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»?
• 7 принципов корректной оценки ИИ-проектов от «Альянса в сфере ИИ»
• Что такое метрика RAID и зачем вычитать риск из прибыли?
• Главное по тексту

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.

• Право на решение. Логика опциона означает, что компания инвестирует в технологическую гипотезу. На первом этапе компания инвестирует в проверку гипотезы, сохраняя право на последующее масштабирование, когда ценность технологии станет очевидной. Если пилот не подтвердил эффективность, проект можно закрыть, ограничив потери стоимостью «опциона» (первого этапа).
• Портфельная диверсификация. Если управлять ИИ-инициативами как единым портфелем, риск отдельной неудачи снижается. Это позволяет бизнесу одновременно поддерживать как быстрые победы (автоматизацию рутины), так и долгосрочные стратегические разработки, которые могут стать новым драйвером роста.
• Эффект синергии. Портфельный подход учитывает, как разные ИИ-решения усиливают друг друга. Например, нейросеть для анализа спроса и алгоритм оптимизации логистики вместе дают гораздо больший экономический эффект за счёт синергии, чем при раздельной оценке их ROI (от англ. return on investment — «возврат инвестиций»).

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.

1. Максимальная объективность. Результат можно воспроизвести: при тех же данных и допущениях расчёт даст тот же эффект.
2. Измеримость. Каждый параметр переводится в количественные показатели, чтобы его динамику можно было отслеживать и проверять на любом этапе реализации.
3. Консерватизм. За основу берётся неблагоприятный сценарий с минимальными доходами и максимальными расходами.
4. Связь с инициативой. Учитывается только тот эффект, который напрямую обусловлен внедрением конкретного ИИ-проекта. Если это невозможно, то выделяется группа инициатив для оценки.
5. Полнота. В оценку включаются прямые и косвенные результаты, а также учитывается полный жизненный цикл проекта, включая переобучение моделей.
6. Материальность. В расчёт берутся только значимые для бизнеса показатели, которые действительно влияют на финансовый результат.
7. Учёт консолидированного эффекта. Результат оценивается на уровне всей компании, если это возможно.

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.

Редакция СберПро

Автор

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в канале в Max. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.