Из чего складываются минус 78%: как разложить эффект автоматизации
Цифра «минус 78% времени» выглядит как свойство продукта. Она им не является. Это сумма трёх независимых изменений, каждое из которых работало бы и отдельно, и ни одно из которых само по себе не дало бы такого результата.
Разница между «мы внедрили систему и получили 78%» и «вот из чего эти 78% состоят» — практическая. Первая формулировка не переносится никуда: в другом процессе она даст другое число по неизвестной причине. Вторая переносится целиком, потому что называет механизмы, а не итог.
Эффект автоматизации складывается минимум из трёх слагаемых: сборки результата по правилам вместо ручной работы, доставки результата в систему записи и события, которое возвращается и запускает следующий шаг. Слагаемые действуют на разные группы людей и в разных пропорциях, поэтому итоговый процент невоспроизводим, а состав — воспроизводим.
Три слагаемых одной цифры
Разложение делается не по компонентам системы, а по типам работы, которые исчезли или изменились. У каждого слагаемого свой механизм, свой бенефициар и свой предел.
Сборка по правилам вместо ручной. Раньше менеджер открывал прайс, считал в калькуляторе, искал фотографии в складском каталоге и верстал документ в текстовом редакторе. После — выбирал позиции, остальное подставлялось. Это слагаемое даёт самую заметную часть экономии времени и работает мгновенно: эффект виден с первого документа. Его предел — объём формализуемого. Всё, что нельзя записать правилом, остаётся ручным.
Доставка результата в систему записи. Документ уходил из карточки сделки одним действием и туда же подшивался. Это слагаемое почти не экономит время исполнителя — оно экономит время всех остальных: руководителя, который ищет, что отправили клиенту, бухгалтера, который сверяет условия, коллеги, подхватывающего сделку. Эффект отложенный и потому чаще всего не попадает в расчёт окупаемости.
Событие, возвращающееся в контур. Открыл клиент письмо или нет, перешёл по ссылке или нет — эти факты запускали следующее действие. Это слагаемое не экономит время вообще. Оно меняет результат: увеличивает долю сделок, доведённых до разговора. В расчёте «экономии часов» его вклад равен нулю, а в выручке — нет.
| Слагаемое | Кто выигрывает | Когда виден эффект | Что его ограничивает |
|---|---|---|---|
| Сборка по правилам | Исполнитель | С первого документа | Доля формализуемого |
| Доставка в систему записи | Все, кроме исполнителя | Через квартал | Дисциплина использования системы |
| Событие и триггер | Компания в выручке | Через цикл сделки | Наличие следующего шага |
Обратите внимание на второй столбец. Слагаемые выигрывают разные группы людей, и это объясняет типичный конфликт при внедрении: исполнитель видит только первое слагаемое, руководитель ждёт третьего, а платит компания за всё сразу.
Почему эффект технологии неотделим от эффекта организации
Идея, что вклад технологии можно посчитать отдельно от вклада организационных изменений, разбивается об экономические данные — причём давно.
Фирмы, попавшие в верхнюю половину одновременно по инвестициям в информационные технологии и по децентрализации управления, в среднем на 5% продуктивнее тех, кто силён только в одном из двух. Рыночная оценка каждого доллара ИТ-капитала в децентрализованных компаниях оказывалась на 2–5 долларов выше, чем в централизованных.
Ограничение называю сразу: это корреляционные данные конца восьмидесятых и девяностых, а не эксперимент, и переносить проценты на сегодняшние внедрения нельзя. Ценна структура вывода: технология и организационное изменение — комплементарны, то есть их эффекты перемножаются, а не складываются. Именно поэтому итоговый процент невозможно приписать одному из них.
Средний эффект скрывает больше, чем показывает
Второй способ убедиться, что суммарная цифра бесполезна без разложения, — посмотреть на исследования с контрольной группой. Там видно, что «средний эффект» складывается из очень разных чисел.
Доступ к генеративному AI-ассистенту повысил производительность сотрудников поддержки в среднем на 14% обращений в час. При этом у новичков и низкоквалифицированных сотрудников рост составил 34%, а у опытных — оказался близок к нулю.
Это рабочий доклад, а не финальная рецензированная публикация на момент чтения, и данные получены в одной компании с одним инструментом. Обобщать сами проценты нельзя. Обобщается механизм: средний эффект складывается из большого эффекта у одной группы и почти нулевого у другой, и решение «внедрять или нет» зависит от структуры вашей команды, а не от среднего.
На задачах внутри возможностей модели консультанты с доступом к ней выполняли на 12,2% больше заданий и на 25,1% быстрее, с более высоким качеством. На задачах за пределами этих возможностей те же участники были на 19% реже правы, чем работавшие без модели.
Здесь важен знак. Один и тот же инструмент в одной и той же компании даёт плюс на одном классе задач и минус на другом. Усреднение этих двух чисел даёт величину, которая не описывает ни один реальный сценарий использования.
Как разложить эффект автоматизации бизнес-процессов в своём контуре
Метод не требует ни контрольной группы, ни статистики. Он требует, чтобы изменения вводились по очереди, а не одним релизом, — и именно на это обычно не хватает терпения.
Замер «до» — единственная часть, которую нельзя сделать задним числом. Три числа занимают полдня: сколько времени уходит на один результат, какая доля результатов содержит дефект, какая доля доходит до ответа клиента. Без них любое последующее сравнение будет спором о воспоминаниях.
Пауза между шагами нужна не для аккуратности отчёта, а для управляемости. Если после единого релиза эффект оказался меньше ожидаемого, у вас нет способа понять, какое из трёх изменений не сработало, и следующий шаг придётся выбирать наугад.
Почему пилот не повторяется при масштабировании
Разложение объясняет и самую частую неудачу: пилот показал эффект, а внедрение на всю компанию — нет. В пилоте обычно работает первое слагаемое, второе присутствует условно, а третьего нет вовсе.
Около 95% организаций не получают измеримой отдачи от пилотов генеративного AI, и лишь 5% корпоративных AI-инструментов, разработанных под задачу, доходят до промышленной эксплуатации. Причина, которую называют авторы, — разрыв обучаемости: пилотные системы не удерживают контекст и не улучшаются от обратной связи.
Это отраслевой отчёт, а не рецензируемое исследование, и выборка не описана как случайная — возможен перекос в сторону компаний, публично раскрывающих свои результаты. Но описанный механизм совпадает с разложением: пилот демонстрирует первое слагаемое, а окупаемость создают второе и третье, которые в пилоте не строят, потому что они требуют интеграции и владельца процесса. Подробнее об этом — в разборе того, где именно возникает эффект.
Четыре шага, чтобы цифра эффекта стала переносимой
Замерьте три числа до старта
Время на один результат, доля дефектных результатов, доля доведённых до ответа. Полдня работы, которые нельзя отыграть назад.
Вводите изменения по одному
Сначала правила, затем доставка, затем события. Между шагами — пауза, достаточная для замера.
Разметьте эффект по группам
Отдельно по новичкам и опытным, по простым и сложным случаям. Среднее по этим группам не описывает ни одну из них.
Опишите состав, а не итог
В отчёте о результате должно быть три строки, а не одна. Одна строка не воспроизводится в следующем процессе.
Если эффект вашего внедрения выражается одним числом, вы не сможете повторить его во втором процессе — и не узнаете почему.
Вопросы, которые задают чаще всего
Как измерить эффект автоматизации процесса?
Через три независимых показателя, снятых до и после: время на единицу результата, доля результатов с дефектом и доля результатов, дошедших до следующего шага. Один агрегированный показатель эффективности не годится: он маскирует ситуацию, когда время сократилось, а доля дефектов выросла, и наоборот.
Что делать, если замера «до» не сделали?
Восстановить его по документам, а не по памяти. Возьмите двадцать результатов за период до внедрения: даты создания и отправки дадут время, содержимое — долю дефектов, история переписки — долю дошедших до ответа. Это менее точно, чем прямой замер, но проверяемо, а воспоминания сотрудников — нет.
Почему у нас эффект меньше, чем в описанном кейсе?
Скорее всего, работает другое сочетание слагаемых. Если у вас уже была система записи и результат в неё попадал, второе слагаемое даст ноль — оно у вас уже закрыто. Если у процесса нет следующего шага после отправки результата, третье слагаемое тоже даст ноль. Тогда останется только первое, и итог будет заметно скромнее.
Насколько показательно разложение на три слагаемых?
Это разбор одного процесса в одной компании, а не универсальная модель. Число слагаемых зависит от процесса: где-то их два, где-то пять. Универсально другое требование — их должно быть больше одного, и каждое должно иметь собственный механизм и собственного бенефициара. Если разложить не получается, скорее всего, эффект просто не измерялся.
Показатель «минус 78% времени на подготовку предложения» и механика сервиса (расчёт по правилам, автоподстановка иллюстраций, единая вёрстка, обязательные блоки, отправка из карточки сделки, отслеживание открытий и переходов, триггерные письма, статистика по менеджерам) — из описания собственного продукта Alego.Digital. Это внутренняя метрика компании автора; она не проверялась независимой стороной и приводится как иллюстрация механики, а не как отраслевой ориентир. Разложение суммарного эффекта на три слагаемых — авторская реконструкция по составу изменений: раздельного замера по каждому слагаемому в момент внедрения не проводилось.
- Brynjolfsson E., Hitt L. M. Beyond Computation: Information Technology, Organizational Transformation and Business Performance. Journal of Economic Perspectives, 2000. aeaweb.org
- Brynjolfsson E., Li D., Raymond L. Generative AI at Work. NBER Working Paper 31161, 2023. nber.org
- Dell'Acqua F. et al. Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013, 2023. ssrn.com
- MIT Project NANDA. The GenAI Divide: State of AI in Business 2025, 2025. nanda.media.mit.edu