Сколько стоит НЕ внедрять on-premise ИИ: расчёт упущенной выгоды для крупного бизнеса
Вопрос «сколько стоит внедрить ИИ» обсуждают на каждом комитете. Вопрос «сколько мы теряем, пока не внедрили» задают редко — а именно он чаще решает судьбу бюджета
Стоимость пилота on-premise ИИ известна и ограничена — несколько миллионов рублей. Стоимость бездействия редко считают, хотя для крупной компании она складывается из часов на рутину, цены ошибок, простоев и медленных решений и накапливается каждый месяц. В этом материале — как CFO посчитать упущенную выгоду, ROI и окупаемость на данных своей компании. Все цифры в примерах — модельные: их нужно заменить на ваши, прежде чем выносить на комитет.
Почему вопрос «сколько стоит ИИ» неполный
На бюджетном комитете обычно звучит один вопрос: сколько стоит внедрить. Ответ на него мы разбирали отдельно — из чего складывается бюджет пилота, какие диапазоны встречаются на рынке (см. разбор стоимости пилота on-premise LLM). Цифра там конечна и управляема: пилот укладывается в несколько миллионов, промышленный запуск — в десятки.
Проблема в том, что это только одна сторона уравнения. Вторая — стоимость бездействия. Пока решение откладывается, компания продолжает оплачивать тот же процесс в его текущем, неоптимизированном виде. Сотрудники по-прежнему тратят по полчаса в день на поиск документов, юристы вычитывают договоры вручную, диспетчер узнаёт об аномалии, когда оборудование уже встало.
На комитете это выглядит асимметрично. Затраты на пилот — строка в бюджете, её видно. Потери от бездействия — размазаны по десяткам подразделений и не попадают ни в один отчёт. Их никто не оплачивает отдельным платежом, поэтому кажется, что их нет. Они есть — просто не выделены строкой.
Вывод простой: чтобы обоснование выдержало защиту на комитете, считать нужно обе стороны — и стоимость внедрения, и стоимость отказа от него. Сравнение этих двух чисел и есть ваш главный аргумент.
Пять категорий упущенной выгоды
Бездействие звучит абстрактно ровно до тех пор, пока его не разложить на счёт. А счёт раскладывается на пять статей — от тех, что считаются в лоб, до тех, что приходится оценивать вилкой.
Пять категорий, из которых складывается cost of inaction
Поиск документов, перепечатка данных, сверка версий, типовые ответы. Считается прямо — через ставку и часы.
Пропущенный пункт в договоре, неполная проверка контрагента, просроченное согласование. Считается через стоимость инцидента и его вероятность.
Час остановки производства или сети стоит дороже любого пилота. Считается через стоимость часа простоя и вероятность события.
Пока ответ ищут по архиву и почте, решение откладывается. Медленный доступ к информации — это отложенная выручка и упущенные сделки.
Скорость подготовки КП, анализа тендеров, отчётности и адаптации новых сотрудников. Эффект распределённый, но именно он чаще всего недооценён.
1. Время сотрудников на рутину
С этой категорией проще всего — её видно в любом табеле учёта времени. Считается в лоб:
30 минут/день × N сотрудников × ставка в час × 200 рабочих дней Полчаса в день — осторожная оценка для процессов вроде поиска по архиву, сверки версий документа или подготовки типового ответа. Ниже — что это даёт в часах и деньгах для разного размера компании при ставке с накладными около 1 500–2 500 ₽/час.
| Размер компании | Потери в день | Оценка в деньгах |
|---|---|---|
| 1 000 сотрудников | 500 чел.-ч/день | 150–250 млн ₽/год |
| 5 000 сотрудников | 2 500 чел.-ч/день | 750 млн – 1,25 млрд ₽/год |
| 10 000 сотрудников | 5 000 чел.-ч/день | 1,5–2,5 млрд ₽/год |
Расчёт условный: он предполагает, что рутина равномерно распределена и что ИИ закрывает её целиком. На практике применима только часть процессов, поэтому итог нужно умножать на долю автоматизируемых задач — об этом ниже, в калькуляторе.
Даже если ужать эту оценку вдвое, а потом ещё раз вдвое, для компании на 5 000 человек остаются сотни миллионов в год. На таком фоне пилот за несколько миллионов перестаёт выглядеть «дорогим» — он выглядит как страховка от уже идущих потерь.
2. Цена ошибок в compliance-задачах
Эту категорию в табеле учёта времени не увидишь — она проявляется потом, когда ошибка уже стоила денег. Пропущенный невыгодный пункт в договоре, неполная проверка контрагента в KYC, незамеченное требование ИБ, согласование, которое зависло на неделю и сорвало сделку. Каждый такой случай по отдельности кажется исключением, но на потоке договоров это система.
Считать эту категорию нужно осторожно. Конкретные суммы штрафов и санкций имеет смысл подставлять только из проверенных источников — действующих норм и реальной практики вашей отрасли, а не из общих рассуждений. Модель оценки при этом универсальна: стоимость одного инцидента × частота × вероятность того, что его пропустят при ручной обработке.
ИИ здесь не заменяет юриста или комплаенс-офицера, а работает как первый фильтр: подсвечивает отклонения от шаблона, нетиповые формулировки, недостающие пункты. Финальное решение остаётся за человеком — но человек уже смотрит не на 100 страниц, а на пять подозрительных.
Здесь вы покупаете не сэкономленные часы, а спокойствие. Один невыгодный пункт, замеченный до подписания, окупает такой фильтр на годы вперёд. Поэтому для комитета эту категорию честнее подавать не как экономию, а как управление риском: «снижаем вероятность инцидента стоимостью X с уровня P1 до P2».
3. Цена внеплановых простоев в КИИ
Для производства, энергетики и связи это категория с самыми большими суммами. Час остановки магистральной сети или производственной линии стоит дороже, чем годовое сопровождение пилота. Предиктивная аналитика здесь не экономит часы сотрудников — она сдвигает вероятность аварии (подробнее — в кейсе PredictMaintain).
Модель оценки такая же сдержанная, без выдуманных миллионов:
стоимость часа простоя × ожидаемая длительность × вероятность события за период Стоимость часа простоя у заказчика обычно уже посчитана — она нужна для других задач. Вероятность и длительность берутся из собственной статистики отказов. Эффект ИИ — это снижение вероятности или сокращение времени реакции, а не обнуление рисков. Один предотвращённый серьёзный простой нередко окупает проект целиком.
Есть критичное оборудование с историей отказов? Тогда начинать счёт стоит именно отсюда: здесь самые крупные суммы и самое короткое обоснование для комитета.
4. Скорость поиска и принятия решений
Медленный доступ к информации — это не только потраченные часы, но и отложенные решения. По внутренним материалам внедрений AzoneDoc поиск нужного документа в архиве сокращается с 2–4 часов до 1–3 минут (см. кейс AzoneDoc). Эффект двойной: освобождается время и ускоряется сама бизнес-операция, которая упиралась в этот поиск.
Представьте типичную сцену. Юрист готовит ответ на претензию, и ему нужен похожий пункт из договора трёхлетней давности. Раньше это означало полдня в архиве и переписку с коллегами «у кого остался тот файл». С семантическим поиском по корпусу нужная формулировка находится за минуту — и ответ уходит в тот же день, а не на следующей неделе. Когда аналитик собирает данные для решения не за неделю, а за час, выигрыш не только в часах: раньше принятое решение иногда стоит дороже самого сэкономленного времени.
Время поиска удобно тем, что его легко замерить до и после — поэтому оно отлично работает как метрика пилота. А вот «ускорение решений» честнее показывать качественно: приписывать ему точную сумму без данных — значит выдавать желаемое за расчёт.
5. Конкурентная позиция
Эту категорию недооценивают чаще всего — её не записать одной строкой в бюджет. Но она измерима через скорость ключевых операций: подготовку КП, разбор тендера, ввод нового сотрудника в курс дела. Если конкурент отвечает на запрос за день, а вы — за неделю, часть сделок уходит не по цене. По скорости.
И это почти не попадает в отчёт об упущенной выручке: проигранную из-за медлительности сделку обычно списывают на что-то другое — цену, отношения, «не сложилось».
Считать всю категорию в деньгах рискованно — слишком много допущений. Возьмите одну-две операции с понятной экономикой, например цикл подготовки КП, и посчитайте эффект на них. Остальное оставьте как качественный аргумент, не натягивая на него цифры.
Калькулятор упущенной выгоды
Подставьте параметры своей компании и получите ориентир по годовой стоимости бездействия в части рутины. Расчёт строится на той же формуле, что выше, с поправкой на долю процессов, где ИИ действительно применим. Это прикидка для разговора, а не коммерческое предложение.
Формула: сотрудники × (минуты ÷ 60) × дни × ставка × доля. Учитывается только категория «время на рутину»; ошибки, простои и скорость решений считаются отдельно. Результат — модельный коридор, не обещание экономии.
Полученное число — это не обещание столько сэкономить, а порядок величины, относительно которого пилот за несколько миллионов перестаёт быть статьёй расходов и становится инвестицией. Главный здесь — ползунок «доля процессов». На старте доля автоматизируемых задач обычно оказывается в районе 25–40%, а не 60–70%, как закладывают в оптимистичных презентациях; поэтому по умолчанию он и стоит на 40 — это уже верхняя граница реализма. Настоящую цифру показывает обследование. И помните: калькулятор считает только рутину; ошибки, простои и скорость решений добавляются к этому сверху.
Трёхлетняя ROI-модель
Калькулятор выше даёт одно число — годовую стоимость рутины. Но комитет мыслит не годовыми срезами, а денежным потоком: когда мы вкладываемся, когда выходим в плюс, что накапливается. Поэтому ту же упущенную выгоду вместе с затратами полезно развернуть на горизонт трёх лет. Ниже — скелет такой модели. Все числа — в млн ₽ и условные: это пример структуры, который нужно заменить на данные заказчика.
| Год | CAPEX | OPEX | Чистый эффект | Накопленный |
|---|---|---|---|---|
| Год 0 (пилот) | 4–7 | 0 | −4…−7 | −4…−7 |
| Год 1 | 0 | 2–4 | +14…+27 | +7…+22 |
| Год 2 | 0 | 2–4 | +22…+39 | +29…+61 |
| Год 3 | 2–4 | 2–4 | +27…+45 | +56…+106 |
«Предотвращённые потери» в этой модели включены в колонку «снижение рисков». Логика потока: первый год тратится на возврат вложений пилота, со второго накопленный эффект уверенно положительный. Конкретные значения сильно зависят от отрасли и масштаба — у производства с дорогими простоями кривая круче, у офисной компании положе.
Это методика, а не прогноз для вашей компании. Гарантировать конкретный срок окупаемости заранее некорректно. Корректно — показать структуру расчёта и подставить в неё проверяемые данные.
Стоимость внедрения против стоимости бездействия
Финальное сравнение, ради которого собирался весь расчёт. Слева — то, что видно в бюджете и пугает. Справа — то, что не видно и потому не пугает, хотя должно.
| Статья | Стоимость внедрения | Стоимость бездействия |
|---|---|---|
| Пилот (3–4 мес.) | 4–7 млн ₽, разово | — (это и есть инвестиция) |
| Промышленный запуск | 10–30 млн ₽, разово | — |
| Сопровождение (год) | 15–25% от CAPEX | — |
| Упущенная выгода | — | десятки–сотни млн ₽/год (зависит от масштаба) |
| Горизонт окупаемости | обычно 12–24 мес. | накапливается ежемесячно, пока решение не принято |
Разница в природе чисел, а не только в их размере. Затраты на внедрение разовые и ограниченные. Упущенная выгода повторяется и накапливается. Поэтому на комитете вопрос звучит не «можем ли мы позволить себе пилот», а «сколько ещё мы готовы платить за то, чтобы его не делать».
Когда НЕ внедрять ИИ — рациональное решение
Честный материал для CFO должен включать и обратную сторону. Есть ситуации, в которых отказ от ИИ — не упущенная выгода, а сэкономленные деньги.
Архив не оцифрован, журналы ведутся в головах, телеметрия не пишется. Модели не на чем учиться и искать. Сначала — данные, потом ИИ.
Если за процесс не отвечает конкретный человек с полномочиями, пилот некому принимать и некому эксплуатировать. Проект умрёт после демо.
Если процесс настолько редкий или маржинальный, что экономию нельзя выразить в деньгах или часах, обоснования для бюджета не будет.
Регламент переписывается каждый квартал — модель и база знаний не успевают за изменениями, поддержка съедает весь эффект.
Иногда достаточно переписать регламент, навести порядок в СЭД или включить нормальный полнотекстовый поиск. Это честный ответ, и он экономит бюджет.
Совпал хотя бы один пункт? Тогда сначала закройте его, а к расчёту cost of inaction вернитесь позже. И ещё: подрядчик, который честно говорит «вам ИИ пока не нужен», экономит вам больше, чем тот, кто продаёт пилот любой ценой.
Чек-лист финансовой готовности к пилоту
Что делать дальше
Не «внедрить ИИ вообще», а закрыть конкретную боль с измеримым эффектом.
Часы, ставки, объёмы, частота ошибок, стоимость простоев. Это база для любого расчёта.
Сколько процесс стоит сейчас и сколько компания теряет ежемесячно, пока он не оптимизирован.
Управляемый эксперимент на ограниченной задаче с зафиксированными метриками.
По тому, что пилот реально показал на ваших данных. Презентация тут уже не аргумент. В том числе возможно решение «не масштабировать».
Если хотите проверить расчёт на данных своей компании, AZONE-AI может провести экспресс-аудит процессов и собрать модель ROI и cost of inaction под ваш сценарий, а затем предложить архитектуру пилота в закрытом контуре — получить расчёт ROI.
Соберём модель ROI и упущенной выгоды на ваших данных, без обязательств.
Получить расчёт ROI on-premise ИИ«ROI on-premise LLM в крупной компании: 3-летняя модель» — материал, который можно приложить к защите бюджета.
Скачать документЧастые вопросы
Как считать ROI нейросети?
ROI считается как отношение чистого эффекта к вложениям за выбранный горизонт, обычно 2–3 года. В числителе — экономия рабочего времени, снижение стоимости ошибок и предотвращённые потери; в знаменателе — CAPEX на железо и проект плюс OPEX на сопровождение. Корректный расчёт всегда строится на данных конкретной компании, а не на отраслевых средних.
Что такое cost of inaction в ИИ-проекте?
Это стоимость бездействия — деньги, которые компания продолжает терять каждый месяц, пока процесс не оптимизирован. Складывается из времени на рутину, цены ошибок, простоев и медленных решений. Часто эта сумма превышает стоимость самого пилота, и именно она, а не CAPEX, является главным аргументом для бюджетного комитета.
Можно ли посчитать эффект до пилота?
Предварительно — да, через модель упущенной выгоды на основе текущих часов, ставок и объёмов. Но это оценка коридора, а не гарантия. Точные цифры даёт только пилот на реальных данных: он показывает фактическую экономию и частоту ошибок модели, которые до запуска можно лишь прикинуть.
Чем on-premise ИИ дороже и выгоднее облачного?
On-premise требует больших капитальных затрат на старте — железо, развёртывание, эксплуатация. Облако дешевле в начале, но данные покидают периметр: для персональных данных это упирается в 152-ФЗ, для объектов критической инфраструктуры — в требования к КИИ, и тогда вопрос даже не «дороже ли облако», а «имеем ли мы право его использовать». Выгода on-premise — в предсказуемой стоимости владения вдолгую и в том, что чувствительные данные остаются внутри контура.
Когда ИИ-проект финансово не оправдан?
Когда нет данных для обучения и поиска, нет владельца процесса, эффект не выражается в деньгах, процесс слишком часто меняется или задача дешевле решается без ИИ — наведением порядка в регламенте или поиске. В этих случаях честный отказ от проекта экономит бюджет лучше любого внедрения.
Актуальность и статус расчётов
- Материал подготовлен по состоянию на июнь 2026 года.
- Все числовые примеры — модельные иллюстрации методики, а не статистика и не обещание результата. Перед выносом на комитет их нужно заменить на данные вашей компании.
- Эффект внедрения зависит от качества данных, дисциплины пользователей, доли автоматизируемых процессов и организационных факторов.
- Конкретные суммы штрафов и регуляторные требования следует сверять с действующими нормами и профильными специалистами.
Технический документ: ROI on-premise LLM в крупной компании
PDF, 4 страницы для CFO, CEO и финансового комитета. Методология ROI и cost of inaction, трёхлетняя модель, отраслевые сценарии и рабочий лист расчёта.
Посчитаем cost of inaction для вашей компании
Соберём модель ROI и упущенной выгоды на ваших данных и предложим архитектуру пилота в закрытом контуре. Лицензии ФСТЭК, ФСБ и МО РФ. Опыт с 2003 года.