29 апреля 2026 года Entrepreneur опубликовал короткую, но неудобную новость: вице-президент Nvidia Брайан Катандзаро заявил, что использование ИИ обходится «существенно» дороже, чем наём сотрудников. Формулировка ломает привычную презентацию про «ИИ заменит всех и сэкономит бюджет». Для выпускника-управленца здесь спрятан готовый исследовательский конфликт: компаниям продают ИИ как способ сократить ФОТ, а на практике совокупная стоимость владения решением может оказаться выше зарплаты человека, чью работу он выполняет.
Почему это ценно для диплома? Потому что даёт вам не очередную тему «цифровизация бизнеса», а измеримую управленческую задачу — сравнить два способа выполнения одной и той же операции и обосновать выбор. Именно такие работы комиссия называет прикладными. Ниже — как встроить этот кейс в главы 1–3, какие метрики посчитать и где обычно сыпятся студенты.
Три работающих канала: (1) открытая отчётность — бухгалтерский баланс, отчёт о финансовых результатах, годовые отчёты АО; (2) публичные тарифы поставщиков ИИ-сервисов и облачных мощностей — они дают нижнюю границу стоимости; (3) экспертные интервью с 3–5 сотрудниками компании (руководитель процесса, ИТ, экономист). Для ВКР достаточно «расчётной модели на данных открытой отчётности + допущения», но каждое допущение должно быть подписано и обосновано, а не взято из воздуха.
Считайте не «эффект для компании в целом», а эффект на единицу операции: стоимость одной обработанной заявки, одного закрытого тикета, одного подготовленного документа. Такой расчёт защищается легче, потому что исходные данные (объём операций, время на операцию, ставка сотрудника) вы получаете из интервью и хронометража, а не из закрытого учёта.
Дорожная карта в ВКР должна содержать четыре обязательных столбца: этап, результат этапа (артефакт), ответственный, контрольная точка/метрика перехода. Если в карте нет критерия, по которому понятно, что этап закрыт, — это не управленческий документ, а иллюстрация.
Скриншоты интерфейсов — в последнюю очередь. В первую: заполненные формы расчётов, модель TCO, схема процесса AS-IS и TO-BE в нотации BPMN, реестр рисков, календарный план. Оформление приложений подчиняется ГОСТ Р 7.0.11-2011 — нумерация, ссылки в тексте («см. Приложение Б»), единый шрифт и заголовки. Нормоконтроль валит работы чаще, чем слабая аналитика.
Не прячьте это. Переведите работу в формат сценарного анализа: базовый сценарий, сценарий с урезанным бюджетом (пилот на одном процессе) и сценарий отказа. Комиссия ценит умение управлять допущениями — это прямо соответствует зонам ответственности PMBOK 7 (планирование, риски, заинтересованные стороны).
Ниже — четыре формулировки, каждая из которых уже содержит исследовательский вопрос, а не просто область знаний. Выбирайте по доступности данных, а не по красоте названия.
1. «Сравнительная оценка совокупной стоимости владения ИИ-решением и эквивалентным трудозатратами персонала в операционном процессе»
Актуальность: заявление Катандзаро о том, что ИИ стоит «существенно» дороже сотрудников, делает TCO центральной метрикой решения, а не побочной сноской.
Цель: разработать и апробировать модель сравнения TCO ИИ-решения и стоимости выполнения той же работы персоналом.
Задачи: систематизировать подходы к оценке TCO цифровых решений; описать процесс AS-IS и определить операции-кандидаты; собрать данные по статьям затрат; рассчитать точку безубыточности и чувствительность к объёму операций.
Структура: Гл. 1 — теоретические основы экономики ИИ-решений и анализа затрат; Гл. 2 — диагностика процесса и сбор данных, модель TCO; Гл. 3 — расчёты, сценарии, выводы и рекомендации.
2. «Трансформация модели занятости при передаче рутинных функций ИИ-агенту: экономические и организационные границы целесообразности»
Актуальность: кейс Nvidia показывает разрыв между ожиданием «сократить ФОТ» и реальной стоимостью инференса, лицензий и поддержки.
Цель: определить границы экономической целесообразности замещения рутинных функций ИИ с учётом перераспределения ролей персонала.
Задачи: описать функции и профили должностей; рассчитать стоимость человеко-часа с полной нагрузкой; оценить TCO ИИ; построить матрицу «функция → способ исполнения»; предложить программу переобучения.
Структура: Гл. 1 — теория разделения труда и цифровых трудозатрат; Гл. 2 — диагностика функций и расчёты; Гл. 3 — организационные изменения и оценка эффекта.
3. «Дорожная карта внедрения генеративного ИИ в среднем бизнесе: от пилота до масштабирования»
Актуальность: если ИИ дороже людей, ключевым становится управление последовательностью шагов — где пилот окупается, а где масштабирование убивает бюджет.
Цель: разработать дорожную карту внедрения с контрольными точками перехода между этапами.
Задачи: провести PESTLE и SWOT; построить BPMN-модели AS-IS/TO-BE; сформировать реестр рисков; определить KPI этапов; рассчитать NPV и срок окупаемости по сценариям.
Структура: Гл. 1 — методология управления проектами внедрения ИИ; Гл. 2 — анализ среды и проектирование изменений; Гл. 3 — план внедрения и расчёт эффективности.
4. «Управление рисками ИИ-проектов: комплаенс, качество данных и стоимость ошибки»
Актуальность: чем дороже эксплуатация ИИ, тем выше цена ошибки в принятом решении о внедрении — тема прямо следует из публикации.
Цель: построить систему оценки рисков, влияющих на экономику ИИ-проекта.
Задачи: классифицировать риски; оценить вероятность и влияние; разработать план реагирования; включить стоимость рисков в TCO.
Структура: Гл. 1 — риск-менеджмент и стандарты; Гл. 2 — диагностика рисков предприятия; Гл. 3 — план реагирования и оценка эффекта.
Не ограничивайтесь пересказом публикации. В теоретической главе нужен разворот: «рынок обещает экономию на ФОТ, а практика показывает рост совокупной стоимости владения». Дальше — два абзаца о том, из чего складывается стоимость ИИ (инференс, интеграция, данные, поддержка, комплаенс) и один абзац о том, почему в презентациях поставщиков эти статьи не видны: они попадают в бюджет ИТ и в бюджет процесса, а не в строку «экономия на персонале».
Уместные опоры: Balanced Scorecard — чтобы показать, что эффект не сводится к деньгам (внутренние процессы, обучение); SWOT и PESTLE — чтобы зафиксировать внешние факторы (стоимость вычислений, регулирование, доступность кадров). Не тащите в текст всё подряд — комиссия читает логику, а не список методик.
Сначала опишите процесс. Схему AS-IS и TO-BE стройте в BPMN — это снимает половину вопросов на защите: видно, где именно исчезает операция и где появляется новый участник. Затем заполните таблицу затрат — она и есть ядро второй главы.
| Статья затрат | Что учитывать | Где взять данные |
|---|---|---|
| Вычислительные ресурсы / инференс | Стоимость запроса, объём запросов в месяц, пиковые нагрузки | Тарифы облачных провайдеров, публичные прайсы API |
| Интеграция и MLOps | Разработка коннекторов, тестирование, версионирование моделей | Смета ИТ-подрядчика, интервью с ИТ-службой |
| Данные и разметка | Подготовка, очистка, разметка, хранение | Хронометраж, оценка трудозатрат аналитика |
| Персонал под ИИ | Промпт-инженер, ML-специалист, владелец продукта | Штатное расписание, рынок зарплат |
| Обучение и изменение процессов | Время сотрудников, регламенты, сопротивление изменениям | Интервью, оценка часов обучения |
| Поддержка и комплаенс | Юристы, аудит качества, инциденты, риски утечки данных | Реестр рисков, договор с подрядчиком |
Далее — сам расчёт. Не бойтесь показывать модель в явном виде, это ваша защита от вопроса «откуда цифры».
TCO_AI = C_инференс + C_интеграция + C_данные + C_персонал_ИИ
+ C_обучение + C_поддержка + C_риски
Стоимость единицы работы:
Unit_AI = TCO_AI / N_операций
Unit_HC = (ФОТ + страховые взносы + рабочее место + обучение
+ потери от текучести) / N_операций
ROI = (ΔЭкономия + ΔРезультат - TCO_AI) / TCO_AI x 100%
NPV = Σ (CF_t / (1 + r)^t) - I0
Срок окупаемости = момент, когда накопленный CF >= I0Ключевая содержательная находка для ВКР: сравнение по Unit_AI и Unit_HC почти всегда зависит от объёма операций. При малом N фиксированные статьи (интеграция, поддержка, комплаенс) «размазываются» на каждую операцию и делают ИИ дороже сотрудника. При росте N картина может перевернуться — но только если процесс действительно массовый. Именно так в работе появляется точка безубыточности, и именно она отвечает на вопрос из статьи.
Здесь вы переходите от расчёта к управлению. Каркас — этапы с артефактами и контрольными точками. Ниже фрагмент, который можно адаптировать под своё предприятие (не копируйте даты, подставьте реальные окна проекта).
Этап 1. Диагностика (2 нед.)
Результат: перечень операций-кандидатов, карта AS-IS (BPMN)
Точка перехода: >= 3 операции с объёмом >= 500 шт./мес
Этап 2. Пилот на одной операции (6 нед.)
Результат: работающий прототип, замер качества и стоимости запроса
Точка перехода: Unit_AI расчетный < Unit_HC, точность >= целевой
Этап 3. Масштабирование (3 мес.)
Результат: интеграция в учётную систему, регламент, обучение
Точка перехода: доля операций через ИИ >= 60%, инцидентов 0 крит.
Этап 4. Мониторинг и пересмотр бизнес-кейса (ежеквартально)
Результат: отчёт TCO факт vs план, решение "продолжать / свернуть"
Точка перехода: отклонение TCO <= 15%Метрики финальной главы не должны дублировать друг друга. Возьмите три уровня: экономический (NPV, ROI, срок окупаемости, Unit_стоимость), операционный (время обработки, доля ошибок, пропускная способность) и организационный (доля сотрудников, прошедших обучение, число изменённых регламентов). Такой набор убедительно закрывает вопрос «а если деньги посчитаны верно, а процесс не изменился?».
Анализ чувствительности. У ИИ-проектов три переменные бьют по экономике сильнее всего: объём операций, тариф на вычисления и стоимость доработок. Прогоните модель по трём сценариям (пессимистичный, базовый, оптимистичный) — и вы получите тот самый слайд, который на защите выглядит как работа взрослого консультанта. Кстати, если вы продумываете, как написать ВКР по проектному управлению без методологической каши, начните именно с этих трёх переменных: они сразу задают структуру и избавляют от лишней теории.
Источник: Nvidia VP Says AI Costs ‘Far’ More Than Human Employees (опубликовано 2026-04-29)