Короткий ответ
AI ROI начинается не с вопроса «какую модель взять», а с вопроса «какой кусок работы станет быстрее, дешевле или точнее». Всё остальное - демо-театр.
Рабочая схема
Карта AI ROI: от демо к деньгам
AI приносит деньги только там, где связан с процессом, метрикой и владельцем. Без этой связки он остаётся красивой демонстрацией.
Нейросеть не обязана экономить деньги
В компании появляется ChatGPT, Copilot, ещё два сервиса для картинок, один бот для расшифровок и презентация на 43 слайда про AI-трансформацию. Через три месяца финансовый директор задаёт простой вопрос: где деньги?
И в комнате становится неприятно тихо.
Потому что многие AI-внедрения устроены как ремонт кухни без кухни. Люди покупают инструмент, показывают красивый пример, радуются скорости, а сам процесс остаётся прежним. Просто теперь прежний процесс быстрее производит прежнюю неразбериху.
AI не создаёт ROI сам. Он усиливает уже существующую механику. Если механика здравая, появляется скорость. Если механика мутная, появляется быстрая мутность.
Где начинается настоящий ROI
Настоящий ROI начинается там, где AI привязан к конкретному участку работы. Не «повысим эффективность команды», а «сократим подготовку конкурентного разбора с 12 часов до 3». Не «ускорим маркетинг», а «из одного вебинара за 48 часов собираем пять согласованных форматов».
В B2B особенно важно считать не только часы. Иногда главный эффект не в экономии, а в снижении риска. Быстрее подготовили материалы для закупочного комитета. Не потеряли внутреннего чемпиона. Раньше увидели, что сделка умирает. Это не всегда красиво ложится в Excel, но именно там живут деньги.
Я бы делил AI-эффект на четыре корзины: скорость, себестоимость, точность и новая выручка. Если пилот не попадает ни в одну корзину, это не пилот, а развлечение для уставшей команды.
Пять мест, где AI в B2B обычно окупается
Первое место - research. Быстрый сбор рынка, конкурентов, сигналов, интервью, транскриптов. Не вместо головы, а перед головой. AI хорошо поднимает сырьё на стол, но плохо решает, что из этого правда важно.
Второе - материалы под роли. В enterprise-сделке CFO, procurement, пользователь и внутренний чемпион читают разные документы. AI помогает быстро собрать черновики под каждую роль. Но рамка всё равно должна быть человеческой.
Третье - речевая аналитика. Звонки продаж, интервью, встречи, разборы. Там спрятана правда о рынке, которую CRM часто не видит.
Четвёртое - переиспользование контента. В фарме и B2B я много раз видел одну и ту же глупость: дорогое мероприятие закончилось, а материал умер. AI помогает разложить событие на выжимки, письма, клипы, страницы, sales enablement.
Пятое - управленческая память. Решения, встречи, гипотезы, обещания, причины отказов. Без памяти компания каждый квартал заново делает вид, что впервые увидела рынок.
Почему пилоты не становятся системой
Пилот часто делают там, где проще показать результат, а не там, где он нужен. Берут весёлый кусок: написать пост, нарисовать картинку, пересказать документ. Получается быстро. Руководство улыбается. Потом все расходятся, потому что бизнес-процесс не изменился.
Сильный AI-пилот должен иметь владельца процесса. Не владельца технологии, не энтузиаста, который всё это принёс, а человека, у которого болит метрика. Если метрика не болит, пилот будет жить до первого отпуска.
Ещё одна ошибка - считать только экономию. AI может дать компании не меньше денег через качество решения. Например, быстро собрать карту сегмента до выхода на рынок. Или проверить гипотезу до того, как команда сожгла два месяца и рекламный бюджет.
Как считать: простая карта
Я бы начинал с одной таблицы. Процесс. Текущая цена. Узкое место. AI-ход. Метрика после внедрения. Риск. Владелец. Дата проверки.
Если эту таблицу невозможно заполнить, внедрение ещё не созрело. Значит, компания хочет не AI, а ощущение, что она не отстала.
Сильная AI-работа скучнее презентаций про будущее. Она похожа на ревизию хозяйства. Где у нас ручной труд? Где повторяется один и тот же документ? Где люди каждый раз ищут старое решение? Где мы теряем знания после созвона? Где дорого ошибаться?
Где AI лучше не трогать сразу
Не надо начинать с зоны, где цена ошибки выше цены экономии. Юридические обещания, медицинские рекомендации, финальные коммерческие условия, публичные заявления, сложные переговорные позиции - всё это сначала должно пройти через человека.
Не надо отдавать AI то, что компания сама не умеет формулировать. Если у вас нет нормального позиционирования, AI не напишет сильный оффер. Он напишет уверенный текст про слабую мысль.
И не надо начинать с задачи, которую никто не хочет брать на себя. AI не лечит управленческую трусость. Он просто делает её технологичнее.
Что делать в первые 30 дней
Выберите три процесса. Не десять. Три. У каждого должна быть понятная цена: часы, деньги, риск или потерянные сделки.
Снимите текущую механику. Кто делает, сколько времени уходит, где ошибки, сколько раз переделывают, что лежит в голове одного человека.
Соберите один рабочий AI-протокол. Не «промпт», а протокол: входные данные, шаги, критерии качества, человек на финальном решении, место хранения результата.
Через месяц не спрашивайте, понравилось ли команде. Спросите, что изменилось в процессе. Если ничего - закрывайте пилот или пересобирайте.
Вывод
AI ROI - это не вера в технологию. Это взрослая бухгалтерия процесса.
Где была ручная грязь - стало чище. Где была потеря памяти - появилась память. Где сделка умирала в паузе - появился следующий ход. Где research был свалкой - появился вывод.
Если ничего из этого не произошло, у вас не AI-внедрение. У вас новая игрушка в старой комнате.
Сцена: пилот понравился, а денег нет
Самая частая картинка: команда показывает демо, в комнате тепло, все кивают. Модель собрала отчёт, сократила документ, написала письмо, нашла похожие кейсы. На уровне впечатления всё хорошо. На уровне бизнеса ничего не произошло.
Почему? Потому что демо живёт в отдельной комнате. Оно не вшито в CRM, не меняет маршрут сделки, не сокращает согласование, не даёт продавцу следующий шаг, не убирает ручную работу у конкретного человека. Оно доказывает, что технология умеет. Но бизнесу не платят за то, что технология умеет.
Я видел похожую ловушку до AI: красивые BI-дашборды, которые никто не использует; CRM, где поля заполнены для отчёта, а не для решения; контент-стратегии, которые не доходят до продажи. AI просто сделал эту старую проблему громче. Теперь иллюзия пользы собирается быстрее и выглядит убедительнее.
Поэтому первый вопрос после любого AI-пилота должен звучать грубо: кто завтра работает иначе? Если ответа нет, ROI ещё не начался. Можно оставить пилот как лабораторию, но нельзя продавать его внутри компании как экономику.
Четыре R: run, risk, revenue, reuse
Чтобы не спорить вкусами, я использую простую рамку из четырёх корзин. Run cost - сколько стоит текущая работа. Risk - где компания ошибается, задерживается, обещает лишнее или теряет память. Revenue - где AI помогает продавать больше, точнее или быстрее. Reuse - где один раз созданный материал начинает жить дольше одного события.
Run cost хорошо считать на операционных задачах: расшифровки, первичный research, сбор справок, обновление карточек, подготовка однотипных документов. Там видны часы и цена часа. Но если смотреть только туда, компания часто автоматизирует дешёвую рутину и проходит мимо дорогих решений.
Risk в B2B бывает дороже часов. Например, продавец не заметил, что в сделке нет человека из закупки. Или маркетинг сделал материал, который не проходит юридическую проверку. Или команда вышла на новый сегмент с прежним языком и сожгла первые контакты. AI может помогать ловить такие риски раньше, но считать это надо через предотвращённые потери, а не через «сэкономили 40 минут».
Revenue и reuse - самые недооценённые корзины. Из одного сильного вебинара можно собрать страницу, письмо, короткий ролик, материал для продавца, FAQ для закупки и пост для эксперта. Без AI это часто не делают, потому что все устали после события. С AI это можно превратить в процесс. Деньги появляются не от генерации, а от повторного использования смысла.
Как выглядит нормальный бизнес-кейс
Нормальный бизнес-кейс по AI помещается на одну страницу. Не потому что тема простая, а потому что решение должно быть ясно сформулировано. Слева - текущий процесс. Кто делает, сколько раз в месяц, сколько часов уходит, где типовые ошибки, что тормозит следующий шаг.
В центре - AI-ход. Какие входные данные нужны, что делает модель, кто проверяет, куда попадает результат. Здесь сразу видны слабые места. Если входные данные лежат в личных чатах, а результат никто не хранит, бизнес-кейс разваливается раньше, чем началась автоматизация.
Справа - метрика. Не пятьдесят метрик, а одна главная и две контрольные. Главная отвечает на вопрос денег или риска. Контрольные не дают обмануть себя красивой скоростью. Например: время подготовки account brief сократилось с 6 часов до 90 минут, но качество не ниже 8 из 10 по чек-листу sales lead, а источники сохранены.
Такой лист неприятен тем, что он быстро убирает магию. И это хорошо. Если AI выдерживает этот лист, его можно внедрять. Если не выдерживает, лучше узнать это на бумаге, а не после трёх месяцев энтузиазма.
Где нельзя считать слишком прямо
Есть зоны, где грубый расчёт «сэкономили часы - получили ROI» делает компанию глупее. Стратегия, позиционирование, сложные переговоры, вход в новый рынок, работа с reputational risk. Там ценность не всегда в скорости. Иногда ценность в том, что команда не приняла дешёвое неверное решение.
AI может помочь собрать поле вариантов, сравнить аргументы, поднять забытые вводные, показать противоречия. Но финальная рамка остаётся человеческой. Если компания отдаёт машине право думать за себя в зоне стратегического выбора, она покупает не эффективность, а алиби.
Поэтому в сложных задачах я бы считал не «AI заменил человека», а «AI расширил поле перед решением». Сколько альтернатив увидели. Сколько рисков поймали до запуска. Сколько слабых гипотез сняли до бюджета. Сколько материалов подготовили для внутреннего обсуждения. Это более взрослая экономика.
90 дней: как превратить AI из игрушки в систему
Первые 30 дней - инвентаризация. Найти три процесса, где есть повторяемость, цена боли и владелец. Не надо начинать со всего бизнеса. У компании и так хватает хаоса. Один процесс в продажах, один в маркетинге, один в управленческой памяти - уже достаточно.
Следующие 30 дней - протоколы. Для каждого процесса описать вход, шаги, критерии качества, роль человека, место хранения результата. Это скучно, зато здесь рождается экономика. AI без протокола похож на талантливого человека, которому каждый раз объясняют задачу заново.
Последние 30 дней - решение о масштабе. Что закрываем. Что оставляем как ручной инструмент. Что встраиваем в рабочий маршрут. Что требует данных, интеграции или нового владельца. Сильная компания не боится сказать: этот пилот красивый, но денег не даёт. Это тоже результат.
И главное: AI ROI не надо защищать восторгом. Если процесс стал быстрее, чище, дешевле или точнее, это видно без религиозных речей. Если не стало, честнее остановиться и пересобрать задачу.
Источники и сигналы рынка
Эти ссылки нужны не для солидности. Они фиксируют внешний контекст, в котором сейчас принимает решения B2B-рынок.
FAQ: короткие ответы
Как понять, что AI даёт ROI?
Смотреть на изменение процесса: меньше ручных часов, быстрее цикл, ниже цена ошибки, выше конверсия или точнее решение. Если изменился только энтузиазм команды, ROI ещё нет.
С чего начинать AI-внедрение в B2B?
С одного узкого процесса, где уже есть данные и понятная цена боли: research, расшифровки, подготовка материалов под роли, CRM-гигиена, анализ звонков.
Почему AI-пилоты часто не окупаются?
Потому что их запускают как демонстрацию технологии, а не как изменение работы. Пилот без владельца процесса почти всегда умирает после красивого демо.
Нужно ли сразу внедрять AI-агентов?
Нет. Сначала надо понять, где допустима автономия. Агент без границ ответственности превращает скорость в риск.
Какая метрика лучше всего подходит для AI ROI?
Одна главная метрика процесса: время подготовки отчёта, стоимость research, скорость ответа клиенту, точность forecast, доля повторного использования контента.
Лучше не превращать это в ещё один сохранённый текст
Если вы узнали свою ситуацию, можно начать с короткого сообщения: что происходит, где застряли, какой следующий шаг нужен. Я отвечаю не всем задачам, но быстро понимаю, где есть взрослая работа.