В июне я писал, что эпоха vibe coding закончилась и анализ ROI от ИИ вот-вот превратится из приятного бонуса в суровую необходимость.
Вот что такое ROI от ИИ и почему его пока так сложно разглядеть в цифрах ВВП:
Если упростить до предела, нам нужно понимать два показателя: затраты и ценность.
Что касается затрат, индекс Ramp AI Index отслеживает расходы на ИИ более чем 70 000 американских компаний. Медианная компания тратит $12,50 на сотрудника в месяц. При средней стоимости сотрудника около $8 500 в месяц ИИ достаточно повысить его продуктивность всего на ~0,15%, чтобы окупиться. Это примерно три дополнительные минуты полезной работы в неделю.
Так что для большинства компаний счет за токены — это статистическая погрешность. Но есть и нематериальные издержки: управление изменениями, переобучение и вся остальная корпоративная машина.
Ценность измерить сложнее, поэтому давайте использовать рост производительности как ориентир. В P&G один сотрудник с ИИ готовил продуктовые предложения не хуже команды из двух человек без него. Экономисты MIT доказали, что автоматизация окупается, если этапы работы ИИ объединены так, что человек проверяет результат один раз, а не после каждого шага.
Получается, ИИ в основном ускоряет производство. Но большая часть рабочей недели офисного сотрудника уходит на согласования, встречи, выстраивание процессов и утверждения, а не на саму работу. (И я пока не видел, чтобы мой Claude делал совещания в 10 раз быстрее!)
Отсюда вопрос: а что, если узкое место для ROI от ИИ — сами люди? ИИ может вернуть эти три минуты, но он не решает, куда они денутся. Если они утекут в очередное совещание или в еще одну неделю ожидания ответа от юристов, отдача будет нулевой.
Это же объясняет, почему результаты выглядят такими неравномерными. Возможно, ИИ не прибавляет к результату, а умножает его. Если так, лучшие компании будут отрываться от остальных всё дальше.
Эксперимент 2026 года с участием 515 стартапов приоткрывает завесу над этим разрывом. Все компании получили одинаковые ИИ-инструменты, обучение и поддержку. Случайной половине также показали, как другие фирмы перестроили свои процессы вокруг ИИ. У типичного стартапа выручка почти не изменилась ни в одной из групп. Но практически весь рост обеспечили топ-10% компаний, причем экспериментальная группа вырвалась вперед сильнее всех: её выручка в итоге оказалась в 1,9 раза выше, чем у контрольной группы.
Инструменты были идентичны. Лидеров отличало то, как именно они перестроили работу под них. Что возвращает нас к самим процессам.
ИИ снижает стоимость выполнения задач, но никак не влияет на то, стоило ли вообще их выполнять.
В 1995 году Билл Гейтс сказал ровно о том же: автоматизация эффективных операций усиливает эффективность, а автоматизация неэффективных — усиливает неэффективность.
У Илона Маска для этого есть процесс из пяти шагов:
- Ставьте под сомнение каждый процесс и требование
- Удаляйте всё, что можно удалить
- Упрощайте то, что осталось
- Ускоряйте
- И только потом автоматизируйте.
Илон признавался, что одна из его главных ошибок в Tesla заключалась в том, что он прошел эти шаги в обратном порядке и автоматизировал процессы, которые позже оказались ненужными. Многие компании, заявляющие, что они «внедряют ИИ», наступают на те же грабли.
И, возможно, именно поэтому дискуссии о ROI от ИИ ходят по кругу. От показателей производительности ждут скорости самого ИИ, тогда как они растут со скоростью, с которой крупные корпорации его внедряют. И это было бы далеко не в первый раз.
В 1987 году Роберт Солоу заметил: «Компьютерную эру видно везде, кроме статистики производительности». С 1973 по 1995 год производительность росла примерно на 1,5% в год, а с 1995 по 2003 год — уже на 3,3% в год, когда работа была перестроена вокруг машин.
Так что же отделяет компании, реально получающие отдачу, от всех остальных? Где теряется прирост производительности между сотрудником и отчетом о прибылях и убытках? И насколько проблема кроется в самой организации работы?
В нашем Deep Dive мы разбираем эти вопросы и предлагаем практическое руководство по повышению ROI от ИИ: что стоит удалить, что автоматизировать, какие этапы работы ИИ связывать в цепочки, где человеку всё ещё нужно проверять результат и когда достаточно более дешевой модели.
Читать или слушать полный разбор можно здесь: https://research.socialcapital.com/p/ai-roi
Удачи всем игрокам!
