惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V2EX - 技术
V2EX - 技术
P
Privacy International News Feed
Security Latest
Security Latest
H
Hacker News: Front Page
T
Tenable Blog
The Hacker News
The Hacker News
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
S
Security @ Cisco Blogs
Project Zero
Project Zero
O
OpenAI News
AI
AI
Spread Privacy
Spread Privacy
C
CERT Recently Published Vulnerability Notes
The Last Watchdog
The Last Watchdog
G
GRAHAM CLULEY
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Scott Helme
Scott Helme
Application and Cybersecurity Blog
Application and Cybersecurity Blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
C
CXSECURITY Database RSS Feed - CXSecurity.com
NISL@THU
NISL@THU
A
Arctic Wolf
T
Threat Research - Cisco Blogs
PCI Perspectives
PCI Perspectives
N
News and Events Feed by Topic
C
Cyber Attacks, Cyber Crime and Cyber Security
C
Cybersecurity and Infrastructure Security Agency CISA
Simon Willison's Weblog
Simon Willison's Weblog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Know Your Adversary
Know Your Adversary
Google Online Security Blog
Google Online Security Blog
罗磊的独立博客
L
LINUX DO - 最新话题
U
Unit 42
S
Security Affairs
有赞技术团队
有赞技术团队
WordPress大学
WordPress大学
博客园 - 【当耐特】
T
The Exploit Database - CXSecurity.com
S
Schneier on Security
月光博客
月光博客
Engineering at Meta
Engineering at Meta
腾讯CDC
F
Full Disclosure
Cyberwarzone
Cyberwarzone
S
SegmentFault 最新的问题
Recorded Future
Recorded Future
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
博客园 - 司徒正美
The Cloudflare Blog

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Когда исчезает ROI из коммерческих проектов автоматизации
Ольга Гродская · 2026-06-19 · via Все публикации подряд на Хабре

Простой

9 мин

0

За последний год на пресейлах я всё чаще слышу одни и те же фразы: «Дорого!», «За что такие деньги?», «С такой автоматизацией мы без штанов останемся». И это не торг за бюджет. За этими фразами стоит жесткий вопрос: какой экономический эффект покупает заказчик?

На фоне кризиса и тотального сокращения инвестиций я наблюдаю один и тот же парадокс: оценка бизнес-эффекта перед стартом проекта становится критически важной, даже если на предыдущих проектах эффективность спокойно оценивали «на глазок».

Сейчас заказчик покупает не цифровую занятость для операционщиков. Ему нужна польза в цифрах: снижение трудозатрат, экономия ресурсов, сокращение сроков.

Хотя еще пару лет назад почти повсеместно говорили, что после автоматизации не будет сокращения человеческих ресурсов, будет перераспределение нагрузки, рост прозрачности данных и снижение количества ошибок. И эффект там тоже был, и ROI тоже был, только он был другим.

После старта проекты чаще управлялись по «железному» треугольнику: сроки – стоимость – содержание, и редко когда по эффекту. Возврат к окупаемости решения после старта никто не делал.

Встречи иду, требования реализуются, код пишется, задачи в трекере обновляются. Формально все в рамках договоренностей, но на этапе приемки или даже уже при первом запуске появляются вопросы: почему процесс не стал быстрее, почему нужен еще один человек для ввода данных, почему трудоемкость процесса не снизилась и где же обещанная выгода?

В этот момент становится видно главное: автоматизация без эффекта превращается в цифровую занятость.

Под этим термином я понимаю ситуации, когда компания переносим операции в цифру, увеличивается объем данных и контроля, но не получает ощутимой пользы в деньгах, а только улучшает качество, прозрачность и снижает ошибки.

Но проблема не только в том, что ROI плохо считают. Проблема в том, что участники проекта по-разному понимают, что такое хороший результат.

Эксперт защищает качество. РП защищает сроки, стоимость и скоуп. Заказчик защищает эффект. И если эти три логики не дружить вместе, проект может быть формально успешным, но по эффекту проваленным.

Сейчас особенно заметно, что выигрывать проекты становиться крайне сложно, бюджеты защищаются труднее, а заказчик внимательно следит за возвратом инвестиций. Сейчас показать, что операционная команда будет обрабатывать весь пул операций автоматизировано, все процессы будут описаны, а система внедрена – уже недостаточно. Нужно показывать какую экономическую проблему решает проект и какой финансовый эффект достигнут после окончания проекта.

Если после проекта процесс не стал дешевле или быстрее, то чаще всего в глазах заказчика можете увидит вопрос: за что я платил?

Как проект теряет эффект

Я видела несколько похожих ситуаций, когда проект выглядит разумным, но эффект начинает теряться еще до разработки.

1. Автоматизировать фактически нечего

Однажды меня как эксперта позвали на усиление в проект: нужно было разобрать сложный процесс и определить границы автоматизации. Было заложено порядка 3х недель фул-тайм работы только на этапе «Обследования». Но на первой же встрече выяснилось, что процесса как такового нет, он не формализован, не стабилен и держится на «ручном» управлении отдельного человека. Нет устойчивой алгоритмики: вход процесса, правила принятия решений, исключения, выход и результат процесса.

В таких ситуациях коллеги любят говорить: «Если автоматизировать хаос, то получится автоматизированный хаос за много денег».

2. Проект автоматизирует старую реальность

Вторая ситуация: на длинных проектах по Waterfall (с жестким каскадом управления проектом) требования фиксируются на старте, и архитектура прорабатывается под эти требования, но дальше «операционка» компании продолжает жить и адаптироваться под окружающую нестабильную действительность.

Команда делает так, как было согласовано и если управление изменениями слабое, то результаты проекта не будет соответствовать реальности и может стать не нужной для компании.

Такие ситуации для РП могут выглядеть как защита границ проекта (согласованный бюджет и сроки), для эксперта - как защита качества (глобальные изменения влияют на архитектуру и нужно пересогласовывать модели, это РП не разрешит), а для владельца эффекта нужна автоматизация текущей реальности, а не памятник начальных требований.

Пересчитывать эффект чаще всего мало кому интересно, даже самому заказчику, если есть KPI на завершение проекта.

3. Боль процесса принимают за экономический эффект

Для одного пресейла недавно рассматривали необходимости повышения уровня автоматизации учета командировок. Исходная точка: 5 специалистов обслуживают в 3х системах учет командировок, много ручной работы по интеграции данных, ручные согласования и звонки/письма с напоминаниями и контроля исполнения по каждому шагу маршрута процесса. Кажется этот бизнес-процесс очевидный кандидат для реинжиниринга автоматизации. Но…

При защите бюджета выясняется, что инвестиции будут окупаться более 5 лет, если сравнивать их с оплатой трудозатрат 5х специалистов.

Сам процесс действительно болел, было много провалов из-за человеческого «фактора», но эта боль еще не бизнес-кейс для автоматизации.

Три логики одного проекта

В проектах автоматизации, да и в любых других видах проектах, кажется, что спор ведется вокруг «железного» треугольника и мы оперируем требованиями и их изменениями.

Но глубже обычно лежит другой конфликт: мы все по-разному понимаем, что такое хороший результат.

Логика

Главный вопрос

Сильная сторона

Перекос

Эксперт

Как сделать правильно?

Качество, надежность

Раздувание скоупа, избыточное качество

РП

Как довести до конца с меньшими потерями?

Сроки, бюджет

Защита исходного скоупа без проверки пользы

Владелец эффекта

Где будет польза?

ROI, экономия

Скачущие приоритеты

Эксперт защищает качество: ему важно в архитектуру заложить сильное решение под изменения большинства требований. РП защищает границы проекта: договоренности, сроки и бюджет. Заказчик защищает эффект: экономия ресурсов, максимизация пользы.

Но как же сложно попадать в ожидания, когда логика эффекта живет за границами проектной команды заказчика, когда для команды коммерческой автоматизации не кому сформулировать критерии эффекта. Эту логику должен удерживать кто-то внутри управленческого контура: аккаунт со стороны исполнителя, РМО или сам РП.

В каких разных компания я не работала по уровню или размеру, а за эффектом на стороне исполнителя следить практически не кому.

Где ROI исчезает из проекта

По своим наблюдениям и неформальному опросу среди коллег могу сказать что результат очень показательный: ROI либо не считают вообще, либо считают один раз на старте при защите бюджета.

Дальше проект начинает жить своей проектной жизнью.

На обследовании появляются новые процессы, ограничения и требования. Скоуп меняется, но расчет эффекта чаще всего остается прежним.

На проектировании эксперт усиливает решение: добавляет надежность, расширяемость, защиту от будущих изменений. Это может быть правильно с точки зрения архитектуры, но решение становится дороже, а вопрос «окупится ли это?» часто остается за кадром.

На согласованиях бизнес приносит новые «очень нужные» требования. Команда спорит о сроках, бюджете и трудоемкости, но редко возвращается к вопросу: это увеличивает эффект или просто расширяет объем работ?

На приемке проверяют соответствие ТЗ. Работают ли функции? Закрыты ли требования? Можно ли подписывать акт? А вот вопрос, стал ли процесс дешевле, быстрее или надежнее для управленческого решения, часто звучит слишком поздно.

Так ROI постепенно выпадает из поля зрения. Проект продолжает управляться сроками, стоимостью и содержанием, но эффект начинает жить отдельно – замирая и умирая в стартовых презентациях.

В итоге проект может быть формально успешным: система внедрена, акт подписан, команда отработала, пользователи получили новый инструмент. Но по эффекту проект может быть провален.

И это один из самых неприятных моментов для РП. Я проживала это на своей «шкуре»: ближе к концу проекта становится почти невозможно «дотянуть» ROI до ожидаемого значения, если на протяжении всего проекта его никто не пересчитывал и не защищал.

Формально это можно назвать управлением ожиданиями. Но по сути это вопрос честности проекта: мы все еще делаем то, ради чего заказчик выделил деньги, или просто тащим согласованный объем работ?

Когда автоматизация действительно работает

Обратный пример – на старте проекта определен ROI и сформирована цель сократить сроки подготовки отчетности МСФО с 15 до 3 дней. И здесь боль не в том, что хочется автоматизацию как таковую (ранее отчетность готовилась в Excel), а конкретные показатели по качеству данных (ручные расчеты корректировок использовали укрупненные данные, которые сложно было доказать и по срокам подготовки отчетности, иначе управленческие решения зависают.

В таком случае автоматизация работает не как цифровая занятость, она реально сокращает цикл, ручной труд и повышает надежность данных для принятия решений.

Разница огромная: деньги связаны с задачей, сроками и качеством.

Как проверить эффект до включения в скоуп

Минимальная алгоритмика простая: если эффект нельзя хотя бы приблизительно пересчитать в деньги, трудозатраты, сроки или стоимость ошибок, задача требует дополнительного обоснования. Это не значит, что ее точно не нужно делать, но и не значит, что ее автоматически можно считать инвестиционно оправданной.

Для грубой оценки достаточно формулы:

Срок окупаемости = стоимость реализации / ежемесячный денежный эффект

Здесь денежный эффект – это сокращение трудозатрат (ФОТ одной FTE), снижения количества ошибок и/или штрафных санкций, уменьшение переделок из-за «человеческого фактора» или сокращение сроков управленческих решений, а как следствие операционных потерь (сложный показатель, но экономисты умеют считать и его).

Это не глобальная инвестиционная формула или модель, но отличный фильтр для задач, которые «болят», но экономически не рентабельны для автоматизации.

Как пример можно привести такую ситуацию: автоматизация стоит 3 млн. руб., а ожидаемая экономия на ручном труде 300 тыс./мес., тогда окупаемость будет 10 мес.

Так же для первичной диагностики можно использовать простые вопросы:

  • Как часто выполняется процесс или операция?

  • Сколько людей или подразделений затронуто?

  • Сколько времени сейчас уходит на процесс?

  • Приводят ли ошибки к потерям, штрафам, переделкам или искажению управленческих решений?

  • Есть ли понятная алгоритмика процесса до автоматизации?

  • Можно ли посчитать эффект в деньгах?

  • Влияет ли задача на деньги, сроки или качество решений?

Если ответы нет/редко/единицы/мало – смело присваивайте этому вопросу 1 балл. Если - регулярно/иногда/заметно/возможно, то 2 балла. А если – часто/ значимо/существенно/да, то 3 балла.

Если сумма баллов на все вопросы оказалась больше 12, то это отличный кандидат на автоматизацию, можно включать в приоритет к автоматизации и считать реальный ROI.

Если сумма баллов на все вопросы оказалась больше 8, но меньше 12, то нужно тщательнее проверить эффект и готовность процесса к автоматизации.

Если сумма баллов 8 и меньше, то высок риск цифровой занятости.

Задача этих вопросов – это быстро отделить задачи, которые действительно могут дать эффект, от требований, которые попали в пул работ потому, что кто-то хочет, чтобы было красиво или чуть правильнее (нет предела совершенству) или кто-то громче всех кричит.

Эти вопросы близки к валидации бизнес-требований по BoBOK и их можно использовать еще перед стартом всех работ.

Как балансировать решения?

Сама по себе диагностика эффекта до старта работ хороша, но этого мало, чтобы в течении проекта не потерять хороший ROI. Проект может терять эффект с колоссальной скоростью если одна из логик проекта будет превалировать.

Если будет доминировать экспертная логика, то проект рискует получить избыточное качество. Если доминирует логика РП, то – проект может слабо реагировать на изменения, но удержаться в изначальных рамках «железного» треугольника. Если будет доминировать логика эффекта, то – проект может потеряет управляемость, а команда потеряет стабильность из-за перегруза и изменений приоритетов.

На практике чаще всего встречаются споры по запросам на изменения, где все участникам нужно договориться и принять взвешенное решение:

Запрос

Проверка логикой эксперта

Проверка логикой РП

Проверка логикой эффекта

Делаем строго по ТЗ

ТЗ отражает реальные бизнес-процессы?

Можно ли управляемо внести изменения?

Сохраняется ли ROI при изменении бизнеса?

Нужно автоматизировать весь процесс

Процесс стабилизирован?

Как разбить процесс на этапы с отделяемой пользой?

Где в процессе находится основной источник потерь?

Нужны быстрые результаты

Упрощение снизит качество?

Какой результат можно зафиксировать как отдельный этап?

Какой результат даст максимальную отдачу?

Давайте добавим еще вот это…

Это снижает риск?

Как изменятся сроки и стоимость?

Это увеличит ROI или просто расширит объем работ?

Бизнес очень просит вот это

Это стандартный сценарий работы?

Какие задачи нужно убрать, если берем эту функцию сейчас?

Какое влияние это оказывает на общий эффект проекта?

Когда запрос прогоняют по трем логиками, то спор выходит за рамки личных и необъективных дискуссий, тогда легче найти баланс в решениях. А до такой проверки у команды я чаще всего наблюдаю самообман и самолюбование авторитета, чье решение превалирует над другими.

Вместо вывода

Если участники проекта защищают только свою часть успеха проекта, то результат может быть провальным. Эксперт хочет сделать качественно, РП – управляемо, а владелец эффекта – увидеть максимальную отдачу.

Если хотя бы одна логика превалирует, то даже самый хороший проект на старте теряет баланс. Экспертная логика без логики РП может раздуть скоуп. Логика РП без оглядки на отдачу будет работать только на план ради плана. А фокус на логику эффекта без управления превратит управление с перегруз команды и «дерготню» приоритетов.

Хорошая автоматизация — это не просто «сделали по ТЗ». Это качественное, управляемое решение, достаточно полезно, чтобы заказчик увидел эффект, а не просто еще одну систему с новыми полями, ручными корректировками и отчетами, которые не меняют управленческое решение.

А в ваших проектах ROI остается в наблюдаемом контуре после защиты бюджета — или тоже исчезает после старта?