ROI ИИ в маркетинге считают не по числу созданных текстов и не по восторгу команды. Нужны три вещи: полная стоимость решения, измеримый эффект относительно базового периода и поправка на качество. Только после этого видно, экономит ли AI деньги, создаёт ли дополнительную выручку или просто делает работу быстрее, но дороже.
Почему быстрый результат ещё не означает окупаемость
Типовая картина выглядит красиво. Копирайтер готовит черновик за двадцать минут вместо двух часов. Аналитик быстрее собирает сводку. Менеджер получает десять вариантов объявления до первого кофе.
А потом собственник задаёт неприятный, но правильный вопрос: «И сколько мы на этом заработали?»
Тут обычно выясняется, что считали скорость генерации, а не экономику процесса. Не учли интеграцию, обучение, проверку фактов, переделки, подписки, API, безопасность и время руководителя. Сэкономленные часы тоже никуда не превратили: люди просто взяли больше задач, не отказавшись от старых.
Поэтому ROI ИИ в маркетинге начинается не с выбора модели. Он начинается с ответа на вопрос: какой конкретный бизнес-процесс мы хотим изменить и какой финансовый результат должен появиться?
Базовая формула ROI ИИ в маркетинге
Для управленческого расчёта достаточно простой формулы:
ROI = (финансовый эффект − полные затраты) / полные затраты × 100%
Проблема не в арифметике. Проблема в двух словах: «финансовый эффект» и «полные».
Финансовый эффект может складываться из трёх частей:
- экономия ресурсов — меньше оплачиваемых часов, подрядчиков или ручных операций;
- снижение потерь — меньше ошибок, возвратов на доработку, просроченных запусков и некачественных лидов;
- инкрементальная прибыль — дополнительный результат, который появился именно благодаря новому процессу, а не совпал с сезоном, скидкой или ростом бюджета.
Если хотя бы одна часть держится на ощущениях, итоговый процент будет выглядеть солидно, но управленческой ценности не даст.
Шаг 1. Зафиксируйте базовую линию до запуска
Без точки «до» сравнивать нечего. Поэтому сначала выберите один повторяемый процесс: подготовку рекламных креативов, расшифровку интервью, квалификацию лидов, сбор отчёта, создание карточек товара или проверку контента.
Для него зафиксируйте:
- объём задач за период;
- часы сотрудников и подрядчиков;
- среднее время от постановки задачи до готового результата;
- долю материалов, принятых без доработки;
- стоимость исправлений и повторных согласований;
- бизнес-метрику процесса: квалифицированные лиды, конверсию, валовую прибыль или стоимость привлечения.
Я бы не начинал с формулировки «внедрить AI в отдел маркетинга». Это слишком широко. Гораздо полезнее звучит так: «сократить время подготовки первого черновика коммерческого предложения, не ухудшив точность фактов и долю принятых версий».
В такой постановке уже понятно, что измерять. И, что особенно приятно, становится сложнее объявить успехом просто факт покупки лицензий.
Шаг 2. Посчитайте полную стоимость, а не цену подписки
У AI-решения есть видимая цена и реальная стоимость владения. Видимая — строка в счёте поставщика. Реальная — всё, что компания тратит, чтобы результат оказался пригодным для бизнеса.
В расчёт стоит включить:
- лицензии, API и вычисления;
- настройку, интеграции с CRM, аналитикой и базами знаний;
- подготовку и очистку данных;
- разработку инструкций, шаблонов и контрольных наборов;
- обучение сотрудников и время на изменение процесса;
- проверку качества человеком;
- исправление ошибок и повторную генерацию;
- мониторинг, безопасность, юридическую и техническую поддержку;
- время владельца процесса и руководителя проекта.
В июле 2026 года McKinsey отдельно обратил внимание на расходы за пределами самой модели: шлюзы безопасности, оркестрацию, мониторинг и многократную обработку одного контекста. Для сложных AI-процессов значимой статьёй становятся проверка, исправление и повторная верификация результата. То есть дешёвый запрос к модели ещё не делает дешёвым весь процесс.
Шаг 3. Переведите экономию времени в деньги честно
Сэкономленные часы — полезная операционная метрика, но не всегда финансовый эффект. Если сотрудник освободил десять часов, а фонд оплаты труда и выпуск отдела не изменились, в отчёте о прибыли экономии пока нет.
Я использую такую рабочую логику:
ценность времени = сэкономленные часы × полная стоимость часа × коэффициент реализации
Коэффициент реализации показывает, какая часть времени действительно превратилась в ценность. Например, команда выпустила больше качественных кампаний тем же составом, отказалась от части подрядных работ или направила ресурс на задачи, которые раньше откладывались.
Если освободившееся время просто растворилось между чатами и совещаниями, коэффициент близок к нулю. Это звучит строго, зато спасает от бумажной окупаемости.
В отчёте OpenAI за 2025 год пользователи ChatGPT Enterprise в выборке почти из ста компаний сообщали в среднем о 40–60 минутах экономии за активный день, а 85% опрошенных специалистов маркетинга и продукта — об ускорении запуска кампаний. Это полезный ориентир, но не готовый ROI вашей компании: исследование описывает самооценку пользователей из клиентской базы OpenAI. Экономический эффект всё равно нужно подтвердить внутри своего процесса.
Шаг 4. Не отдавайте качество на сдачу
Ускорить выпуск плохого контента — тоже автоматизация. Только ценность у неё отрицательная.
Для каждого сценария нужен показатель качества. У текста это могут быть фактические ошибки, число существенных правок и доля материалов, принятых с первого раза. У квалификации лидов — точность распределения и доля пропущенных целевых обращений. У аналитики — расхождение с проверенным расчётом и полнота исходных данных.
Стоимость ошибки тоже должна попасть в модель: часы на исправление, задержка запуска, компенсация клиенту, потерянный лид, репутационный риск. Не все риски легко перевести в рубли, но это не повод делать вид, что их нет. Можно учитывать их отдельным порогом качества: если точность ниже установленного уровня, пилот не масштабируется независимо от красивой скорости.
NIST рекомендует проверять AI-системы до внедрения и регулярно во время эксплуатации, сравнивать их с базовыми показателями, фиксировать неопределённость и документировать результаты. Для маркетинга это означает простую вещь: контроль качества — не дополнительная бюрократия, а часть себестоимости AI-результата.
Шаг 5. Выручку считайте через инкрементальный эффект
Допустим, после внедрения AI конверсия выросла. Прекрасно. Но в тот же месяц могли измениться медиабюджет, цена, ассортимент, сезонность и работа отдела продаж.
Поэтому при возможности используйте контрольную группу, A/B-тест, геоэксперимент или поэтапное внедрение. Сравнивайте процесс с AI не только с прошлым месяцем, но и с сопоставимым процессом без изменения.
Google Ads прямо разделяет атрибутированные и инкрементальные конверсии. Атрибуция связывает результат с рекламным взаимодействием по заданным правилам, а Conversion Lift оценивает причинный прирост через разницу между тестовой и контрольной группами. Для оценки AI логика та же: нам важна не вся выручка рядом с инструментом, а добавочная маржа, которая не появилась бы без нового процесса.
Если полноценный эксперимент невозможен, используйте более осторожную оценку: несколько сопоставимых периодов, одинаковый сегмент, фиксированные бюджеты и список всех параллельных изменений. Такой расчёт слабее эксперимента, но честнее, чем приписать AI весь рост продаж.
Условный пример: когда «экономит 60 часов» всё равно не окупается
Возьмём не реальный кейс, а простую модель. Команда экономит 60 часов в месяц. Полная стоимость часа — 1 000 рублей. Из освободившегося времени в дополнительный выпуск реально превращается 70%.
Ценность времени: 60 × 1 000 × 0,7 = 42 000 рублей.
Дополнительно процесс уменьшил стоимость доработок на 20 000 рублей. Общий эффект — 62 000 рублей.
Теперь затраты: 18 000 рублей на инструменты, 25 000 рублей на проверку качества, 30 000 рублей ежемесячной доли интеграции и поддержки. Итого 73 000 рублей.
ROI = (62 000 − 73 000) / 73 000 × 100% ≈ −15%.
Пилот действительно ускоряет работу, но пока не окупается. Это не провал и не повод немедленно всё выключить. Нужно понять, что менять: снизить стоимость проверки, увеличить объём задач, улучшить качество первого результата или отказаться от сценария. Главное — решение принимается по экономике, а не по впечатлению.
Минимальный дашборд для одного AI-сценария
Не нужен двадцатистраничный отчёт. На старте достаточно одной таблицы с четырьмя блоками:
- Использование: число задач, активные пользователи, доля процесса с AI.
- Эффективность: время на задачу, пропускная способность, стоимость единицы результата.
- Качество: ошибки, доработки, принятие с первого раза, жалобы или пропущенные лиды.
- Бизнес-эффект: реализованная экономия, инкрементальная маржа, полные затраты, ROI.
McKinsey в исследовании 2025 года обнаружил, что отслеживание чётко определённых KPI сильнее других изученных практик связано с влиянием генеративного AI на прибыль. При этом меньше одной пятой респондентов сообщили, что их организации действительно отслеживают KPI для таких решений. Кажется, рынок любит внедрять быстрее, чем считать. Ничего нового.
Когда масштабировать, дорабатывать или останавливать
До пилота зафиксируйте правила решения. Например:
- качество не ниже базового уровня;
- стоимость единицы результата снижается;
- эффект сохраняется после учёта контроля и интеграций;
- данных достаточно, чтобы вывод не держался на двух удачных неделях;
- есть владелец, который отвечает за метрики и дальнейшие изменения.
Масштабировать стоит устойчиво положительную модель. Дорабатывать — сценарий, где есть операционный эффект, но экономика портится из-за качества или дорогой интеграции. Останавливать — решение, которое не проходит заранее согласованные пороги и не имеет понятной гипотезы улучшения.
IBM в исследовании 2025 года сообщал, что только четверть AI-инициатив в выборке дала ожидаемый ROI. Это хороший холодный душ: наличие технологии не освобождает от выбора правильного процесса, дисциплины измерения и работы с изменениями.
Что в итоге считать настоящей отдачей
Настоящий ROI ИИ в маркетинге — это не скорость модели и не количество сгенерированных единиц контента. Это реализованная экономия плюс дополнительная маржа минус полная стоимость процесса, при сохранённом качестве и приемлемом риске.
Начните с одного повторяемого сценария. Замерьте базовую линию. Назначьте владельца. Посчитайте все расходы. Проведите пилот достаточно долго, чтобы увидеть рабочий цикл, и заранее определите решение по его итогам.
Если вам близок маркетинг без магических кнопок и с нормальной управленческой арифметикой — подписывайтесь. Будем разбирать инструменты так, чтобы после презентации оставался не только эффект «вау», но и результат в бизнесе.
Вопросы и ответы
Как быстро можно посчитать ROI ИИ в маркетинге?
Операционный эффект виден уже в пилоте, но период оценки должен охватывать полный цикл задачи и типичную задержку результата. Для длинных B2B-продаж скорость подготовки материала можно оценить раньше, а влияние на выручку — только после прохождения сделок по воронке.
Нужно ли включать зарплаты сотрудников в затраты?
Да, включайте время на настройку, обучение, проверку и исправления. Но не записывайте все сэкономленные часы в прибыль автоматически: учитывайте только ту часть, которая превратилась в дополнительный выпуск, отказ от внешних расходов или другую измеримую ценность.
Что важнее для ROI: экономия времени или рост выручки?
Зависит от сценария. В контентном производстве первым доказательством часто становится снижение стоимости единицы качественного результата. В персонализации, рекламе или работе с лидами важнее инкрементальная маржа. Лучше разделять эффекты, а не складывать их в одну красивую легенду.
Как учитывать качество AI-контента?
Выберите измеримые критерии: фактические ошибки, доля принятия с первого раза, число существенных правок, время редактора, соответствие правилам бренда. Затем включите стоимость контроля и переделок в полные затраты, а минимальный уровень качества сделайте обязательным условием масштабирования.
Что делать, если ROI пока отрицательный?
Разложите расчёт по компонентам. Возможно, мал объём, дорог контроль, неудачно выбран процесс или эффект не реализуется в бизнесе. Зафиксируйте одну гипотезу улучшения и повторите измерение. Если понятной гипотезы нет, пилот разумнее остановить, чем субсидировать энтузиазм.
Источники
- OpenAI — The State of Enterprise AI 2025
- McKinsey — The state of AI: How organizations are rewiring to capture value
- McKinsey — Is that AI agent worth it? Agentic economics and the modern operating model
- IBM Institute for Business Value — From AI projects to profits
- Google Ads Help — Understand your Conversion Lift measurement data
- NIST — Artificial Intelligence Risk Management Framework 1.0
Материал подготовил Директор по маркетингу Виктор Клищенко
