре, говорит, что вычисления стоят дороже, чем люди.

Это не антиИИ-риторика. Это просто арифметика.

Goldman Sachs прогнозирует рост потребления токенов в 24 раза к 2030 году по мере того, как компании переходят на ИИ-агентов. Gartner считает, что даже при падении стоимости токена на 90% общие корпоративные расходы на ИИ будут расти — потому что агенты потребляют токены в разы больше, чем базовые инструменты.

Масштаб = новый вид счёта. Пиз*ец подкрался незаметно.

Обещание было понятным: меньше рутины, быстрее решения, меньше лишних согласований.

Но при плохом внедрении появляется новый слой трения. Теперь надо проверять: правильно ли ИИ понял задачу, откуда взял данные, не выдумал ли цифры, можно ли отправлять это клиенту, кто отвечает если ИИ ошибся, почему один отдел использует одну модель, другой — другую, а третий уже купил отдельный сервис на корпоративную карту.

И вот уже ИИ, который должен был сократить хаос, сам становится отдельным хаосом.

Появляются панели мониторинга по ИИ. Комитеты по ИИ. Внутренние регламенты по ИИ. Презентации о том, как компания движется к светлому цифровому будущему. И всё это, разумеется, тоже стоит денег — просто об этом не делают слайды .

Meta назвала свою внутреннюю панель слежки за расходами на ИИ "Claudeonomics". Amazon запустил внутренний термин "tokenmaxx" — буквально призыв потреблять как можно больше токенов. Оба тратят сотни миллиардов на ИИ-инфраструктуру в этом году.

В какой-то момент хочется задать простой вопрос: мы деньги зарабатываем или красиво наблюдаем за тем, как сотрудники общаются с чатботом?

Сотрудники начали генерировать больше текстов. Больше кратких сводок встреч. Больше внутренних заметок. Больше презентаций. Больше отчётов по отчётам.

Производство контента выросло. Производство результата — не факт.

Раньше человек мог полдня делать презентацию, которую никто не прочитает. Теперь он делает её за 15 минут.

Выглядит как эффективность.

Но если презентация всё равно никому не нужна, компания просто ускорила производство мусора.

Мусор с ярлычком "инновационный". Поздравляю!

ИИ не живёт отдельно от процесса.

Если процесс сильный — ИИ может его ускорить. Если процесс слабый — ИИ ускорит слабость.

Плохая CRM с ИИ остаётся плохой CRM. Плохой процесс продаж с ИИ остаётся плохим процессом продаж. Плохая аналитика с ИИ просто быстрее производит уверенно оформленную херню.

ИИ не отменяет управленческую гигиену. Он делает её ещё важнее.

Перед внедрением нужен не восторг, а холодная таблица.

Первый вопрос: сколько процесс стоит сейчас? Не абстрактно. В деньгах, времени и ошибках. Сколько часов уходит. Где теряются клиенты. Сколько стоит одна ошибка.

Второй вопрос: что именно ИИ должен изменить? Не "помочь команде". Конкретно: сократить время ответа, увеличить количество релевантных предложений, снизить ошибки, освободить дорогих людей от дешёвой работы.

Третий вопрос: сколько стоит ИИ-слой? Лицензии. Токены. Интеграции. Контроль. Время команды. Исправление ошибок. И — особенно — что происходит со счётом при масштабировании.

Четвёртый вопрос: что изменилось в результате? Вот здесь многие внедрения становятся грустными. Потому что "использование выросло", а результат — так себе.

Клиент написал — получил релевантный ответ быстрее. Менеджер открыл базу — увидел приоритеты, а не кашу. Руководитель получил не 40 страниц отчёта, а ясное: да / нет / подождать. Юрист быстрее увидел риск. Аналитик быстрее отделил сигнал от шума.

Вот это — экономика.

Там ИИ не украшает процесс. Он меняет его механику.

Когда компания строит панели мониторинга по ИИ, но не понимает, какой процесс стал дешевле. Когда сотрудники генерируют больше внутренних документов. Когда руководители требуют "внедрения ИИ", но не могут назвать метрику результата. Когда на выходе больше активности, но не больше денег.

Это не трансформация. Это театр...

Дорогой, технологичный, хорошо оформленный театр.

Нужен.

Вопрос в другом: где именно он меняет экономику?

Если ИИ ускоряет сделку — считайте. Если снижает риск — считайте. Если повышает отдачу на человека — считайте.

Но если он просто добавляет запросы, токены, отчёты и внутренний шум — тоже считайте. Только уже как расход.

У вас в компании считают окупаемость от ИИ — или живут на вере, что "само окупится"?

#ИИ #искусственныйинтеллект #технологии #бизнес #стартапы #автоматизация #обсуждение #полемика #управление #эффективность #внедрениеИИ