Как да прецените дали AI си струва за вашия процес
Повечето фирми, които използват AI, още не виждат ефект върху печалбата. В глобалното проучване на McKinsey за 2026 г. само 37% от участниците отчитат някакво влияние на AI върху оперативната печалба (EBIT), почти колкото година по-рано. Едва около 6% казват, че поне 5% от печалбата им идва от AI. Това не значи, че AI не работи. Значи, че изборът къде да се приложи решава почти всичко.
В България този избор тепърва предстои за повечето фирми. По данни на Евростат през 2025 г. AI използват 8,5% от предприятията с поне 10 служители, при 20% средно за ЕС. Предимството на по-късния старт е, че можете да изберете по-добре.
Къде се връщат парите
Изследване на проекта NANDA към MIT от 2025 г. установява, че над половината от бюджетите за генеративен AI отиват за продажби и маркетинг, а най-голяма възвръщаемост има при автоматизацията на бек офиса: обработка на документи, вътрешни заявки, счетоводни и административни процеси. Изследването се основава на интервюта, анкета и анализ на публични внедрявания, така че е ориентир, а не точна мярка. Но съвпада с практиката: ефектът се измерва най-лесно там, където работата е честа, повтаряща се и с ясен резултат.
Добрият кандидат за AI има четири белега. Случва се често, всеки ден или всяка седмица. Включва текст, документи или класифициране. Има човек, който може да прецени дали резултатът е верен. И грешката може да се хване и поправи, преди да е станала скъпа.
Проста сметка преди първото евро
Не ви трябва сложен модел, за да прецените дали си струва. Трябват ви пет числа за процеса такъв, какъвто е днес: колко пъти месечно се случва, колко минути отнема всеки път, колко струва час работа на хората, които го вършат (с осигуровките), колко често има грешки и колко струва една грешка, и каква част от случаите AI реално може да поеме, докато човек проверява резултата.
Пример (числата са илюстрация, не статистика): счетоводен отдел въвежда 2 000 фактури месечно, по 4 минути всяка. Това са около 133 часа, и при разход от 15 евро на час процесът струва около 2 000 евро месечно. Ако AI извлича данните, а човек само проверява, времето пада, да кажем, на 1 минута на фактура. Спестяването е около 100 часа, или около 1 500 евро месечно.
От тази сума вадите месечния разход за решението: модел, поддръжка, наблюдение. Ако той е 300 евро, нетната полза е около 1 200 евро на месец. Тогава еднократна инвестиция от 12 000 евро се връща за около 10 месеца.
Сметката е проста нарочно. Ако дори в оптимистичния вариант възвръщането отнема години, вероятно има по-добра задача за първи проект.
Ползите, които не са в часовете
Не всяка полза е спестено време. Понякога ценното е по-бърз отговор към клиента, по-малко пропуснати срокове или знание, което не си тръгва заедно със служителя. Тези ползи са истински, но е важно да ги назовете предварително и да решите как ще ги измервате. Иначе след шест месеца никой няма да може да каже дали проектът е успял.
Кога да не го правите
Ако процесът се случва няколко пъти месечно, автоматизацията рядко ще се изплати. Ако всеки го върши по различен начин, AI ще автоматизира хаоса. Ако няма примери, по които да се провери качеството, няма как да разберете дали работи. И ако никой в бизнеса не поема отговорност за резултата, проектът ще остане технологичен експеримент.
Gartner прогнозира, че поне 30% от проектите с генеративен AI ще бъдат изоставени след пилотната фаза, и посочва неясната бизнес стойност като една от основните причини. Сметката по-горе е най-евтиният начин да не попаднете в тази група.
Пилот с критерии за успех
Преди да започнете, запишете какво значи успех. Например „90% от фактурите минават без корекция“ или „отговор към клиента до 2 часа вместо до 1 ден“. Изберете период от няколко седмици и тествайте върху реалния поток, не върху подбрани примери. Тогава решението „продължаваме“ или „спираме“ е въпрос на числа, а не на впечатления.
В проучването си за 2025 г. McKinsey отчита, че фирмите с най-голям ефект от AI почти три пъти по-често преработват самия работен процес, вместо просто да добавят инструмент към стария. Затова добрият пилот проверява две неща: работи ли моделът и работи ли новият начин на работа.
Ако искате да направим тази сметка заедно за ваш процес, пишете ни. Обикновено е достатъчен един разговор.
Източници
- McKinsey (2026): The state of AI in 2026: On the road to ROI
- FM Magazine (2026): Companies’ financial value from AI holds firm in 2026
- McKinsey (2025): The state of AI in 2025: Agents, innovation, and transformation
- Eurostat (2025): 20% of EU enterprises use AI technologies
- BTA (2025): 8.55% of Bulgarian enterprises with 10 or more employees use AI in 2025
- Fortune (2025): MIT report: 95% of generative AI pilots at companies are failing (MIT NANDA, The GenAI Divide: State of AI in Business 2025)
- Gartner (2024): Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025
