Почему ИИ нельзя назвать «волшебной кнопкой» для бизнеса?

Автор: Марат Даиров

Марат Даиров - Product Director (E-commerce & Fintech). Эксперт по масштабированию продуктов. В роли Product Director отвечал за Buyer Experience в BirBir (Узбекистан), где внедренные им решения и проверка бизнес-гипотез помогли платформе достичь отметки в 1 000 000+ MAU. Ранее запускал B2B-маркетплейс для Kazakhtelecom Business.

Мировой рынок искусственного интеллекта оценивается в сотни миллиардов долларов. Аналитики предрекают, что к 2030 году он добавит мировой экономике до 15 трлн долларов. Президент Касым-Жомарт Токаев регулярно отмечает, что цифровизация и ИИ - это условие конкурентоспособности страны, а не просто тренд. Но если спуститься с небес на землю, в реальный сектор бизнеса, мы не видим ИИ в каждой компании.

Почему так происходит? ИИ для бизнеса нельзя назвать «волшебной кнопкой» — это сложный инструмент оптимизации. Как директор по продукту, я часто вижу, как энтузиазм собственников разбивается о суровую «внутрянку».

Барьер реальности: почему пилоты не взлетают

На слайдах презентаций все выглядит гладко. Но при попытке реального внедрения всплывают четыре главных барьера:

1. Данные. Их качество, доступность и разрозненность. Часто компании просто не готовы «кормить» алгоритм, потому что данные не структурированы.

2. Интеграции. Встроить новую технологию в старые системы (legacy) сложнее, чем написать код с нуля.

3. Риски. Безопасность данных и юридические тонкости.

4. Ответственность. Бизнесу неясно, кто отвечает за ошибки модели.

Пока предприниматель не понимает, где именно технология даст прибыль и как посчитать эффект, он выбирает осторожность. И это нормально. Но игра стоит свеч.

Когда я работал над приложением BirBir в Узбекистане, под руководством фаундера и CPO, я отвечал за то, чтобы клиент получал максимальный пользовательский опыт. В таких крупных e-commerce проектах ключевым вызовом всегда становится сохранение темпов роста при усложнении продукта. Когда продукт достиг 1 000 000 активных пользователей в месяц (MAU), любая рутина: будь то модерация контента или логистика товаров, начинает требовать гигантских ресурсов. Именно здесь автоматизация и внедрение интеллектуальных алгоритмов становятся необходимым условием. ИИ позволяет расти кратно, не увеличивая расходы линейно.

Сколько это стоит на самом деле

Цены на рынке существенно различаются. Собственнику важно понимать, за что он платит:

• Уровень «Low-code». Настроить бота в конструкторе для ответов в WhatsApp можно самостоятельно или за копейки - от 20 до 200 долларов в месяц.

• Облачные решения. Готовые системы с интеграцией в CRM в среднем по СНГ стоят 800-1 500 долларов в месяц.

• Кастомная разработка. Решение на базе LLM (генеративных моделей), обученное на ваших данных - это уже от 30 000 до 100 000 долларов только за интеграцию.

• Big Tech. Верхней границы нет. Например, создатели модели DeepSeek заявили, что только на стартовое обучение потратили около 6 млн долларов.

Но интеграторы часто молчат о скрытых расходах (OPEX). Покупка решения подразумевает только начало. Далее вы платите за серверы, облака, бэкапы и техническое сопровождение. Для продукта с аудиторией 100 000 MAU ежемесячные расходы на инфраструктуру варьируются от 7 000 до 30 000 долларов (примерно 3,5-15 млн тенге).

Страх убытков сильнее страха утечек

Собственники бизнеса боятся не столько «восстания машин» или утечек данных, сколько простого сценария: «мы потратим бюджет, а это не окупится». Однако статистика на стороне смелых. По данным McKinsey, компании, внедрившие AI, сообщают о снижении затрат на 42% и росте выручки на 59%.

Когда я защищаю проект перед инвесторами, использую простую формулу P&L (отчет о прибылях и убытках).

Например:

• внедрение: 30 млн тенге;

• поддержка: 2 млн тенге в месяц;

• эффект (экономия + рост выручки): 6 млн тенге в месяц;

• Итог: окупаемость около 7 месяцев. Дальше система становится «печатным станком».

Где деньги лежат? От продаж до HR

Если вы хотите быстрых результатов, смотрите туда, где много рутины:

1. Продажи и клиентский сервис. Здесь самый быстрый эффект. Microsoft заявляет о росте выручки на продавца на 9,4% после внедрения Copilot. Кейс Klarna показал, что ИИ-ассистент за первый месяц выполнил работу, эквивалентную 700 сотрудникам.

2. Маркетинг. Экономия на продакшене. Mondelez ставит цель снизить стоимость контента на 30-50% с помощью GenAI.

3. Логистика и HR. Это игра вдолгую. UPS экономит сотни миллионов долларов на оптимизации маршрутов, а Unilever - 1 млн долларов в год на рекрутинге.

Важное предупреждение: ИИ не лечит бардак. Если в вашей CRM дубли и хаос, ИИ просто масштабирует этот хаос. Принцип Garbage in, garbage out (мусор на входе - мусор на выходе) работает безотказно.

С чего начать завтра?

Не пытайтесь сразу строить «звездолет». Следуйте стратегии Microsoft: «build, buy, or both».

Для типовых задач (поддержка, письма) купите готовое решение. Запустите пилот, замерьте метрики. Не нанимайте сразу штат дорогих ML-инженеров, если не планируете создавать уникальный продукт, которого нет на рынке.

И главное правило: в клиентском сервисе не закрывайте дверь к живому человеку. По данным Gartner, 64% клиентов не хотят общаться с роботами, если это не решает их проблему мгновенно. Идеальная схема - ИИ как первый эшелон обороны с мгновенным переключением на оператора в сложных случаях. Внедрение ИИ - это не гонка за модой, а холодный расчет.