Friflex 
Тендеры и лиды
Информация
Искусственный интеллект может за секунды найти нужные сведения в документах, проверить изменения в коде, создать первую версию цифрового продукта. Но высокая скорость работы модели еще не означает, что бизнес получит выгоду. Если сотрудники тратят много времени на проверку ответов, а обслуживание ИИ обходится дороже, чем работа без него, смысл такой автоматизации теряется.
В компании Friflex мы разрабатываем ИИ-решения для бизнеса и оцениваем их эффективность на практике. В статье разберем четыре направления, в которых ИИ может дать измеримый результат: экономия времени, качество работы, скорость проверки гипотез и затраты.
Прежде чем внедрять ИИ, важно определить, что именно должно измениться в работе компании. Для каждой задачи выбирают показатель, который поможет оценить результат.
Например, если сотрудники тратят много времени на обработку заявок, измеряют трудозатраты. Если клиенты долго ждут ответа, стоит замерить срок от обращения до решения вопроса. Когда в работе много переделок, считают долю задач, которые возвращаются на доработку.
Исходные значения фиксируют до внедрения ИИ, чтобы затем было с чем сравнивать. Важно учитывать основной показатель, качество работы, стоимость решения. ИИ не принесет пользы, если ускорение одной операции обернется дополнительными расходами или ошибками на следующих этапах.
Один из самых очевидных результатов автоматизации — сокращение времени на выполнение задачи. Но здесь легко ошибиться в расчетах.
Допустим, сотрудник раньше тратил 20 минут на обработку документа, а ИИ справляется за одну. Было бы неправильно считать, что компания сэкономила 19 минут. Сотруднику еще нужно подготовить данные, проверить результат и исправить ошибки, если они есть.
Стоит измерять трудозатраты на весь процесс, а не только скорость работы модели.
Самый надежный способ оценки — параллельное сравнение. Сопоставимые задачи случайным образом распределяют между двумя потоками: с ИИ и без него. Обе группы работают в одинаковых условиях и в один период. Это помогает отделить эффект технологии от влияния нагрузки, опыта сотрудников и сложности задач.
Если организовать такое сравнение невозможно, используют данные за прошлые периоды. Но здесь нужно учитывать сезонность, изменения регламентов и состава команды. Например, снижение времени обработки может быть связано с тем, что сотрудники стали опытнее.
Полезно измерять и продолжительность отдельных этапов. Например, если ИИ ускорил поиск информации, важно проверить, сократилось ли общее время выполнения задачи с учетом последующих согласований.
Например, кураторы ДМС страховой компании (NDA) регулярно обращаются к внутренним документам и правилам страховых программ, чтобы отвечать на вопросы клиентов.
Для них мы разработали ИИ-помощника на базе Flexar — платформы для автоматизации процессов с помощью агентов, больших языковых моделей и технологии генерации ответов с опорой на базу знаний (RAG).
ИИ-помощнику можно просто задавать вопросы и получать ответы на основе корпоративной базы знаний. В результате нагрузка на кураторов снизилась на 30%, а скорость получения ответов выросла на 80%.
Сэкономленное время не всегда означает сокращение расходов. Если зарплаты сотрудников остались прежними, экономии на фонде оплаты труда нет. Зато команда может обрабатывать больше документов или заниматься другими задачами.
При разработке цифровых продуктов ИИ помогает быстрее писать код и проверять его качество. Но во время проверки система может пропускать ошибки или оставлять необоснованные замечания. Тогда появляются риски для продукта, а разработчики тратят время на ложные срабатывания.
Качество важно измерять отдельно от скорости. Например, для автоматической проверки кода подходят два показателя:
Точность — доля обоснованных замечаний среди всех замечаний ИИ. Показывает, как часто система указывает на действительные проблемы.
Полнота — доля обнаруженных проблем среди всех известных проблем в проверяемом наборе. Показывает, сколько ошибок система находит, а сколько пропускает.
Они дополняют друг друга. Например, если 90% замечаний ИИ обоснованы, это еще не значит, что система обнаружила 90% ошибок. Она может давать мало ложных замечаний, но при этом пропускать часть проблем.
Эти и другие показатели мы используем для оценки работы CodeBabai — сервиса Friflex для автоматической проверки кода. С помощью ИИ-агентов он анализирует изменения, находит ошибки в логике, проблемы с безопасностью и производительностью и оставляет замечания в запросах на слияние (merge request).
В проекте для крупной розничной компании (NDA) CodeBabai помог сократить время проверки кода с двух часов до
Есть задача на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR? Создайте тендер и выберите подходящего исполнителя из откликов.
Заполнить заявку
13843 тендера
проведено за восемь лет работы нашего сайта.
Генеративный ИИ помогает быстрее переходить от бизнес-гипотез к их проверке: создавать первые версии продуктов и выбирать идеи для дальнейшей разработки.
Например, чтобы проверить интерес к новому продукту или услуге, компании часто запускают одностраничные сайты с описанием предложения и формой для заявок. ИИ позволяет быстро создать такой сайт без разработки и настройки конструктора. Сервис Friflex LandCraft собирает первую версию страницы за
Тот же принцип работает и с цифровыми продуктами: ИИ помогает быстро создавать прототипы, чтобы выбрать наиболее перспективный вариант. Оценивать здесь стоит как скорость их создания, так и результаты тестирования: какие прототипы работают и что потребуется, чтобы превратить их в готовый продукт.
Такой подход мы исследуем на Вайбатонах — ИИ-хакатонах с реальными задачами компаний. Команды за
Мы провели три Вайбатона, в которых участвовали 34 команды. Они работали над задачами страховой компании ЭНЕРГОГАРАНТ, онлайн-кинотеатра Okko и футбольного клуба ПФК ЦСКА, а затем защищали проекты перед экспертным жюри.
В итоге за один день компании получили до 14 вариантов решения предложенных ими задач. Прототип команды-победительницы можно протестировать на реальных данных или взять за основу и доработать.
Егор Хохрин:
Руководитель отдела развития цифровых продуктов и сервисов ПФК ЦСКА
Решения, которые предложили участники Вайбатона, показывают, как искусственный интеллект может помогать быстрее генерировать идеи для перформансов, адаптировать визуальный контент под конкретный матч или событие. И в целом — делать общение с болельщиками более ярким и персонализированным.
Чтобы понять экономику решения, удобно считать стоимость одной завершенной операции. Например, обработки документа или обращения клиента.
В расчет важно включать прямые расходы на ИИ и затраты на подготовку данных, проверку результатов, исправление ошибок. Повторные запросы к модели тоже увеличивают стоимость.
Допустим, компания ежемесячно обрабатывает 1 000 документов. Раньше это обходилось в 100 000 рублей, или 100 рублей за документ.
После внедрения ИИ текущие расходы снизились до 65 000 рублей в месяц, включая использование модели, проверку результатов и техническую поддержку. Объем работы и качество остались прежними.
Теперь обработка одного документа обходится в 65 рублей. Экономия составляет 35 рублей на документ, или 35 000 рублей в месяц. Текущие расходы сократились на 35%.
Первоначальные вложения в разработку и интеграцию решения в этот расчет не входят. Их нужно учитывать отдельно — при оценке окупаемости.
Экономия времени, повышение качества и ускорение проверки гипотез — самостоятельные результаты. Не каждый из них можно сразу перевести в деньги. Но если задача компании в том, чтобы сократить расходы или получить дополнительную прибыль, важно оценить финансовый эффект с учетом всех затрат.
Для этого можно использовать показатель возврата инвестиций — ROI. Он отражает, насколько полученная финансовая выгода превышает вложения в проект.
В расходы включают разработку или покупку решения, интеграцию с корпоративными системами, использование моделей, инфраструктуру, обучение сотрудников, техническую поддержку.
Финансовая выгода может складываться из сокращения расходов, предотвращенных затрат и дополнительной прибыли. Главное — не учитывать один и тот же результат дважды. Например, нельзя одновременно записать высвободившиеся рабочие часы в экономию на зарплатах и в дополнительный доход, если этот доход уже рассчитан исходя из той же высвободившейся мощности.
Допустим, внедрение ИИ обошлось компании в 210 000 рублей, а ежемесячная экономия после вычета текущих расходов составляет 35 000 рублей.
За шесть месяцев первоначальные вложения окупятся. За год экономия на текущих операциях составит 420 000 рублей. После вычета первоначальных вложений чистый финансовый эффект достигнет 210 000 рублей, а ROI за первый год — 100%.
Если проект оценивают за год, в расчет должны войти все затраты на его работу за этот год, а не только первоначальная стоимость разработки.
Со временем меняются нагрузка, данные, стоимость использования моделей. Поэтому показатели, полученные при тестировании ИИ, могут отличаться от результатов при постоянной эксплуатации.
После запуска стоит регулярно проверять три группы показателей: результат основного бизнес-процесса, качество работы и полную стоимость успешно завершенной операции.
Еще важно отслеживать, какую долю подходящих задач выполняют с помощью ИИ и как часто сотрудникам приходится вмешиваться. Даже качественное решение не даст заметного эффекта, если им пользуются в небольшой части рабочих сценариев.
Оценивать эффективность ИИ нужно не по скорости ответа модели или количеству автоматизированных действий, а по изменениям в работе компании.
Система может быстро находить информацию, но это не ускорит обслуживание клиентов, если ответы еще несколько дней проходят согласование. Сэкономленные часы тоже не гарантируют финансовой выгоды, если компания не использует высвободившееся время или не сокращает расходы.
Начинать внедрение ИИ стоит с конкретной бизнес-задачи и показателей, которые отражают ее решение. Затем сравнивать результаты работы с ИИ и без него, контролировать качество и учитывать полную стоимость решения.
В конечном счете важно, стала ли компания быстрее, точнее или экономнее выполнять свои задачи — и можно ли подтвердить это цифрами.
