Менеджмент
Как оценить экономический эффект ИИ: разбор методик
Внедрение искусственного интеллекта меняет экономику бизнеса, но его эффект не всегда проявляется сразу. Классические подходы к оценке инвестиций — с фокусом на быструю окупаемость — плохо работают для ИИ-проектов, где значительная часть ценности формируется со временем. В результате компании недооценивают потенциал технологий и ограничиваются пилотами. СберПро рассмотрел подходы к оценке ИИ-проектов на основе аналитического отчёта СберУниверситета и показывает, как корректно считать их экономический эффект.
Содержание:
Как управлять портфелем ИИ как набором «реальных опционов»?
Традиционный подход к инвестициям требует точного прогноза прибыли ещё до начала разработки. Но в случае с искусственным интеллектом неопределённость слишком высока. Поэтому эксперты предлагают перейти от линейной оценки отдельных инициатив к портфельной логике и учёту стратегической ценности.
Логика реализации ИИ-проектов более корректно описывается через концепцию реальных опционов, а не классических инвестиций. Она означает, что компания инвестирует не в гарантированный результат, а в возможность принять решение позже.
Пример портфельного подхода к инвестициям с отложенным эффектом — стратегия Xiaomi. Компания сначала активно наращивала пользовательскую базу, ограничивая маржу от продажи устройств, затем монетизировала дополнительные услуги. Такая модель ориентирована на рост стоимости всего бизнес-портфеля. В результате за 2022–2025 годы рыночная капитализация компании увеличилась примерно в 4 раза.
7 принципов корректной оценки ИИ-проектов «Альянса в сфере ИИ»
В России сформирован собственный подход к оценке эффективности ИИ-проектов с учётом их особенностей. Методология разработана «Альянсом в сфере искусственного интеллекта» совместно с Ассоциацией ФинТех и при участии крупнейших российских банков и технологических компаний.
Методология включает семь ключевых принципов оценки.
Методология подчёркивает важность корректной базы для оценки. Эффект должен рассчитываться как инкрементальный, то есть прирост относительно лучшей доступной альтернативы или сценария «без ИИ». Такой подход позволяет избежать завышения результатов.
Что такое метрика RAID (risk-adjusted intelligence dividend — «доходность с поправкой на риск») и зачем вычитать риск из прибыли
ИИ-проекты снижают одни риски и одновременно создают другие. С негативными последствиями уже столкнулись 47% компаний. Например, уменьшается влияние человеческого фактора и мошенничества, но могут возникать регуляторные, операционные и другие проблемы.
Топ-6 негативных последствий от использования ИИ
Источник: McKinsey & Company
«Альянс в сфере ИИ» также называет в качестве фундаментальной проблемы генеративной модели «галлюцинации» — генерацию правдоподобной, но фактически недостоверной информации.
Чтобы оценить, насколько позитивные последствия от внедрения того или иного проекта могут превзойти негативные, используется подход RAID (от англ. risk-adjusted intelligence dividend — «доходность с поправкой на риск»). Метрика рассчитывает выгоды от ИИ и вычитает из них вероятностные потери от рисков, создаваемых самим ИИ. RAID позволяет сопоставить выгоды от внедрения ИИ с вероятностными потерями от сопутствующих рисков.
Главное по тексту
Значительная часть ИИ-инициатив на ранних этапах выглядит неэффективной с точки зрения традиционных метрик. Для их корректной оценки требуется «новая математика»: методология оценки с учётом особенностей таких проектов и корректный учёт рисков.
Что это значит для бизнеса
Редакция СберПро
Автор