Власник компанії з 50 менеджерів запитує потенційного підрядника з AI: «Добре, скільки це коштує і коли окупиться?» Підрядник відповідає: «AI підвищить вашу ефективність на 40%». Це не відповідь. Це маркетинговий слоган.
ROI впровадження AI — конкретна цифра, яку можна порахувати до старту проєкту. Не ідеально точно, але достатньо, щоб прийняти рішення: чи варто взагалі починати, який сценарій обрати, де чекати повернення коштів і коли.
У цій статті — практичний підхід до розрахунку ROI AI-проєктів для компаній 20–200 осіб. Базова формула з поясненнями, повна карта витрат (включно з тими, які зазвичай забувають), три UA-сценарії з реальними числами в гривнях, фазовий графік перших шести місяців і чесний блок про те, коли ROI рахувати взагалі немає сенсу.
Що таке ROI в AI-проєкті і чим він відрізняється від звичайного ROI
Базова формула: витрати, економія, часовий горизонт
ROI (Return on Investment) в AI-проєктах рахується за тією ж базовою формулою, що й у будь-яких інвестиціях:
ROI = (Вигода − Витрати) / Витрати × 100%
Але в контексті AI є три важливі уточнення.
По-перше, потрібно визначити часовий горизонт. ROI за місяць і ROI за рік — різні числа. Для AI-проєктів стандартний горизонт: 6 місяців (перевірка гіпотези) і 12 місяців (повна окупність). У цій статті ми сфокусуємось на перших 6 місяцях — саме цей горизонт найбільш цікавить ЛПРів при ухваленні рішення.
По-друге, вигоду треба розкласти на компоненти. Одна частина — пряма економія (менше витрат на персонал, менше помилок, менше ресурсів). Інша — непрямий ефект (більше виручки через прискорення процесів, ріст конверсії, якість сервісу). Третя — стратегічна цінність (нові дані, нові можливості, що не рахуються прямо зараз, але матимуть значення пізніше).
По-третє, у знаменнику «витрати» — це не лише сума підрядникового рахунку. Це повна вартість: розробка, інтеграція, навчання команди, підтримка, ліцензії на сторонні сервіси, час ваших людей.
Приклад базового розрахунку: компанія витратила 80 000 ₴ на впровадження AI-чатбота (одноразово) і платить 12 000 ₴/місяць за підтримку. За 6 місяців загальні витрати — 152 000 ₴. Якщо за цей час чатбот звільнив двох операторів підтримки (кожен 22 000 ₴/місяць) — пряма економія за 6 місяців: 264 000 ₴. ROI = (264 000 − 152 000) / 152 000 × 100% = 73,7%.
Чому AI-ROI рахується інакше ніж ROI реклами
У рекламі ROI можна виміряти майже реального часу: витратили 10 000 ₴ на кампанію, отримали 30 000 ₴ виручки, ROI = 200%. Цикл від витрати до результату — тижні.
В AI-проєктах інакше за трьома причинами.
Крива навчання та адаптації. Перші 4–8 тижні після впровадження — це завжди «хаос»: команда вчиться, процеси підлаштовуються, модель тонко налаштовується під специфіку вашого бізнесу. В цей період продуктивність може тимчасово падати. ROI у цей момент від’ємний — і це нормально.
Нематеріальні вигоди. AI часто дає ефект, який важко оцифрувати прямо: менше стресу у команди, вищий NPS клієнтів, краща якість прийнятих рішень. Ці ефекти реальні, але в ROI-модель вони входять як допущення, не як точні числа.
Масштабованість, яка не враховується в перший рік. AI-система, яка окупилась за 6 місяців на 50 менеджерів, дасть ще більший ефект при масштабуванні до 150. Але цю вигоду правильно не включати в початковий розрахунок — це консервативний підхід, який захищає від переоцінки.
Тому в AI-проєктах ми говоримо не просто про ROI, а про break-even point (точка беззбитковості) та ROI-горизонт. Break-even — це момент, коли накопичений ефект перевищив усі витрати. Все після цього — чистий прибуток.
Які витрати враховувати: повна карта
Найпоширеніша помилка при розрахунку ROI — рахувати лише рахунок підрядника. Реальні витрати в 1,5–2 рази вищі.
Одноразові витрати (аудит, розробка, інтеграція)
AI-аудит. Це перший крок у більшості проєктів. Вартість: від безкоштовного (деякі агентства роблять попередній аналіз безкоштовно) до 15 000 ₴ за повноцінний аудит з картою процесів і ROI-моделлю. Якщо ви платите за аудит — він має включатись у знаменник ROI-формули.
Розробка та налаштування. Залежить від складності. Орієнтири для UA-ринку:
– AI-чатбот на базі GPT для сайту і месенджерів: 30 000–80 000 ₴
– Автоматизація обробки заявок (інтеграція з CRM, тригерні ланцюжки): 50 000–120 000 ₴
– AI-асистент для відділу продажів (транскрипція дзвінків, підказки менеджерам): 80 000–200 000 ₴
– Кастомна ML-модель з нуля: від 300 000 ₴
Інтеграція з існуючими системами. CRM, телефонія, сайт, ERP — кожна інтеграція коштує 10 000–40 000 ₴ залежно від складності API та стану документації систем, з якими ви інтегруєтесь. Частина підрядників включає одну-дві базові інтеграції в ціну розробки.
Навчання команди. Часто ігнорується в кошторисах. Але якщо 10 менеджерів витрачають по 8 годин на онбординг нової системи, а годинна ставка — 300 ₴, це вже 24 000 ₴ прихованих витрат. Додайте сесії навчання, документацію, тестовий період.
Щомісячні витрати (підтримка, SaaS-ліцензії, команда)
Технічна підтримка і розвиток. Після запуску система потребує моніторингу, доопрацювань, оновлень при зміні процесів. Вартість на UA-ринку: 15 000–60 000 ₴/місяць залежно від обсягу. Деякі компанії намагаються обійтись без підтримки — і через 3–4 місяці система деградує, ефект зникає.
SaaS-ліцензії. Якщо рішення побудоване на ChatGPT API, Claude API або інших хмарних сервісах — є щомісячна плата за використання. При помірному трафіку: $50–300/місяць. При великому — $500–2000/місяць. Закладайте в розрахунок саме ваш прогнозний обсяг.
Ліцензії на допоміжні інструменти. Make (автоматизація), Voiceflow або Botpress (чатбот-платформи), Livekit (голос) — $30–200/місяць кожен. Деякі підрядники «ховають» ці витрати в ціну підтримки, тому питайте явно.
Приховані витрати, які зазвичай забувають
Час вашої команди під час впровадження. Хтось з вашого боку має бути куратором проєкту: давати доступи, відповідати на питання підрядника, брати участь у тестуванні. Це 5–15 годин на тиждень протягом 4–8 тижнів впровадження. При зарплаті куратора 50 000 ₴/місяць — прихована вартість 12 500–37 500 ₴.
Вартість помилок у «хаотичний» початковий період. Перші тижні система ще не відкалібрована. Можливі невдалі відповіді чатбота клієнтам, пропущені заявки при автоматичній обробці. Ці ризики варто закладати консервативно — 5–10% від прямої економії першого місяця.
Вартість рефакторингу процесів. Часто впровадження AI виявляє, що існуючий процес непрозорий або хаотичний — і треба спочатку описати і стандартизувати його. Це самостійна робота, яка може зайняти 2–4 тижні до старту розробки.
Де шукати вигоду: 4 типи ефекту
Пряма економія витрат (менше людей, менше помилок)
Найлегший для вимірювання тип ефекту. Рахується прямо: скільки годин ваші люди витрачали на певну задачу до AI і скільки витрачають після.
Приклади для UA-ринку:
– Оператор підтримки відповідає на 60–80 запитів на день. AI-чатбот закриває 60–70% типових запитів автоматично. Якщо це знімає навантаження, еквівалентне 1 оператору (22 000–30 000 ₴/місяць) — це пряма економія.
– Менеджер витрачає 2 години щодня на введення даних із пошти у CRM. AI-інтеграція робить це автоматично. 40 робочих годин на місяць × ставка 300–400 ₴/год = 12 000–16 000 ₴/місяць.
– При ручній обробці рахунків 3–5% містять помилки. Кожна помилка коштує 1–3 год роботи на виправлення. При 200 рахунках на місяць і вартості помилки 500 ₴ — економія 3 000–7 500 ₴/місяць.
Важливе застереження: «звільнення людини» і «перерозподіл навантаження» — різні речі. Якщо AI знімає навантаження з оператора, але ви не скорочуєте штат і не спрямовуєте цей час на більш цінні задачі — пряма економія менша, ніж здається.
Прискорення процесів (швидше = більше виручки)
Цей ефект рахувати складніше, але він часто більший за пряму економію.
Логіка: якщо відповідь на заявку в B2B займає 4 години замість 24 — конверсія в угоду зростає. Якщо документ готується за 30 хвилин замість 3 годин — менеджер закриває більше угод за місяць.
Спосіб виміряти: визначте conversion rate або виручку на менеджера до впровадження. Оцініть, на скільки відсотків прискорюється процес і яка частина цього часу піде на продуктивну роботу. Навіть консервативне 10% зростання виручки на менеджера при середньому чеку B2B — значна сума.
Зростання конверсії / якості сервісу
AI-асистент відповідає на запит клієнта о 2:00 ночі. Без нього клієнт пішов би до конкурента. З ним — залишився і купив.
Цей ефект вимірюється через A/B-тест або порівняння до/після: конверсія сайту, відсоток повторних покупок, NPS, час першої відповіді.
Якщо ваш бізнес отримує заявки у неробочий час або ваші конкуренти повільніші у відповідях — цей тип ефекту може бути домінуючим у ROI-моделі.
Стратегічна цінність: дані, які тепер збираються
Найважчий для оцінки тип ефекту — і найчастіше ігнорований у короткостроковому ROI.
Коли AI обробляє звернення клієнтів, він накопичує структуровані дані: найпопулярніші питання, типові заперечення, болі, сезонність попиту. Через 6–12 місяців ці дані стають активом для маркетингу, продукту, найму.
У короткостроковій ROI-моделі ми рекомендуємо включати цей ефект з коефіцієнтом 0 або дуже консервативно — просто щоб не завищувати прогноз. Але знати про нього варто.
Три типових сценарії з числами (UA-ринок)
Сценарій 1 — AI-чатбот для підтримки (окупність ~2 місяці)
Профіль компанії: інтернет-магазин або сервісна компанія, 40–80 чоловік. Відділ підтримки: 3–4 оператори, 150–250 вхідних запитів щодня.
Проблема: оператори завалені типовими питаннями («де мій замовлення», «як повернути товар», «які терміни доставки»). Це 60–70% усіх звернень. Вони займають час, який можна витрачати на складні кейси.
Рішення: AI-чатбот на базі GPT з підключенням до бази знань і CRM. Закриває типові запити автоматично, складні — передає оператору з контекстом розмови.
Витрати:
– Розробка і налаштування: 60 000 ₴
– Інтеграція з CRM і сайтом: 20 000 ₴
– Навчання команди: 5 000 ₴
– Підтримка: 12 000 ₴/місяць
– API-ліцензії: ~$100/місяць (~4 000 ₴)
– Загальні витрати за 6 місяців: 85 000 + 6 × 16 000 = 181 000 ₴
Ефект:
– Автоматично закриває 65% запитів = вивільняє ~1,5 оператора
– Прямо скорочуємо 1 штатного оператора (25 000 ₴/місяць) і перерозподіляємо другого на VIP-клієнтів
– Час відповіді: з 4 год до моментально (24/7)
– Приблизний ріст конверсії від швидкості: +5% на повторних покупках
Пряма економія за 6 місяців: 25 000 × 6 = 150 000 ₴
Непрямий ефект (конверсія): консервативно +30 000 ₴ за 6 місяців
Сумарна вигода: 180 000 ₴
ROI за 6 місяців: (180 000 − 181 000) / 181 000 ≈ -0,5% — фактично break-even на межі 6 місяців.
Break-even point: місяць 6–7. З 7-го місяця: +25 000–35 000 ₴ на місяць чистого ефекту.
Це консервативний розрахунок. При чатботі з вищим покриттям або при скороченні 2 операторів — ROI за 6 місяців буде 30–50%.
Детальніше про технічне рішення — на сторінці послуги AI-чатботів.
Сценарій 2 — Автоматизація обробки заявок (окупність ~3–4 місяці)
Профіль компанії: B2B-компанія, 20–50 чоловік. Відділ продажів або операційний відділ обробляє 50–100 нових заявок на тиждень з різних каналів (пошта, форми, месенджери).
Проблема: менеджери вручну переносять дані із заявок у CRM, призначають відповідальних, відправляють першу відповідь. Це займає 2–3 години щодня на одного менеджера. При цьому 20–30% заявок «губляться» або обробляються із запізненням більше 3 годин.
Рішення: AI-автоматизація на базі Make + GPT: парсинг пошти і форм → класифікація заявки → створення запису в CRM → автоматична перша відповідь → постановка задачі менеджеру.
Витрати:
– Розробка і налаштування: 70 000 ₴
– Інтеграція з CRM (KeyCRM / NetHunt): 25 000 ₴
– Навчання: 8 000 ₴
– Підтримка: 15 000 ₴/місяць
– SaaS-ліцензії (Make Pro + API): ~$150/місяць (~6 000 ₴)
– Загальні витрати за 6 місяців: 103 000 + 6 × 21 000 = 229 000 ₴
Ефект:
– 3 менеджери заощаджують по 2,5 год/день = 7,5 год/день = 150 год/місяць
– Ці години йдуть на активні продажі замість рутини
– Ставка менеджера з продажів: 400–500 ₴/год (враховуючи бонуси)
– Вартість вивільненого часу: 60 000–75 000 ₴/місяць
– Зниження «загублених» заявок: +15–20% конверсії заявки в угоду
Пряма вигода від часу за 6 місяців: 67 500 × 6 = 405 000 ₴ (середня оцінка)
ROI за 6 місяців: (405 000 − 229 000) / 229 000 = 76,8%
Break-even point: місяць 3–4.
Застереження: цей розрахунок передбачає, що вивільнений час дійсно іде на продажі, а не «поглинається» іншою рутиною. Це потребує свідомого управлінського рішення.
Сценарій 3 — AI-асистент відділу продажів (окупність ~4–6 місяців)
Профіль компанії: B2B, 30–100 чоловік, є відділ продажів 5–10 менеджерів, дзвінки є основним інструментом. Середній чек угоди: 50 000–200 000 ₴.
Проблема: керівник продажів не чує, що відбувається на дзвінках. Менеджери не заповнюють CRM після дзвінків (або заповнюють формально). Немає аналізу причин програшів. Онбординг нових менеджерів займає 2–3 місяці до першої угоди.
Рішення: AI-асистент для продажів: транскрипція і аналіз дзвінків (Fathom або локальне рішення) → автоматичне заповнення CRM → AI-підказки менеджеру в реальному часі → звіти для керівника.
Витрати:
– Розробка і налаштування: 120 000 ₴
– Інтеграція з CRM і телефонією: 40 000 ₴
– Навчання менеджерів і РОП: 15 000 ₴
– Підтримка: 25 000 ₴/місяць
– Ліцензії (транскрипція, API): $200/місяць (~8 000 ₴)
– Загальні витрати за 6 місяців: 175 000 + 6 × 33 000 = 373 000 ₴
Ефект:
– Конверсія угод зростає на 10–15% завдяки кращому онбордингу і підказкам
– При команді 7 менеджерів, середньому чеку 80 000 ₴ і 5 угодах/міс на менеджера: поточна виручка відділу ~2 800 000 ₴/місяць
– +12% конверсії = +336 000 ₴/місяць додаткової виручки (при маржі 30% це +100 800 ₴/міс)
– Скорочення циклу угоди на 15–20% = більше угод за той самий місяць
Вигода за 6 місяців: консервативно (+100 000 ₴/місяць маржі) × 4 місяці (перші 2 місяці — адаптація) = 400 000 ₴
ROI за 6 місяців: (400 000 − 373 000) / 373 000 = 7,2% — виходить на break-even майже рівно на 6-му місяці.
Break-even point: місяць 5–6. Але з 7-го місяця ефект стабільний і зростає.
Цей сценарій — найскладніший для впровадження і має найдовший горизонт окупності. Зате масштабованість після break-even — найвища серед трьох сценаріїв.
Детальніше про рішення для продажів — на сторінці автоматизації продажів.
Що реально відбувається в перші 6 місяців: фазовий графік
Більшість ЛПРів уявляють впровадження AI як пряму лінію вгору: почали → система запрацювала → ефект зростає. Реальність складніша.
Місяць 1–2: впровадження, тест, хаос
Перші два місяці — найскладніші. ROI-крива в цей час від’ємна, і це норма.
Що відбувається:
– Підрядник налаштовує систему, але вона ще не знає специфіки вашого бізнесу
– Команда навчається і опирається новому (це природна реакція на зміни)
– Виявляються «сюрпризи»: інтеграції з вашими системами виявились складнішими, ніж очікувалось; деякі процеси виявились непрозорими
– Перші помилки AI-системи підривають довіру команди
Що робити: зафіксувати baseline (поточні метрики процесу до AI), не робити поспішних висновків, забезпечити підтримку підрядника у форматі «на зв’язку щодня».
Метрика успіху фази: система запущена у продакшн, команда пройшла навчання, перші 30–50 реальних взаємодій зафіксовані і проаналізовані.
Місяць 3–4: перші вимірювані результати
На 3-му місяці система «притерлась»: модель відкалібрована під ваші кейси, команда звикла до нового процесу, рутинні дрібні проблеми вирішені.
Що відбувається:
– Перші вимірювані ефекти: кількість тікетів, які закриваються автоматично; час обробки заявки; кількість записів у CRM, які заповнюються без участі менеджера
– Рівень відмінних від очікуваних результатів ще є, але вже менший
– Команда починає самостійно пропонувати покращення: «а тут можна додати ще один тип запиту»
Що робити: провести першу ревізію ROI-моделі з реальними даними. Порівняти з baseline. Фіксувати відхилення від прогнозу і з’ясовувати причини.
Метрика успіху фази: є конкретні до/після числа хоча б по одному ключовому показнику.
Місяць 5–6: вихід на стабільний ефект та перегляд моделі
На 5-му місяці система виходить на «крейсерову швидкість». Більшість несподіваних ситуацій вже оброблено, модель стабільна.
Що відбувається:
– Ефект накопичується: скорочення витрат або ріст конверсії стають передбачуваними
– З’являються нові ідеї для розширення: «а що якщо додати ще й обробку рекламацій?»
– Іноді виявляється, що початковий прогноз ROI був завищеним або заниженим — і це нормально, модель треба переглянути
Що робити: провести повноцінний 6-місячний огляд. Оновити ROI-модель з реальними даними. Прийняти рішення: масштабувати, розширити або залишити як є.
Метрика успіху фази: ROI-модель оновлена, break-even point або вже пройдено, або чітко прогнозується в наступні 2–3 місяці.
Коли ROI рахувати безглуздо (і що зробити натомість)
Це найчесніший розділ статті. І найважливіший.
Більшість AI-агентств не скажуть вам це відкрито: є ситуації, коли рахувати ROI AI-проєкту не має сенсу — тому що проєкт не буде успішним незалежно від якості виконавця.
Ознаки, що процес ще не готовий до автоматизації
Процес не описаний і непрозорий. Якщо ви не можете відповісти на питання «що саме робить менеджер при обробці заявки, крок за кроком» — AI нічого не автоматизує. Він лише зафіксує хаос.
Немає baseline-метрик. Якщо ви не знаєте, скільки часу зараз іде на процес, скільки помилок трапляється, який відсоток заявок губиться — ви не зможете виміряти ефект після впровадження AI. А без вимірювання немає ROI.
Процес змінюється щомісяця. AI-система навчається під конкретний процес. Якщо процес нестабільний — модель постійно застаріватиме. Це не привід не впроваджувати AI, але привід спочатку стабілізувати процес.
Команда активно опирається. Якщо ключові люди у відділі сприймають AI як загрозу своїм позиціям — впровадження буде саботоване на рівні використання. ROI-модель тут безсила, потрібно спочатку провести внутрішню комунікацію.
Бізнес ще не тестував пілот. Якщо ви розглядаєте AI-впровадження вартістю 150 000+ ₴, але ще жодного разу не пробували автоматизацію навіть на мінімальному рівні (будь-який no-code інструмент, Zapier, базовий чатбот) — ризик завищений. Почніть з пілоту.
Альтернатива: чеклист готовності до AI-проєкту
Перш ніж рахувати ROI, перевірте:
- [ ] Є опис процесу, який ми хочемо автоматизувати (хоча б у вигляді блок-схеми або тексту)
- [ ] Є хоча б одна людина в компанії, яка відповідатиме за взаємодію з підрядником і прийматиме рішення по ходу проєкту
- [ ] Є baseline: поточна кількість операцій, витрачений час, кількість помилок
- [ ] Є розуміння, що перший місяць — це інвестиція, а не миттєвий ефект
- [ ] Ключові члени команди знають про проєкт і не мають прихованого опору
- [ ] Бюджет включає не лише розробку, але й підтримку на 6–12 місяців
Якщо 3+ пункти відсутні — почніть з безкоштовного AI-аудиту, де ми допоможемо зафіксувати baseline і скласти карту готовності до автоматизації.
Як побудувати власну ROI-модель: покрокова інструкція
Нижче — конкретний алгоритм, який можна виконати за 2–3 години без будь-якого підрядника.
Крок 1: зафіксувати baseline (поточні витрати на процес)
Виберіть один процес, який хочете автоматизувати. Один — не три і не п’ять. Один.
Зберіть дані:
– Скільки людей зайнято в процесі (повністю або частково)?
– Скільки годин на тиждень/місяць кожен витрачає?
– Яка вартість їх часу (місячна зарплата / робочі години на місяць)?
– Скільки помилок трапляється і яка вартість однієї помилки?
– Скільки заявок/документів/задач проходить через процес на місяць?
Порахуйте вартість процесу на місяць = сума вартості часу всіх учасників + вартість помилок + вартість затримок (якщо можна оцінити).
Приклад: обробка вхідної пошти. 2 менеджери × 1,5 год/день × 22 дні × 350 ₴/год = 23 100 ₴/місяць. Помилки при ручному введенні: 2–3 на місяць × 600 ₴ на виправлення = 1 500 ₴. Baseline = 24 600 ₴/місяць.
Крок 2: оцінити ефект (консервативно, базово, оптимістично)
Для кожного з трьох сценаріїв (консервативний, базовий, оптимістичний) дайте відповідь: яку частку baseline-витрат AI-система замінить або скоротить?
| Параметр | Консерв. | Базовий | Оптим. |
|---|---|---|---|
| Частка автоматизації | 40% | 60% | 80% |
| Місячна економія | 9 840 ₴ | 14 760 ₴ | 19 680 ₴ |
Додайте непрямий ефект: якщо прискорення процесу вплине на конверсію чи виручку — додайте консервативну оцінку.
Для першої версії ROI-моделі використовуйте консервативний сценарій. Це захистить від розчарування.
Крок 3: визначити break-even point
Зберіть усі витрати (одноразові + щомісячні × горизонт).
Break-even = Одноразові витрати / (Місячна вигода − Місячні витрати)
Для нашого прикладу: якщо розробка + інтеграція = 80 000 ₴, підтримка = 15 000 ₴/місяць, консервативна місячна вигода = 9 840 ₴ — break-even не настає (витрати перевищують вигоду). Це сигнал: або знижувати вартість впровадження, або шукати більший ефект, або не запускати проєкт.
Якщо базовий сценарій дає 14 760 ₴/міс вигоди при 15 000 ₴/міс підтримки — теж не окупиться. Потрібно переглянути модель.
Цей крок — саме той момент, коли розрахунок ROI до старту рятує вас від збиткового проєкту.
Крок 4: що вимірювати після запуску
Після старту проєкту зафіксуйте ті самі метрики, які ви рахували для baseline. Раз на місяць.
Ключові метрики залежно від типу рішення:
AI-чатбот: кількість закритих діалогів автоматично / загальна кількість діалогів; час першої відповіді; кількість ескалацій до оператора; NPS або CSAT клієнтів.
Автоматизація заявок: час від отримання заявки до першого контакту; відсоток заявок без втрат; час заповнення CRM-картки; кількість пропущених заявок.
AI для продажів: конверсія лід → угода; тривалість циклу угоди; заповненість CRM-карток; час від дзвінка до постановки задачі в CRM.
Порівнюйте ці числа з baseline щомісяця — і ваша ROI-модель перестане бути прогнозом, ставши фактом.
Часті питання
Скільки часу зазвичай займає окупність AI-проєкту?
Залежить від типу рішення і масштабу. Прості рішення (AI-чатбот, автоматизація рутинних задач на базі no-code) — 2–6 місяців. Складні інтеграції (AI для продажів, аналіз документів, прогнозна аналітика) — 6–18 місяців. Кастомна ML-модель з нуля — 12–24 місяці і більше. Орієнтир для більшості компаній 20–200 чоловік: якщо рішення не обіцяє break-even за 12 місяців у консервативному сценарії — є сенс ще раз переглянути доцільність саме такого підходу.
Що входить у витрати, якщо підрядник називає тільки одну суму?
Уточнюйте: чи включена інтеграція з вашими системами, чи є щомісячна плата за підтримку після запуску, чи входять ліцензії на сторонні сервіси (API, SaaS-платформи), чи включено навчання команди. Поширена ситуація: підрядник називає 80 000 ₴ за розробку, але не говорить, що підтримка ще 20 000 ₴/місяць, а ліцензії ще $200/місяць. Завжди питайте «total cost of ownership за 12 місяців».
Як перевірити підрядника перед стартом?
Попросіть показати приклад ROI-моделі для схожого кейсу (анонімізованого). Якщо підрядник не може або не хоче — це сигнал. Хороший підрядник сам ініціює розрахунок економіки проєкту ще до підписання договору. Також запитайте: які метрики ви будете міряти після запуску і як звітуватимете про результати? Відповідь на це питання краще характеризує зрілість підрядника, ніж портфоліо.
Чи можна порахувати ROI до старту, якщо ми ніколи не впроваджували AI?
Так — і треба. Для цього потрібен baseline: поточні витрати на процес, який ви хочете автоматизувати. Якщо у вас немає цих даних — почніть з їх збору (тиждень спостереження за часом менеджерів, підрахунок кількості операцій). Потім скористайтесь консервативним сценарієм з типових кейсів (приклади в цій статті). ROI до старту — це завжди прогноз з похибкою 20–40%, але навіть такий прогноз краще, ніж рішення «на відчуттях».
Що робити, якщо ROI вийшов від’ємним за перші 6 місяців?
Спочатку перевірте, чи є система взагалі робочою: чи вона фактично використовується командою, чи є реальні транзакції через неї, чи збираються дані. Якщо так — проаналізуйте розрив між прогнозом і фактом: де похибка? Частіше за все — або занижена частка ручної роботи, що залишилась, або переоцінений ефект від вивільненого часу. Перегляньте модель і дайте ще 2–3 місяці. Якщо після 9 місяців система не вийшла на беззбитковість — варто чесно зупинитися і проаналізувати, чи правильно було обрано процес для автоматизації.
Чи є сенс впроваджувати AI, якщо компанія маленька (менше 20 осіб)?
Залежить від процесу, а не від розміру. Компанія з 10 людей і 500 вхідними заявками на день — відмінний кандидат для AI-чатбота. Компанія з 15 людей, де 5 менеджерів вручну набивають рахунки — кандидат для автоматизації документообігу. Розмір команди менш важливий, ніж обсяг повторюваних операцій. Якщо у вас є чіткий повторюваний процес з виміряним обсягом — ROI-модель покаже, чи вигідно автоматизувати.
Висновок
ROI впровадження AI — це не магічна цифра, яку дає підрядник, і не «підвищення ефективності на 40%» зі слайду. Це конкретний розрахунок: ви знаєте поточну вартість процесу, знаєте прогнозний ефект від автоматизації, знаєте повну вартість впровадження — і з цих трьох складових отримуєте break-even point і ROI-горизонт.
Більшість компаній 20–200 чоловік можуть досягти break-even за 2–6 місяців на простих рішеннях (чатбот, автоматизація заявок) і за 6–12 місяців на складніших (AI для продажів). Але для цього потрібен чесний baseline, консервативні припущення і підтримка системи після запуску.
Якщо ви хочете отримати попередню ROI-модель для вашого конкретного процесу — замовте безкоштовний AI-аудит від Directoria. За 5 днів ми зафіксуємо baseline, визначимо найперспективніший процес для автоматизації і надамо розрахунок: витрати, ефект, break-even point. Без зобов’язань.
Або, якщо хочете спочатку розібратись з цінами — читайте нашу статтю «Скільки коштує впровадження AI»: там є детальна розбивка вартостей для різних типів рішень на UA-ринку.
