Софья Проскурякова: окупаемость обучения нейросетям считается по формуле
03.08.2026 14:23:49
159
0
Чтобы обучение нейросетям принесло реальный результат, недостаточно провести семинар и выдать сертификаты. Нужно заранее определить цели, замерить текущие показатели и посчитать окупаемость. О том, с чего начинать внедрение ИИ в компании и как рассчитать возврат инвестиций, в рамках цикла «Экспертный клуб» специально для «Бизнес новостей» рассказала основатель стартапа «ИИ Лаборатория ТОКЕН» Софья Проскурякова.
— С чего стоит начинать, чтобы обучение нейросетям действительно привело к измеримому результату, а не осталось в статусе «полезного семинара»?
— Не начинайте с обучения, начните с целеполагания. До обучения ответьте на вопрос: в каких задачах нейросети должны сэкономить время или деньги именно в вашей компании. Цель состоит не в том, чтобы обучить сотрудников, как пользоваться нейросетями, а, например, в том, чтобы сократить подготовку коммерческого предложения с четырёх часов до одного или снизить стоимость разработки единицы контента на хх%.
Далее предпримите три шага.
1. Замерьте базу: сколько сейчас времени и денег уходит на выбранные задачи. Без этого шага любой разговор об эффекте после обучения превращается в ощущения.
2. Обучайте не работе с нейросетями, а конкретным сценариям по ролям: у юриста, продавца и дизайнера будут разные инструменты и разные промпты.
3. Назначьте ответственного за внедрение после обучение.
Можно провести пилот на одной команде. На ней проще замерить эффект, собрать работающие сценарии и только потом масштабировать на всю компанию.
— Как рассчитать, вернулись ли вложенные в обучение деньги, и какие параметры важно замерить до и после?
— Формула: ROI = (экономический эффект − затраты) / затраты × 100%.
В затраты включайте не только стоимость курса, но и часы сотрудников на обучение (умноженные на стоимость их часа) и подписки на выбранные ИИ-инструменты.
Эффект складывается из двух частей: сэкономленное время и доход или прямая экономия. Замеряете длительность типовых задач до и после, умножаете сэкономленные часы на стоимость часа сотрудника, а также проверяете, есть ли после обучения отказ от части подрядчиков или рост объема работы.
Что фиксировать до и после (через 2–3 месяца):
► время выполнения 3–5 типовых задач;
► стоимость единицы результата — статьи, лида, макета;
► долю сотрудников, реально использующих ИИ еженедельно (привлеките к этой задаче своих IT-специалистов, чтобы они замеряли работу по логам, а не по опросам сотрудников);
► качество: долю переделок, ошибок, возвратов на доработку.
— С какими типичными сложностями сталкиваются компании при попытке посчитать окупаемость, и как их обойти?
— Эффект размазан и смешан с другими факторами: выросли продажи, но одновременно наняли новых людей и запустили рекламу. Чтобы этого избежать, необходимо смотреть не на компанию в целом, а на узкие измеримые процессы: команда, прошедшая обучение, сравнивается с той, что ещё не прошла.
Сэкономленное время не превращается в деньги автоматически. Если сотрудник освободил 5 часов в неделю и тратит их непонятно на что, экономии нет. Освободившиеся часы должны быть загружены.
Опирайтесь на объективные данные, а не на самоотчеты сотрудников — логи инструментов, фактические сроки задач в таск-трекере, стоимость закрытых работ.
Замеряйте результат не сразу, сразу после курса присутствует эффект новизны: активность высокая, но через время она падает. Контрольная точка — через 2–3 месяца.
И главное: не пытайтесь посчитать «эффект от ИИ вообще». Выберите 3–5 процессов, где эффект измерим в часах и рублях, — этого достаточно и для управленческих решений, и для честного ответа на вопрос, окупилось ли обучение.
— Не начинайте с обучения, начните с целеполагания. До обучения ответьте на вопрос: в каких задачах нейросети должны сэкономить время или деньги именно в вашей компании. Цель состоит не в том, чтобы обучить сотрудников, как пользоваться нейросетями, а, например, в том, чтобы сократить подготовку коммерческого предложения с четырёх часов до одного или снизить стоимость разработки единицы контента на хх%.
Далее предпримите три шага.
1. Замерьте базу: сколько сейчас времени и денег уходит на выбранные задачи. Без этого шага любой разговор об эффекте после обучения превращается в ощущения.
2. Обучайте не работе с нейросетями, а конкретным сценариям по ролям: у юриста, продавца и дизайнера будут разные инструменты и разные промпты.
3. Назначьте ответственного за внедрение после обучение.
Можно провести пилот на одной команде. На ней проще замерить эффект, собрать работающие сценарии и только потом масштабировать на всю компанию.
— Как рассчитать, вернулись ли вложенные в обучение деньги, и какие параметры важно замерить до и после?
— Формула: ROI = (экономический эффект − затраты) / затраты × 100%.
В затраты включайте не только стоимость курса, но и часы сотрудников на обучение (умноженные на стоимость их часа) и подписки на выбранные ИИ-инструменты.
Эффект складывается из двух частей: сэкономленное время и доход или прямая экономия. Замеряете длительность типовых задач до и после, умножаете сэкономленные часы на стоимость часа сотрудника, а также проверяете, есть ли после обучения отказ от части подрядчиков или рост объема работы.
Что фиксировать до и после (через 2–3 месяца):
► время выполнения 3–5 типовых задач;
► стоимость единицы результата — статьи, лида, макета;
► долю сотрудников, реально использующих ИИ еженедельно (привлеките к этой задаче своих IT-специалистов, чтобы они замеряли работу по логам, а не по опросам сотрудников);
► качество: долю переделок, ошибок, возвратов на доработку.
— С какими типичными сложностями сталкиваются компании при попытке посчитать окупаемость, и как их обойти?
— Эффект размазан и смешан с другими факторами: выросли продажи, но одновременно наняли новых людей и запустили рекламу. Чтобы этого избежать, необходимо смотреть не на компанию в целом, а на узкие измеримые процессы: команда, прошедшая обучение, сравнивается с той, что ещё не прошла.
Сэкономленное время не превращается в деньги автоматически. Если сотрудник освободил 5 часов в неделю и тратит их непонятно на что, экономии нет. Освободившиеся часы должны быть загружены.
Опирайтесь на объективные данные, а не на самоотчеты сотрудников — логи инструментов, фактические сроки задач в таск-трекере, стоимость закрытых работ.
Замеряйте результат не сразу, сразу после курса присутствует эффект новизны: активность высокая, но через время она падает. Контрольная точка — через 2–3 месяца.
И главное: не пытайтесь посчитать «эффект от ИИ вообще». Выберите 3–5 процессов, где эффект измерим в часах и рублях, — этого достаточно и для управленческих решений, и для честного ответа на вопрос, окупилось ли обучение.