Когда AI-автоматизация окупается

AI-автоматизация оправдана, когда процесс повторяется минимум несколько сотен раз в месяц, результат можно объективно проверить, случайная ошибка не приводит к необратимому ущербу, а нужные данные уже существуют в доступном виде. Если одно из условий не выполняется, стоимость обычно превышает выгоду.

Критерий 1: объём

Процесс, который повторяется десять раз в месяц, не оправдывает затрат на разработку, мониторинг и поддержку. Наш ориентировочный порог — несколько сотен случаев в месяц или более редкий процесс, который съедает дорогое время специалиста.

Критерий 2: проверяемость

Должен существовать объективный способ сказать, верен ли результат. Извлечение номера счёта проверяемо; «написал хороший текст» — нет. Без измеримого критерия нельзя понять, деградирует ли система со временем.

Критерий 3: цена ошибки

Если ошибка означает пятиминутное исправление, автоматизация разумна. Если она означает неверный платёж, договорное обязательство или юридический риск, нужна обязательная проверка человеком, а это меняет экономику.

Критерий 4: доступность данных

Моделям нужен контекст. Если нужная информация живёт в головах трёх человек и в личных сообщениях, первый проект — не автоматизация, а наведение порядка в данных.

Процессы, которые мы не автоматизируем

• Коммерческие решения: цены, скидки, согласование договора.

• Чувствительную коммуникацию: серьёзные жалобы, юридические вопросы, кадры.

• Любой процесс, где нельзя впоследствии восстановить, почему принято решение.

• Процессы, которые меняются ежемесячно: их автоматизируешь быстрее, чем успеваешь стабилизировать.

Как мы считаем окупаемость

1. Измеряем текущее время на случай и число случаев в месяц.

2. Оцениваем реалистичную долю случаев, которые система возьмёт без вмешательства.

3. Складываем стоимость разработки, ежемесячную стоимость моделей и оставшееся время проверки.

4. Сравниваем на горизонте 12 месяцев, а не одного.

5. Если окупаемость превышает год, мы рекомендуем не делать.

Начинайте с малого

Лучший первый проект — узкий, с большим объёмом и низким риском: извлечение данных из одного типа документа или классификация входящих обращений. Результат даст реальные цифры для следующего решения.