Прогноз McKinsey обещает: к 2030 году 70% компаний обзаведутся решениями, использующими как минимум одну технологию искусственного интеллекта. Это значит, что в ближайшие годы мы столкнемся с большим количеством проектов по разработке и внедрению ИИ. Эффект от этого будет виден не сразу: по оценке McKinsey, в 2030 вклад ИИ-решений в рост бизнеса будет в три раза выше, чем сейчас.
Тем не менее, чтобы обосновать траты на новые технологии, нужно посчитать возврат инвестиций. Директор по развитию бизнеса в Embedika Дмитрий Козлов рассказал РБК Pro, как грамотно подойти к расчету ROI для ИИ-технологий.
Ниже приводим текст оригинальной публикации.
Решения на основе искусственного интеллекта — это недешево. При этом такие технологии становятся уже необходимыми для бизнеса: они не только позволяют снизить издержки, но и освобождают ресурсы для роста компании. Внедрять их стоит даже небольшому и среднему бизнесу — как минимум, для того, чтобы не отставать от конкурентов.
На рынке уже достаточно готовых коробочных решений, которые доступны компаниям любого масштаба. Однако стоит заранее подсчитать, насколько продукт реально закроет потребности бизнеса: какой % рабочих задач удастся автоматизировать, сколько человеко-часов освободить — и перевести это в деньги. Далее нужно сравнить полученный результат с расходами, как очевидными, так и скрытыми: на сам продукт, его адаптацию, поддержку, вспомогательное ПО, аренду серверов. Если в результате получится извлечь прибыль, значит, решение можно внедрять.
Для крупных компаний заказная разработка может быть лучшим решением, так как максимально адаптируется под задачи организации. Подобные системы требует большого количеств ресурсов, однако, точечно решают задачи бизнеса и позволяют в долгосрочной перспективе извлечь больше выгоды.
Независимо от того, какой вариант вы выберете, необходимо рассчитать возврат инвестиций (ROI) для оценки целесообразности вложений.
Зачем считать ROI?
Возврат инвестиций — стратегия финансового планирования для определения стоимости проекта. Расчет ROI поможет организации сделать правильное инвестиционное решение, а в дальнейшем увеличить прибыль.
Несколько основных причин, почему расчет ROI необходимо производить при реализации любого нового проекта:
● Понять ценность разработки. Зачастую руководители оценивают преимущества проекта субъективно. Однако финансовый показатель будет ориентиром, для принятия решения по развитию проекта.
● Обозначить ценность изменений руководству. Топ-менеджеры, которые далеки от рутинных процессов, могут не осознавать, насколько устарели текущие методы работы. Аргументированные показатели покажут, что инициатива несет финансовую прибыль для организации. Высокий ROI повысит вероятность одобрения от лиц, принимающих решения.
● Выявить скрытые преимущества. В процессе расчета ROI можно заметить неожиданные выгоды от будущего ИИ-решения, что поможет найти новых интересантов внутри компании и повысит шансы на успех.
● Расставить приоритеты. В крупной компании предлагать разработку ИИ-технологий могут разные люди и подразделения, но бюджет под эту задачу остается ограниченным. Рассчет ROI поможет выбрать те направления, которые нуждаются в новых решениях больше всего.
Конечно, главная цель при расчете ROI — понять, стоит ли давать разработке и/или внедрению ИИ-решения зеленый свет. Такая технология не окупается за год, поэтому стоит смотреть цифры за 3, 5 или 10 лет. Если через 3-4 года ROI становится положительным, значит, проект перспективный и его можно предлагать для реализации.
Каким бывает ROI и как его вычислить
В общем виде ROI считают так: из доходов, полученных в результате изменений, вычитают сумму инвестиций. Полученную чистую прибыль делят на инвестиционную стоимость:
ROI = ( чистая прибыль / инвестиционная стоимость ) X 100
Есть и другая интерпретация этой формулы, которую используют в управлении проектами:
ROI = [( финансовая ценность - стоимость проекта ) / стоимость проекта ] X 100
В зависимости от того, когда считается возврат инвестиций, можно выделить:
● Ожидаемый ROI — тот, что рассчитывается в начале проекта. Необходим, чтобы принять решение о его реализации. Все показатели — доход, затраты — являются на этом этапе оценками.
● Фактический ROI. Реальный возврат инвестиций, который вычисляют на базе потраченных денег и дополнительной выручки. Помогает оценить, был ли проект успешным. В сравнении фактического ROI с ожидаемым можно увидеть, все ли пошло по плану, был он недовыполнен/перевыполнен.
Положительный ROI говорит о том, что инвестиции оправданы — и чем выше показатель, тем лучше. Отрицательный ROI — сигнал о том, что дополнительные доходы от внедрения технологии не перевешивают расходов на ее создание и поддержание. В случае, когда ROI колеблется около нуля, проект практически не влияет на прибыль компании, но все равно может иметь смысл его реализовать — например, чтобы облегчить жизнь своим сотрудникам или повысить качество работы и своей продукции. Может, это и не увеличит выручку в первые 3-5 лет, но в более долгосрочной перспективе даст конкурентное преимущество и пространство для развития.
Инвестиции в ИИ: что стоит учесть
Затраты на разработку ИИ-решений можно разделить на несколько категорий.
1. Расходы на оплату специалистов. Команда, занимающаяся разработкой и внедрением ИИ-решений, обычно состоит из множества экспертов, таких как менеджеры проекта, IT-архитекторы, бизнес-аналитики, UI-дизайнеры, специалисты по Data Science, тестировщики, DevOps-инженеры и другие. Зарплаты этих сотрудников — значительная часть бюджета проекта.
2. Затраты на инфраструктуру. Это включает аренду серверов, расходы на телекоммуникации и оборудование, необходимое для тестирования. Однако можно сэкономить, например, используя облачные серверы вместо физических. В России 2023 года это не всегда возможно, поэтому альтернатива — нанять опытного DevOps-специалиста, который поможет оптимально использовать имеющиеся мощности.
3. Использованием вспомогательного ПО. Это API, операционные системы, платные базы данных. Хотя эти расходы обычно не являются крупными, они все же увеличивают бюджет на разработку ИИ-решений.
4. Обеспечение информационной безопасности. Это значительная статья расходов. При больших объемах данных нужно думать о безопасности системы. Понадобятся большие затраты на адаптацию архитектуры и инфраструктуры под требования информационной безопасности — они могут быть сравнимы или даже превышать стоимость самой разработки.
Среди расходов есть те, которые заказчики склонны недооценивать — при этом они серьезно увеличивают инвестиционную стоимость проекта:
● Получение и подготовка данных. Это база любого проекта в сфере machine learning — этот процесс занимает до 80% рабочего времени дата-сайентистов;
● Разметка данных. Это одна из самых затратных статей, потому что эта операция до сих пор в основном осуществляется вручную, к тому же, требует нескольких итераций;
● Поиск и подбор моделей. Хотя сейчас есть много готовых алгоритмов, подходов и библиотек, дообучить и настроить модель — это все еще кропотливое и времязатратное дело;
● Управление интерпретируемостью ИИ. Это этап, на котором создают специальный аналитический модуль для визуализации «хода мысли» ИИ. Он не всегда необходим, но может быть полезен заказчику проекта;
● Разработка пользовательского интерфейса. Если ИИ-решение встраивается в существующую систему, то нужно обеспечить его бесшовную интеграцию. Если это самостоятельный продукт, тогда нужно с нуля проектировать и реализовывать клиентский интерфейс;
● Поддержка моделей машинного обучения в процессе использования технологии;
● Доработка систем. Например, добавление новых функций, не предусмотренных изначальным ТЗ;
● Обучение. Сотрудникам понадобится какие-то время, чтобы приспособиться к использованию новой технологии, в это время их эффективность может быть ниже.
Конечно, если речь идет о проекте с внедрением коробочного решения, то инвестиционную стоимость определить будет гораздо проще: это стоимость самой технологии, необходимой для нее инфраструктуры и ПО плюс затраты на внедрение, обучение сотрудников и техподдержку.
Как определить финансовую ценность ИИ?
Есть четыре основных способа подсчитать, сколько дополнительного дохода принесет новое решение на базе ИИ.
1. Попробовать демо-версию. Это отличный вариант для тех, кто выбрал опцию с коробочным решением.
2. Запросить информацию у разработчика — если он специализируется на определенном типе технологий, скорее всего, он собирает подобную статистику.
3. Провести пилотный проект. Это доступно далеко не для каждого решения, но если можно проверить его на небольшом «куске» данных, потратив ограниченный бюджет, то это рабочий вариант.
4. Ручной метод — компания в ручном режиме имитирует работу технологии. Допустим, бизнес хочет разработать систему, которая автоматически заполняет карточки. Тогда можно попросить специалиста сначала самостоятельно обработать 100 карточек, а потом дать ему столько же готовых с определенным % ошибок — и посмотреть, на сколько меньше времени человек потратит на перепроверку «за ИИ» по сравнению с заполнением их вручную.
Нужно отметить, что, когда компания автоматизирует многоступенчатый процесс — в вопросе с документами это, в частности, проверка и согласование договора, маршрутизация, выгрузка и пересылка, — то считать ROI нужно отдельно для каждого этапа. И лишь в конце можно сложить все доходы и все расходы и посчитать финальную чистую прибыль и ROI. Это поможет избежать проекта по созданию ИИ-технологии в той части работы, которую быстрее и эффективнее сделает человек.
Для быстрой оценки ROI от внедрения ИТ-продуктов попробуйте ROI by Embedika — бесплатный онлайн-калькулятор для оценки рентабельности инвестиций. Инструмент учитывает параметры компании, считает экономию в деньгах и показывает ожидаемую прибыль. Сервис открыт для всех пользователей и не требует регистрации.
