Все обсуждают, как быстро собрать новую AI-фичу

Все обсуждают, как быстро собрать новую AI-фичу. Но для продакта вопрос давно уже другой: она вообще улучшает P&L или просто красиво горит деньги❓

McKinsey пишет, что AI уже используют 88% компаний хотя бы в одной функции. Но до масштабирования дошли только около трети, а заметный эффект на EBIT видят лишь 39%. То есть AI уже почти у всех есть, а нормальный финансовый эффект далеко не у всех😕

И вот здесь начинается то, о чём почему-то говорят меньше всего.

AI-фича это не просто новая кнопка в интерфейсе. Это почти всегда дополнительные переменные затраты: inference, хранение контекста, мониторинг, доработка, поддержка, ручная проверка сложных кейсов. В итоге можно получить красивый adoption и растущие usage-метрики, но при этом тихо убивать маржу.

Поэтому для AI-продукта уже мало смотреть на MAU, retention и количество запросов ⚪️

Нужно считать конкретнее:

🟡сколько стоит один полезный результат,

🟡сколько стоит один обработанный кейс,

🟡сколько стоит один реально сэкономленный час,

🟡сколько денег это приносит или экономит сверху.

Потому что если один AI-запрос стоит вам условно 20 рублей, а ценность от него неочевидна, то это не продуктовая магия. Это просто дорогая активность.

Плюс многие до сих пор забывают, что деньги уходят не только в модель. McKinsey даёт очень показательный ориентир: на каждый $1, вложенный в model development, компании часто тратят ещё около $3 на change management внедрение, обучение людей, поддержку и доведение решения до рабочего состояния. Вот почему AI так красиво выглядит в презентации и так неприятно в P&L.

Короче, если у вас появился AI, а вы до сих пор не считаете стоимость одного полезного действия, влияние на маржу и нормальную unit-экономику, то у вас пока не AI-стратегия.

У вас пока просто дорогой эксперимент👨‍💻