Бюджеты на ИИ перестали быть экспериментальными: CFO требуют измеримой отдачи

По данным Computerworld, корпоративные расходы на генеративный искусственный интеллект (ИИ) резко выросли за последний год, однако для многих главных информационных директоров (CIO) самые сложные переговоры только начинаются. Совет директоров и главные финансовые директора (CFO) больше не спрашивают, инвестирует ли компания в ИИ. Их интересует конкретная финансовая отдача в измеримых показателях. Аналитики Forrester Research фиксируют существенный рост бюджетов на генеративный ИИ год к году, но большинство организаций по-прежнему не могут продемонстрировать устойчивую рентабельность инвестиций (ROI). Ранние пилотные проекты часто выглядят многообещающе, но объяснить ценность становится сложнее по мере масштабирования систем, колебания затрат и повышения требований к управлению.

Смена парадигмы: от контроля затрат к созданию ценности

Проблема заключается не в технической несостоятельности ИИ, а в применении устаревших моделей бюджетирования и подотчетности к технологии с принципиально иной экономикой. ROI снижается не потому, что ИИ перестает работать, а потому что организации теряют способность обосновать, защитить и приоритезировать эти инвестиции. Грег Зорелла, ведущий старший аналитик Forrester по управлению ИТ-финансами, утверждает, что высокопроизводительные ИТ-организации больше не рассматривают финансы как вратарей, сосредоточенных на сдерживании расходов. Вместо этого ИТ-финансы становятся инструментом стратегической доставки ценности, связывая инвестиции в технологии напрямую с ростом бизнеса и конкурентным преимуществом.

Традиционные ИТ-инвестиции, такие как системы ERP, обновление инфраструктуры или лицензии SaaS, хорошо вписываются в устоявшиеся финансовые модели. Генеративный ИИ в эту схему не вписывается. Затраты зависят от потребления, паттерны использования непредсказуемы, а выгоды часто носят косвенный характер или требуют корректировки на риск, а не являются транзакционными. Многие компании интеллектуально признают этот сдвиг, но недооценивают организационные усилия, необходимые для его реализации. Зрелая прозрачность затрат требует общих моделей атрибуции, надежных данных и согласия между ИТ, продуктовыми командами, продажами и маркетингом относительно определения ценности.

Зорелла оспаривает предположение, что превышение ИТ-бюджета само по себе является негативным фактором. Перерасход может быть рациональным, если он отражает намеренные инвестиции в инициативы с более высокой ценностью. Реальная неудача — это перерасход без механизма приоритизации, который позволял бы руководителям снижать приоритет задач с низким воздействием при появлении новых возможностей. Организации, делающие прогресс, начинают с узких доказательных точек, демонстрирующих, как хорошая финансовая видимость улучшает принятие решений.

Реальность бюджетов: конец эпохи экспериментов

Аналитические рамки сталкиваются с более жесткой реальностью внутри предприятий. Сумит Джохар, главный информационный директор компании BlackLine, описывает цикл инвестиций в ИИ. Недавние годы скептицизма сменились давлением коллег, когда советы директоров и руководители требовали видимых ИИ-инициатив. Сейчас этот этап завершается.

Джохар проводит четкую границу между двумя классами инвестиций в ИИ. Первый класс — это платформы широкой продуктивности, так называемый «повседневный ИИ», помогающий сотрудникам писать, искать, резюмировать или анализировать информацию. Эти инструменты могут быть трансформационными с культурной точки зрения, но их крайне сложно количественно оценить. Метрики вовлеченности и самоотчеты о росте продуктивности редко выдерживают финансовую проверку. Второй класс состоит из инициатив, ориентированных на результат и привязанных к бизнес-приоритетам: ускорение онбординга клиентов, сокращение времени развертывания, снижение операционных расходов или увеличение воронки продаж. Эти инициативы конкурируют с другими корпоративными инвестициями и оцениваются соответствующим образом.

Самое значительное изменение заключается в том, что расходы на ИИ больше не являются аддитивными. Главные информационные директора не получают дополнительных бюджетных увеличений «ради ИИ». Любые дополнительные инвестиции должны финансироваться за счет перераспределения существующих бюджетов. На BlackLine управление ИИ отражает эту реальность: предлагаемые инициативы рассматриваются совместно ИТ, финансами и бизнес-лидерами с явными ожиданиями результатов и подотчетности. Цель — не замедлить эксперименты, а обеспечить, чтобы ответственность за создание ценности не лежала исключительно на главном информационном директоре.

Операционные риски и необходимость управления жизненным циклом

Даже когда инициативы в области ИИ преодолевают бюджетные барьеры, многие не приносят устойчивой отдачи после выхода за рамки пилотных проектов. Джим Олсен, главный технологический директор компании ModelOp, специализирующейся на управлении жизненным циклом ИИ, указывает, что сбой редко вызван одной ошибкой. Проблема структурная. Ранние проекты ИИ обычно разрабатываются в контролируемых средах с ограниченными данными и предсказуемым использованием. Затраты кажутся управляемыми, а производительность — высокой. Производственные среды ведут себя иначе.

Генеративный ИИ усиливает эту проблему. Свободное взаимодействие пользователей увеличивает потребление токенов непредсказуемым образом. Модели внедряются в рабочие процессы и используются несколькими командами, что затрудняет атрибуцию затрат или ценности к конкретным результатам. Без четкого инвентаря и отслеживания жизненного цикла компании вынуждены управлять расходами на ИИ в агрегированном виде. Многие организации не имеют даже базового понимания того, какие системы ИИ у них работают в производстве.

Результатом становится знакомый паттерн: многообещающие пилоты, за которыми следуют перерасходы, а затем скептицизм. В некоторых случаях громкие неудачи делают организации осторожными, замедляя будущее внедрение даже там, где ИИ мог бы принести реальное преимущество. Олсен предлагает рассматривать ИИ как промышленную инфраструктуру, а не как экспериментальный инструмент. Управление жизненным циклом, охватывающее разработку, развертывание, мониторинг и вывод из эксплуатации, не является бюрократической нагрузкой. Это единственный способ поддерживать подотчетность по мере эволюции моделей и роста использования.

Управление как основа защиты инвестиций

Операционной дисциплины, однако, недостаточно. По мере того как инвестиции в ИИ сталкиваются с регуляторным и советским контролем, управление все чаще определяет, можно ли вообще защитить ROI. Энтони Хабаиб, генеральный директор и сооснователь компании Monitaur, производителя программного обеспечения для управления ИИ, утверждает, что многие инициативы проваливаются при проверке не потому, что они плохо работают, а потому, что успех никогда не был четко определен.

Неудачи в управлении часто проявляются только после развертывания, когда организации пытаются ретроспективно обосновать расходы. В этот момент пробелы в документации, мониторинге и подотчетности становятся обязательствами. Проекты, лишенные четко сформулированных целей или результатов, становятся легкой мишенью, когда бюджеты сокращаются. Хабаиб оспаривает идею о том, что управление в первую очередь касается соблюдения нормативных требований. На практике управление улучшает ROI, выявляя неизвестные риски и возможности оптимизации. По мере того как организации внедряют структурированную валидацию и мониторинг, они часто находят способы улучшить точность, надежность и эффективность, напрямую усиливая бизнес-воздействие.

Регуляторное давление ускоряет этот сдвиг. Рамки, такие как Закон об ИИ в ЕС, заставляют организации формализовать надзор, но Хабаиб отмечает, что самые продвинутые предприятия используют регулирование как функцию принуждения для построения более широких возможностей управления. Управление не должно быть отдельной статьей расходов на соответствие требованиям. Оно должно быть частью того, как заставить ИИ работать на бизнес.

Ключевые показатели и структура затрат

Совокупность этих перспектив указывает на зрелую фазу корпоративного внедрения ИИ. Вопрос больше не в том, может ли ИИ принести ценность, а в том, могут ли организации доказать, что они это делают — последовательно, прозрачно и под контролем. Компании, добивающиеся прогресса, обладают рядом общих черт. Они согласовывают инвестиции в ИИ со стратегией бизнеса, а не рассматривают их как отдельную категорию. Они строят финансовые модели, учитывающие затраты на основе потребления и косвенную ценность. Они обеспечивают операционную дисциплину на протяжении всего жизненного цикла ИИ. Они внедряют управление на раннем этапе — не как тормоз для инноваций, а как основу для доверия и устойчивости.

Для главных информационных директоров, планирующих бюджеты на 2026 год, послание суровое, но конструктивное. ИИ не оправдает себя сам. Ценность должна быть спроектирована, измерена и защищена с помощью инструментов и практик, которые многие организации только начинают развивать. Эпоха ИИ как эксперимента заканчивается. Начинается эпоха ИИ как подотчетного корпоративного актива.

Ситуация требует детального анализа того, как именно организации могут перестроить свои финансовые и операционные процессы для соответствия новым реалиям.

Цена иллюзии: почему ИИ перестает быть «волшебной таблеткой»

Фокус корпоративных стратегий сместился с вопроса «инвестировать ли в ИИ» на требование конкретной финансовой отдачи. Совет директоров и главные финансовые директора (CFO) больше не интересуются фактом внедрения технологии. Их заботит измеримая рентабельность инвестиций (ROI). Аналитики фиксируют рост бюджетов, но большинство организаций не могут продемонстрировать устойчивую прибыль от этих вложений. Это не признак провала технологии, а сигнал о кризисе управления. Компании пытаются втиснуть новую экономическую реальность в устаревшие финансовые модели, что приводит к системным ошибкам в планировании.

Проблема кроется в фундаментальном различии между традиционными ИТ-инвестициями и генеративным ИИ. Системы ERP или лицензии SaaS работают по предсказуемой схеме: известны затраты, понятны сроки, ясен результат. Генеративный ИИ живет по другим законам. Его стоимость зависит от потребления ресурсов, которое непредсказуемо меняется. Выгоды часто носят косвенный характер. Попытка оценить такую систему через призму классического бюджетирования создает иллюзию контроля, которая рушится при масштабировании.

Важный нюанс: Перерасход бюджета на ИИ перестает быть индикатором неэффективности, если он отражает намеренную инвестицию в высокомаржинальные инициативы. Реальная угроза — это отсутствие механизма приоритизации, позволяющего перераспределять ресурсы от задач с низкой отдачей к новым возможностям.

Экономика потребления: ловушка «невидимых» расходов

Самый опасный миф, который мешает бизнесу, — это представление о том, что расходы на ИИ являются аддитивными, то есть просто добавляются к существующему бюджету. Реальность такова, что главные информационные директора (CIO) больше не получают дополнительных средств «ради ИИ». Любые новые инвестиции должны финансироваться за счет перераспределения текущих ресурсов. Это создает жесткую конкуренцию внутри компании: проект внедрения ИИ должен доказать свою ценность конкретными метриками, сопоставимыми с другими бизнес-инициативами.

Существует два класса инвестиций, которые часто путают, что ведет к искажению финансовой картины. Первый класс — это инструменты широкой продуктивности, так называемый «повседневный ИИ». Они помогают сотрудникам писать тексты, искать информацию или анализировать данные. Хотя такие инструменты меняют культуру работы, их крайне сложно оценить количественно. Метрики вовлеченности или самоотчеты о росте продуктивности редко выдерживают проверку со стороны финансового отдела. Второй класс — инициативы, привязанные к конкретным бизнес-результатам: ускорение онбординга клиентов, сокращение времени развертывания продуктов или увеличение воронки продаж. Именно эти проекты конкурируют за бюджет и требуют строгой подотчетности.

Без четкого разделения этих категорий компании теряют контроль над затратами. Свободное взаимодействие пользователей с моделями ИИ приводит к непредсказуемому росту потребления токенов. Когда системы внедряются в рабочие процессы и используются разными командами, становится невозможно атрибутировать затраты к конкретным результатам. Организации вынуждены управлять расходами в агрегированном виде, в то время как реальная ценность создается или теряется на маржинах.

Стоит учесть: Отсутствие прозрачности в атрибуции затрат превращает ИИ из инструмента роста в «черную дыру» для бюджета, где деньги тратятся, но их вклад в прибыль остается невидимым для руководства.

От эксперимента к инфраструктуре: риск потери контроля

Пилотные проекты ИИ часто выглядят многообещающе, но их успех в контролируемой среде не гарантирует результат в реальных производственных условиях. В пилотах используются ограниченные данные и предсказуемые сценарии использования, что делает затраты управляемыми, а производительность — высокой. Однако при масштабировании картина меняется. Генеративный ИИ усиливает проблему: чем шире доступ, тем сложнее предсказать нагрузку и стоимость.

Сбой редко вызван одной технической ошибкой. Проблема структурная. Ранние проекты часто создаются как эксперименты, а не как часть промышленной инфраструктуры. Отсутствие управления жизненным циклом — от разработки и развертывания до мониторинга и вывода из эксплуатации — приводит к тому, что системы становятся неконтролируемыми. Без четкого инвентаря и отслеживания компании не могут понять, какие системы работают эффективно, а какие потребляют ресурсы без отдачи.

Результатом становится знакомый сценарий: громкие пилоты, за которыми следуют перерасходы, а затем скептицизм и замедление внедрения. Это парадоксально: неудачи в управлении заставляют организации отказываться от технологий, которые могли бы принести реальное преимущество. Решение лежит не в отказе от экспериментов, а в переходе к операционной дисциплине. ИИ должен рассматриваться как корпоративный актив, требующий такого же строгого управления, как и любая другая критическая инфраструктура.

Регуляторное давление, например, со стороны законодательства ЕС, ускоряет этот переход. Рамки, требующие формализации надзора, вынуждают компании строить системы управления. Но самые продвинутые предприятия используют это не как ограничение, а как функцию принуждения для построения более широких возможностей. Управление становится не статьей расходов на соответствие требованиям, а инструментом повышения точности, надежности и эффективности, напрямую усиливающим бизнес-воздействие.

i

Создано специально для ASECTOR

Концептуальное изображение

Новая архитектура ответственности

Для главных информационных директоров, планирующих бюджеты на 2026 год, ситуация требует фундаментального пересмотра подходов. ИИ не оправдает себя сам. Ценность должна быть спроектирована, измерена и защищена с помощью инструментов и практик, которые многие организации только начинают развивать. Эпоха ИИ как эксперимента заканчивается. Начинается эпоха ИИ как подотчетного корпоративного актива.

Успешные компании демонстрируют общие черты. Они согласовывают инвестиции в ИИ со стратегией бизнеса, а не рассматривают их как отдельную категорию. Они строят финансовые модели, учитывающие затраты на основе потребления и косвенную ценность. Они обеспечивают операционную дисциплину на протяжении всего жизненного цикла ИИ. Они внедряют управление на раннем этапе — не как тормоз для инноваций, а как основу для доверия и устойчивости.

Ключевой вывод заключается в том, что финансовая устойчивость внедрения ИИ зависит не от мощности моделей, а от зрелости процессов управления. Компании, которые смогут создать прозрачные механизмы атрибуции затрат и ценности, получат конкурентное преимущество. Те, кто продолжит использовать устаревшие подходы, рискуют столкнуться с потерей инвестиций и доверия со стороны руководства. В условиях, когда ресурсы ограничены, способность доказать реальную отдачу становится главным фактором выживания и роста.

Важный нюанс: Кризис ROI вызван не стоимостью токенов, а стоимостью интеграции. Большинство компаний считают, что купив лицензию, они получили ценность. На деле же 80% бюджета уходит на то, чтобы заставить бизнес-процессы принять ИИ. Это меняет саму суть бюджетирования: нужно закладывать бюджет не на «ИИ-решение», а на «трансформацию процессов».

Данные Forrester подтверждают этот сдвиг: на каждую единицу, потраченную на лицензирование ИИ, компании тратят пять на сопровождение и адаптацию [!]. Это опровергает тезис о том, что проблема только в «непредсказуемых затратах на токены». Основная статья расходов — это не сам ИИ, а интеграция и изменение процессов. Именно это усиливает аргумент о необходимости управления жизненным циклом.

Статистика провала пилотных проектов также указывает на системную проблему: 60% компаний застревают на этапе PoC, а только 15% получают заметный эффект [!]. Причина — недостаточная интеграция моделей в бизнес-процессы, а не недостатки алгоритмов. Компании часто сталкиваются с «пробелом в действиях»: выводы ИИ остаются непримененными, поскольку не интегрируются в реальные процессы.

Это требует пересмотра подходов к управлению рисками. Charlie Dai из Forrester рекомендует бизнесу смещать фокус регулирования с предотвращения ошибок ИИ на контроль рисков, усиливая участие человека в процессах, вводя ограничения по предметной области и обеспечивая постоянное наблюдение [!]. Текущие фреймворки управления рисками доказали свою несостоятельность в условиях постоянных галлюцинаций, и компании должны приоритетом ставить калиброванный уровень уверенности и прозрачность, а не только бенчмарки.

Таким образом, ИИ перестает быть просто статьей расходов на софт. Он становится статьей расходов на трансформацию процессов. Компании, которые поймут это раньше других, смогут превратить ИИ из «черной дыры» бюджета в реальный двигатель роста.