Бизнес-метрики vs технические: переведи «точность 92%» в деньги
🤔 Зачем это читать
Защита бюджета. Ты докладываешь, как идёт AI-пилот (пробный проект). Инженеры отдали тебе цифры: «точность модели выросла на 3%, задержка ответа упала до 800 миллисекунд, расход токенов оптимизировали на 15%». Ты честно зачитываешь это совету. И тут финансовый директор поднимает глаза от бумаг и спрашивает: «И что нам с этого — в деньгах?» А тебе нечего ответить. Повисает та самая пауза.
Знакомо? Беда не в том, что цифры плохие — цифры как раз хорошие. Беда в том, что они на чужом языке. «Точность 92%» — это язык кухни. А совет директоров слушает язык зала: сколько сэкономили, сколько заработали, что с клиентами. Между этими двумя языками — переводчик. И этот переводчик — ты, владелец. Не инженер: ему за деньги не отвечать. Не финдиректор: он эту кухню не видел. Ты посередине.
Метрика, которую ты не привязал к деньгам или к ценности для клиента, не продаст проект и не докажет ROI (возврат на вложения — сколько проект принёс по сравнению с тем, сколько в него вложили). Она просто красиво звучит и тут же забывается. А значит, и денег на продолжение под неё не дадут.
После этой темы ты сможешь взять любую техническую метрику и перевести её в бизнес-метрику — в сэкономленные часы, снижение затрат, время ответа клиенту, конверсию (какая доля обращений доходит до покупки), удержание. И отличать одно от другого с ходу, чтобы на защите бюджета у тебя всегда был готов ответ на «и что нам с этого».
Задержись на 10 секунд. Вспомни последний отчёт по любому проекту — не обязательно про AI, — где тебе называли цифру, а ты в глубине души не понимал, хорошо это или плохо и что это меняет для бизнеса. Держи эту цифру в голове: к концу страницы прикинешь, во что её надо было перевести, чтобы она наконец что-то значила.
🍽 Шефа-владельца не интересует температура плиты
Представь, ты владелец ресторана, и к тебе приходит повар с отчётом. Гордый: «Шеф, я довёл плиту до ровных 230 градусов, соус выхожу за 4 минуты вместо 6, и продукты теперь нарезаю на 12% быстрее». Цифры честные, повар реально молодец. Но ты сидишь и думаешь про другое: сколько гостей вернулось на этой неделе, какой средний чек и сколько продуктов мы списали в мусор.
Это и есть две разные системы цифр. У повара — показатели кухни: температура, время выхода блюда, скорость нарезки. У тебя как у владельца — показатели зала: вернувшиеся гости, средний чек, выручка, списания, отзывы. И вот в чём фокус: показатели кухни сами по себе тебе ничего не говорят. Ровные 230 градусов — это хорошо или плохо? Ты не знаешь, пока повар не объяснит, во что это превращается в зале: «230 ровных — значит, стейки больше не подгорают, гости перестали отправлять их назад, мы перестали списывать мясо и переделывать — вот столько-то в месяц сэкономили».
Видишь движение? Повар перевёл цифру кухни в цифру зала. Сама по себе «температура 230» — мёртвая. Привязанная к «перестали списывать мясо» — живая, и под неё уже можно принимать решения и считать деньги.
С AI ровно то же самое. «Точность модели», «задержка», «расход токенов» — это температура плиты. Полезно для повара-инженера, чтобы настраивать систему. Но владельцу, совету, финдиректору эти цифры надо переводить в показатели зала: часы, рубли, клиенты. Кто не переводит — приходит на защиту бюджета с температурой плиты и удивляется, почему его не слушают.
🔧 Что такое техническая метрика (и почему её мало)
Технические метрики измеряют, как работает сама модель и система под капотом. Их любят инженеры, потому что по ним систему настраивают, и это правильно — без них кухню не наладить. Вот те, что тебе чаще всего принесут в отчёте:
- Точность (accuracy). Как часто модель отвечает «правильно» на проверочных примерах. «92%» само по себе ни о чём: 92% на чём, из скольких, и чего стоит каждая оставшаяся ошибка?
- Задержка (latency). Сколько секунд система думает перед ответом. Технически — время. Для бизнеса важно только то, бесит это клиента или нет.
- Расход токенов (токен — кусочек текста, из которых модель собирает ответ). Сколько «топлива» съедает один ответ. Это про себестоимость, но сам по себе токен в отчёт совету не положишь.
- Доля «галлюцинаций». Как часто модель уверенно выдаёт правдоподобную выдумку («галлюцинация» в кавычках — это не сбой железа, а свойство угадывания, разбирали в 0.4 — что такое модель).
Все они нужны — но все на языке кухни. Каждая отвечает на вопрос «как работает система?», и ни одна не отвечает на вопрос владельца «и что нам с этого?». Пока на второй вопрос нет ответа, технической метрики недостаточно. Она — половина фразы.
🍽 Что такое бизнес-метрика (и как из первой получить вторую)
Бизнес-метрика измеряет то, ради чего проект вообще затевали: деньги, время, клиентов. На неё смотрит совет, под неё дают и режут бюджет. Вот язык, который они понимают:
- Сэкономленные часы и затраты. Сколько рабочего времени людей высвободилось, во что это в рублях.
- Время ответа клиенту. Не «задержка модели 800 миллисекунд», а «клиент получает ответ за минуту вместо часа».
- Конверсия. Какая доля обращений доходит до покупки или до решённого вопроса.
- Удержание (retention). Сколько клиентов остаётся с нами, а не уходит.
- NPS (индекс готовности рекомендовать) и довольство клиентов. Насколько людям нравится — числом, а не на словах.
Перевод делается одним простым ходом: к каждой технической цифре дописываешь «а значит…» и доводишь мысль до денег, времени или клиента. Не остановился на «а значит» — остался с температурой плиты. Вот как это выглядит на практике:
Заметь две вещи. Первая: одна техническая цифра может переводиться в разные бизнес-метрики — точность лечит и часы рутины, и качество для клиента, смотря что важнее твоему совету. Вторая, и это важнее: бизнес-метрику нельзя высосать из воздуха. Чтобы сказать «минус 30 часов в месяц», надо знать, сколько часов тратили ДО. Поэтому базовые цифры «как было без AI» меряют до старта пилота, а не вспоминают на защите. Нет замера «до» — нечем доказать «после».
💸 Метрика без денег — это просто красивое число
Теперь главное, ради чего всё это. Почему вообще так важно переводить, а не просто отчитаться честными техническими цифрами?
Потому что без бизнес-метрики пилот не переживёт защиту бюджета. И это не наша придумка для красного словца — это ровно то, на чём проекты тонут массово. Помнишь главный нерв этого модуля: лишь около 5% корпоративных AI-инициатив доходят до измеримого бизнес-результата, и проваливаются они почти всегда не из-за слабой модели, а во внедрении — интеграция, чистые данные, встроенность в рабочий поток (по нашумевшему отчёту MIT NANDA «The GenAI Divide: State of AI in Business», июль 2025 года; на весну 2026 это всё ещё самый цитируемый ориентир — но цифры живые, к моменту, как ты это читаешь, сверься со свежими). Так вот, ключевое слово тут — измеримого. Не «доходят до результата», а «до измеримого результата». Проект, у которого нет бизнес-метрики, не может доказать, что он в тех самых 5% — даже если он реально работает. Для совета он неотличим от провального.
Дальше всё прозаично. Неясный ROI и отсутствие бизнес-метрик — в числе главных причин, по которым, по оценке Gartner (июнь 2025 года), более 40% корпоративных агентных проектов (где AI сам выполняет цепочку шагов, а не просто отвечает на вопрос) рискуют закрыть к концу 2027 года. Не потому, что они не работали технически. А потому, что некому было перевести их работу на язык денег, и на очередной защите бюджета их просто срезали как «непонятно, что приносит».
Вывод трезвый и неприятный: проект без бизнес-метрики живёт ровно до первого пересмотра бюджета. Технические цифры удержат его на плаву, пока всем интересно. Деньги ему продлят только тогда, когда ты сможешь сказать совету не «точность 92%», а «сэкономили 30 часов бухгалтера в месяц, это 360 часов в год, окупились за полгода». Вот тогда дают на второй.
🎮 Кухня или зал: разложи метрики
Сначала прикинь сам, потом сверься. Расхождение с разбором тут ценнее угаданного совпадения: именно на нём видно, где ты пока путаешь язык кухни с языком зала.
Восемь метрик из реального отчёта по AI-проекту. Для каждой реши: это техническая метрика (язык кухни, про систему) или бизнес-метрика (язык зала, про деньги, время, клиентов)? Не верь первому впечатлению: пара метрик маскируется — рубли в формулировке ещё не делают её бизнесовой, а процент роста без замера «до» ещё ничего не доказывает. Жми кнопку — увидишь разбор и, для технических, во что их переводить. Это не экзамен, а тренировка того самого перевода.
📖 Ключевые понятия
- Техническая метрика
- Цифра про то, как работает сама модель и система: точность (accuracy), задержка (latency), расход токенов, доля «галлюцинаций». Язык кухни. Нужна инженерам для настройки, но совету директоров сама по себе ничего не говорит, пока не переведена.
- Бизнес-метрика
- Цифра про то, ради чего проект затевали: сэкономленные часы и затраты, время ответа клиенту, конверсия, удержание (retention), NPS. Язык зала. Именно на неё смотрит совет, под неё дают и режут бюджет.
- Перевод метрики
- Ход «техническая цифра → а значит → деньги/время/клиент». «Точность 92%» → «бухгалтер проверяет 8 счетов из 100 вместо 100 → минус 30 часов в месяц». Метрика, которую не довели до денег или ценности, остаётся красивым числом и проект не продаёт.
- ROI (возврат на вложения)
- Сколько проект принёс по сравнению с тем, сколько в него вложили. Считается только в бизнес-метриках. Технические цифры в формулу ROI не подставишь — сначала переведи их в рубли и часы.
- Базовый замер (baseline)
- Цифра «как было до AI»: сколько часов тратили, какая была конверсия, сколько стоило обращение. Меряется до старта пилота. Без него нельзя доказать «после» — не с чем сравнивать, а значит, нечем защищать бюджет.
🛡️ Частые заблуждения
«Цифры хорошие — точность выросла, задержка упала. Значит, проект успешен, этого достаточно для отчёта»
Хорошие технические цифры доказывают, что система работает, — но не что она нужна бизнесу. Совет финансирует не «работающую систему», а «возвращённые деньги и время». Пока ты не перевёл точность в часы или рубли, для финдиректора проект «непонятно, что приносит» — и его срежут первым.
«Метрики — это дело инженеров, моё дело — общая картина»
Перевод метрик — как раз не инженерное дело, а твоё. Инженер отвечает за то, чтобы плита держала 230 градусов, и честно тебе это сообщает. А вот связать «230 градусов» с «перестали списывать мясо на столько-то рублей» может только тот, кто видит и кухню, и зал. Это владелец. Это ты.
«Бизнес-эффект посчитаем потом, когда пилот заработает и будут результаты»
Поздно. Чтобы доказать «сэкономили 30 часов», нужна цифра «сколько тратили до» — а её на момент защиты уже не восстановить, если не замерил заранее. Базовый замер «как было без AI» делается до старта, а не вспоминается задним числом. Нет «до» — нечем доказать «после».
🧠 AI-чутьё (AI Judgment)
Что мерить, как доказывать ценность, чем защищать бюджет
Сведём в одну рамку, которую держи в голове на любом AI-проекте: меряй то, что важно бизнесу, а не то, что удобно мерить инженеру. Удобно мерить точность и задержку — это видно на дашборде системы. Важно бизнесу другое: деньги, время, клиенты. Если ты меряешь только удобное, ты строишь красивый отчёт, который никого не убедит. Сначала реши, какая бизнес-метрика докажет ценность этого проекта, — а потом смотри, какая техническая цифра на неё влияет.
Для тебя как владельца это два движения. Первое: к каждой технической цифре, которую тебе приносят, мысленно дописывай «а значит…» и доводи до рублей, часов или клиента. Не доводится — значит, эту метрику в отчёт совету нести рано. Второе: бизнес-метрику нельзя посчитать без замера «до» — поэтому базовые цифры снимай до старта пилота, а не после. Защита бюджета выигрывается замером, который ты сделал три месяца назад.
И вот прямой мостик. Помнишь, мы говорили, что блестящее демо разваливается на боевом потоке — демо ≠ прод? Так же и блестящие технические цифры разваливаются на защите бюджета, если их некому перевести. Проект, который не умеет говорить на языке денег, не доказывает, что он в тех самых 5% дошедших до измеримого результата, — а значит, для совета он неотличим от провального. Перевод метрик — это не отчётность ради галочки. Это то, на чём решается, дадут ли тебе денег на второй проект.
🎯 Практика
Одно задание на десять минут — чтобы навык лёг на твою реальную работу, а не остался теорией. Возьми любой свой проект, где есть или планируется AI (а если AI пока нет — любой проект с цифрами в отчёте).
- Выпиши три-четыре технические метрики или системные цифры, которые тебе приносят в отчётах: точность, скорость, объёмы, проценты — что угодно из «языка кухни».
- Для каждой проделай перевод: допиши «а значит…» и доводи до денег, времени или клиента. «Скорость обработки выросла» → «а значит, менеджер успевает в день вдвое больше заявок» → «а значит, держим тот же поток меньшим штатом — экономия столько-то».
- Для каждой бизнес-метрики честно спроси: а есть ли у меня замер «до»? Знаю ли я, сколько часов / какая конверсия / сколько стоило обращение БЕЗ AI? Где «до» нет — отметь: это надо замерить прямо сейчас, иначе нечем будет защищаться.
- Загляни в свою цифру из начала страницы — ту, про которую ты не понимал, хорошо это или плохо. Переведи и её. Что она значила на самом деле?
Этот листок с переводами — уже почти готовый слайд для защиты бюджета. Не «точность выросла на 6%», а «сэкономили 360 часов в год, окупились за полгода». Так говорит владелец, который понимает и кухню, и зал, — и которому дают деньги на второй проект.