Подробнейшее руководство: Сколько стоит внедрение ИИ в digital-проект? Рассчитываем ROI: аутсорс vs инхаус

Мы — компания FlexiTech.ai, ведущий разработчик инновационных решений на базе искусственного интеллекта (Artificial Intelligence — ИИ) в России. Мы создаем передовые ИИ бизнес-решения, направленные на повышение продаж, снижение издержек и эффективное управление рисками в сферах электронной коммерции, розничной торговли, финансовых технологий, образовательных технологий и промышленности. Мы успешно реализовали более 100 проектов, связанных с атрибуцией товаров, автоматизацией клиентской поддержки, анализом поведения пользователей и оптимизацией бизнес-процессов с использованием ИИ. Посмотрите примеры наших наиболее ярких кейсов Aliexpress или PayPal.

В этой статье мы подробно расскажем про реальную стоимость внедрения ИИ, покажем как рассчитать ROI, разберемся почему инхаус разработка стоит 16+ миллионов рублей. Рассмотрим все возможные риски на этапах идеи, внедрения MVP и сопровождения проектов. Поймем как оценить эффективность инхаус и аутсорс разработки.

Мы уверены, что вы и так знаете, где применяется ИИ, но, на всякий случай, приводим свое видение того, где можно с пользой для дела внедрить искусственный интеллект:

Как видите, в современной компании есть место для применения ИИ. Теперь давайте посмотрим, сколько компаний уже внедрили подобные решения. Может быть это просто экзотическая фича для любителей всего необычного? Или красивая игрушка для богатых евангелистов новых технологий?

К 2030 году глобальный рынок искусственного интеллекта увеличится в 20 раз. По данным исследований в 2024 году более 55% компаний интегрировали ИИ для достижения своих бизнес-целей, а в 2023 году 63% компаний, внедривших ИИ, сообщили об увеличении выручки благодаря его использованию. Значит, можно сделать вывод, что данный инструмент уже перестал быть экзотикой и становится рабочим инструментом, который приносит выгоду, возможности или конкурентные преимущества (верное подчеркнуть).

Однако, не все направления, куда внедряется ИИ, одинаково эффективны. Вот где ИИ успешно применяется:

А вот здесь уже есть технологические сложности:

Ясное дело, что финальных кейсов в которых внедрение прошло неудачно, никто не назовет.

А теперь рассмотрим, а что, собственно, дает применение ИИ? Есть ли какие-то осязаемые выгоды? А, может быть, есть и риски?

Преимуществ от внедрения ИИ может быть вот сколько:

Однако, универсальное “лекарство” от всех болезней может стать пустой тратой денег без видимого эффекта, если не уделять внимания важным факторам внеднерия ИИ:

Комплексный подход, учитывающий каждый пункт, позволяет получить желанные преимущества и избежать необоснованных расходов.

Технологическими сложностями дело не заканчивается. ИИ это пока что дорого. И для обоснования таких расходов необходимо тщательно рассчитать возврат инвестиций (ROI). А в истории с ИИ это непросто: надо рассчитать стоимость процесса, который вы хотите изменить, понять стоимость от внедрения и обслуживания технологии, подумать, какие еще процессы это может затронуть и по итогу все это оцифровать.

Да, мы уже писали выше, что искусственный интеллект требует значительных затрат на внедрение. При этом, корректный расчет ROI помогает понять, окупятся ли эти вложения, если да, то когда и будет ли экономический эффект.

Кроме того, такой подход снижает риски, позволяя заранее выявить слабые стороны и устранить их в процессе внедрения. В больших организациях расчет ROI служит обоснованием для акционеров, руководства и инвесторов для принятия стратегически важных решений.

Предлагаемый нами подход к расчету ROI при внедрении ИИ имеет некоторые отличия от других процессов, он предполагает более глубокую детализацию и проработку:

Для оценки ROI от внедрения ИИ в компании можно использовать примерную оценку стоимости процессов, если внедрение направлено на оптимизацию четких процедур. Однако, если речь идет о новых продуктах, ROI лучше оценивать через создание MVP (Minimum Viable Product), минимально жизнеспособного продукта. Под созданием MVP понимается ограниченное по объему тестирование модели ИИ в выделенном бизнес-процессе. Во время создания такого MVP выясняется, по каким метрикам это тестирование проводится, сколько времени должно занять, какие критерии успешности, какие шаги по переписыванию MVP (MVP 2) и т.д. Естественно, что после окончания периода исследования должен быть проведен анализ полученных результатов, таких как увеличение продаж, привлечение клиентов или снижение операционных расходов.

Тщательный и структурированный подход к расчету ROI при внедрении ИИ поможет принять обоснованные решения и обеспечить успешную интеграцию технологий в бизнес-процессы.

Рассмотрим пример автоматизации процесса выставления КП отделом продаж с помощью ИИ: пусть в отделе работает 10 человек с зарплатой в 100 000 рублей (625 рублей в час при стандартной рабочей неделе) и в среднем один специалист тратит около 2 часов на подготовку одного КП для клиента. Допустим, каждый специалист готовит по 3 КП в неделю (примем, что остальное время он тоже чем-то полезным занимается, а не бездельничает).

Получается, что стоимость одного КП при оплате за каждое составляет 1 250 руб. При этом, ежемесячные затраты отдела на подготовку КП: 150 000 руб, а в год 1 800 000 руб. Сюда добавляем налоговые затраты, кофе, печенье в офисе и много чего.

При этом, базовая интеграция с Chat GPT и внедрение ИИ-решения с привлечением одного внешнего разработчика будет стоить около 1 000 000 руб. и займет всего пару месяцев (одно из самых простых ИИ-решений для бизнеса). Представляете, сколько средств и времени сотрудников из этого примера можно направить на более эффективные процессы?

Уже начинаете рассчитывать в уме сколько удастся сэкономить? Сейчас расскажем, как надо есть слона по частям и каким уделять особое внимание.

Рассмотрим основные этапы внедрения технологий ИИ в бизнесе:

Также можно выделить 2 способа: решать задачи внутри компании или обратиться к внешним профессиональным разработчикам. Буквально разница в том, какие ресурсы вы используете для разработки:

Разберем ниже оба этих способа и посчитаем стоимость в рублях. Поговорим про разницу в исполнении, риски и цене. Ну и, конечно, про ROI.

На начальном этапе важно сразу закладывать время на аналитику процессов и обучение команды, чтобы глубже понять потребности бизнеса и адаптировать технологии под конкретные задачи. Это позволяет развивать внутренние компетенции и контролировать проект. Однако, такой подход требует больше времени и ресурсов. Привлечение внешнего профессионального разработчика, напротив, ускоряет внедрение за счет готовых решений и опыта специалистов, но может ограничить гибкость и оставить контроль за процессом вне компании. Выбор зависит от целей: долгосрочное развитие или быстрый результат.

Больше представления о способах реализации идеи: Когда у компании есть четкое видение продукта или идеи, но нет точного понимания, как это реализовать с технической точки зрения, привлечение внешнего профессионального разработчика с опытом внедрения ИИ-решений становится логичным выбором. Аутсорсинговая команда может предложить архитектурные решения, выбрать технологии и предложить оптимальный путь разработки, минимизируя неопределенность.

Таким образом, аутсорсинг позволяет фокусироваться на идеях и стратегии достижения результатов, доверяя техническую реализацию профессионалам, что минимизирует риски и оптимизирует затраты и сроки.

Шире экспертиза = быстрее решения: Аутсорсинговые компании часто работают с разными проектами и технологиями, что позволяет им накапливать разнообразный опыт и знания. Это означает, что их команды могут быстрее находить оптимальные решения, используя уже проверенные подходы.

В то время как внутренняя команда, возможно, будет пробовать новые технологии или обучаться по ходу дела, аутсорсинговые специалисты уже будут обладать необходимыми знаниями и навыками.

Ресурсы: На стороне аутсорсинговых компаний работают аналитики, которые, с одной стороны, знают многое про внутренние процессы, с другой стороны, хорошо знакомы с рынком и возможностями ИИ. При этом, аутсорсинговой команде требуется время на погружение в проект.

В инхаус-командах количество аналитиков ограничено или их нет вовсе, в то время как у аутсорсинговых компаний они есть их много.

Подытожим: для успешного внедрения сложных ИИ технологий в бизнес процесс есть основания привлечь профессионального стороннего разработчика — агентство ИИ. Так быстрее и надежнее.

Если есть время на самостоятельные исследования, есть ощущение понимания внедрения технологии ИИ в бизнес-процессы и есть свободные деньги на “план Б” — то ваш путь в развитии ИИ-экспертизы в команде.

Откроем вам небольшой секрет, что короткая и бесплатная беседа о перспективности внедрения той или иной технологии ИИ в тот или иной бизнес-процесс с агентством ИИ может сэкономить вам очень много часов и денег.

Если говорить про роли и время, то на этом этапе необходимы бизнес-аналитик и/или продакт-менеджер для проработки идеи. Время на проработку инхаус сильно зависит от погруженности в ИИ, в любом случае от 20 часов, для получения качественных требований.

Кстати, это только начало, и после верификации и валидации идеи следует создание MVP, который требует уже совсем других денег...

Разработка MVP инхаус предполагает найм специалистов, что дает компании полный контроль над процессом и позволяет глубже адаптировать продукт под свои нужды. Однако, найм и обучение сотрудников требуют времени и финансов, а в случае неудачи с MVP компания остается с командой, которую придется либо перераспределять на другие проекты, либо увольнять.

При аутсорсе все работы выполняет внешняя команда или агентство. Это позволяет быстро начать проект без необходимости создавать штат. Заказчик работ освобожден от необходимости контролировать ход работ, при этом качество конечного продукта зависит от подрядчика. Выбор между этими подходами зависит от готовности компании вкладываться в долгосрочное развитие или минимизировать риски.

MVP быстрее и дешевле: Аутсорсинговые компании могут быстрее и дешевле разработать MVP, потому что у них уже налаженные процессы и готовые фреймворки, а еще куча всяких наработок и заготовок. Создание MVP инхаус может занять значительно больше времени, так как потребуется настройка инфраструктуры, разработка с нуля и обучение команды. Аутсорсинговая компания может предложить готовые шаблоны и подходы, чтобы быстро вывести продукт на рынок.

Но если проект предполагает долгосрочное развитие и требуется поддержка и масштабирование на постоянной основе, выгоднее сформировать внутреннюю команду. Это дает гибкость в поддержке, обновлениях и модификации моделей.

Компетенции и доступные ресурсы: Если у компании уже есть опытная команда разработчиков и аналитиков данных, или она готова инвестировать в обучение и набор новых сотрудников, это позволяет глубже контролировать процесс разработки и лучше интегрировать решения в текущие бизнес-процессы. Конечно, погружение инхаус команды всегда будет качественнее в долгосрочной перспективе.

В то время как аутсорсинг помогает быстро подключить уже готовых экспертов и получить готовое решение быстрее.

Гибкость и инновации: Если в компании важны инновации и тестирование гипотез, инхаус-разработка сможет это обеспечить, так как это позволяет проводить больше экспериментов и тестов.

Но опять же, если есть нацеленность на результат и нужно придерживаться проверенных практик и важно соблюдение сроков и бюджета, аутсорсинг может быть более управляемым и стабильным вариантом.

Промежуточным вариантом может быть привлечение стороннего профессионального ИИ агентства для обучения и контроля развития внутренней команды.

Ресурсы: На этапе создания MVP к команде подключается практически все силы: Проджект менеджер, ML Architect (Архитектор ML), Data Scientist и инженер, в случае с большими данными, часто еще и Cloud Architect (Облачный архитектор).

Конечно, они нужны, в любом случае, но так как некоторые специалисты будут задействованы только на текущем этапе MVP, то возникает вопрос, что с ними дальше делать или как они должны делить рабочее время между другими проектами.

В случае с ИИ-агентством такой проблемы нет. Бонусом идет высокая скорость реализации и минимальные риски получить нежизнеспособные модели.

На этапе ведения проекта инхаус разработка требует наличия управленца или проектного менеджера, который будет координировать работу команды, отслеживать сроки и контролировать выполнение задач. Если такого специалиста нет, его нужно нанимать, что снова влечет затраты на поиск, адаптацию и обучение. Даже при наличии менеджера в штате возникают риски: пропущенные дедлайны, недостаточная экспертиза в управлении ИИ-проектами или перегруженность задачами. Если проект затягивается, ответственность размывается, а контролировать выполнение становится сложно.

В случае работы с агентством управление проектом обычно входит в их обязанности. Подрядчик берет на себя координацию, отчетность и соблюдение сроков, поскольку его репутация напрямую зависит от качества и оперативности выполнения. Это снижает нагрузку на компанию и обеспечивает больше уверенности в соблюдении сроков. Однако, существует риск недостаточной прозрачности процессов или зависимости от подрядчика в случае непредвиденных проблем.

Стоимость команды: Не стоит забывать, что создание и поддержка собственной команды разработки ИИ требует значительных регулярных затрат, особенно если нужны специалисты с высокой квалификацией. Вдобавок, инхаус-команда может “не отбивать” затрат на свое содержание, если объем задач непостоянен. Аутсорсинг позволяет оптимизировать затраты: оплата только за выполненные работы позволяет гибко управлять бюджетом, что положительно сказывается на ROI. Это выгодно, особенно для проектов с ограниченными ресурсами.

Контроль и безопасность данных: Бывают проекты, которые требуют обработки конфиденциальных данных (например, данных клиентов), и важна безопасность информации, логичнее оставить разработку внутри компании, если это никак, совсем никак, нельзя передавать под любым NDA. Хотелось бы верить, что это позволяет строго контролировать доступ к данным и минимизировать риски утечек, но человеческих ошибок и возможного злого умысла собственных работников никто не отменял.

Ресурсы: В нашу уже многочисленную команду добавляются Backend Developer и DevOps Engineer, которые занимаются непосредственной интеграцией успешной версии MVP в продукт. Возможно, потребуется время для онбординга этих специалистов в случае инхауса, но это точно не нужно в варианте работы с агентством. 1 - 0 в пользу агентства.

В инхаусе свободнее становятся архитектор ML, разработчик, инженер и Data Scientist. То есть в целом, плюсы и минусы аутсорса - инхауса остаются примерно такими же, как на прошлом этапе.

Инхаус требует тщательного отбора команды, времени на обучение и построение внутренней структуры, что делает его идеальным для крупных, стратегически важных проектов, где важно иметь возможность сформировать долгосрочное видение и контроль над каждым этапом.

Аутсорсинг, напротив, особенно эффективен, когда требуется быстрый запуск: привлечение внешней команды с уже отработанными процессами и опытом в схожих проектах позволяет сократить время до первых результатов и минимизировать риски, связанные с организационными и техническими задачами. Перейдем к главному вопросу – сколько же стоит тот и другой вариант.

Ставки зарплат определяются по текущим данным с hh.ru (средние по рынку в рублях на ноябрь 2024). Для проектов по ИИ обычно требуются следующие специалисты:

Кроме выплаты зарплат стоит учитывать, что необходимо платить налоги и учитывать прочие операционные платежи:

Для инхаус разработки у вас должно быть следующее:

Одного железа не достаточно, нужно также закупить:

Затраты на зарплату напрямую зависят от времени, которое потребуется для реализации проекта. Для оценки общей стоимости можно примерно оценить продолжительность проекта в месяцах.

Примерный расчет месячных расходов с учетом всех позиций:

Суммарные месячные расходы на зарплаты составят: 2 150 000 руб. в месяц.

Конечно, можно попытаться снизить расходы нанимая специалистов по очереди, но тогда сроки реализации проекта в сравнении с подключением аутсорса нужно также увеличивать.

Еще важно учитывать период онбординга (обычно 2-3 месяца для каждого сотрудника) и возможные риски замены, что может увеличить общую стоимость реализации проекта.

В расчетах ниже время на онборд команды и риск ее замены учитываем в виде дополнительных 20% к стоимости проекта.

В эту группу мы включаем все, что не вошло в предыдущие пункты:

Увеличение первоначальных сроков и неверная оценка сложности в инхаус случается значительно чаще по сравнению с аутсорсом. Чтобы корректно ставить задачу нужна квалификация в ИИ и время на онбординг CTO. Все это — расходы для компании.

Приведем пример расчета сравнения внедрения технологии ИИ в бизнес-процесс компании собственными силами и с привлечением ИИ агентства.

Мы учитываем стоимость инхаус, исходя из средней зарплаты специалиста в 200 000 руб. С учётом налоговых расходов эта сумма увеличивается с коэффициентом 1,5. Однако, важно отметить, что на данном этапе специалист не будет полностью загружен задачами проекта, поэтому мы рассчитываем только половину месяца. Также добавляем около 50 000 руб. на операционные расходы по данной позиции.

Очевидно, что инхаус-подход может нести больше рисков, таких как вероятное нарушение сроков и превышение бюджета.

Аналогично прошлому этапу, мы считаем стоимость команды инхаус в и умножаем на коэффициент 1,5, получаем 1 700 000 *1,5 = 15 300 000 руб, где у нас еще добавится 500 000 руб. на обустройство инфраструктуры и около 300 000 руб на лицензирование софта.

Люди и налоги в полном составе у нас обходятся в 19 350 000 ( 2 150 000 * 6 месяцев и коэффициент 1,5). Пропорционально увеличиваются операционные затраты (700 000 руб) и лицензии (500 000 руб). Обратите внимание, что какие-то позиции в вашей компании могут обходиться вам дороже и не забудьте учесть это в своем личном расчете ROI.

Для того, чтобы получить максимально точный расчет внедрения ИИ на аутсорс под вашу задачу - достаточно написать Элеоноре. И займет это всего 30 минут!

Хотелось бы закончить фразой “все просто”, но это не совсем так. Выше мы описали три этапа внедрения ИИ в бизнес. Определите для себя, на каком этапе находится ваш проект (идея, MVP, реализация). Оцените, что даст вам внедрение ИИ, сколько ресурса потребуется привлечь инхаус или имеет смысл аутсорс.

Если хотите быстро и корректно рассчитать ROI внедрения технологии ИИ в ваш бизнес-процесс и оценить стоимость проекта ― обратитесь за бесплатной консультацией к нам.

А еще ждите наших следующих статей про быстрый расчет стоимости проекта внедрения ИИ, про оценку дополнительных расходов и что на них может повлиять, а также про технологические особенности внедрения ИИ в разные бизнес-процессы.