Есть одна ошибка, которую я регулярно вижу при обсуждении AI-проектов. Команда показывает расчёт эффективности: раньше сотрудник тратил на задачу час, а теперь AI делает её за пять минут. Выглядит отлично, экономия почти в 12 раз.

Но потом начинаешь задавать дополнительные вопросы. Сколько времени занимает проверка результата? Нужно ли сотруднику открывать исходные документы? Исправляет ли он ошибки вручную? Проверяется каждый результат или только часть? И тут часто выясняется, что после пяти минут работы AI идёт ещё десять-пятнадцать минут человеческой проверки.

Формально автоматизация есть, но реальная экономика процесса оказывается совсем другой. На практике проблема обычно не в качестве модели — многие современные системы работают достаточно хорошо. Проблема в том, что при расчётах часто считают время работы AI, но забывают считать время людей вокруг него.

Особенно это заметно при масштабировании. Допустим, раньше специалист готовил 10 документов в день, а теперь AI может подготовить 100. Звучит как победа. Но если каждый документ требует хотя бы минуту проверки, то вместе с производительностью вырос и объём контроля. И очень быстро оказывается, что новым узким местом становится уже не создание документов, а их проверка.

Поэтому в проектах мы обычно стараемся считать не только производительность AI, но и стоимость человеческого внимания. Где нужна обязательная проверка? Что можно проверять выборочно? Какие ошибки можно автоматически отлавливать правилами? Какие случаи действительно требуют участия специалиста?

Очень часто оказывается, что больше эффекта даёт не повышение точности модели с 95% до 98%, а грамотная организация контроля вокруг неё. Потому что хороший AI-процесс — это не тот, где человека полностью убрали из работы. Это тот, где человеческое внимание остаётся только там, где оно действительно приносит пользу бизнесу.