Искусственный интеллект: 10 причин, почему ROI не сходится в отчёте
Финансовый директор закрывает месяц и приносит цифры «На искусственный интеллект потратили много, экономии нет, в отчёте ROI не сходится». В этот момент обычно хочется либо уволить «цифровую команду», либо купить ещё один модный сервис, чтобы уж наверняка. Оба варианта одинаково дорогие.
При этом рынок подгоняет. Конкуренты бодро рассказывают про «умные» склады и продажи, бюджеты на AI растут, а внутри компании остаётся старая реальность данные кривые, процессы ручные, люди устали. И вот уже пилот сделали, презентацию показали, а в P&L тишина. И это не редкость около 90% пилотных AI-проектов так и не доходят до полноценного внедрения.
1. Не было предпроекта и внятного плана
Когда проект стартует с фразы «нам срочно нужен ИИ, как у всех», ROI заранее становится лотереей. Без предпроекта вы не знаете, где узкое место, сколько стоит изменение процесса и кто потом будет жить с этим решением.
Отчёт не сходится просто потому, что считать нечего базовая линия не зафиксирована, эффект размыт, затраты расползлись по статьям. Деньги ушли, а контрольных точек не было.
2. Ожидания космические, сроки школьные
Топ-менеджмент любит скорость «Через месяц хотим результат». Но внедрение AI почти всегда тянет за собой пересборку процесса. Не «добавить кнопку», а изменить привычки и правила.
Когда ожидания нереалистичные, команда начинает подгонять реальность под обещания. Появляются красивые дэшборды, а бизнес-эффект остаётся в устных легендах.
3. Кадров нет, а те что есть заняты пожаротушением
Даже если вам продали решение «под ключ», внутри всё равно нужны люди. Кто будет владельцем продукта, кто проверит качество, кто объяснит операторам, почему система «ругается».
Дефицит специалистов по данным и машинному обучению делает проект зависимым от подрядчика. А подрядчик не живёт вашими KPI. В итоге ROI в отчёте упирается в банальное некому довести до ума.
4. Данные вобщем есть, но пользоваться ими больно
ИИ не спасает от бардака в учёте. Если в CRM одно, в 1С другое, на складе третье, модель будет учиться на компромиссах. А потом вы удивляетесь, почему прогноз спроса «угадывает» только прошлогодний снег.
Низкое качество данных снижает точность, а точность снижает доверие пользователей. Дальше всё по цепочке системой не пользуются, эффект не проявляется, ROI не сходится.
5. Проект не привязан к целям бизнеса
Сделали «умного помощника» в поддержке, а главная боль компании в закупках. Или внедрили распознавание документов, хотя узкое место в согласованиях и лимитах. Технология работает, денег не приносит.
Инвестиции в искусственный интеллект должны быть пришиты к конкретным целям снижение потерь, рост оборачиваемости, сокращение времени цикла. Иначе это красивый кружок по интересам.
6. Сопротивление внутри компании сильнее любой модели
Люди не сопротивляются новому, они сопротивляются тому, что делает их жизнь хуже или непонятнее. Если оператору добавили два окна и три причины отказа, он найдёт способ «обойти» систему. Тихо, без митингов.
Снаружи кажется, что внедрение идёт. Внутри решение саботируют из-за страха ошибок, контроля и лишней работы. В отчёте это выглядит как «низкая утилизация» и нулевой ROI.
7. Затраты на внедрение растут, а эффект считают только на лицензиях
В смете часто видны лицензии и разработка. А потом всплывают интеграции, инфраструктура, безопасность, юристы, обучение, поддержка 24/7. И внезапно «недорогой пилот» превращается в дорогую программу изменений.
Если считать ROI только от цены софта, вы обманываете себя в лучшую сторону. Если считать все расходы честно, может выясниться неприятное, но полезное проект надо резать или менять задачу.
8. Не понимают ограничения ждут магии вместо инструментов
От AI ждут, что он «сам разберётся». Но он не знает ваших правил, исключений и хитрых договорённостей с поставщиками. Он не читает мысли руководителя отдела продаж.
Когда ожидания завышены, люди быстро разочаровываются и перестают доверять. А без доверия система остаётся в песочнице. Формально есть, фактически нет.
9. Масштабирование не продумано пилот красивый, производство грустное
Пилот часто делают на одном филиале, на одном типе документов, на одной линии. Там всё чисто и аккуратно. Потом вы хотите раскатить на 30 площадок и встречаете реальность разные справочники, разные роли, разные привычки.
Без операционной модели масштабирования проект залипает между «работает у нас в демо» и «не тянет на весь бизнес». ROI в отчёте опять не сходится, потому что эффект остался локальным.
10. Руководство не держит проект в руках
Если у инициативы нет настоящего владельца на уровне руководства, она становится чужой. В приоритетах побеждают продажи, отгрузки и «срочно закрыть квартал». ИИ-проект откладывают, урезают, забывают.
Поддержка сверху нужна не для статуса, а для решений менять регламенты, выделять людей, ломать старые KPI. Без этого ROI при внедрении ИИ почти всегда превращается в объяснительную записку.
Как добиться, чтобы ROI перестал быть сказкой
Считать эффект до кода и до покупки
Нужна базовая линия сколько сейчас занимает процесс, сколько ошибок, сколько стоит час простоя, сколько денег заморожено в запасах. Тогда вы сможете честно сравнить «до» и «после», а не спорить на уровне ощущений.
Начинать с задач, где деньги видны
Самые благодарные кейсы для бизнеса 300 млн-5 млрд это прогнозирование спроса и запасов, контроль потерь, оптимизация маршрутов, обработка документов, ускорение поддержки. Там эффект можно привязать к рублям, а не к «улучшению качества».
Вкладываться в данные и ответственность
Нужен владелец данных и владелец процесса. Не «айтишник отвечает», а конкретный бизнес-руководитель, которому важен результат. И да, придётся навести порядок в справочниках и правилах. Это скучно, зато окупается быстрее, чем очередной модуль.
Делать внедрение постепенно, но не бесконечно
Пилоты полезны, если у них есть сроки, метрики и путь в прод. Иначе это музей прототипов. После пилота должно быть решение масштабируем, переделываем или закрываем, и почему (без стыда и героизма).
Управлять изменениями так же жёстко, как бюджетом
Обучение, коммуникации, регламенты, мотивация пользователей. Это не «мягкая часть», это половина результата. Если людям стало проще и понятнее, они сами потащат решение в работу. Если стало хуже, они похоронят его без лишнего шума.
#искусственныйинтеллект #ROI #внедрениеAI #данные #цифроваятрансформация