Стоимость · Оценка · Окупаемость
Сколько стоит внедрение ИИ в компанию, зависит прежде всего от состояния ваших данных и числа систем, которые придётся связать. Технология здесь вторична. Ниже показано, из чего складывается бюджет, что его удорожает и как посчитать окупаемость до начала проекта.
Страница для тех, кто считает экономику решения: руководителей, финансовых и технических директоров, которым нужно защитить бюджет цифрами.
Одна и та же фраза «внедрить ИИ в обработку заявок» может означать небольшую работу на готовых данных и большой проект с разбором пяти систем. Одна цена на оба случая оказалась бы неверной хотя бы для одного из них. Поэтому мы показываем структуру стоимости целиком, чтобы вы могли оценить свой случай сами, а вилку называем после короткой диагностики.
Главный множитель стоимости. Если данные собраны, размечены и лежат в одном месте, работа начинается сразу. Если они разбросаны по системам, дублируются и противоречат друг другу, на подготовку данных уйдёт больше работы, чем на саму модель.
Одна система и одна точка подключения дают один сценарий. Пять систем с разными форматами, правами доступа и режимами отказа дают совсем другой. Объём работ и бюджет чаще всего определяют именно интеграции, модель здесь на втором месте.
Внешние модели дешевле в разработке, но данные при этом покидают периметр. Локальное развёртывание снимает этот вопрос, зато добавляет инфраструктуру, требования к железу и работу по подбору модели под задачу.
Чем дороже неверное решение, тем больше проверок нужно вокруг него: наборы тестов, метрики, подтверждение человеком, журнал действий. Поэтому внутренний помощник и система, которая влияет на деньги клиента, стоят по-разному.
Сотня документов в день и сотня тысяч требуют разной архитектуры. На больших объёмах появляются очереди, кеширование, экономика вызовов модели и требования к времени ответа.
У ИИ-систем есть постоянная стоимость: вызовы моделей или содержание своих серверов, мониторинг качества, реакция на изменение поведения модели. Мы закладываем её в расчёт с самого начала, чтобы она не всплыла после запуска.
Разбираем процесс и данные, отбираем сценарии с посчитанным эффектом и даём заключение: что действительно решается ИИ, что дешевле решить обычной автоматизацией, а что сейчас не решается вообще. На выходе вилка стоимости пилота и оценка окупаемости. Объём работ фиксированный.
Работающее решение на ограниченном участке процесса с метрикой, зафиксированной до старта. Пилот проверяет гипотезу на реальных данных и даёт число, по которому можно решить, продолжать ли. Стоимость зависит от объёма сценария и числа интеграций.
Интеграция в рабочий контур, нагрузка, права доступа, наблюдаемость, поддержка и развитие. Здесь появляется постоянная часть: сопровождение и стоимость вызовов моделей. Работаем проектом или выделенной командой, в зависимости от того, планируете ли вы забрать систему к себе.
Этот расчёт мы делаем на диагностике, и вы можете сделать его сами до разговора с любым подрядчиком. Нужны четыре величины из вашего процесса:
Месячная экономия равна объёму, умноженному на стоимость операции и на переданную долю, минус стоимость эксплуатации. Срок окупаемости равен бюджету проекта, делённому на эту экономию. Если окупаемость выходит дольше года, проект в таком виде чаще всего начинать не стоит: лучше сузить сценарий до участка с наибольшим объёмом и посчитать заново.
На диагностике мы проводим этот расчёт вместе с вами и показываем его целиком, включая допущения, при которых он перестаёт работать.
Подробный разбор методики и типичных ошибок, которые завышают результат в разы, есть в статье «Как считать ROI от внедрения ИИ».
Калькулятор AVA: ваши цифры, без формы и без нашей цены.
Потому что одна и та же формулировка задачи означает разный объём работ. «Автоматизировать обработку заявок» может быть небольшим сценарием на готовых данных или большим проектом с разбором пяти систем. Вилку называем после короткого разговора и подтверждаем после диагностики, до того как вы потратите бюджет.
Пилот считается от сценария: сколько шагов процесса он покрывает, сколько систем затрагивает и какая нужна проверка качества. Мы стараемся сузить пилот до одного проверяемого утверждения. Так он дешевле и полезнее попытки «попробовать всё сразу».
Да, для диагностики и для пилота с чётко ограниченным объёмом, это нормальная практика. Бюджет промышленного внедрения до диагностики честно зафиксировать нельзя: такая цифра окажется либо завышенной страховкой, либо обещанием, которое придётся нарушить.
В большинстве бизнес-задач дешевле готовая модель с вашими данными и правилами. Обучение своей модели оправдано, когда задача узкая, данных много и нужна работа в закрытом контуре. На диагностике считаем оба варианта и сравниваем полную стоимость владения, включая эксплуатацию.
Она складывается из двух частей: инфраструктура и вызовы моделей (считаются по объёму) и работа инженеров по контролю качества. Поведение моделей меняется, и система без наблюдения деградирует незаметно. Поэтому этот контур мы закладываем в расчёт с самого начала.
Тогда так и скажем и объясним, как решить задачу дешевле. Это обычный исход: вы не тратите бюджет на проект, который не окупится.
Опишите процесс в двух абзацах: что происходит сейчас и что мешает. Ответим оценкой порядка стоимости и скажем, если задачу можно решить дешевле без ИИ.