Главное про AI - Вадим Жартун

Типичные ошибки в работе с документами. «AI прочитал договор, можно подписывать» — договор без юриста это бомба замедленного действия. «AI генерирует ответ на претензию клиента без юриста» — путь к Moffatt v. Air Canada в любом контексте. «AI делает комплексную проверку (due diligence) при сделках M&A (слияния и поглощения) без команды» — пропустит структурные риски. «AI-OCR без сверки с 1С» — расхождения в учёте вылезут через 2–3 месяца при закрытии квартала. «AI заполняет налоговую декларацию без бухгалтера» — путь к доначислениям и штрафам. «AI переводит юридический договор на английский для контрагента» — потеря юридической силы. «AI-ассистент подписывает документы за руководителя» — юридически ничтожно.

Что внедрять в работе с документами первым. AI-сравнение версий договоров через Harvey или Luminance — ускорение разметки правок (redline) в 5–10 раз. Поиск по внутренней базе знаний компании через Glean или Guru — 1–2 часа в день на одного сотрудника. Классификация входящих документов по типу — фундамент для любого документооборота. AI-помощник при подготовке типовых документов по шаблону. Не внедрять первым полный автономный AI-агент для подготовки судебных документов, AI для заполнения регуляторных форм (ЦБ, ФНС, ФАС), AI для перевода юридически значимых документов, собственную модель OCR без базового эталона, любой AI-инструмент, который обещает «100% точности». Таких инструментов нет, и обещание «100% точности» — сам по себе красный флаг.

Четвёртый миф, касающийся внедрения AI в юридических и бухгалтерских отделах: «AI прочитал документ» равно «AI понял документ». Понял он строку, не смысл. И 99% точности без проверки — это 1% дыра, через которую уходят деньги. Решение не в замене юриста или бухгалтера, а в перераспределении их времени: AI делает первичный просмотр, человек читает подсвеченные AI места и принимает решение.

Критерий отбора, воркфлоу и три функции разобраны. Осталось собрать всё в одну управленческую цифру — иначе пилот не защитить перед руководителем и не довести до масштабирования. Этой цифрой служит ROI, и считается он не «лицензия против сокращения штата», а тремя прикладными метриками плюс состоянием зрелости компании.

ROI AI-ВНЕДРЕНИЯ: МЕТРИКИ ЭФФЕКТА И СТАДИИ ЗРЕЛОСТИ

ROI измеряется заработком сверх затрат. Экономия на лицензии сама по себе здесь не показатель. Классическая ошибка — считать ROI как «сокращение штата, умноженное на зарплату, минус стоимость AI». Эта формула работает только для полной автоматизации, которая в офисных задачах почти недостижима. Реальный ROI считается иначе и описывается тремя метриками.

МЕТРИКИ, КОТОРЫЕ ОПИСЫВАЮТ ЭФФЕКТ ВНЕДРЕНИЯ

Этих трёх метрик хватает на 80% случаев, когда нужно обосновать пилот перед руководителем.

– Время: часы, которые AI сэкономил на задаче.

– Качество: точность, процент ошибок, оценка эксперта.

– Стоимость: деньги, которые раньше уходили на задачу.

По данным Deloitte State of Generative AI Q4 2024, 78% компаний измеряют эффект gen AI через экономию времени, 54% — через рост качества, 41% — через сокращение расходов. Только 23% измеряют рост выручки, и это самый шумный показатель. Для офисного работника, который защищает пилот перед руководителем, формула простая: «AI сэкономил X часов в неделю, повысил точность с Y до Z, сократил стоимость операции на N рублей за полгода».

Полная стоимость владения (TCO). В TCO входят семь статей расходов. Все нужно учитывать, иначе пилот встанет через квартал.

– Лицензия — 20–40% от TCO.

– Интеграция — 15–25%, разовые, но часто недооцениваются.

– Данные — 10–20%, очистка, разметка, поддержка качества.

– Переобучение сотрудников — 5–15%, без этой статьи принятие технологии сотрудниками падает до 10%.

– Инфраструктура — 10–30% при крупной локальной модели.

– Поддержка и мониторинг — 5–15%, постоянная статья, не разовая.

– Compliance и юристы — 3–10%, критично для финансов, медицины, госкомпаний.

McKinsey в State of AI 2025 фиксирует: неочевидные расходы (время на настройку, сопровождение, потери при ошибках) составляют 50–70% от общей стоимости AI-внедрения, и только 30–50% — лицензия. Если в бюджете пилота стоит только лицензия, проект через квартал встанет.

СТАДИИ ЗРЕЛОСТИ AI В КОМПАНИИ

BCG в декабре 2025 года в отчёте «AI Adoption Puzzle» описал четыре стадии принятия технологии на уровне сотрудника: информационная помощь (AI отвечает на вопросы), помощь с задачей (AI помогает с конкретной задачей), делегирование (AI выполняет задачу с минимальным контролем), полуавтономное сотрудничество (AI и человек работают в цепочке без жёсткого разделения). 80% сотрудников в среднем застряли на стадиях 1–2, и это объясняет, почему использование растёт, а эффект — нет. Один и тот же инструмент в одной команде даёт ×3 эффект, а в другой — нулевой, и разница здесь не в модели, а в стадии принятия технологии сотрудником.

По этой же оси строится зрелость компании. Это параллельная шкала: уровни принятия технологии описывают, как сотрудник переходит к работе с AI, а стадии зрелости описывают, как компания выстраивает инфраструктуру вокруг этого. Четыре стадии идут последовательно, и каждая требует своей инфраструктуры.

Стадия 1 «Эксперимент»

Бюджет $0–50K в год. AI живёт у энтузиастов, базовых метрик нет, типичный результат — «попробовали и забросили». На этой стадии цель — найти 2–3 процесса, в которых AI может работать, и накопить данные о реальном поведении.

Стадия 2 «Точечные внедрения»

Бюджет $50K–500K. AI работает в 1–2 отделах, базовые замеры по пилоту есть, есть 1–2 успешных кейса. На этой стадии появляется обоснование для следующего уровня — формула ROI из этого раздела начинает давать положительные числа.

Стадия 3 «Системное внедрение»

Бюджет $500K–5M. AI в 5+ отделах, единый дашборд, корпоративное управление AI-проектами, 5+ стабильных сценариев использования с положительным ROI. AI перестаёт быть экспериментом и становится частью операционной системы.

Стадия 4 «Трансформация»

Бюджет $5M+. AI встроен в операционную систему компании, метрики привязаны к OKR (целям и ключевым результатам) и P&L (отчёту о прибылях и убытках), AI — конкурентное преимущество. На этой стадии AI — не проект, а инфраструктура.

Для большинства читателей этой книги вопрос звучит не «как перейти в стадию 4», а «как из стадии 1 перейти в стадию 2 без провала пилота». Весь раздел про ROI AI-внедрения — именно про это.

Миф о невозможности посчитать ROI. Пятый миф, с которым я часто сталкиваюсь: «ROI AI посчитать невозможно». На практике ROI считается через три простые метрики за полгода, и цифры из десятков исследований 2024–2025 годов дают ориентиры. McKinsey в отчёте об экономическом потенциале генеративного AI (июнь 2023, обновлено в 2024) оценила, что 63 рассмотренных кейса