Нейросети для бизнеса: где окупаются и как это посчитать

Коротко: нейросети для бизнеса окупаются на частых задачах, где сотрудник проверяет черновик быстрее, чем сделал бы работу сам. Считать это важно до покупки подписки: на задачах вне умений модели качество в экспериментах падает, а своё ускорение люди переоценивают. Мы в Звонко считаем окупаемость заранее и вычитаем время проверки.

Допустим, менеджеры уже пишут ответы клиентам в GigaChat или ChatGPT, и вы решаете, оплачивать ли сервис всей команде. Мы в Звонко собрали полевые эксперименты, где эффект измеряли на живой работе, и сравнили их с тем, что сотрудники сообщают о себе сами. Ускорение подтверждается там, где черновик легко проверить, а собственную экономию времени люди оценивают заметно выше, чем показывает замер. Если считать по ощущениям, легко оплатить сервис для задачи, где проверка и переделки съедают всю выгоду.

Что такое нейросети для бизнеса и как ИИ в бизнесе используют сейчас?

Нейросети для бизнеса — это ассистенты в чате на языковых моделях (GigaChat от Сбера, Алиса AI, ChatGPT, Claude, DeepSeek), которым сотрудник ставит задачу текстом и получает черновик. Решение остаётся за человеком. ИИ-агенты, которые сами выбирают шаги и вызывают инструменты, — отдельный класс, о нём наша статья про ИИ-агентов для бизнеса.

Как использовать ИИ в бизнесе так, чтобы он приносил прибыль, пока понятно меньшинству компаний. По опросу McKinsey 2026 года хоть какой-то вклад ИИ в операционную прибыль отмечают 37% респондентов. Высоких результатов достигает около 6% респондентов. Для McKinsey это не меньше 5% операционной прибыли от ИИ и значимая ценность по оценке самих респондентов.

Доля российских компаний с ИИ зависит от того, кого спрашивали. Среди технических директоров крупных компаний генеративный ИИ используют 71%, по опросу Яков и Партнёры с Яндексом. В обследовании Росстата, разобранном в НИУ ВШЭ, ИИ в широком смысле применяют 4,8% крупных и средних организаций. Малый бизнес туда не входит. По опросу ПСБ и «Опоры России» доля предпринимателей МСП, которые пользуются нейросетями, за год выросла с 17% до 53%, но размер выборки не раскрыт.

Как использовать нейросети для бизнеса в задачах, где выигрыш уже измерен?

Выигрыш измерен в задачах, где нейросеть делает черновик, а человек его правит: поддержка, тексты, консалтинговая аналитика, код, бухгалтерия. Каждый эффект получен на конкретной задаче и в конкретной компании, на любую работу он не переносится.

• Поддержка. В исследовании Brynjolfsson, Li и Raymond подсказки ИИ получили 5 179 операторов чата технической поддержки одной компании. Число решённых обращений в час выросло примерно на 14%, у новичков на 34%.
• Тексты и письма. В эксперименте Noy и Zhang 453 специалиста выполняли письменные задачи по 20–30 минут. Время сократилось на 40%, оценка качества выросла на 18%, фактическую точность при этом не проверяли. Как поручать тексты нейросети, мы описали в статье как написать текст нейросетью.
• Консалтинг и аналитика. В эксперименте HBS и BCG 758 консультантов на 18 реалистичных задачах сделали с ИИ на 12,2% больше задач. Работали они на 25,1% быстрее.
• Код. С GitHub Copilot группа написала HTTP-сервер на 55,8% быстрее контрольной. Это одна учебная задача: в зрелых проектах эксперимент METR дал обратный результат.
• Бухгалтерия. По данным MIT Sloan о 79 небольших и средних фирмах и опросе 277 бухгалтеров закрытие месяца у пользователей ИИ шло на 7,5 дня быстрее. Это ранние данные рабочей статьи, без случайного распределения групп.
• Продажи в интернет-магазине. В экспериментах Fang и соавторов ИИ встроили в семь процессов крупной торговой платформы. Продажи выросли в четырёх из них, в лучшем случае на 16,3%; это эффект для покупателей, а не для работы менеджера.

По переводу и внутренним документам полевых исследований мы не нашли. Как нейросеть отвечает по документам компании, описано в статье что такое RAG, а задачи маркетинга собраны в материале про нейросети для маркетинга.

Где искусственный интеллект в бизнесе снижает качество работы?

Искусственный интеллект в бизнесе снижает качество там, где задача лежит за пределами умений модели и результат никто не проверяет. В эксперименте HBS и BCG на сложной управленческой задаче, построенной так, чтобы ИИ ошибался, участники с ИИ на 19% реже давали верное решение. По пересказу соавтора Итана Моллика, без ИИ верный ответ дали 84% консультантов, с ИИ — 60–70%.

Опытным сотрудникам подсказки помогают меньше. В эксперименте Alibaba в поддержке ИИ-ассистент в начале чата предлагал операторам диагноз и решение. В среднем ответы шли быстрее, а оценки клиентов были выше, но значимого эффекта на объективное качество не нашли. Слабые операторы выигрывали больше всех, а у сильных снижались и объективное качество, и оценки клиентов.

Собственное ускорение люди оценивают плохо. В эксперименте METR 16 опытных разработчиков выполнили 246 задач в своих проектах, и с ИИ работа заняла на 19% больше времени. До начала они ждали ускорения на 24%, после считали, что ускорились на 20%. Повторный эксперимент METR сам назвал ненадёжным сигналом, так что свежей оценки по коду нет. В датском исследовании 25 000 работников по их же отчётам сэкономили в среднем 2,8% рабочего времени.

Цена ошибки бывает прямой. Deloitte Australia вернула ведомству часть оплаты за отчёт со ссылками на несуществующие работы. Klarna сообщала, что ИИ закрывает две трети чатов поддержки, а в 2025 году гендиректор заявил Bloomberg, что компания снова нанимает людей.

Как посчитать окупаемость нейросети до подписки?

Окупаемость нейросети считают так: сэкономленные минуты сотрудника сравнивают с подпиской, временем проверки и переделками. Формула ниже — позиция Звонко: готовой формулы окупаемости в исследованиях мы не нашли.

• Выгода в месяц = число задач × минуты вручную × стоимость минуты сотрудника.
• Затраты в месяц = подписка + число задач × минуты проверки × стоимость минуты + доля переделок × число задач × минуты вручную × стоимость минуты.
• Окупается, если выгода больше затрат. Редкая задача подписку не вернёт, а проверка, которая длится столько же, сколько сама работа, съедает выигрыш целиком.

Доля переделок — это задачи, которые после нейросети пришлось сделать заново. Входы берут из замера до внедрения и после него. Замер нужен вместо опроса сотрудников, потому что в METR разработчики ошиблись в оценке своего ускорения: считали, что ускорились на 20%, а работали дольше. Токены на фоне зарплаты стоят немного: у GigaChat для юридических лиц модель Lite стоит 0,065 ₽ за 1000 токенов, Pro — 0,5 ₽. Главная статья затрат — время человека, который проверяет. Условный пример, не данные: задача повторяется 200 раз в месяц и занимает 30 минут вручную, минута сотрудника стоит 10 ₽, подписка 5 000 ₽, проверка черновика 10 минут, переделок 10%. Выгода 200 × 30 × 10 = 60 000 ₽, затраты 5 000 + 200 × 10 × 10 + 0,1 × 200 × 30 × 10 = 31 000 ₽, нейросеть окупается. При проверке в 25 минут затраты вырастают до 61 000 ₽, и выгоды уже нет.

Расчёт на задачах вашей команды мы делаем на консультации.

Можно ли использовать нейросеть для бизнеса бесплатно и что дают бесплатные тарифы?

Нейросеть для бизнеса бесплатно можно использовать в чатах, а бесплатный пакет API GigaChat, через который модель подключают к своим программам, компании не получают. По тарифам для физических лиц, обновлённым 07.10.2026, пакет Freemium на 365 млн токенов на 12 месяцев дают физическим лицам. На странице тарифов для юридических лиц и ИП бесплатного пакета нет: оплата по факту, минимальный платёж 600 ₽ в месяц, если сервисом пользовались.

Чат giga.chat Сбер называет бесплатным, но по соглашению сервиса он не предназначен для запросов с персональными данными (п. 7.1). Загружать коммерческую и налоговую тайну запрещено (п. 4.5.6), проверка точности ответа лежит на пользователе (п. 4.4.5). Ошибка в бесплатном чате стоит столько же, сколько в платном.

Чат с Алисой AI Яндекс открыл бесплатно 1 июля 2025 года, действующих лимитов на 2026 год мы не нашли. Использование диалогов для обучения отключается в настройках Яндекс ID. Для компаний Яндекс в сентябре 2026 года представил Алису AI для бизнеса в Яндекс 360: администратор управляет доступом к данным, а цену и место хранения в анонсе не назвали. DeepSeek по политике от 10.02.2026 хранит данные в Китае и называет обучение моделей целью обработки.

Какие данные нельзя вставлять в нейросеть и какие штрафы грозят по 152-ФЗ?

В публичный чат нельзя вставлять персональные данные клиентов и сотрудников, паспортные и контактные данные, договоры с коммерческой тайной; текст обезличивают до отправки. С 1 июля 2025 года запись и хранение персональных данных граждан РФ в базах за пределами страны не допускаются (ч. 5 ст. 18 152-ФЗ, письмо Минцифры от 12.05.2025).

По ст. 13.11 КоАП юрлицо за нарушение локализации платит от 1 до 6 млн рублей, повторно — от 6 до 18 млн. За утечку данных от тысячи субъектов штраф составляет от 3 до 15 млн в зависимости от их числа. Оборотный штраф, от 1 до 3% выручки и не меньше 20 млн рублей, положен за повторную утечку. Куда уходят данные в вашей схеме, стоит проверить с юристом: прямых разъяснений Роскомнадзора про зарубежные нейросети мы не нашли.

Как идёт внедрение ИИ в бизнес-процессы по шагам?

Внедрение ИИ в бизнес-процессы начинается с одной задачи и человека, который принимает результат, и только потом растёт до процесса.

1. Выберите одну частую задачу и владельца результата. Он определяет, какой ответ считать хорошим.
2. Измерьте время до внедрения. Оценки самих сотрудников расходятся с замером, это видно и в METR, и в датском исследовании.
3. Посчитайте окупаемость по формуле. Если проверка длиннее работы, на этом шаге и остановитесь.
4. Запустите на небольшой группе. Эффект смотрите отдельно у новичков и у опытных: в экспериментах Alibaba и Brynjolfsson он у них расходился.
5. Оставьте приёмку за человеком. Авторы исследования MIT Sloan отмечают, что слепое следование нетипичным подсказкам ИИ повышает риск ошибки.
6. Расширяйте, когда переделок мало. Тогда задача становится частью процесса.

ИИ в бизнес-процессах из нескольких шагов требует уже не чата, а автоматизации бизнес-процессов. Первый пилот такой автоматизации мы описали в статье про автоматизацию бизнес-процессов с ИИ.

Какие кейсы внедрения ИИ подтверждены цифрами у крупных компаний и в Звонко?

Кейсы внедрения ИИ у крупных российских компаний есть, но цифры эффекта называют сами компании. Подтверждённого кейса малого бизнеса с измеренным результатом по нейросети в чате мы в открытых источниках не нашли. Сбер сообщил о более чем 700 инициативах с ИИ за 2025 год и эффекте свыше 475 млрд рублей, методику не раскрыл. X5 заявила о 5 млрд рублей дополнительной операционной прибыли, основная часть которой пришла от прогнозных моделей, а не от ассистентов в чате. Т-Банк сообщал, что ИИ-агенты решают без оператора 40% обращений.

Свои опубликованные кейсы мы в Звонко строим на частых задачах с проверяющим: принцип тот же, что у нейросети в чате. В кейсе контент-конвейера для беттинг-партнёрки под NDA три ИИ-агента и редактор выпустили 245+ статей за 2 месяца. Цикл статьи сократился с 5 дней до 20 минут, себестоимость — на 40%, и каждый текст принимает редактор. В кейсе спортивного ассистента мы сделали для клуба РПЛ Telegram-бота медиамониторинга: он круглосуточно следит за упоминаниями и присылает уведомление о негативе за минуты, а не к утру. Логику такого производства мы описали в статьях что такое контент-завод и нейросети для создания контента, а под задачу компании её собирают как услугу автоматизации контента.

Один вопрос мы в Звонко пока закрыть не можем: как меняется время проверки, когда сотрудник много месяцев подряд пользуется одной и той же нейросетью. Свежей надёжной оценки нет даже у METR, поэтому замер до и после остаётся единственным способом узнать ответ для своей команды.

ОБ АВТОРЕ

Игорь Новиков Сооснователь Звонко. Операционный менеджмент в финтехе, архитектор AI-конвейеров