Почему финансовые директора сокращают бюджеты на ИИ (и 3 показателя, которые их спасают)

Компании, занимающиеся искусственным интеллектом, всегда представляют свои продукты одинаково: они утверждают, что их инструмент освободит 40% времени вашей команды, затрачиваемого на конкретную задачу.

Купил акции на все деньги, а они упали? А Илон Маск снова написал твит? Знакомо. У нас тут клуб тех, кто пытается понять этот цирк и не сойти с ума.

Купить на падении (нет)

Демонстрация действительно впечатляет, и калькулятор ROI это подтверждает – он прогнозирует значительную экономию на затратах на рабочую силу, потенциально миллионы. Это приводит к утверждению бюджета, и затем вы можете внедрить решение в действие.

Через шесть месяцев ваш финансовый директор спрашивает: «Где 40% прирост производительности в нашей выручке?»

Вы обнаруживаете, что сэкономленное время на самом деле не было потрачено на важные, перспективные проекты, а вместо этого – на электронные письма и встречи.

Это кризис измерения ИИ, разворачивающийся в предприятиях прямо сейчас.

Недавний отчёт Fortune от декабря 2025 года показывает, что 61% генеральных директоров испытывают большее давление, чтобы доказать ценность своих инвестиций в искусственный интеллект. Однако большинство компаний не отслеживают правильные показатели для точного измерения этой ценности.

Есть проблема с тем, как мы отслеживали ценность ИИ.

Почему «Сохраненное время» — это показательный, но бесполезный показатель.

Сэкономленное время звучит убедительно в бизнес-кейсе. Оно конкретное, измеримое и простое в расчете.

Но сэкономленное время не равно созданной ценности.

Как SEO-эксперт, я всегда ищу способы, которыми технологии могут повысить эффективность, и недавние исследования от Anthropic невероятно многообещающие. Они проанализировали 100 000 реальных бесед с использованием ИИ и обнаружили, что в среднем ИИ сокращает время выполнения задач примерно на 80%! Это огромное потенциальное изменение правил игры для продуктивности, и я, безусловно, внимательно слежу за тем, как это влияет на нашу работу и оптимизацию контента.

То, что эта статистика не учитывает, — парадокс Джевонса в отношении ИИ.

Многие компании попадают в ловушку, думая, что если ИИ ускоряет задачу, их команда автоматически становится более продуктивной. Однако, это часто не так. ИИ может быстрее выполнять работу, но обычно он просто освобождает время для сотрудников, чтобы они взялись за менее важные задачи – такие как дополнительные встречи, затянувшиеся цепочки электронных писем и ненужная административная работа. По сути, общая создаваемая ценность не обязательно увеличивается.

Как SEO-эксперт, я внимательно слежу за влиянием ИИ, и недавний отчет Google Cloud действительно увлекателен. Они опросили более 3400 руководителей бизнеса и обнаружили, что подавляющее большинство – 74% – уже видят отдачу от своих инвестиций в ИИ, часто в течение первого года. Интересно, что самые большие выгоды заключаются не обязательно в создании совершенно новых продуктов или услуг; речь идет о повышении производительности команд и улучшении эффективности. Это ключевой вывод для всех, кто рассматривает возможность внедрения ИИ – сначала подумайте об оптимизации существующих процессов!

Однако, более пристальный взгляд показывает, что они в основном отслеживают, насколько *быстрее* всё становится, а не то, становится ли всё на самом деле *лучше*.

После многих лет работы с финансовыми отделами над технологическими инвестициями, я усвоил кое-что важное: финансовые директора просто *понимают*. Им не нужно объяснять, что ИИ экономит время – они уже знают, что это важно. Простого указания ‘сэкономленного времени’ недостаточно, чтобы они открыли бюджет для ИИ; они ищут гораздо более существенную ценность.

Что их убеждает, так это измерение того, что ИИ позволяет вам делать то, что вы не могли делать раньше.

Три типа ценности ИИ, которые никто не измеряет

Новые исследования ведущих компаний в области ИИ, таких как Anthropic, OpenAI и Google, показывают чёткую тенденцию: предприятия, которые действительно получают выгоду от ИИ, отслеживают его рост и влияние.

Три типа ценности действительно важны:

Тип 1: Улучшение качества

Искусственный интеллект может ускорить работу, а качественную работу сделать ещё лучше.

ИИ помогает маркетинговым командам отправлять электронные письма быстрее и эффективнее. Это позволяет им тестировать различные темы писем, адаптировать контент для конкретных аудиторий и отслеживать результаты для постоянного улучшения своих кампаний.

Метрика – не «время, сэкономленное на написании писем». Метрика – «на 15% более высокий коэффициент конверсии писем».

Как digital-маркетолог, я внимательно слежу за внедрением ИИ, и недавний отчет OpenAI просто завораживает. Они опросили почти 9 000 человек из множества различных компаний, и 85% из нас, работающих в маркетинге и в разработке продуктов, видят, что мы можем запускать кампании гораздо быстрее с помощью ИИ. Однако, самый большой выигрыш заключается не только в скорости – эти кампании фактически *работают* лучше, и это то, что действительно имеет значение.

Как измерить повышение качества:

Улучшение коэффициента конверсии (а не просто скорость выполнения задач).
Оценки удовлетворенности клиентов (а не только время ответа).
Снижение количества ошибок (а не только пропускная способность).
Доход с кампании (а не только запущенные кампании).

Одна B2B SaaS компания, с которой я разговаривал, внедрила ИИ для создания контента.

Их старая метрика была «опубликованные посты в блоге в месяц».
Их новая метрика стала «органический трафик из контента, созданного с помощью ИИ, против контента, созданного только людьми».

Использование ИИ для помощи в создании контента привело к увеличению посещаемости из поисковых систем на 23%. Это произошло потому, что команда смогла сосредоточиться на создании контента, который люди *действительно* искали, а не просто делать его длиннее.

Это качественный лифт.

Тип 2: Расширение масштаба (Преимущество Shadow IT)

Это метрика, которую большинство организаций полностью упускают из виду.

Как человек, который уже много лет разрабатывает веб-сайты и управляет онлайн-проектами, я внимательно слежу за влиянием ИИ. Anthropic недавно поделился интересными данными от своей внутренней команды – они обнаружили, что около 27% работы, которую их инженеры выполняли *с* Claude, их ИИ-помощником, просто не произошли бы, если бы ИИ не помогал. Это действительно подчеркивает потенциал этих инструментов для открытия новых возможностей и выполнения задач, которые иначе не были бы выполнены.

ИИ не просто ускоряет текущие задачи; более 25% его ценности происходит из возможности выполнять совершенно новую работу, которая была невозможна ранее из-за ограничений по времени или стоимости.

Как выглядит расширение масштаба? Оно часто выглядит как позитивный Shadow IT.

Эффект ‘papercuts’ описывает, как незначительные, долго игнорируемые проблемы, наконец, решаются. Это включает в себя решение накопленного технического долга и создание внутренних инструментов, которые ранее откладывались, что теперь стало возможным благодаря способности AI быстро создавать их базовые версии – даже людьми без инженерных навыков.

Как человек, который годами создаёт веб-сайты и работает с бизнесами, я увидел реальный сдвиг в том, что возможно. Мы сейчас даём возможность маркетинговым командам углубляться в данные способами, которые были просто невозможны раньше. Команды продаж больше не ограничены универсальными презентациями – они создают персонализированные материалы для каждого потенциального клиента. И речь идёт не только о реагировании на проблемы; команды клиентского успеха теперь связываются *до* того, как проблемы даже возникнут. Это проактивный подход, который оказывает огромное влияние.

Согласно данным Google Cloud, большинство руководителей – 70% – отмечают повышение производительности. Примечательно, что 39% получили возврат инвестиций от ИИ, в частности, благодаря возможности выполнять новые типы работ, выходящие за рамки их первоначальных планов.

Как измерить расширение масштаба:

Отслеживайте выполненные проекты, которые не были включены в исходный план.
Соотношение между количеством выполненных функций из бэклога не-инженерами.
Разработаны внутренние инструменты документации, которые ранее были проектами на будущее («someday» projects).

Одна компания, занимающаяся разработкой корпоративного программного обеспечения, использовала эту метрику, чтобы обосновать свои инвестиции в ИИ. Она отслеживала:

47 запроса функций от клиентов реализованы, которые были бы отклонены.
12 внутренних улучшений процессов, которые уже более года находились в списке задач.
Устранено 8 соревновательных уязвимостей, которые ранее считались «известными проблемами».

Эти усилия не отразились на экономии времени, но мы явно увидели улучшения в удержании клиентов и привлечении нового бизнеса.

Тип 3: Разблокировка возможностей (Полнофункциональный сотрудник)

Раньше мы нанимали специалистов с глубокой специализацией. ИИ открывает эру «Универсального специалиста».

Команда Anthropic сотрудничает неожиданными способами: специалисты по безопасности создают графики данных, исследователи разрабатывают пользовательские интерфейсы, а инженеры даже вносят вклад в маркетинговый контент.

Искусственный интеллект снижает порог вхождения для освоения сложных навыков.

Маркетологи больше не должны быть экспертами в базах данных. Вместо написания кода для получения информации, они могут просто спросить ИИ о том, что им нужно. Это касается не только более быстрой работы; это устраняет серьезное препятствие, которое раньше замедляло процесс.

Когда маркетологи могут самостоятельно анализировать данные, вместо того чтобы полагаться на команду Data Science, всё продвигается намного быстрее для всех. Современные маркетологи должны быть универсальными – от них ожидают выполнения анализа данных, написания текстов и даже некоторой базовой работы по разработке, в дополнение к их традиционным обязанностям.

Согласно данным OpenAI, полученным от компаний, 75% пользователей утверждают, что теперь могут выполнять задачи, которые не могли выполнить раньше. Мы также наблюдали увеличение на 36% количества сообщений, связанных с кодированием, от сотрудников, которые обычно не работают в технических ролях.

Как измерить разблокировку возможностей:

Навыки, к которым есть доступ (а не навыки, которыми вы владеете).
Межфункциональная работа, выполненная без передачи задач.
Скорость реализации идей, на которые раньше требовалось нанимать сотрудников или передавать на аутсорсинг.
Проекты запущены без расширения штата.

Руководитель по маркетингу в развивающейся компании объяснила, что ее команда теперь может быстро создавать регулярные отчеты и выполнять базовый анализ данных, используя ИИ. Раньше на выполнение этой работы команде аналитиков уходили недели.

Их цикл оптимизации кампаний ускорился в 4 раза, что привело к увеличению эффективности кампаний на 31%.

Метрика «сэкономленное время» будет показывать: «ИИ экономит два часа на каждый анализ.»

Эта новая возможность позволяет нам проводить в четыре раза больше тестов каждый квартал, освобождая нашу аналитическую команду, чтобы она могла сосредоточиться на более глубоких, стратегических проектах.

Создание ROI-фреймворка ИИ, дружественного к финансам

Финансовые директора заботятся о трех вопросах:

Это увеличивает доход? (А не просто снижает затраты.)
Это создаёт конкурентное преимущество? (Не просто соответствие конкурентам.)
Это устойчиво? (Не просто кратковременный всплеск производительности.)

Как построить измерительную структуру ИИ, которая действительно отвечает на эти вопросы:

Шаг 1: Определите вашу исходную позицию «До появления ИИ».

Крайне важно не пропускать этот шаг — он вам понадобится, чтобы позже оценить эффект от ИИ. Прежде чем запускать какую-либо ИИ-систему, обязательно зафиксируйте, как всё работает *сейчас*, включая объём выполненной работы, качество результатов и любые существующие ограничения.

Шаг 2: Определите опережающие и запаздывающие индикаторы.

Вам необходимо отслеживать как эффективность, так и расширение, но вам нужно правильно представить их финансовому отделу.

Ведущий индикатор (Эффективность): Время, сэкономленное при выполнении существующих задач. Это предсказывает потенциальную пропускную способность.
Запаздывающий индикатор (Расширение): Новая работа включена и оказала влияние на доход. Это доказывает, что ценность была реализована.

Шаг 3: Отслеживайте влияние ИИ на доход, а не только на затраты.

Соедините метрики ИИ напрямую с бизнес-результатами:

Если ИИ помогает командам клиентского успеха → Отслеживайте изменения коэффициента удержания.
Если ИИ помогает отделам продаж → Отслеживайте изменения коэффициента выигрыша и скорости заключения сделок.
Если ИИ помогает маркетинговым командам → Отслеживайте вклад в воронку продаж и изменения коэффициента конверсии.
Если ИИ помогает продуктовым командам → Отслеживайте внедрение функций и изменения в удовлетворенности клиентов.

Шаг 4: Измерьте разрыв «Frontier».

Недавние исследования от OpenAI показывают растущую разницу в моделях коммуникации между лидирующими компаниями и типичными. Предприятия, находящиеся на передовой инноваций, отправляют вдвое больше сообщений на сотрудника, чем те, что находятся в середине.

Это означает выявление команд, извлекающих реальную выгоду, в отличие от команд, которые просто экспериментируют.

Шаг 5: Сначала создайте инфраструктуру измерений.

PwC прогнозирует, что к 2026 году простого отслеживания частоты работы систем AI будет недостаточно. Когда AI управляет сложными задачами, крайне важно сосредоточиться на фактических достигнутых результатах, а не просто на количестве попыток.

Согласно PwC, даже если процесс требует больше шагов, это все равно улучшение, если в конечном итоге занимает меньше времени. Они отмечают, что сокращение общего времени выполнения чего-либо – даже если это означает прохождение большего количества итераций – является положительным изменением. Например, если раньше что-то занимало пять дней и две попытки, а теперь занимает всего два дня с пятнадцатью попытками, это прогресс.

Прежде чем запускать ИИ, важно иметь прочную основу. Это включает в себя знание ваших исходных цифр, понимание того, как связать результаты с конкретными действиями, и наличие лидеров, которые будут использовать эти результаты для принятия решений.

Парадокс измерения

Компании, которые уже тщательно отслеживали свои результаты, с наибольшей вероятностью смогут точно измерить возврат инвестиций от AI.

Недавний отчёт Kyndryl указывает на то, что многие компании не готовы продемонстрировать возврат инвестиций от AI, главным образом потому, что они не внедрили надёжные методы управления данными.

Как digital-маркетолог, это действительно отзывается во мне. Это напрямую связано с проблемами качества данных, которые я обсуждал ранее. Проще говоря, если ваши данные неточны, непоследовательны или разбросаны по разным системам, вы не сможете точно оценить результаты ваших AI-инициатив. Это фундаментальная проблема – чистые данные необходимы, прежде чем вы сможете даже *начать* измерять влияние AI.

Итог

Искусственный интеллект уже начинает значительно увеличивать наши достижения. Недавнее исследование Anthropic предполагает, что современный искусственный интеллект может повышать производительность труда в США на 1,8% каждый год в течение следующих десяти лет, что фактически удвоит прогресс, который мы наблюдали в последнее время.

Но для того, чтобы получить эту ценность, необходимо измерять правильные вещи.

Забудьте спрашивать: «Сколько времени это сэкономит?»

Вместо этого сосредоточьтесь на:

«Какие улучшения качества мы наблюдаем в продукции?»
«Какая работа теперь возможна, чего не было раньше?»
«К каким возможностям мы можем получить доступ без увеличения численности персонала?»

Вот на что обращают внимание финансовые лидеры, принимая решение инвестировать больше в ИИ. Эти измерения также показывают, действительно ли ИИ улучшает ваш бизнес или просто ускоряет выполнение задач, не принося реального результата.

Сэкономленное время — показатель тщеславия. Возможность расширения — это реальная рентабельность инвестиций.

Измерьте соответственно.

Смотрите также

2026-01-26 15:12