Как ИТ-директору посчитать эффект от сервисной автоматизации
В кризис ИТ-директор не может менять процессы и внедрять автоматизацию наугад: риск потратить бюджет впустую слишком велик. Когда в планах оптимизация сервисных процессов, обычно нужен бюджет на новое решение, например ESM-платформу. При защите бюджета финдир спросит про пользу и окупаемость, и цифра эффекта должна быть проверяемой.
Дальше в статье — методика расчета эффекта: сколько времени и денег экономит автоматизация сервисных процессов. ROI и срок окупаемости эта методика не считает: они складываются из эффекта и стоимости внедрения, а стоимость внедрения ИТ-директор получает отдельно, от вендора, на этапе коммерческого предложения. Эффект — числитель в формуле окупаемости, и в статье разберём именно его.
Мы, SimpleOne, разрабатываем ESM-платформу для автоматизации сервисных процессов, и в этой статье разберем методику расчета, которую сами используем при обосновании финансового эффекта от автоматизации корпоративных услуг в ИТ и за их рамками.
На чем основать расчет
Логика простая. Сервисные обращения — заявки в поддержку, запросы на доступ, стандартные согласования — сейчас обрабатываются медленно и вручную. Ключевой резерв — время, которое уходит на одно обращение: сократите его, и расходы на обработку того же объёма заявок тоже сократятся.
Но здесь есть подвох: время на обращение можно измерить по-разному, и от выбора метрики зависит, получите вы честную цифру или искажённую. Первый вопрос: что считать «временем на обращение»? Есть два кандидата.
-
AHT (Average Handle Time) — время активной работы специалиста над обращением: от момента, когда он открыл заявку, до момента, когда закрыл ее или передал дальше.
-
Resolution time — это AHT плюс время ожидания: пока пользователь отвечает на уточняющий вопрос, пока заявка стоит в очереди, пока согласующий подписывает доступ.
Разница между метриками ощутима: она меняет итоговую цифру эффекта. Возьмём условный пример: обращение с AHT 25 минут и временем ожидания 45 минут — итоговый resolution time составит 70 минут. Автоматизация убирает один ручной шаг и сокращает AHT на 8 минут, до 17. Если время ожидания за этот период не изменилось, resolution time упадёт до 62 минут — экономия по обеим метрикам совпадёт.
Проблема начнётся на следующий месяц, когда сотрудники уйдут в отпуска и очередь согласования вырастет: время ожидания поднимется до 60 минут. AHT останется на уровне 17 минут — специалист по-прежнему работает быстрее, чем до автоматизации. Но resolution time составит уже 77 минут, больше, чем было изначально. По одной этой цифре можно ошибочно заключить, что ESM-платформа не дала эффекта. На деле специалист стал быстрее. Рост resolution time вызван очередью на согласование — внешним фактором, который платформа не контролирует.
Resolution time зависит от загрузки пользователя, доступности согласующего, длины очереди на конкретный день — то есть от переменных, на которые платформа автоматизации не влияет. AHT отражает только работу специалиста. Поэтому за основу расчёта эффекта берём AHT: показатель воспроизводим и не искажается внешними колебаниями.
AHT воспроизводим внутри одного отдела с одинаковым типом обращений. Для HR, АХО или Legal воспроизводимость метрики уже ломается: AHT юриста на договорной проверке зависит от сложности контракта не меньше, чем от инструментов, а стоимость его часа отличается от стоимости часа ИТ-специалиста в разы. Методика ниже решает задачу «посчитать эффект для одного процесса с одним типом специалиста». Если у вас несколько департаментов — ИТ, HR, АХО, юридический, — единой сводной цифры по всей компании сразу не получится: у каждого департамента свои AHT, своя стоимость часа специалиста и своя готовность пользователей к самообслуживанию. Решение — повторить этот же расчет отдельно для каждого департамента с его параметрами. Как это делать, разберем в конце статьи.
Как посчитать эффекты оптимизации
Эффект складывается из трёх компонентов. Считаются они по порядку: каждый следующий берёт за базу то, что осталось после предыдущего, иначе расчёт задваивается.
1. Самообслуживание — часть обращений вообще не доходит до специалиста: пользователь самостоятельно решает типовой вопрос через портал, базу знаний или ИИ-гид (например, сбрасывает пароль, находит стандартную справку или проверяет статус заявки). Эффект — меньше обращений попадает в очередь к специалисту.
Снижение нагрузки обеспечивается на нескольких уровнях: единый портал услуг становится одной точкой входа вместо множества систем и снижает число повторных обращений за счёт объявлений, отслеживания статуса и понятных спецификаций услуг; база знаний даёт готовые статьи и инструкции, привязанные к конкретным услугам; ИИ-помощник и умный поиск позволяют описать проблему своими словами, найти ответ в единой векторной базе (RAG), а при необходимости автоматически сформировать и направить обращение в нужный отдел — без необходимости самостоятельно искать подходящую услугу или категорию.
2. Сервисные инструменты — механизмы обработки обращений, которые дошли до специалиста: по каждой услуге заранее зафиксировано, что предоставляется, кто отвечает, по какой инструкции выполняется и каков норматив. Эффект: сокращается время обработки одного обращения (AHT).
Эффект складывается из трёх уровней: стандартизация и шаблоны превращают выполнение в повторяемую технологию — из обработки уходят поиск контекста, переназначения и ожидания в очередях; инструменты платформы (каталог услуг с моделями типовых запросов, спецификации, база знаний, согласования, SLA с сервисом индикации) закрепляют параметры качества услуги на уровне системы; управляемость и прозрачность дают руководителю отчётность по всем поставщикам сразу, в единой модели данных, без «тёмных зон» и сборки из разрозненных тикет-систем.
3. Автоматизация — перевод части действий внутри процесса из ручного режима в выполнение по заданным правилам. Она позволяет сокращать время на оставшиеся операции и полностью исключать из процесса те действия, которые не требуют участия человека. Эффект: меньше ручной работы и простоев на этапе выполнения.
На этапе выполнения автоматизация работает на трёх уровнях: маршрутизация по каталогу услуг сразу направляет обращение в нужную группу; автоматическая приоритизация и уведомления самостоятельно управляют статусами, уведомлениями и назначением исполнителей по заданным условиям; сквозное автоматическое выполнение позволяет проводить целый процесс без участия людей — интеграции с 1С, SAP, AD, HR и другими системами становятся частью рабочего процесса, а данные, учётные записи и документы создаются автоматически. Люди подключаются только там, где требуется нестандартное решение.
Формула расчета
|
Показатель |
Формула |
Коэффициент |
|
Фонд ручного труда |
Обращения × Среднее активное время обработки по отделам (мин) |
— |
|
Шаг 1. Самообслуживание |
Обращения × k₁ × Время |
k₁ — доля обращений, которые не будут созданы |
|
Шаг 2. Сервисные инструменты |
(Фонд − Шаг 1) × k₂ |
k₂ — доля времени обработки, снимаемая стандартизацией |
|
Шаг 3. Автоматизация |
(Фонд − Шаг 1 − Шаг 2) × k₃ |
k₃ — доля оставшегося времени, исполняемая без человека |
|
Экономия минут |
Шаг 1 + Шаг 2 + Шаг 3 |
— |
|
Экономия в рублях |
Минуты ÷ 60 × Ставка часа |
— |
Пример: ИТ-подразделение, 500 000 обращений в год, AHT 35 минут, ставка 600 ₽/час.
|
Шаг |
k |
Часы в год |
₽ в год |
|
Фонд ручного труда |
— |
291 667 |
175 000 000 |
|
1. Самообслуживание |
0,030 |
8 750 |
5 250 000 |
|
2. Сервисные инструменты |
0,047 |
13 297 |
7 978 250 |
|
3. Автоматизация |
0,030 |
8 089 |
4 853 152 |
|
Итоговая экономия |
— |
30 136 |
18 081 402 |
|
Доля от фонда |
— |
10,3% |
10,3% |
Реалистичный диапазон для первого года — 5–12% от фонда; выше 20% нужно отдельное обоснование.
Коэффициенты — консервативная оценка SimpleOne, сверенная с публичными бенчмарками:
|
Коэффициент |
Значение |
Источник |
|
k₁ — самообслуживание |
0,030 |
Опрос Gartner 2024 (5 728 потребителей): самообслуживание полностью закрывает 14% обращений в клиентском сервисе, по «очень простым» вопросам — 36%. Прогноз Gartner 2025: к 2029 году агентный ИИ будет автономно решать 80% типовых обращений клиентского сервиса. Данные измерены в клиентском сервисе, а не во внутренних службах — поэтому это ориентир порядка величины, а не прямой бенчмарк. |
|
k₂ — сервисные инструменты |
0,047 |
Данные заказчиков TeamDynamix: сокращение времени решения на 40–90% — метрика шире нашей, включает время ожидания в очереди. Бенчмарки времени обработки: MetricNet. |
|
k₃ — автоматизация |
0,030 |
Forrester TEI по ServiceNow, 2017: автоматизация исключает 5% обращений в первый год и 20% начиная со второго; базовое значение методики ниже даже показателя первого года Forrester. Прогноз Gartner 2025: автономное исполнение типовых обращений даёт снижение операционных затрат на 30% к 2029 году. |
Фактическая доля у вашей компании будет другой — она зависит от зрелости процессов и отрасли. Посчитать с вашими цифрами можно в калькуляторе SimpleOne.
Три эффекта редко внедряются синхронно во всех департаментах: пилот в ИТ обычно даёт одни пропорции, а в АХО — другие, например ниже доля самообслуживания, но выше эффект от базовой автоматизации, потому что процессы там менее оцифрованы на старте. Модель показывает общий потенциал, а точные цифры по каждому департаменту стоит проверять отдельно.
Что входит в итоговую цифру, а что нет
В расчет эффекта входят три компонента, и для каждого — своя формула. За его пределами остаются еще три величины, которые методика сознательно не учитывает.
|
Входит в расчет |
Не входит в расчет |
|
Изменение объема обращений — доля обращений, которые уходят на самообслуживание, умноженная на исходный объем и на AHT. Это высвобожденное время специалиста, которое не тратится вообще. |
Cost of Delay — стоимость задержки решения проблемы для бизнеса. Требует данных о конкретных потерях компании от простоя систем или сотрудников, которых на входе обычно нет — считают отдельно, если такие данные собраны. |
|
Изменение AHT — разница между AHT до и после внедрения сервисных инструментов, умноженная на объем обращений, оставшихся после самообслуживания. |
Стоимость внедрения платформы — лицензии, интеграция, обучение команды. Отдельная статья бюджета, а не часть эффекта: сравнивать их нужно после того, как обе цифры посчитаны раздельно. |
|
Изменение простоев — сокращение ручных шагов и ожиданий внутри рабочего процесса специалиста за счет автоматизации, умноженное на объем обращений, оставшихся после первых двух эффектов. |
Кросс-функциональные эффекты — например, снижение нагрузки на HR или бухгалтерию из-за общего сервисного портала. Требуют данных смежных отделов, которых нет на входе у ИТ-директора, считающего эффект своими силами. Более полный разбор таких эффектов — в отчёте калькулятора SimpleOne. |
Стоимость внедрения платформы в enterprise-контексте почти никогда не оседает в одном бюджете с экономией от неё: платформу обычно оплачивает ИТ, а часть экономии реализуется в HR или АХО. Этот вопрос стоит проработать заранее — на защите бюджета финдир обычно спрашивает именно про распределение затрат и выгоды между отделами.
Кросс-функциональный эффект (а не экономия внутри одного отдела) обычно и есть главный аргумент в пользу перехода от нескольких точечных систем к единой ESM-платформе: без него методика доказывает эффективность автоматизации, но не доказывает выгоду консолидации.
Итоговая цифра — нижняя граница потенциала экономии. Она не учитывает стоимость задержки и кросс-функциональные эффекты, поэтому фактическая выгода от внедрения обычно окажется выше. Но именно эту цифру можно предъявить финдиру и обосновать по каждому шагу расчета — от исходного объема обращений до финального AHT.
Как повторить расчет на своих цифрах
Когда мы начали разговаривать с клиентами про ESM-платформу, оказалось, что организационная польза — единый портал, разгрузка специалистов, прозрачность процессов — им понятна, а вот экономическая выгода в конкретных рублях — нет. Финдиру недостаточно услышать «станет удобнее», ему нужна цифра. Поэтому мы решили сделать инструмент, который считает эту выгоду прозрачно и проверяемо, а не на глаз.
Чтобы собрать такую методику, мы опирались на три основания:
-
Практика клиентов SimpleOne, которые точечно оценивали финансовый эффект ESM — мы систематизировали кейсы из разных отраслей (лизинга, банков, производства, образования) в воспроизводимую модель.
-
Международные бенчмарки сервисных операций, прежде всего MetricNet — они дают ориентир по метрикам обработки обращений и самообслуживания.
-
Логика раздельного учета эффекта по направлениям и консервативной корректировки оценок, аналогичная подходу Total Economic Impact Methodology (TEI) от Forrester.
Подробнее вся методика расчета описана в статье «Как обосновать экономический эффект ESM». Расчёт строится на защищаемых параметрах: количестве обращений, среднем времени ручной обработки одного обращения и стоимости часа труда сотрудника. Мы намеренно не считаем на основе этой методики ROI и срок окупаемости — они зависят от стоимости и сроков конкретного внедрения, которых на этапе оценки еще нет, и окупаемость, посчитанная без реальных затрат клиента, была бы догадкой, а не фактом.
Чтобы вам не пересчитывать формулы руками, мы реализовали эту же логику в калькуляторе на сайте SimpleOne — там можно сразу указать параметры по каждому нужному подразделению и получить итоговую цифру без ручных вычислений.

Когда у вас несколько департаментов — ИТ, HR, АХО, юридический департамент — параметры на каждом шаге будут своими: AHT, стоимость часа и доля самообслуживания у ИТ и, например, у юридического департамента отличаются, потому что зрелость процессов и характер обращений в этих подразделениях разный. Именно поэтому в калькуляторе данные вводятся отдельно по каждому подразделению — так же нужно поступать и при ручном расчёте: не смешивать департаменты в одну усредненную цифру, а считать параметры каждого отдельно и затем суммировать итоговый результат.
Резюме
Защищая бюджет на автоматизацию, посчитайте эффект по этой методике на своих цифрах, прежде чем идти к финдиру — не берите чужие проценты из этой статьи, они здесь только для иллюстрации логики. Возьмите свой AHT, свой объем обращений и свою стоимость часа, пройдите три шага по порядку и сравните результат с тем, что получилось бы при наивном сложении процентов — эта разница сама по себе станет аргументом в пользу того, что расчет сделан аккуратно, а не приблизительно.
Если платформу планируется внедрять в нескольких департаментах, не считайте один раз для компании целиком — начните с пилота в одном отделе, получите реальные параметры (не прогнозные, а измеренные на практике), и только потом переносите методику на следующий департамент с его собственными цифрами.
Какую метрику вы сейчас используете для обоснования эффекта автоматизации перед финансовым директором — AHT, resolution time или что-то ещё? И приходилось ли переубеждать финдира, когда цифра экономии на бумаге не подтвердилась на практике?
Автор: SimpleOne_it

