Что автоматизировать в бизнесе первым и как это посчитать?

Коротко

• Внедрить ИИ или робота мало, нужно ещё получить от этого эффект. В опросе McKinsey 2025 года ИИ используют 88% компаний, а влияние на прибыль видят только 39%.
• Главная причина провалов, по данным интервью RAND, — плохо сформулированная задача, а не слабая технология. Поэтому начинать нужно со списка рутины и замеров, а не с выбора инструмента.
• Методики ICE, RICE, WSJF и матрица «ценность — сложность» решают одну задачу: сравнить пользу и затраты по одной шкале. Для владельца бизнеса достаточно упрощённой версии.
• Мы предлагаем свою упрощённую формулу (это авторская схема SystemsLab, а не стандарт): (частота + потерянные часы + деньги и ошибки) × готовность персонала ÷ сложность. Кто набрал больше баллов, тот и идёт в пилот первым.
• Чтобы собрать данные и выбрать одну-две задачи для пилота, хватает двух недель. Порядок действий по дням — ниже.

Автоматизация — это передача повторяющейся работы программе: учётной системе, роботу, боту или ИИ-агенту. Разберём, почему проекты не окупаются, какие есть методики приоритизации и как за две недели получить свой рейтинг задач. Данные актуальны на сентябрь 2026 года.

Почему многие проекты автоматизации и ИИ не окупаются?

Чаще всего потому, что выбрали не ту задачу или не смогли измерить результат. Цифры о провалах часто пересказывают неточно, поэтому смотрим первоисточники.

MIT NANDA: 95% организаций без измеримой отдачи

В отчёте MIT NANDA «The GenAI Divide» (июль 2025) сказано: несмотря на 30–40 млрд долларов корпоративных вложений в генеративный ИИ, 95% организаций не получают от него измеримой отдачи. Генеративный ИИ — это модели, которые создают текст, картинки или код по запросу, например ChatGPT или GigaChat.

Часто эту цифру пересказывают как «95% ИИ-проектов проваливаются», но это неточно. Отчёт помечен как предварительный (v0.1, «Preliminary Findings»). В его основе обзор более 300 публичных инициатив, интервью с представителями 52 организаций и 153 анкеты руководителей, собранные на отраслевых конференциях. Авторы сами называют свои цифры «верными по направлению», а не точными. Корректная формулировка звучит так: в выборке MIT NANDA 95% организаций не видят измеримого эффекта от генеративного ИИ на прибыль.

По одной из оценок в отчёте, около половины бюджетов на генеративный ИИ уходит в продажи и маркетинг, хотя, по словам авторов, автоматизация бэк-офиса часто окупается лучше. Бэк-офис — это внутренняя работа, которую клиент не видит: сверки, документы, учёт. Самую заметную экономию дал отказ от части аутсорсинга и услуг агентств, а не сокращение собственного штата.

McKinsey: пользуются почти все, эффект видят меньше половины

По данным McKinsey «The State of AI in 2025» (ноябрь 2025), 88% респондентов регулярно используют ИИ хотя бы в одной функции компании. Но хоть какое-то влияние ИИ на операционную прибыль (EBIT) отмечают лишь 39%, и у большинства из них на ИИ приходится меньше 5% этой прибыли. Компаний-«лидеров», где эффект заметный, около 6%. Отличает их то, что они чаще перестраивают сами рабочие процессы, а не просто добавляют к ним новый инструмент.

Оговорка: опрошены 1 993 человека из 105 стран и компаний разного размера, 38% из них работают в организациях с выручкой больше 1 млрд долларов. Поэтому переносить эти доли на российский малый бизнес напрямую нельзя. Переносится общий вывод: инструмент сам по себе прибыль не приносит.

Gartner: прогнозы, а не измерения

Gartner в пресс-релизе от 25 июня 2025 года прогнозирует, что более 40% проектов агентного ИИ отменят к концу 2027 года. Причины — рост затрат, неясная ценность для бизнеса и слабый контроль рисков. Агентный ИИ — это системы, которые не просто отвечают на вопрос, а сами выполняют цепочку действий: создают заказ, пишут клиенту, меняют запись в базе.

Годом раньше, 29 июля 2024 года, Gartner прогнозировал, что не менее 30% проектов генеративного ИИ забросят после пилота к концу 2025 года. Оба числа — прогнозы по конкретным видам ИИ, а не измерения. Проверенных данных о том, сбылся ли прогноз про 30%, на сентябрь 2026 года мы не нашли, а переносить эти проценты на автоматизацию вообще некорректно.

RAND: почему проекты проваливаются

В докладе RAND «The Root Causes of Failure for Artificial Intelligence Projects» (2024) есть известная фраза: по некоторым оценкам, на которые ссылается RAND, проваливается более 80% ИИ-проектов. Это чужие оценки из прессы, сам RAND долю провалов не измерял. Собственная работа RAND — 65 интервью с опытными специалистами по данным и инженерами, и её ценность в другом: авторы выделили пять корневых причин неудач.

1. Задача понята неверно или плохо сформулирована. Это самая частая причина.
2. Нет нужных данных.
3. Команда увлеклась модной технологией, а не проблемой пользователя.
4. Не хватает инфраструктуры, то есть серверов, интеграций и процессов вокруг модели.
5. Задача слишком сложна для ИИ.

Три причины из пяти отсеиваются ещё до старта, если честно оценить задачу.

Это касается не только ИИ

Роботизация рутины (RPA) — это программы-«роботы», которые повторяют действия человека в интерфейсах: копируют данные из одного окна в другое, заполняют формы. По опыту EY («Get ready for robots», 2016), до 30–50% первых RPA-проектов проваливаются, и дело там не в технологии, а в типовых ошибках внедрения.

Где эффект всё-таки есть? Stanford AI Index 2026 приводит данные о приросте производительности на 14–15% в поддержке клиентов и на 26% в разработке ПО. Общее у этих задач одно: работа структурирована, а результат легко измерить.

Что известно о российском бизнесе?

Нейросетями пользуются многие, но встраивают ИИ в процессы пока немногие. По данным Росстата в обработке ИСИЭЗ НИУ ВШЭ (март 2026), ИИ используют 4,8% организаций: 14,9% среди компаний численностью больше 500 человек и 4,1% среди компаний до 100 человек. Обследование охватывает крупные и средние организации, малый бизнес в него не входит.

У малого бизнеса картина другая. Согласно опросу ПСБ и «Опоры России», который пересказывает «Деловая Россия» со ссылкой на «Известия» (август 2026), доля предпринимателей, использующих нейросети, за год выросла с 17% до 53%. Противоречия здесь нет: в этом опросе учитывается любое использование нейросети, в том числе генерация текстов в чат-боте, а не встроенная автоматизация процесса.

Ещё в 2024 году НАФИ выяснил, что 63% представителей малого и среднего бизнеса видят главную пользу ИИ в экономии времени. Больше половины из тех, кто согласен, что ИИ экономит время, называют 3–10 часов в неделю.

Проверенных свежих российских данных о том, сколько часов сотрудники тратят именно на рутину, мы не нашли, поэтому часы придётся замерить у себя.

Какие методики помогают выбрать, что автоматизировать первым?

Самые известные — ICE, RICE, WSJF и матрица «ценность — сложность». Все они делают одно и то же: переводят «хочется» и «кажется» в числа, которые можно сравнить между собой.

ICE: быстро, но субъективно

ICE — это оценка по трём факторам: влияние (Impact), уверенность (Confidence) и лёгкость (Ease). Методику связывают с именем Шона Эллиса. По описанию ProductPlan, каждый фактор ставят по шкале от 1 до 10 и обычно перемножают. Слабые места методики известны: оценки почти целиком субъективны, а лёгкость тянет наверх «быстрые победы», даже если пользы от них немного.

RICE: учитывает, скольких людей это касается

RICE описал Шон Макбрайд из Intercom в статье, опубликованной 5 января 2018 года. Формула: охват × влияние × уверенность ÷ трудозатраты. Влияние оценивают по шкале 3 / 2 / 1 / 0,5 / 0,25, уверенность — в процентах (100, 80 или 50), трудозатраты — в человеко-месяцах. Главная польза RICE в том, что уверенность здесь отдельный множитель: смелая, но непроверенная идея честно теряет баллы.

WSJF: сколько вы теряете, пока задача не сделана

WSJF (взвешенная очерёдность «сначала короткие задачи») используется в методологии Scaled Agile Framework. Формула: стоимость задержки ÷ размер работы. Стоимость задержки — это то, что бизнес теряет за каждый период, пока задача не решена. Она складывается из ценности для клиента и бизнеса, срочности и снижения рисков. На странице SAFe цитируют Дона Рейнертсена: если измерять что-то одно, измеряйте стоимость задержки.

Матрица «ценность — сложность»

Это таблица 2×2: по одной оси польза, по другой сложность. Задачи раскладывают по четырём квадрантам: «быстрые победы» (много пользы, мало сложности), «большие проекты», «мелочи» и «ловушки». У матрицы нет единого автора, это рабочий инструмент из практики управления продуктами. Она наглядна, но две задачи в одном квадранте с её помощью не сравнить.

Методика	Что считает	Сильная сторона	Слабая сторона
ICE	Влияние × уверенность × лёгкость	Пять минут на задачу	Много субъективности, любит «быстрые победы»
RICE	Охват × влияние × уверенность ÷ трудозатраты	Штрафует непроверенные идеи	Нужно оценить трудозатраты в человеко-месяцах
WSJF	Стоимость задержки ÷ размер работы	Думает о деньгах, которые теряются каждый месяц	Стоимость задержки трудно оценить без данных
Матрица 2×2	Ценность против сложности	Наглядно, понятно всей команде	Не ранжирует задачи внутри квадранта

Эти методики пришли из управления ИТ-продуктами, и для руководителя фитнес-клуба или цеха в них много лишнего. Но из каждой можно взять полезную идею: из RICE — охват и уверенность, из WSJF — деньги, которые теряются каждый месяц, из матрицы — наглядность. Так и устроена формула ниже.

А если данные уже есть в системах?

Процесс-майнинг — это анализ журналов событий из учётных систем, который показывает, как процесс идёт на самом деле, а не как он описан в регламенте. Так его определяет манифест рабочей группы IEEE по процесс-майнингу (есть официальный перевод на русский). Небольшой компании обычно хватает упрощённой версии: выгрузки из учётной системы с числом документов, правок и возвратов в день.

Как посчитать, какую задачу автоматизировать первой?

Оцените каждую рутинную задачу по пяти критериям от 1 до 5 и посчитайте балл по простой формуле:

1. Частота (Ч). Как часто задача повторяется. Чем чаще, тем больше пользы от автоматизации.
2. Потерянные часы (П). Сколько рабочих часов в месяц уходит на задачу у всех сотрудников вместе. Считайте по замеру, а не по ощущениям.
3. Деньги и ошибки (Д). Во что обходятся ошибки, задержки и упущенные продажи: неверная сверка кассы, забытое продление абонемента, брак из-за ошибки в задании.
4. Готовность персонала (Г). Готовы ли люди работать по-новому и есть ли человек, который будет отвечать за результат. Это множитель: без готовности даже хорошая идея теряет большую часть баллов.
5. Сложность (С). Насколько трудно сделать: нужны ли интеграции, в каком состоянии данные, есть ли у учётной системы программный интерфейс. Это делитель.

Балл = (Ч + П + Д) × Г ÷ С. Это наша авторская формула, а не общепринятая методика: она упрощает идеи RICE и WSJF для владельца бизнеса, и шкалы можно подстроить под себя. Максимум — 75 баллов, минимум — меньше единицы. Ценность мы складываем, потому что её части друг друга дополняют. Готовность умножает результат, а сложность делит — так формула повторяет логику RICE и WSJF: польза в числителе, затраты и риски в знаменателе.

Критерий	1 балл	3 балла	5 баллов
Частота	Раз в месяц и реже	Несколько раз в неделю	Много раз в день
Потерянные часы в месяц	До 5 часов	10–20 часов	Больше 40 часов
Деньги и ошибки	Ошибки редки и ничего не стоят	Заметные потери раз в месяц	Регулярные потери денег или клиентов
Готовность персонала	Сопротивление, ответственного нет	Нейтрально, ответственный найдётся	Сотрудники сами просят, ответственный назначен
Сложность	Готовая функция или настройка	Нужна доработка или связка двух систем	Нет данных, много систем, нестандартная логика

Промежуточные оценки — 2 и 4. Для часов удобна такая шкала: 2 балла — 5–10 часов, 4 балла — 20–40 часов.

Деньги стоит посчитать отдельно, даже если в балл они входят оценкой. Умножьте потерянные часы на стоимость часа сотрудника вместе с налогами и добавьте прямые потери от ошибок. Получится сумма, которую задача «съедает» каждый месяц, то есть та самая стоимость задержки из WSJF. С этой суммой проще сравнивать предложения подрядчиков.

Как выглядит таблица оценки на практике?

Это одна таблица, где у каждой задачи пять оценок и итоговый балл. Ниже шаблон с пятью примерами из фитнес-клуба, термального комплекса и производства.

Важно: примеры иллюстративные. Баллы условные и поставлены для демонстрации формулы, это не данные наших клиентов. В вашем бизнесе те же задачи могут получить совсем другие оценки.

Задача	Где	Ч	П	Д	Г	С	Балл
Напоминания об окончании абонемента и заморозки: администратор обзванивает клиентов вручную	Фитнес-клуб	5	4	4	4	2	26
Ответы на типовые вопросы гостей: режим работы, цены, что взять с собой	Термальный комплекс	5	4	2	4	2	22
Сверка оплат банковскими картами (эквайринга) с учётной системой и 1С в конце смены	Фитнес-клуб, термы	4	3	5	3	3	12
Перенос бумажных сменных рапортов в 1С	Производство	5	5	4	2	3	9,3
ИИ-агент, который прогнозирует закупку сырья	Производство	2	2	5	2	5	3,6

Ч — частота, П — потерянные часы, Д — деньги и ошибки, Г — готовность персонала, С — сложность. Пример расчёта для первой строки: (5 + 4 + 4) × 4 ÷ 2 = 26.

Что видно из примера

• Напоминания и ответы гостям выходят вперёд. Они частые, понятные, результат легко измерить: сколько продлений, сколько вопросов закрыто без администратора. Это структурированная работа, для которой Stanford AI Index фиксирует заметный прирост производительности. Часто хватает бота в мессенджере (MAX, Telegram) или на сайте, связанного с учётной системой. На сентябрь 2026 года основной канал — MAX и сайт: по данным Mediascope в пересказе Хабра, в июне 2026 года месячная аудитория MAX — 86,26 млн человек, Telegram — 75,69 млн. Telegram с 10 февраля 2026 года официально замедлен Роскомнадзором, поэтому он подходит как дополнительный канал, а WhatsApp с 11 февраля 2026 года без VPN не работает.
• Сверка оплат дорогая по ошибкам, но сложнее. Нужно связать банк, учётную систему клуба и 1С. Такую задачу стоит делать второй, когда команда уже получила первый результат.
• Бумажные рапорты теряют баллы из-за готовности. Часов уходит много, но если мастера не готовы отказаться от бумаги, автоматизация будет саботироваться. Сначала нужен ответственный и понятная форма ввода, например планшет в цеху.
• Модный ИИ-прогноз оказывается последним. Выгода может быть высокой, но задача редкая, данных может не хватить, а сложность максимальная. Здесь сходятся три причины провалов по RAND: нехватка данных, упор на модную технологию и слишком сложная для ИИ задача.

Как за две недели выбрать первую задачу для автоматизации?

Нужно 10 рабочих дней: неделя на сбор данных, неделя на оценку и подготовку пилота. Пилот — это небольшой ограниченный по сроку запуск на одном участке, чтобы проверить эффект до больших затрат.

1. День 1. Составьте список рутины. Попросите администраторов, бухгалтера, менеджеров и мастеров записать всё, что они делают руками чаще двух раз в неделю. Подсказки: «переписываю», «сверяю», «напоминаю», «отвечаю на одно и то же». Вечером уберите дубли и сформулируйте каждую задачу одной фразой с глаголом: «сверять оплаты по эквайрингу с кассой». Обычно получается 15–30 пунктов.
2. Дни 2–6. Замерьте время. Пять рабочих дней сотрудники отмечают в простой таблице, сколько минут ушло на каждую задачу из списка. Параллельно сделайте выгрузку из учётной системы: сколько документов, записей, правок и отмен в день. Это упрощённый процесс-майнинг.
3. День 7. Посчитайте деньги и ошибки. Переведите часы в месяц и в рубли по стоимости часа с налогами. Поднимите за последний квартал расхождения в кассе, возвраты, жалобы, брак и неоплаченные продления.
4. День 8. Оцените готовность и сложность. Поговорите с теми, кого изменения коснутся, и найдите ответственного за каждую задачу-кандидата. Сложность уточните у своего ИТ-специалиста или интегратора: какие системы участвуют и есть ли у них программный интерфейс для обмена данными.
5. День 9. Посчитайте баллы и выберите одну-две задачи. Заполните таблицу, отсортируйте по убыванию и проверьте верх списка здравым смыслом: если задача через полгода исчезнет сама, её можно пропустить. Берите в работу не больше двух задач, чтобы команда не распылялась.
6. День 10. Сформулируйте задачу и план пилота. Запишите, как сейчас (цифры из замера), какой результат нужен, по какой метрике вы его проверите и при каком результате пилот останавливаете. Назначьте ответственного, участок, срок и дату контрольного замера.

Способ решения выбирайте после формулировки задачи, а не до неё. Иногда хватает настройки учётной системы или доработки 1С, иногда нужен бот, робот или ИИ-агент. После пилота вернитесь к таблице: реальные цифры покажут, стоит ли масштабировать решение и какая задача идёт следующей.

Какие ошибки чаще всего портят расчёт?

Чаще всего расчёт портят оценки «на глаз» и спешка с выбором инструмента. Проверьте себя по списку перед тем, как утверждать пилот.

• Часы взяты из головы. Руководитель обычно недооценивает мелкие задачи, которые съедают день по 5 минут. Данные Microsoft (июнь 2025) показывают, как дробится рабочее время: по телеметрии Microsoft 365, сотрудника прерывают в среднем раз в 2 минуты. Россия в эту выборку не входит, но сам эффект знаком любому администратору на ресепшене.
• «Работу о работе» путают с рутиной. В исследовании Asana (март 2023) координация, поиск информации и статусы занимают 58% рабочего дня. Но это не то же самое, что задачи, которые можно отдать программе. Опрашивали 9 615 офисных работников шести развитых стран, России среди них нет.
• Нет ответственного. По данным Microsoft Work Trend Index 2026, на эффект от ИИ организационные факторы — культура, поддержка руководителя, кадровые практики — влияют вдвое сильнее, чем личные усилия сотрудника. Опрос проводили в 10 странах, России среди них нет. Если за задачу никто не отвечает, ставьте готовность 1.
• Сразу берут пять задач. Команда распыляется, и ни одна задача не доходит до измеримого результата.
• Нет замера «до». Без исходных цифр через три месяца невозможно доказать, что автоматизация что-то дала. А в выборках MIT NANDA и McKinsey большинство организаций как раз не видят измеримого эффекта.
• Выбирают технологию раньше задачи. Это одна из пяти причин провалов по RAND. Формулировка «хотим ИИ-агента» — не задача. Задача звучит так: «сократить время ответа гостю с 20 минут до 2».

Когда стоит звать интегратора?

Когда в задаче участвуют две системы и больше или когда нужна оценка сложности со стороны. Список рутины, замер времени и оценку готовности лучше сделать своими силами: вы знаете свой бизнес лучше любого подрядчика.

Внешний взгляд полезен на шагах, где нужны технические знания: оценить сложность, найти готовую функцию вместо разработки, связать учётную систему клуба, банк и 1С. Так устроена наша интеграция систем: сначала аудит и расчёт, потом пилот. Если в верхней части таблицы оказались ответы гостям или напоминания, посмотрите, как мы строим ИИ-агентов для персонала и гостей. Порядок работы от аудита до поддержки описан на странице «Как мы работаем».

Источники

1. MIT NANDA. The GenAI Divide: State of AI in Business 2025 (предварительная версия, копия PDF) — июль 2025.
2. McKinsey. The State of AI in 2025: Agents, innovation, and transformation — ноябрь 2025.
3. Gartner. Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — 25.06.2025.
4. Gartner. 30% of Generative AI Projects Will Be Abandoned After Proof of Concept by End of 2025 — 29.07.2024.
5. RAND. The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed — 2024.
6. EY. Get ready for robots — 2016.
7. Stanford HAI. AI Index Report 2026, глава Economy — 2026.
8. ИСИЭЗ НИУ ВШЭ. Использование ИИ в организациях по данным Росстата — март 2026.
9. «Деловая Россия» (перепечатка «Известий»). Опрос ПСБ и «Опоры России» об использовании нейросетей в МСП — 03.08.2026.
10. НАФИ. Каждый третий представитель МСП использует искусственный интеллект в работе — 20.05.2024.
11. ProductPlan. ICE Scoring Model — дата не указана.
12. Intercom. RICE: Simple prioritization for product managers — 05.01.2018.
13. Scaled Agile Framework. WSJF — дата не указана (страница © 2010–2026).
14. IEEE Task Force on Process Mining. Манифест процесс-майнинга (русский перевод) — 2012.
15. Microsoft WorkLab. Breaking down the infinite workday — 17.06.2025.
16. Asana / Business Wire. Anatomy of Work Global Index 2023 — 08.03.2023.
17. Microsoft. Work Trend Index 2026 — май 2026.
18. MAX обошёл Telegram по месячной аудитории (данные Mediascope за июнь 2026) — Хабр, 22.07.2026.
19. Блокировка Telegram в России (2026) — Википедия, проверено 17.09.2026.
20. Власти окончательно прибили WhatsApp в России — CNews, 11.02.2026.