Сценарий, знакомый многим: компания внедрила ИИ-ассистента, прошёл месяц, а на вопрос «ну как, окупается?» внятного ответа нет. Подрядчик показывает презентацию «обработано 5000 сообщений», руководитель кивает — но в P&L это никак не отражается. Разберём 5 цифр, которые реально отвечают на вопрос об окупаемости.

Проблема в том, что большинство «цифр» из таких отчётов — это метрики тщеславия. Они большие и радуют глаз, но ничего не говорят о деньгах. Чтобы понять, реально ли окупился ИИ-продавец, нужно смотреть на показатели, завязанные на выручку и затраты. Разберём пять таких цифр и формулы, по которым их считать.

Сначала — золотое правило: зафиксируйте «до»

Любая оценка эффективности начинается не после запуска, а до него. Если не записать базовые показатели до старта, сравнивать будет не с чем.

Перед внедрением зафиксируйте: текущую конверсию из этапа в этап, время менеджера на рутинное общение, стоимость обработки одного обращения, количество обращений в месяц. Идеально — запустить ИИ параллельно со старым процессом на части трафика (A/B-тест): тогда эффект виден чисто, без влияния сезонности.

Цифра №1. Доля сделок без менеджера (Containment Rate)

Самый показательный параметр для техподдержки и первой линии продаж. Он отвечает на прямой вопрос: какую часть работы ИИ реально снял с людей?

Containment Rate = (диалоги, закрытые без эскалации / все диалоги) × 100%

Если из 1000 обращений ИИ сам довёл до результата 700, а 300 передал менеджерам — containment 70%. Это реалистичный потолок для хорошо настроенного бота на типовых запросах.

Но есть подвох: «закрыл сам» ≠ «решил проблему». Бот может закрыть диалог просто потому, что клиент устал ждать и ушёл. Поэтому Containment Rate всегда смотрят в паре с качеством: дошёл ли клиент до целевого действия, не вернулся ли с тем же вопросом, доволен ли остался.

Цифра №2. Конверсия из этапа в этап

Если продажи сложные и без менеджера сделку не провести, Containment Rate не подойдёт. Тогда смотрим поэтапную конверсию — какой процент клиентов переходит с одного шага воронки на следующий.

Конверсия этапа = (перешли на следующий этап / вошли в этап) × 100%

Эта цифра показывает не «активность», а движение клиента к деньгам. И именно она вскрывает самое интересное — что иногда проблема вообще не в ИИ.

Кейс: «виноват» оказался не бот, а отдел продаж

ИИ-ассистент автоматизировал первую линию — отвечал, квалифицировал, прогревал. Но общий результат оказался ниже ожиданий, и первая реакция была: «бот плохо работает». Прежде чем списывать его со счетов, зону ответственности продлили ещё на один этап воронки — и конверсия выросла.

Оказалось, ассистент отрабатывал свою часть отлично, а «терялись» клиенты уже на следующем этапе, который вели живые менеджеры. Недорабатывал не ИИ, а отдел продаж. Вывод: ИИ-ассистент — это ещё и диагностика. Поэтапная конверсия в разрезе «что делает бот» и «что делают люди» сразу подсвечивает узкое место — и часто оно не там, где ждали.

Цифра №3. Сэкономленное время отдела продаж — в деньгах

Самый недооценённый и при этом простой способ посчитать отдачу. Рутина — одни и те же вопросы, первичная квалификация, напоминания — съедает часы каждый день. ИИ забирает её на себя, а высвобожденное время легко перевести в деньги.

Экономия = высвобожденные часы × стоимость часа менеджера

Если ассистент освобождает каждому из пяти менеджеров по 2 часа в день — это 200+ часов в месяц, фактически ещё один сотрудник, которого не нужно нанимать. Честная оговорка: не закладывайте полное сокращение штата. Правильнее считать не «уволим троих», а «высвободили время, которое менеджеры направили на закрытие сделок».

Цифра №4. Стоимость обработки одного обращения

Метрика красиво ложится в P&L. Берём все затраты на канал (зарплаты + инструменты) и делим на количество обработанных обращений — получаем себестоимость контакта. Затем сравниваем «до» и «после».

Стоимость обращения = затраты на канал / количество обращений

Если до внедрения обращение стоило 150 ₽, а после — 60 ₽ при том же качестве, эффект очевиден. Чистый вклад ИИ: количество обращений × экономию с одного обращения − стоимость поддержки решения.

Цифра №5. ROI — но обязательно со сроком окупаемости

Венчает всё классический показатель рентабельности:

ROI = (эффект за период − затраты на проект) / затраты на проект × 100%

«Эффект» — сумма предыдущих цифр: сэкономленные часы, снижение стоимости обращений, доп. выручка от выросшей конверсии. «Затраты» — не только цена решения, но и интеграция, обучение команды, поддержка.

Главное предостережение: ROI без срока окупаемости обманчив. Два проекта с одинаковым ROI 200% могут окупаться один за 3 месяца, другой за 2 года. Поэтому всегда считайте рядом:

Срок окупаемости = затраты на проект / эффект в месяц

Только связка «ROI + срок окупаемости» даёт честную картину.

Как отличить реальный результат от красивой презентации

  • Игнорируйте метрики тщеславия. «Обработано 10 000 сообщений» — это активность, а не результат. Спрашивайте: сколько превратилось в деньги или в сэкономленное время?
  • Не верьте Containment Rate без проверки качества. Если бот отвечает только на лёгкое, а сложное переводит на людей, его оценка будет высокой — но это не значит, что он эффективен.
  • Проверяйте adoption — реальное использование. При уровне использования ниже 30% окупаемость падает до нуля, какой бы умной ни была модель.
  • Пересматривайте метрики раз в 3–6 месяцев. ИИ-решения меняются — цифра, честная на старте, через полгода может устареть.

Вывод

Окупаемость ИИ нельзя оценить «на глаз» или по презентации с большими числами. Реальную картину дают пять цифр, каждую из которых можно посчитать и привязать к деньгам: доля сделок без менеджера, поэтапная конверсия, сэкономленное время в рублях, стоимость обращения и ROI со сроком окупаемости.

Неочевидный бонус: грамотные метрики не только показывают, окупился ли ИИ, но и подсвечивают, где на самом деле теряются деньги. Иногда бот работает отлично — а дорабатывать нужно живой отдел продаж. Без честных цифр этого не увидеть.