Эксперт рассказал, как бизнесу измерить отдачу от внедрения ИИ
Крупные технологические компании отказываются от практики измерения активности сотрудников в использовании ИИ по числу токенов и переходят к оценке реальной бизнес-отдачи от таких систем. Об том, как теперь бизнес оценивает отдачу от внедрения ИИ, рассказал основатель и генеральный директор компании Camunda Якоб Фройнд.
В начале 2026 года несколько крупных технологических компаний начали отслеживать, сколько ИИ-токенов — фрагментов текста, по которым поставщики ИИ выставляют счета, — расходуют их сотрудники за месяц. Руководство составляло внутренние рейтинги: у Amazon появился KirkoRank» у Meta* — Claudeonomics.
Сотрудникам, которые тратили больше всего токенов, присваивали особые титулы — считалось, что именно они получают наибольшую пользу от ИИ. Практику назвали tokenmaxxing, и большинство компаний уже свернули подобные рейтинги.
Такие рейтинги подменяли собой полноценный анализ окупаемости ИИ-инвестиций, и у большинства компаний до сих пор нет более точного метода его оценки. Расходы на ИИ отследить легко, а ценность — нет, поэтому организации измеряли именно то, что могли измерить.
Чтобы установить реальный эффект от потребления токенов, требуется единый ответственный, который отслеживает влияние ИИ на бизнес-процесс от начала до конца, а такой роли в большинстве компаний просто не существует.
Одна команда использует ИИ-помощника, другая — рекомендательную систему, и в рамках отдельных задач ИИ работает хорошо. Но при масштабировании на всю организацию число исключений и ошибок растет.
Модели технически исправны, однако сквозной оркестрации процессов часто не хватает. Согласно данным, которые Фройнд приводит в колонке, 44% сотрудников вручную корректировали результаты работы ИИ, потому что процесс изначально был настроен неправильно.
Основная часть расходов на ИИ приходится на период между запуском пилотного проекта и его внедрением в постоянную эксплуатацию, и обработка исключений — частая причина такого перерасхода. Пилоты обычно проектируют под стандартный сценарий, а не под пограничные случаи.
Когда процесс с участием ИИ сталкивается с нетипичной ситуацией, у него нет заданного дальнейшего пути, и задача возвращается к модели заново — каждая новая попытка оплачивается отдельно, а счет продолжает расти уже после того, как задачу следовало завершить.
По данным одного исследования, зафиксировано около 700 случаев, когда ИИ-агенты игнорировали инструкции; их поведение исследователи сравнили с поведением ненадежного стажера. В отдельном инциденте кодовый агент на платформе Replit удалил боевую базу данных за 11 секунд, хотя инструкция, которая должна была это предотвратить, оставалась нетронутой в промпте.
Фройнд советует не встраивать ИИ в устаревшие бизнес-процессы, а перестраивать их заново с учетом возможностей и ограничений технологии. В качестве примера он приводит корпоративное кредитование: заявка на кредит переходит от одной команды к другой, и каждая передача требует открытия файла и повторного ввода данных вручную.
Добавление ИИ только к этапу проверки документов сократит один шаг, но не устранит саму цепочку передач. При полной перестройке процесса под ИИ агенты собирают и мгновенно проверяют документы, а любое отклонение от политики направляют напрямую кредитному специалисту, который принимает решение, — и процесс останавливается только там, где действительно требуется человеческое суждение.
Раньше подобная перестройка занимала год и более, а сейчас ИИ сам берет на себя значительную часть этой работы, и проекты по внедрению ИИ укладываются в несколько недель.
*экстремистская организация, запрещенная на территории РФ
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
