Популярность не равна прибыли. Считаем реальную стоимость разработки ИИ-продуктов

Представьте продуктовый обзор 2026 года. На экране все зеленое: умной функцией пользуются 85% клиентов, служба поддержки закрывает без оператора 45% обращений, время ответа упало на 60%. Команда довольна, кто-то уже произносит слово «масштабируем». Потом приходит финансист, открывает фактический отчет о прибылях и убытках по этой функции — и там убыток. Не потому, что искусственный интеллект плохой, а потому, что команда посчитала, сколько людей пользуется функцией, но не посчитала, сколько стоит один принятый результат.

В докладе разберем:

• Как собрать рабочий лист экономики умной функции: свести на одном листе ценность, порог качества, семь строк себестоимости и решение по функции.
• Почему счет за обращения к модели — только верхушка расходов, и где прячутся ручная проверка, повторные генерации, переключение на человека и нагрузка на поддержку. Отдельно — надбавка за русский язык: одно русское слово обходится модели в 1,5–3 раза дороже английского.
• Как выглядит расчет в рублях на примере двух функций: при популярности 85% рентабельность составляет −33%, а при популярности 55% с жестким порогом качества — +53%.
• Где инструмент сработал, а где сломался — на восьми кейсах: Сбер, Х5, Альфа-Банк, HeadHunter, «Макдоналдс», «Эйр Канада», Zillow и Klarna.
• Где инструмент сам вводит в заблуждение — репутация бренда, неизмеримый результат, функция-приманка, отсутствие данных — и что считать вместо стоимости принятого результата.

После доклада участники смогут:

• Собрать рабочий лист экономики для одной своей функции за 30–45 минут.
• Поставить порог приемки не только по оценке качества, но и по стоимости одного принятого результата.
• Пересчитать текущий список задач по искусственному интеллекту через решение «масштабировать, перенаправить, заморозить или закрыть».
• Добавить в продуктовый обзор семь строк себестоимости: обращения к модели, поиск по базе знаний, повторные генерации, переключение на человека, ручную проверку, нагрузку на поддержку, задержку ответа и запас на смену поставщика.
• Перестать защищать умную функцию цифрами популярности и начать защищать ее прибылью с поправкой на риск.

Доклад будет полезен:

• Продуктовым менеджерам и директорам по продукту, которые запускают или масштабируют функции на искусственном интеллекте.
• Аналитикам, отвечающим за выручку и эффективность — особенно если приходится объяснять, почему показатели зеленые, а прибыли нет.
• Продуктовым руководителям, которые принимают решение «масштабируем или закрываем» и отвечают за прибыль продукта.
• Всем, кто работает на стыке продукта, аналитики и финансов и хочет, чтобы показатели помогали принимать решения, а не маскировали убыток.