Как понять, что ИИ уже приносит деньги: проверка зрелости компании

ИИ в компании легко перепутать с активностью. Сотрудники чаще открывают ChatGPT, руководитель показывает пару удачных примеров, в отделах появляются свои инструкции, кто-то делает внутреннего помощника. Все это полезно, но еще не доказывает, что ИИ приносит деньги.

Деньги появляются позже: когда меняется рабочий процесс, у задачи появляется владелец, результат можно измерить, а хороший прием превращается в повторяемый навык. Поэтому главный вопрос звучит не "используем ли мы ИИ", а "какая часть бизнеса стала работать иначе и лучше".

На это хорошо ложится исследование BCG The Widening AI Value Gap. BCG делит компании на три группы: около 5% уже получают существенную ценность от ИИ, 35% масштабируют применение и начинают получать эффект, а 60% почти не видят материальной отдачи. В пресс-релизе BCG также пишет, что компании-лидеры показывают 1,7 раза выше рост выручки, 3,6 раза выше трехлетнюю совокупную доходность акционеров и 1,6 раза выше маржу EBIT по сравнению с отстающими.

Важно прочитать это аккуратно. Это не волшебная формула "купили ИИ - выросла выручка". Скорее BCG показывает корреляцию зрелости: выигрывают компании, которые встроили ИИ в стратегию, процессы, людей, данные и измерение результата.

Сигнал: компании расходятся по скорости

BCG называет верхние 5% компаний future-built: они не просто автоматизируют отдельные задачи, а перестраивают работу вокруг ИИ. У них есть управленческая ставка, зрелая технологическая основа, обучение людей, фокус на ценности и готовность менять процессы. Поэтому разрыв растет не только из-за модели, а из-за способности компании быстрее превращать модель в рабочую систему.

Отдельная статья BCG AI Transformation Is a Workforce Transformation делает эту мысль еще жестче: в их логике большая часть ценности ИИ возникает не в алгоритмах, а в изменении людей, ролей, процессов и управления. Это очень важный антидот против простого мышления "поставим чат всем сотрудникам".

Отчет OpenAI The State of Enterprise AI 2025 показывает похожий сдвиг со своей стороны: корпоративный ИИ становится не игрушкой в отдельном чате, а частью рабочего контура. Мы уже разбирали это в статье про корпоративный ИИ как инфраструктуру. Новый шаг - научиться видеть, где инфраструктура реально дает эффект.

Пшат: что значит "ИИ приносит деньги"

На человеческом языке это значит: задача стала дешевле, быстрее, точнее, стабильнее или стала вообще возможной для человека, который раньше не мог ее выполнить. Но это должно быть видно в работе, а не только в ощущении.

Например, сотрудник стал готовить коммерческое предложение за 40 минут вместо трех часов. Это еще не бизнес-эффект. Бизнес-эффект появляется, если предложения стали выходить быстрее, менеджеры стали обрабатывать больше заявок, качество не просело, руководитель видит воронку, а типовая подготовка упакована в процесс или навык.

То же самое с юридической проверкой, аналитикой, поддержкой, маркетингом, редакцией, подбором персонала и разработкой. ИИ сам по себе ускоряет черновик. Компания зарабатывает, когда черновик попадает в управляемый путь: входные данные, правила, проверка, публикация или действие, метрика и обратная связь.

Метод: считать не промпты, а измененные процессы

Слабый учет ИИ начинается с вопроса "сколько людей пользуется". Сильный учет начинается с вопроса "какой процесс изменился". Это другой уровень мышления.

В компании можно выбрать три-пять процессов, где ИИ реально должен дать эффект: подготовка предложений, ответы клиентам, анализ заявок, проверка договоров, поиск по базе знаний, подготовка отчетов, генерация маркетинговых вариантов, контроль качества кода. Для каждого процесса нужно описать исходное состояние: сколько времени занимает работа, где ошибки, кто проверяет, какой результат нужен.

После этого ИИ внедряется не как "помощник вообще", а как часть маршрута. Он читает входные материалы, делает черновик, выделяет риск, предлагает действие, готовит файл, но не забирает у человека ответственность там, где нужна проверка.

1. 1
   Выберите один процесс

   Не "внедрить ИИ в компанию", а "ускорить подготовку КП", "уменьшить ручную проверку договоров", "быстрее отвечать на повторяющиеся вопросы клиентов".

2. 2
   Опишите вход и выход

   Какие документы, письма, таблицы, правила и примеры получает ИИ; какой файл, ответ, карточку или решение нужно получить.

3. 3
   Поставьте метрику

   Время цикла, число ошибок, доля ручных правок, скорость ответа, стоимость обработки, конверсия, качество по чеклисту.

4. 4
   Назначьте владельца

   Кто отвечает за сценарий, обновляет правила, принимает результат и решает, когда ИИ должен остановиться.

5. 5
   Упакуйте повторение

   Хороший сценарий должен стать навыком, шаблоном, регламентом, агентной задачей или частью внутренней системы.

Навык: мини-аудит ИИ-зрелости

Если нужно быстро понять, где компания находится сейчас, можно провести короткий аудит. Он не заменяет стратегию, но помогает убрать туман.

Артефакт: карта ценности вместо списка инструментов

Хороший итог такой статьи - не список модных моделей, а карта ценности. В ней есть процессы, боль, текущая стоимость, место ИИ, метрика, риск и следующий шаг. Это превращает разговор с уровня "какой сервис купить" на уровень "какую работу меняем".

И здесь хорошо видна связь с LABA. В статье про LABA как усиление бизнеса мы описывали компанию как систему процессов, документов, решений и реальной работы. ИИ-зрелость - это способность не просто подключить модель, а показать ей эту систему и встроить ее в понятные рабочие маршруты.

Rich block render error: mapping values are not allowed here
  in "<unicode string>", line 2, column 201:
     ... юся работу в управляемый процесс: с входами, правилами, проверко ... 
                                         ^

label: Редакционный вывод
body: ИИ начинает приносить деньги не в момент покупки подписки и не в момент первого красивого демо. Он начинает приносить деньги, когда компания превращает повторяющуюся работу в управляемый процесс: с входами, правилами, проверкой, владельцем, метрикой и сохраненным навыком.

Система: что делать дальше

Первый практический шаг очень простой. Возьмите один отдел и выберите одну повторяющуюся задачу, где люди уже используют ИИ неформально. Не запрещайте это и не празднуйте. Разберите как процесс.

Что приходит на вход? Что человек делает руками? Что ИИ уже помогает делать? Где результат нужно проверить? Какая ошибка будет дорогой? Что можно сохранить как шаблон? Что измерить через две недели?

После такого разбора появляется настоящая ИИ-зрелость первого уровня. Не презентация, не лозунг, не "у нас все пользуются". Появляется рабочий контур, который можно улучшать. А уже из него рождаются навыки, агенты, внутренние помощники, базы знаний и фабрики задач.

Источники

1. BCG: The Widening AI Value Gap
2. BCG: AI leaders outpace laggards
3. BCG: AI Transformation Is a Workforce Transformation
4. OpenAI: The State of Enterprise AI 2025