Коли IT-компанія Ringostat почала впроваджувати штучний інтелект, фаундер компанії Олександр Максименюк взяв на себе роль Head of AI. Як він вимірює, чи дає штучний інтелект бізнес-ефект, і що компанія свідомо перестала рахувати?
Заощаджуйте, отримуючи 6 журналів за ціною 4
Купуйте річну передплату на шість журналів Forbes Ukraine за 1 799 грн замість 2 400 грн. Читайте головні історії українського бізнесу, ексклюзивні рейтинги та глибоку аналітику в кожному номері.
Найпростіше рахувати те, що видно: кількість інструментів, запущених агентів, витрачених токенів. Але якщо поставити команді завдання «палити» 100 млн токенів на людину і не дати конкретної бізнес-задачі, вона виконає план буквально. Рахунки зростатимуть, а ефекту не буде.
У Ringostat ми рахуємо не інструменти й токени, а те, що змінилося в роботі людей. На практиці це кілька рівнів метрик.
Рівень компанії: дохід на людину
Спершу ми, як і всі, відносили витрати на ШІ до бюджету закупівлі софту. Але цінність ШІ визначається не самим інструментом, а тим, як змінюється результат роботи людей. Ці витрати потрібно розглядати разом із фондом оплати праці.
Головна метрика верхнього рівня для нас – дохід на одиницю витрат на ФОП, фактично дохід на людину. Якщо показник зростає, за інших рівних впровадження йде з позитивним ROI.
Проблема в тому, що ця цифра все усереднює. Нульовий ефект в одних ролях легко ховається за високою ефективністю в інших. Довелося спуститися нижче.
Рівень ролі: «до» і «після»
Для кожної ролі ми рахуємо, скільки одиниць роботи людина видавала до ШІ і скільки видає після. Витрачений на це час переводимо в собівартість.
Найпоказовіший приклад – RevOps, команда, яка контролює якість ведення лідів і угод. Раніше спеціаліст охоплював хіба що 30 угод на місяць із сотень. Сьогодні він перевіряє понад 300 угод за пів місяця з точністю понад 83%. Час на угоду впав на 82-87%, пропускна здатність зросла у 6-7 разів, покриття – більш ніж у 20 разів.
Точність тут не менш важлива за швидкість. Якщо QA почав перевіряти вдвічі більше задач, а пропущених багів побільшало, це не ефективність, а перекладання проблеми далі по конвеєру. Тому поруч із продуктивністю ролі ми завжди дивимося на якість.
Інвестгід від Forbes Ukraine: нова розсилка про приватні інвестиції
Коли ШІ бере функцію на себе
Є ролі, де ШІ не допомагає людині, а сам виконує частину її роботи. Метрика змінюється: рахуємо не продуктивність співробітника, а вартість одиниці роботи порівняно з людиною.
Наочно це видно на дзвінках. У клієнтських проєктах у середньому 15% вхідних дзвінків залишаються пропущеними через брак рук або запити в неробочі години команди. Ми створили AI Voice Agent, що обробляє такі дзвінки 24/7. У 2026-му він повністю взяв на себе понад 137 000 дзвінків компаній.
Головні показники: частка звернень, які агент закриває без людини, і вартість обробки одного дзвінка. За другим автоматизація рутинних дзвінків знижує витрати у 5-10 разів порівняно із залученням менеджерів.
Те саме ми бачимо і в себе. Функцію сейлза першої лінії ми поступово в Ringostat передаємо ШІ, а живе спілкування з клієнтом на другій та третій лініях поки ні. Там усе ще потрібно вирішувати складні запити й працювати із сумнівами покупця.
Рівень процесу: де зʼявилося вузьке місце
Прискорення одного етапу ще не означає прискорення процесу. Розробники завдяки ШІ сильно пришвидшилися, а в QA ефект виявився значно меншим. У результаті час до релізу скоротився набагато менше, ніж час на розробку.
Тому метрика процесу для нас – час від задачі до релізу, а не швидкість окремої команди. Побачивши розрив, ми змістили фокус на QA. В Automation QA завдяки Claude підготовка чеклістів прискорилася на 43%, загальна продуктивність команди за лютий-квітень 2026 року зросла вчетверо.
Гроші: річний ефект і правило 25%
Для оцінки автоматизацій ми використовуємо ROAIP-підхід (ROI-Oriented Approach to the Improvement Process): перед впровадженням рахуємо, скільки коштуватиме автоматизація і скільки вона принесе, а після – звіряємо розрахунок із фактичними результатами.
Наша AI Productivity Team збирає від тімлідів повторювані задачі й рахує, скільки годин зʼїдає рутина, скількох людей вона стосується і скільки часу піде на реалізацію.
Ось як це виглядає в грошах. Написання QA-чекліста займало 2 години на задачу, з AI – пів години. При 200 задачах на місяць це 300 годин, або робочий час 2,5 спеціалістів, якщо рахувати 120 годин повного залучення на місяць. Помножте на ставку ролі й на 12 місяців, і це стає сумою в бюджеті.
На старті ми рахували ефект лише в короткій перспективі, а не на рік. Через це витрачали час на дрібні покращення, які мало давали в масштабі року. Тепер річний ефект – одна з ключових метрик пріоритезації.
Є й емпіричне правило: якщо ШІ-рішення коштує приблизно 25% вартості залучення людини в штат, тест доцільний. Тому щойно в команді звучить «нам потрібна ще одна людина», перше запитання – чи можуть наші фахівці зробити те саме з ШІ.
KPI мають зрости слідом
Якщо трансформація відбулася насправді, KPI не можуть залишитися такими, як рік тому. Інакше звільнений час просто розчиняється всередині системи й не доходить до бізнес-показників.
Зросла ефективність – мають зрости й вимоги до продуктивності команди.
Планка постійно рухається
Свого часу я оцінив, що ми «використовуємо близько 30% ШІ-потенціалу». За час трансформації ця оцінка відчутно не зрушила. Не тому, що ми стоїмо на місці, а тому, що фінальні «100%» постійно віддаляються.
Статичний відсоток ми більше не ведемо. Натомість маємо перелік процесів зі статусом «зробили / не зробили», де регулярно зʼявляються задачі, яких ніхто не планував. Так зʼявився внутрішній AI-асистент TARS: його створювали для технічного департаменту, а тепер ним користуються підтримка, продажі та інші команди.
Ціль постійно рухається разом із технологією, тому наша єдина задача – рухатися швидше, ніж вона від нас віддаляється.
