Как посчитать эффект от ИИ-консультанта — методика без обещаний

Коротко: потому что результат зависит от четырёх ваших вводных — сколько обращений приходит, какая их доля типовая, сколько стоит час менеджера и сколько заявок терялось до внедрения; у разных компаний эти числа отличаются в разы.

Если открыть статьи конкурентов, можно найти обещания вроде «кратный рост конверсии» или «экономия 200 тысяч в месяц». Такие цифры не описывают ваш случай — они описывают чей-то чужой, и обычно даже не измеренный, а посчитанный «на пальцах».

Мы не будем давать универсальную цифру, потому что её не существует. Что мы можем дать — методику: набор чисел, порядок расчёта и три ловушки, в которые попадает почти каждый, кто считает эффект первый раз.

И сразу важное про честность расчёта. Ниже будет пример с конкретными числами — это иллюстрация на типовых вводных, чтобы показать арифметику, а не наш замер и не обещание. Подставьте свои значения: порядок расчёта сохранится, результат изменится.

Коротко: обращений в месяц; доля обращений, которые консультант закрывает сам; стоимость часа работы на первой линии; и главное — сколько заявок не получало содержательного ответа до внедрения.

Первый рефлекс при оценке — считать всё, что можно посчитать. Это ошибка: пятьдесят показателей не превратятся в решение. Нужны четыре.

1. Обращений в месяц. Сколько раз к вам обращаются за месяц — со всех каналов: форма на сайте, чат, почта, мессенджеры, звонки. Не «примерно много», а конкретное число из логов. Дальше от него считаются все остальные показатели, поэтому неточность здесь умножается на всё остальное.

2. Доля типовых обращений. Какая часть вопросов имеет один понятный ответ из ваших материалов: наличие, цена, сроки, доставка, оплата, гарантия. Обычно это половина и больше. Именно эту долю и забирает консультант — не всё подряд.

3. Стоимость часа первой линии. Не оклад менеджера, а полная стоимость часа: со страховыми взносами и с поправкой на то, что на диалоги уходит не вся смена. Как это считать по шагам, мы разбирали в статье что дешевле — бот или живой оператор.

4. Потерянные обращения. Сколько обращений не получало содержательного ответа в разумный срок — до внедрения. Это самая важная цифра и та, которую чаще всего забывают. «Ваша заявка принята» — не ответ; ответ — это ответ на заданный вопрос. Метод измерения описан в статье про первую минуту.

Если какой-то из четырёх показателей вы не измеряли — не страшно. Три из них восстанавливаются по логам за прошлый месяц, и только четвёртый иногда приходится собирать руками. Но именно он определяет, есть ли вообще что улучшать.

Коротко: сначала фиксируем «как было», потом долю закрытия, потом экономию времени, и только в конце сравниваем с полными расходами — тариф плюс сопровождение.

Порядок важен, потому что от него зависит, не обманете ли вы сами себя.

Шаг 1. Базовая линия. Зафиксируйте состояние до внедрения: обращений в месяц, доля типовых, время первого содержательного ответа, сколько обращений осталось без ответа. Сделать это надо до запуска, а не после — иначе сравнивать будет не с чем. Если не успели, восстановите по логам за прошлый месяц и запишите дату, к которой относятся данные.

Шаг 2. Доля закрытия. Через две-три недели после запуска посчитайте, какую часть обращений консультант закрывает сам, без передачи человеку. Это не «сколько диалогов он начал», а сколько довёл до ответа по существу.

Шаг 3. Экономия времени. Умножьте число обращений, которые консультант закрыл сам, на среднее время менеджера, которое уходило на такое обращение. Получите сэкономленные часы. Умножьте на стоимость часа из шага 3 предыдущего раздела.

Шаг 4. Эффект от непотерянных обращений. Отдельная строка: сколько обращений вне рабочего времени получили ответ, которого раньше не получили бы. Считать это в деньгах сложнее всего, и здесь легко преувеличить. Корректный подход — считать не «средний чек умноженный на всё», а только те обращения, которые раньше терялись полностью.

Шаг 5. Полные расходы. Тариф плюс сопровождение: время человека, который отвечает за актуальность материалов, и правки базы после разбора диалогов. Актуальные тарифы — на странице тарифов.

Шаг 6. Сравнение. Экономия минус расходы. Если результат около нуля — это тоже результат, и он говорит, что инструмент вам пока не нужен.

Коротко: если не зафиксировать состояние до внедрения, вы будете мерить не эффект, а объём работы консультанта — и любой результат покажется успехом.

Это самая частая ошибка, и она опасна тем, что выглядит как хорошая новость.

Пример. Внедрили консультанта, он за месяц обработал 800 диалогов. Звучит внушительно. А сколько было до него? Если до него было 780 обращений и менеджеры отвечали на 750 из них — эффект близок к нулю, вы просто переложили ту же работу на инструмент. Если же до него 300 обращений из 300 оставались без ответа до утра — картина совершенно другая.

Отсюда практическое правило: базовая линия собирается до запуска и записывается в документ с датой. Не полагайтесь на память: через два месяца никто в компании не вспомнит, как было на самом деле, и в ход пойдёт удобная версия событий.

И вторая часть этой ловушки. Сравнивать надо с «как было», а не с идеалом. Если раньше вы отвечали за четыре часа, а теперь отвечаете за минуту — это улучшение, даже если кто-то скажет, что «нормальные компании отвечают быстрее».

Коротко: «ваша заявка принята» — это не ответ, и если считать такие обращения закрытыми, экономия окажется завышенной в несколько раз.

Разница между «получил обращение» и «ответил на вопрос» — центральная для всей этой методики. В отчётах она обычно размывается: «обработано 500 обращений» звучит одинаково и когда консультант дал 500 ответов по делу, и когда он 500 раз написал «мы свяжемся с вами в рабочее время».

Как считать правильно. Возьмите выборку диалогов — хотя бы тридцать — и вручную разделите их на три группы:

Доля первой группы от всех обращений — вот та цифра, которая участвует в расчёте. Вторая и третья в экономию времени не идут: по вторым работа ещё не сделана, по третьим её делает человек.

Заодно эта выборка показывает, есть ли у консультанта пробелы. Про причины, по которым он не находит ответ, и что с этим делать, мы подробно писали в статье почему бот не отвечает по базе знаний.

Коротко: тариф — это не вся стоимость: к нему добавляется время человека, который поддерживает материалы, иначе база устаревает за месяц-два и эффект обнуляется.

Когда считают эффект, в расходы обычно ставят только тариф. Это половина счёта.

Что ещё входит в реальную стоимость:

Оценка этих затрат обычно выглядит так: несколько часов в месяц работы человека, который знает продукт. Умножьте на стоимость его часа — и вычтите из экономии.

И отдельно про ожидание, что сопровождение можно не делать. Японское исследование Persol Research Institute (2026, национальная выборка) — FNN, 03.02.2026 — показало: генеративный ИИ ускоряет отдельные задачи в среднем на 16,7 %, но рабочее время реально сократилось лишь примерно у 25,4 % пользователей, а 61,2 % высвобожденного времени вернулось в работу, и в основном в текущую рутину. То есть ускорение не превращается в экономию само по себе — его надо куда-то направить осознанно.

Коротко: вот арифметика от начала до конца, но это иллюстрация на выдуманных ровных числах, а не наш замер — подставьте свои значения.

Важно: все числа ниже — иллюстрация для показа порядка расчёта. Это не наш результат и не обещание.

Исходные данные (типовые вводные):

Экономия времени: 120 × 10 минут = 1 200 минут = 20 часов. В деньгах: 20 × 600 = 12 000 ₽ в месяц.

Сопровождение: владелец материалов — 3 часа в месяц, разбор диалогов — 1 час. Итого 4 часа × 600 ₽ = 2 400 ₽ в месяц.

Расходы: тариф (смотрите на странице тарифов) плюс 2 400 ₽ сопровождения.

Если тариф сопоставим с 12 000 ₽ экономии, разница окажется в пределах нескольких тысяч рублей — и тогда решает вторая часть: обращения вне рабочего времени, которые раньше терялись целиком. Именно они обычно дают основной эффект, но и считать их надо осторожно, только по тем обращениям, которые действительно оставались без ответа.

Обратите внимание, как меняется картина от одной вводной. Если типовых обращений не 40 %, а 15 %, экономия времени падает с 20 часов до 7,5 — и та же подписка перестаёт окупаться. Если стоимость часа не 600 ₽, а 300 ₽, экономия уменьшается вдвое. Поэтому универсальной цифры и не бывает: она целиком состоит из ваших чисел.

Коротко: не подгонять расчёт, а проверить три вещи — сколько на самом деле типовых обращений, есть ли письменные ответы и не тратится ли сопровождение впустую.

Маленький результат — не повод переделать таблицу. Это повод задать три вопроса.

Вопрос 1. Правильно ли определена доля типовых обращений? Если она мала, значит ваши вопросы действительно сложные, и первая линия не может закрывать их автоматически. Тогда правильный вывод — не покупать инструмент для первой линии, а работать с тем, что есть.

Вопрос 2. Есть ли письменные ответы? Ответа, который хранится только в голове менеджера, для консультанта не существует. Если материалов нет, сначала появляются документы — и это работа, которая нужна независимо от автоматизации.

Вопрос 3. Не теряется ли экономия? Если консультант закрывает 120 обращений, а менеджеры по-прежнему загружены так же, значит освободившееся время ушло в рутину — ровно то, что показало исследование Persol. Сэкономленные часы надо направлять осознанно: на звонки тем, кто написал ночью, на сложные случаи, на работу с уже оставленными заявками.

И честный вывод, который стоит принять. Отсутствие эффекта — нормальный результат расчёта, а не провал методики. По сводке MIT (проект NANDA, август 2025 года) около 95 % пилотных проектов генеративного ИИ не дают измеримого эффекта на финансовый результат — разбор Fortune, 18.08.2025; первоисточник читался через разбор, поэтому приводим как ориентир. А Gartner в июне 2025 года оценивал, что более 40 % проектов на агентном ИИ будут закрыты до конца 2027 года из-за растущих затрат и неясной бизнес-ценности — сводка прогнозов Gartner, Maven AGI, 2026. В большинстве этих случаев проблема не в инструменте, а в том, что расчёт не делали вовсе или делали его с нуля вместо «как было».

Да, и это правильный порядок. До запуска вы можете зафиксировать базовую линию и посчитать верхнюю границу эффекта: сколько типовых обращений приходит и сколько времени уходит на них сейчас. Точную долю закрытия вы узнаете только после запуска, но ответить на вопрос «есть ли вообще задача» можно заранее.

Ориентируйтесь на месяц: первые две недели уходят на обкатку, диалоги читают вручную и правят базу. Результат первого месяца считайте осторожно — он смещён вниз. Ко второму месяцу данные уже пригодны для решения.

Расчёт занимает один вечер и не требует аналитика: тридцать диалогов, выгрузка по каналам и таблица. Если нет ни одного человека, который может выделить этот вечер, — это, вероятно, и есть главная проблема, а не отсутствие методики.

Нет. Можно считать в часах: сколько часов первой линии уходит на типовые вопросы и сколько из них перестало. Часы честнее, чем рубли, потому что их сложнее подогнать. Но в какой-то момент придётся перевести в деньги — иначе не с чем сравнить расходы.

Это результат. Он означает, что при вашем объёме и структуре обращений инструмент не окупается — и лучше узнать это на бумаге, чем после года подписки. Иногда правильный вывод — «не нужно», и мы такой вывод считаем нормальным.

Считать их отдельной строкой и честно: только те, которые раньше не получали ответа вообще. Не приписывайте к эффекту обращения, на которые и раньше отвечали днём — они не потерялись, они просто сдвинулись по времени.

Что вы можете сделать прямо сейчас: выгрузить обращения за прошлый месяц, посчитать долю типовых и выписать, на какие вопросы нет письменного ответа. Это бесплатно и уже даёт вам первый ориентир.

Получить демо на своём сайте — пришлём ссылку на консультанта, обученного по материалам вашего сайта. Вы сможете задать ему свои вопросы и увидеть, какую долю реально закрывает он сам, — а дальше посчитать эффект по методике выше на своих числах.

Читайте также: Правило первой минуты: почему горячий лид остывает до звонка · Что дешевле — бот или живой оператор · Почему бот не отвечает по базе знаний — и что с этим делать · Чат-бот на сайте: что он реально даёт и когда от него больше вреда · Все статьи блога →

Павел Гмир, основатель LeanAgent. Пишу о том, как компании теряют заявки на скорости ответа и что из этого реально исправить. Обсудить можно в TenChat или в Telegram.